Especialidad en Gestión Digital de la Empresa (6 meses)
Emisor: EUDE Business School
750 horas
·Intermedio
·Inglés
Programa certificado por ARP
Diploma ARP de validez internacional
Valoraciones de alumnos verificados
Precio a consultar
- Adaptar empresas a la era digital.
- Planificar y ejecutar estrategias tecnológicas alineadas con los objetivos de negocio.
- Implementar SEO, SEM, redes sociales, y campañas de marketing digital.
- Analizar y utilizar grandes volúmenes de datos para decisiones empresariales.
- Gestionar y optimizar tiendas online.
- Usar metodologías ágiles y tradicionales para proyectos digitales.
- Fomentar innovación y emprendimiento en entornos digitales.
- Proteger datos y sistemas digitales.
- Aplicar nuevas tecnologías como IA y blockchain.
- Desarrollar competencias de liderazgo en la era digital.
Requisitos:
No existen requisitos previos.
750 horas en total
Descargar programa- Social Media.
- SEO.
- Estrategia de Contenido.
- Experiencia Cliente.
- Email & Inbound Marketing.
- Estrategia CRO.
- Digital Paid Media/Compra Pragmática.
- Inteligencia Digital.
- Info Security.
- Confidentiality & Privacy.
- MarDaTech: La visión MarTech y la visión AdTech.
- Mobility y la gestión cross device.
- Atribución y Contribución.
- Big Data: La diferenciación via datos.
- La gestión de la transformación Digital.
- Redes, recursos agrupados, y software de gestión de aplicaciones y de sistemas operativos.
- Computación, almacenamiento, plataformas y aplicación por demanda.
- Servidores virtuales.
- Estrategia en la economía digital.
- Digital Branding Management.
- Digital Customer Experience.
- Promoción web.
- Mobile Marketing y Nuevas tendencias.
- Marketing de Contenidos.
- Planificación de estrategias de generación y cualificación de leads.
- Posicionamiento SEO.
- Usabilidad web.
- Claves en la creación de landing pages.
- Email marketing.
- Branded Content y Transmedia: Storytelling y viralidad.
- Video Marketing.
- La fascinación por el dato
- Lo importante son las personas
- Repasemos los niveles de la pirámide del conocimiento: hace falta la acción
- Es necesario llegar a ser una empresa Data Driven.
- Metodología CRISP-DM
- Introducción a Rapid Miner: conceptos básicos
- Preparación de datos
- Modelos clasificatorios y predictivos
- Correlación: que dos variables tengan relación puede no decir nada
- Realizar una matriz de correlación
- Entender una matriz de correlación
- Correlación positiva y negativa
- Correlación no indica causalidad
- ¿Qué podemos hacer con esa información?
- Reglas de asociación: ¿qué cosas suelen ir juntas?
- Entender el funcionamiento de un modelo de asociación
- Porcentaje de Soporte y de Confianza
- Usar las reglas de asociación
- Clusterización: ¿hay diversos grupos de clientes?
- El algoritmo K-means
- Cómo funciona y qué significa la K
- Concepto de centroide
- Análisis discriminante: empezamos a predecir
- Explicación de análisis discriminante
- Concepto de datos de entrenamiento y de datos de scoring
- Flujo de entrenamiento y flujo de scoring
- Explicación del nivel de confianza
- Regresión lineal: una forma de predecir una variable continua
- Explicación del modelo de regresión lineal
- Entender los pesos en una regresión lineal
- ¿Qué podemos hacer con los resultados?
- Regresión logística: cuando hay que decir entre dos opciones
- Explicación del modelo de regresión logística
- También aparece pesos ¿pero significan algo?
- Explicación del nivel de confianza
- ¿Qué podemos hacer con los resultados?
- Árboles de decisión: ¿en dónde cae este cliente?
- Concepto de árbol de decisión
- Nodos, ramas y hojas
- Profundidad del árbol
- Navegar en un árbol de decisión
- Comprender un árbol y aplicarlo
- Redes Neuronales: simulando el pensamiento humano
- Explicando en lo posible una red neuronal
- Aplicar una red neuronal
- Introducción al análisis de textos
- Análisis comparativo de textos
- Conceptos básicos
- Diccionarios, stop words
- Sinónimos y palabras de la misma familia
- Combinación de palabras
- Reemplazo de palabras
- Validación cruzada: ¿cómo podemos saber si el modelo funciona?
- Qué es una validación cruzada
- Concepto de falso positivo
- La ética en el data mining
- No siempre los modelos son “justos”
- Que puedas predecir no quiere decir que debas obligar
- Cuidado con los sesgos
- No todos los análisis se pueden hacer
- Definir el problema que se quiere resolver
- ¿Cuál es el problema principal que estás intentando solucionar y por qué es importante?
- Contexto: ¿Qué factores contribuyen al problema?
- Personas: ¿A quién le afecta directamente?
- Personas que trabajan en el problema: ¿Quién está trabajando actualmente en el problema?
- ¿Con que frecuencia se toman las decisiones sobre la resolución del problema por parte de las personas que trabajan actualmente en el mismo?
