Diplomado Herramientas Analíticas de Investigación de Mercados con Software R y RStudio

MÓDULO I. INTRODUCCIÓN AL LENGUAJE R Y RSTUDIO

Tema 1. Nociones básicas de R.

1.1- Breve presentación del Lenguaje R: historia, principales usos, ventajas y

desventajas.

1.2.- Instalación del Lenguaje R y Rstudio.

1.3.- Entorno de trabajo en RStudio.

Tema 2. Estructuras básicas para el orden de los datos.

2.1- Tipo de Datos y objetos usados en R.

2.2.- Matrices, Data Frames y Listados.

2.3.- Herramientas para acceder a los datos de acuerdo con su estructura.

Tema 3. Funciones generales y paqueterías.

3.1.- Uso de las funciones en R.

3.2.- Estructura básica de una función en R.

3.3.- Instalar y cargar paqueterías externas en R.

3.4.- Crear funciones locales.

Tema 4. Administración de bases de datos.

4.1.- El lenguaje R para la Gestión de bases de datos.

4.2.- Introducción a la paquetería Dplyr.

4.3.-Herramientas de Tidyr para la gestión de datos.

Tema 5. Ejemplos prácticos de administración de bases de datos.

5.1.- Primer ejemplo: Análisis exploratorio de la base de datos de Boston

5.2.- Segundo Ejemplo: Administración de Bases de datos con Graficas.

MÓDULO II. ANÁLISIS ESTADÍSTICO PARA LA INVESTIGACIÓN DE MERCADOS

TEMA 1.- Introducción a la Investigación de Mercados.

1.1.- Concepto Teórico de la Investigación de Mercados.

1.2.- Las aplicaciones de las Investigaciones de Mercado.

1.3.- Proceso de elaboración de Investigaciones de Mercados.

1.4.- Metodología de Consulta o Recolección de datos.

TEMA 2.- Uso de la Estadística para la Investigación de Mercados.

2.1.- Concepto general de la Estadística.

2.2.- Aplicaciones de la Estadística en el análisis de datos.

2.3.- Procesos de Investigación del Análisis de Datos.

TEMA 3.- Medidas de Tendencia Central y dispersión.

3.1.- Medidas de Tendencia Central: Media, Moda y Mediana.

3.2.- Medidas de Dispersión: Varianza, Desviación Estándar, Rango y Coeficiente de variación.

3.3.- Ejemplo del uso de la estadística en el análisis de mercados.

3.4.- Importancia de la selección de muestras aleatorias para la investigación de mercados.

TEMA 4.- Pruebas de Hipótesis para media y varianza.

4.1.- Introducción a la distribución de probabilidad Normal y el Teorema del Límite Central.

4.2.- Prueba t-student para la comparación de Medias.

4.3.- Prueba ji-cuadrada y F para la comparación de Varianzas.

4.4.- Aplicaciones de las Pruebas de Hipótesis en el Análisis de Mercados.

TEMA 5.- Análisis Geoestadístico de mercados.

5.1.- Introducción al análisis Regional de Mercados.

5.2.- Consulta de Datos Geoestadísticos en INEGI desde R.

5.3.- Análisis estadístico por municipio con el DENUE.

MÓDULO III. HERRAMIENTAS PARA LA CLASIFICACIÓN Y PREDICCIÓN DE DATOS.

TEMA 1.- Regresión lineal y modelos para predecir datos.

1.1.- Introducción al uso de modelos para la Predicción de Datos.

1.2.- Análisis de Correlaciones, Regresión Lineal Simple y Múltiple.

1.3.- Regresiones No Lineales: Polinomiales y LOESS.

1.4.- Predicción VS Realidad: Accuricy como métrica de validación.

TEMA 2.- Naive Bayes y otros modelos para la clasificación de datos.

2.1.- Introducción al uso de Modelos para la Clasificación: Naive Bayes.

2.2.- Modelo probabilístico Logit.

2.3.- Arboles de clasificación y Random Forest.

2.4.- Algoritmo de K-means para clasificar.

TEMA 3.- Pronósticos de series de tiempo.

