Información del Plan Docente

1. Información Básica

1.1. Objetivos de la asignatura

Un perfil muy demandado actualmente es el experto en Análisis de datos. El objetivo de esta asignatura es completar la formación inicialmente obtenida en la asignatura troncal de Análisis de Datos y Técnicas Multivariantes.

La materia a impartir tiene un marcado carácter práctico, proporcionando las herramientas estadísticas necesarias para evaluar la importancia de una determinada base de datos en un contexto de Investigación de Mercados, así como diseñar un muestreo y la consiguiente investigación en el ámbito del Marketing y la prospección de Mercados. Además, se analizan los modelos de regresión con variable dependiente cualitativa y los modelos estructurales que son de gran aplicación potencial en problemas de análisis de Investigación de Mercados.

Estos planteamientos y objetivos están alineados con los Objetivos de Desarrollo Sostenible 8 (Trabajo decente y crecimiento económico y, más concretamente sus sub-objetivos 8.3 y 8.4) y 12 (Producción y Consumo responsables y, más concretamente, con sus sub-objetivos 12.3, 12.5, 12.6, 12.7 y 12.9 a) (ODS) de la Agenda 2030 de Naciones Unidas (https://www.un.org/sustainabledevelopment/es/), de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia para contribuir en cierta medida a su logro.

Su contenido está dividido en cinco Temas.

El Tema 1 presenta la asignatura, los objetivos, contenidos, dinámica del curso y evaluación. Se finaliza con una presentación del Análisis Multivariante describiendo, brevemente, el tipo de problemas que analiza ilustradas con ejemplos provenientes preferentemente del Marketing y de la Investigación de Mercados  

El Tema 2 está dedicado al Muestreo en Poblaciones Finitas y en él se desarrollarán los diferentes tipos de muestreo, así como los errores de muestreo y la comparación de tamaños con distintas afijaciones. Se estudia, cómo realizar inferencias acerca de medias y proporciones en los distintos contextos planteados. Es un tema teórico-práctico, en el que lo fundamental es que los estudiantes vean los diferentes tipos de muestreo según objetivos de la investigación.

En el Tema 3, titulado Análisis exploratorio de bases de datos, se presentan las bases de datos que se van a utilizar en la asignatura y se realiza un análisis exploratorio de las mismas utilizando las técnicas aprendidas en la asignatura troncal Análisis de Datos y Técnicas Multivariantes prestando especial atención al tratamiento de datos ausentes y atípicos.

El Tema 4, titulado Modelos de variable dependiente cualitativa, se presentan los modelos de regresión con variable dependendiente cualitativa haciendo especial hincapié en los modelos de regresión logística tanto binaria como multinomial. El estudio de este tema se abordará desde un punto de vista teórico-práctico, utilizando bases de datos seleccionadas en el tema 3 para ilustrar las técnicas explicadas e incidiendo más en las ideas que subyacen detrás de las mismas que en el desarrollo matemático que utilizan.

Finalmente, en el Tema 5, titulado Modelos de ecuaciones estructurales, se dará una breve introducción a los modelos estructurales prestando especial atención al análisis de la fiabilidad y validez de constructos y a la estimación e interpretación de modelos de ecuaciones estructurales.

1.2. Contexto y sentido de la asignatura en la titulación

La asignatura tiene carácter optativo y se encuentra encuadrada en el módulo Investigación de Mercados, dentro de la materia Instrumentos, aunque tiene el mismo interés para los interesados en Marketing.

Con todas las asignaturas de la parte instrumental se proporciona al alumno un conjunto técnicas informáticas y estadísticas, de tipo cualitativo y cuantitativo, muy útiles para desarrollar una investigación de mercados básica y obtener conclusiones que sean relevantes para la gestión empresarial.

1.3. Recomendaciones para cursar la asignatura

La asignatura no tiene establecido ningún requisito previo. Sin embargo, sería muy conveniente haber aprobado la asignatura de Análisis de Datos y Técnicas Multivariantes.

Para poder alcanzar los objetivos de aprendizaje previstos es necesaria la asistencia a las clases, así como la participación activa en dichas clases. Es aconsejable el estudio continuado de la asignatura para facilitar la comprensión de la misma, así como la realización de las diversas actividades programadas.

2. Competencias y resultados de aprendizaje

2.1. Competencias

Al superar la asignatura, el estudiante será más apto para desarrollar las siguientes competencias:

Competencias específicas

• Conocer las herramientas cualitativas y cuantitativas de análisis en una base de datos, en particular, para la información online.
• Comprender las posibilidades de las TIC en MIM.
• Desarrollar una investigación de mercados básica y obtener conclusiones para la gestión empresarial.
• Desarrollar, presentar y defender un proyecto en el ámbito del Marketing e Investigación de Mercados con un lenguaje académico adecuado al ámbito de la investigación.

Competencias transversales

• Adquisición con rapidez de nuevos conocimientos.
• Búsqueda, análisis y síntesis de fuentes de información y datos.
• Búsqueda de nuevas ideas y soluciones.
• Creatividad.
• Capacidad para cuestionar de forma constructiva ideas propias o ajenas.
• Desarrollar liderazgo en un ámbito de trabajo competitivo.

2.2. Resultados de aprendizaje

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados:

1. Plantear un estudio de muestreo en una población finita
2. Realizar un análisis de los datos ausentes y de los outliers de un conjunto de datos multivariantes
3. Plantear un Análisis Discriminante y analizar su validez empírica
4. Plantear un modelo de regresión de variable dependiente limitada.
5. Analizar la validez y fiabilidad de un constructo
6. Plantear un modelo de ecuaciones estructurales y estimar, contrastar, analizar la bondad de ajuste e interpretar los resultados obtenidos

2.3. Importancia de los resultados de aprendizaje

La asignatura tiene un doble objetivo para la formación del futuro profesional. Es conocido que uno de los perfiles profesionales más demandados en la actualidad es ANALISTA DE DATOS. Por lo tanto, un primer objetivo es conocer las inmensas posibilidades que los datos online y offline nos ofrecen para gestionar bien las Empresas, para obtener perfiles, consumos preferentes, … Posteriormente se plantearán modelos de regresión adecuados para las variables a analizar.

