(para empresas que no saben nada de Data Science o recién se están asomando a este mundo)
Contamos con un programa de capacitación en Data Driven Marketing que abarca todos los temas de Data Science y sus aplicaciones al Marketing Farmacéutico.
El curso puede dictarse completo o sus módulos por separado de manera individual, según el interés del cliente.El enfoque es teórico/práctico. En todas las clases se enseñan herramientas opensource para que los alumnos puedan practicar los conceptos aprendidos.
Módulo 1: Data Analytics.
En el primer módulo se exploran las bases del análisis de datos y todo lo relativo al abordaje inicial con un enfoque Data Driven.
- Qué es Data Science.
- Los niveles del aprendizaje analítico.
- Cómo hacer Data Wrangling con mis datos.
- Cómo hacer un análisis exploratorio de mis datos.
Duración: 3 horas.
Módulo 2: Modelos predictivos con Machine Learning.
En el segundo módulo se enseñan las bases teóricas del Machine Learning y sus posibles aplicaciones en Marketing Farmacéutico.
- Qué es Machine Learning.
- Qué es un algoritmo y de qué manera aprende a encontrar patrones.
- Cómo construir un modelo que sea capaz de hacer predicciones.
- Cómo puedo saber si mi modelo es bueno prediciendo.
Duración: 3 horas.
Módulo 3: Segmentación con Machine Learning.
En el tercer módulo se enseñan nuevas técnicas de Segmentación con Machine Learning.
- Diferencias entre segmentación tradicional y algorítmica.
- Cómo se segmenta con Machine Learning.
- Técnicas para encontrar grupos con conductas afines en mi target.
- Técnicas para dar personalidad a mis clusters.
Duración: 3 horas.
Módulo 4: Segmentación con modelado RFM.
En el cuarto módulo se enseñan las bases técnicas para llevar adelante una Segmentación con modelo RFM.
- Tipología de segmentación tradicional.
- Historia, definición y bases del modelo RFM.
- Utilidades y usos del modelo RFM.
- Paso a paso para armarlo.
Duración: 3 horas.
Módulo 5: Segmentación con modelado CLV.
En el quinto módulo se enseñan las bases del Análisis Predictivo de Demanda y sus usos.
- Ventajas del modelado predictivo en relación a segmentaciones tradicionales.
- Características del modelo CLV.
- Definición de los KPI de CLV y CHURN RISK.
- Explicación de las diferentes metodologías: tradicional, algorítmica y probabilística.
Duración: 3 horas.