3.1.- Introducción al uso de Modelos para Pronosticar datos.

3.2.- Descomposición de Componentes Temporales.

3.3.- Modelos ARIMA y SARIMA.

3.4.- Métricas para validar la eficiencia de un pronóstico.

TEMA 4.- Técnicas de Reducción de Dimensionalidad de datos.

4.1.- Reducción de Dimensionalidad.

4.2.- Análisis de Componentes Principales.

4.3.- Análisis Discriminante.

4.4.- Diferencias en el uso de cada modelo.

TEMA 5.- Herramientas Big Data, ETL y cubos OLAP.

5.1.- Introducción al análisis Big Data.

5.2.- Proceso para la gestión de datos.

5.3.- Cubos OLAP para grandes bases de datos.

MÓDULO IV. INVESTIGACIÓN CUALITATIVA EN LA RED PARA EL ANÁLISIS DEL CONSUMIDOR.

TEMA 1.- Introducción al análisis de redes sociales en Twitter.

1.1.- ¿Qué es el análisis de Redes Sociales en Twitter?

1.2.- API; ¿Qué son y cómo podemos conseguir una?

1.3.- Descargar información de Twitter con la paquetería rtweet.

TEMA 2.- Teoría de Grafos aplicada al análisis de influencia con redes.

2.1.- Breve introducción sobre la Teoría de Grafos al análisis de Redes Sociales.

2.2. Principales medidas de Centralidad.

2.3.- Introducción a la paquetería igraph para el análisis de Grafos.

2.4.- Análisis de Influencia de Usuarios por Grado, Intermediación y Cercanía.

2.5.- Aplicaciones del Cálculo de Influencia de Usuarios usando datos de Twitter con la Centralidad por Grado.

TEMA 3.- Google Trends como herramienta para el análisis de tendencias de mercado.

3.1.- Google Trend: ¿Qué es y cómo aprovechar su potencial?

3.2.- Interconexión entre Google Trend y RStudio

3.3.- Análisis de Tendencias con Google Trend y R con el análisis exploratorio.

3.4.- Análisis Geoespacial aplicado en el análisis de Tendencias con Google Trend.

TEMA 4.- Análisis sentimental enfocado al consumidor.

4.1.- Análisis de Palabras; ¿Cómo podemos aprovechar los Tweets de los usuarios?

4.2.- Nube de palabras aplicado a Tweets.

4.3.- Análisis Sentimental: ¿Cómo “medir” la opinión de los usuarios?

4.4.- información útil de los usuarios: descripción y fuente de consulta.

TEMA 5.- Monitoreo de la marca en Twitter.

5.1.- Almacenamiento de datos: la importancia de recolectar datos de manera continua.

5.2.- Monitoreo de campañas con Hashtags.

MÓDULO V. VISUALIZACIÓN AVANZADA DE DATOS Y REPORTES DINÁMICOS.

TEMA 1.- Introducción al paquete ggplot2.

1.1.- Breve historia de la paquetería ggplot2.

1.2.- Estructura general de una gráfica en ggplot2.

1.3.- Ejemplos gráficos sencillos.

TEMA 2.- Reportes estáticos con Flexdashboard.

2.1.- Introducción a la paquetería flexdashboard.

2.2.- Algunos elementos extras para los dashboards.

2.3.- Agregar gráficos con ggplot2 o plotly.

TEMA 3.- Reportes Dinámicos con Shiny y Shiny Dashboard.

3.1.- Introducción a Shiny.

3.2.- Elementos de las aplicaciones Shiny.

3.3.- Introducción a ShinyDashboard para Dashboards Interactivos

3.4.- Ejemplo aplicado sobre el uso de Reportes dinámicos con Shiny.

TEMA 4.- Importancia de la gestión de sistemas BI para el negocio.

4.1.- ¿Qué es un Cuadro de Mando Integral para el BI?

4.2.- Como generar Indicadores Clave de Rendimiento.

4.3.- Importancia del uso de los CMI para la gestión de Indicadores Clave de Rendimiento.

4.4.- Ejemplo de un Tablero dinámico (Cuadro de Mando Integral) con Indicadores Clave de Rendimiento.