- Datos existentes: ¿Qué datos, relevantes a este problema, existen actualmente?
- De forma general, ¿cuál es la periodicidad, retardo y granularidad (geográfica, demográfica, temporal, otras) de los datos existentes?
- Nuevas fuentes de datos potenciales para la solución: Basados en los factores antes mencionados, ¿qué datos nuevos o adicionales podrían potencialmente aportar nuevos puntos de vista
- Preguntas guía
- Inventariar y comprender las lagunas en los datos
- Datos existentes sobre el problema
- Para cada fuente de datos, contesta las siguientes preguntas:
- ¿Está disponible abiertamente, o requiere un permiso especial de acceso?
- ¿Es estructurada o no estructurada?
- ¿Con qué frecuencia se recogen los datos?
- ¿Cómo son de granulares o detallados geográficamente los datos (ALTO, MODERADO, BAJO)?
- ¿Cómo son de granulares o detallados demográficamente los datos (ALTO, MODERADO, BAJO)?
- ¿Cuánto tiempo se almacenan?
- ¿Las personas actualmente implicadas lo usan para la toma de decisiones, evaluación o para otros propósitos?
- Otros datos organizacionales: ¿Qué otros datos usa tu organización en la operativa del día a día y en la planificación a largo plazo?
- Identificación de lagunas
- Mapear a todos los participantes en el proyecto
- Clientes/usuarios, Solucionadores, Soportes, Otras Personas
- ¿Cuál es su influencia en el problema?
- ¿Cuál es su influencia en el proyecto?
- ¿Cómo puede beneficiarse del proyecto?
- ¿Cómo los datos ayudan ahora a su toma de decisiones?
- ¿Qué podría hacer esta persona con mejores datos?
- ¿Qué podría hacer para socavar el proyecto?
- ¿Cuál es la mejor forma de mantenerle comprometido?
- La Ficha Personas
- Mapa de influencia
- Comprender quién usará los resultados del proyecto
- Data Journey actual
- Análisis de mejoras
- Diseño del Data Journey nuevo
- Identificar tu lista de deseos respecto a los datos y definir tus hipótesis de trabajo
- Resumen de todo el análisis
- La herramienta de conceptualización del proyecto
- ¿A quién va a ayudar el proyecto de innovación basada en el dato y qué esperas que sean capaces de hacer gracias al proyecto?
- Escribe una definición clara y concisa del problema
- ¿Qué fuentes de datos persigues para cumplir tus objetivos? Rellena la plantilla siguiente con esa información (repite la plantilla tantas veces como fuentes de datos hayas detectado).
- Ajusta tus Preguntas Guía: ¿Podemos usar [la fuente de datos X] para profundizar en [en el aspecto Y del problema]?
- Ajusta tus Hipótesis: Ya que sabemos que [hechos A] sobre [las(s) fuente(s) de datos X], creemos que podemos usar [datos específicos B] para abordar [el indicador del problema C]. Validaremos nuestros resultados en comparación a [datos existentes D].
- Ejemplos de problemáticas
- Breve historia de la CX en el contexto de la Transformación Digital
- Aparición de un nuevo cliente con súperpoderes
- La Importancia del Feedback, NPS y Voice of Customer
- Personalización y Micro-interacciones
- Omnicanalidad y Customer Journey
- La Evolución de la Analítica Web hasta la Analítica del Comportamiento
- Nuevas Arquitecturas Web
- Plataformas de Negocio
- Casos de Negocio e Historias de Éxito
- Terminología y conceptos básicos
- Introducción a CX
- Introducción a la Inteligencia Artificial
- IA aplicada a la CX
- CX y Internet of Things
- CX y Blockchain
- Herramientas de Software de Experiencia de Cliente
- Movilidad
- Accesibilidad
- Introducción a la User Experience
- Design Thinking, una metodología centrada en el usuario
- Investigación de Usuario
- Diseño de Interacciones
- Arquitectura de la información
- Cinco errores habituales
- Usabilidad
- 10 Heurísticos de Nielsen
- Técnicas de User Testing
- Herramientas básicas: Proto.io, Invision
- Herramienta avanzada: NodeRED
- Prototipado, Wireframes, Mockups
- Introducción a UI
- Diseño Visual
- Interfaces Web
- Componentes Web
- Web Responsive y Mobile First
- Nuevas UI: Asistentes Virtuales y Chatbots
- Básicos del Desarrollo Web: HTML, CSS y Javascript
- Frameworks para el desarrollo de front-end
- Skills más destacadas en el mundo laboral
Becas y ayudas. EUDE Business School ha diseñado un Plan de Becas y Ayudas al Estudio con el único objetivo de proporcionar una mayor flexibilidad económica y respaldar las necesidades de cada alumno.
¿Quieres más información?
Completa este formulario y la academia se pondrá en contacto contigo.
¿Quieres más información?
Completa este formulario y la academia se pondrá en contacto contigo.
¿Algo no está bien?
Si has encontrado en este curso información que no está bien puedes reportar una incidencia aquí.