El segundo objetivo consiste en aprender a realizar un informe detallado sobre la importancia de los resultados y las decisiones a tomar, en el ámbito de las competencias transversales. Así el alumno aprenderá de forma práctica la importancia del Análisis de datos para tomar acciones de interés por la empresa y llevar a cabo estrategias de mercado on line.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluación:

En PRIMERA CONVOCATORIA

Sistema de Evaluación Continua.

El alumno será evaluado realizando tareas planteadas por el profesor al acabar cada tema con el fin de analizar el grado de compresión de los conceptos enseñados. Las tareas consistirán en la resolución de cuestiones prácticas (en el caso del tema 2) y de aplicación de las técnicas enseñadas al análisis de algunas de las bases de datos presentadas en la asignatura. Cada prueba ponderará un 25% de la nota final y se deberá obtener una puntuación mínima de 3 puntos para poder promediar.

Para superar la asignatura se debe obtener una calificación mínima de 5 puntos sobre 10.

Sistema de Evaluación Global

El alumno deberá realizar una prueba teórico-práctica en la fecha marcada por el Centro.

En SEGUNDA CONVOCATORIA, se realizará una prueba teórico-práctica en la fecha marcada por el Centro.

Criterios de valoración

Para superar la asignatura por el sistema continuo es necesario obtener un mínimo de 5 puntos sobre 10, análogamente en el sistema de evaluación global.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

Las clases son mayoritariamente prácticas. El método de trabajo será individualizado, lo que implica que cada estudiante analizará una base de datos concreta, la evaluará, detectará posibles anomalías en su elaboración, y planteará el modelo más adecuado para hacer inferencia en la población de estudio.

La metodología docente está previsto que sea presencial. No obstante, si fuese necesario por razones sanitarias, las clases presenciales podrán impartirse online.

4.2. Actividades de aprendizaje

El programa que se ofrece al estudiante para ayudarle a lograr los resultados previstos comprende las siguientes actividades:

- Clases teórico-prácticas: Se emplearán para desarrollar principalmente los conceptos y desarrollos teóricos de cada uno de los temas. En ellas se utilizarán algunas técnicas expositivas (Temas 2, 4 y 5) pero motivando la participación y discusión en clase. El resto de los temas, dado que son de carácter práctico, las clases se entenderán como una tutoría individualizada, utilizando el software R 3.6.3 o posterior.

- Tutorías individuales, personalizadas y on-line: el estudiante podrá asistir a las horas programadas de tutoría para resolver dudas sobre la asignatura. En el caso de aquéllos estudiantes a los que las tutorías programadas coincidan con horas de clase de otras materias, podrán mandar un correo electrónico para concertar cita.

Las actividades formativas y de evaluación se desarrollarán de acuerdo a la siguiente planificación:

4.3. Programa

TEMA 1: Introducción

        Presentación de la asignatura: objetivos, programa, dinámica de las clases, evaluación, tutorías. El Análisis Multivariante de datos en la Investigación de Mercados.

 TEMA 2: Muestreo en Poblaciones Finitas

         Conceptos básicos. Muestreo aleatorio simple con y sin reposición.  Muestreo estratificado. Muestreo sistemático. Muestreo por conglomerados. Muestreo multietápico. Otros tipos de muestreo: cuotas, bola de nieve, conveniencia.

TEMA 3: Análisis exploratorio de bases de datos

Presentación de las bases de datos que se van a utilizar en la asignatura. Presentación del software R 3.6.3. Análisis exploratorio unidimensional, bidimensional y multidimensional de las bases de datos. Detección y tratamiento de datos ausentes y atípicos. 

TEMA 4: Análisis Discriminante

Introducción. Clasificación con dos grupos: análisis discriminante de Fisher; interpretación de los resultados; evaluación de la calidad de la clasificación, predicción de nuevos casos Clasificación con más de dos grupos. 

TEMA 5: Modelos de Regresión con Variable Dependiente Cualitativa

Formulación del modelo. Regresión logit binomial. Estimación y contraste de hipótesis. Interpretación de los coeficientes. Bondad de ajuste. Capacidad discriminante del modelo. Calibración del modelo. Regresión logística multinomial.

TEMA 6: Modelos de ecuaciones estructurales

Introducción. Análislis factorial confirmatorio: formalización matemática, identificación, estimación, bondad de ajuste, interpretación. Validación de instrumentos de medida: fiabilidad y validez. Modelos de estructuras de covarianza (CB-SEM) y de estructuras de varianza (PLS-SEM).

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

El calendario orientativo de la asignatura, semana a semana, sería el siguiente:

4.5. Bibliografía y recursos recomendados

[BB: Bibliografía básica / BC: Bibliografía complementaria]

• [BB] Análisis multivariante / Joseph F. Hair...[et al.] ; revisión técnica y compilación de las lecturas complementarias, Mónica Gómez Suárez ; traducció,Esme Prentice, Diego Cano . - 5ª ed., última reimp. Madrid [etc.] : Prentice Hall, D.L. 2008
• [BB] Guisande González, Cástor. Tratamiento de datos con R, STATISTICA y SPSS / Cástor Guisande González, Antonio Vaamonde Liste, Aldo Barreiro Felpeto Madrid : Díaz de Santos, D.L. 2011