Usos de Data Mining y KDD en Marketing Research

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Usos de Data Mining y KDD en Marketing Research"

Transcripción

1 Usos de Data Mining y KDD en Marketing Research Charla Alumnos Maestría Minería de Datos y Explotación Conocimiento - Facultad Ciencias Exactas y Naturales UBA Buenos Aires - Noviembre 2008

2 Temario Los datos no estructurados en el Marketing Reseach El Tratamiento de los datos no estructurados Sentiment Analysis o el Humor de los datos La Visualización para el análisis y la presentación de la información

3 Aparición de la Web Genera una explosión de datos Cambian los modelos en uso en el marketing, la comunicación y el marketing research Top Down a botom up Las marcas evolucionan y son modificadas por los consumidores La movilidad de la comunicación y los otros medios El tiempo disponible para asimilar información Se generan conversaciones entre usuarios Se arman redes sociales/ comunidades Lo real/virtual Del recuerdo a la observación La seguridad La colaboración

4 Los estudios de Mercado tratan distintos tipos de datos Los datos provienen de: Cuestionarios Preguntas abiertas Focus Groups y entrevistas en profundidad (IDI) Conversaciones Comunidades Foros Blogs Etiquetado de objetos/hechos

5 Hay dos tipos de datos en IM Los datos estructurados, que provienen de cuestionarios Representaban el mayor nivel de datos hasta hace poco El modelo Web 2.0 genera grandes volúmenes de DATOS NO ESTRUCTURADOS, que son mirados con codicia por los investigadores El tema es, como tratarlos?

6 Principales diferencias entre los tipos de datos ESTRUCTURADOS: Los ENCUESTADOS y el CUESTIONARIO Las bases grandes (hay muchas respuestas) Es una indagación guiada Depende del interés del investigador Se puede caracterizar al encuestado Genera datos con formato Los datos obtenidos son objetivos y no dependen del contexto El rango de las respuestas es limitado Su representación e interpretación es conocida Tratamiento estadístico cuantitativo Visualización con tablas y textos NO ESTRUCTURADOS: La GENTE y sus OPINIONES Las bases son pequeñas (pocas respuestas) Son de origen espontáneo Depende de la opinión del individuo El individuo esta oculto Genera datos sin formato Los datos dependen del contexto para su comprensión Las opiniones son abiertas Su representación e interpretación es muy nueva Tratamiento estadístico de variables categóricas Visualización multimedia

7 Técnicas para el tratamiento de datos no estructurados Representación mediante lexicones, glosarios y escenarios del dominio tratado Procesos estadísticos sobre palabras y minería de datos Visualización de la información para el usuario

8 Aprendiendo a ver los textos - Consideraciones para distintos tipos de textos Texto tipo 1 - Un solo autor, muchos temas y una sola idea sobre cada tema. (Por ejemplo un libro o un escrito) Se puede estudiar el estilo del autor Buscar patrones de contenido es difícil, conviene mas leerlo y apelar al clasificador humano. Hay un lenguaje más desplegado y rico Texto tipo 2 - Varios autores, un tema, muchas ideas (Por ejemplo respuesta a una preguntas abierta sobre un tema) Se pueden clasificar las ideas Permite detectar ideas singulares, soluciones nuevas, ideas espontáneas, muestra como se expresan los autores El lenguaje puede ser más llano o menos rico

9 Visualización de los tipos de textos Poema 12 - Oliverio Girondo Pregunta abierta a 500 individuos

10 Estructurando lo no estructurado Aprendiendo a ver los textos Partiendo de N casos (p.e. individuos) y N textos (uno para cada caso), queremos ver si existe alguna organización o estructura de los casos surgida de patrones u ordenamientos extraídos del análisis del contenido de los documentos Bla..bla.. bla Yo te digo...tenés razón Que bodrio

11 Esquema de trabajo COLECCION DE DOCUMENTOS REPRESENTACION HUMANO ESCENARIO VISUALIZACION _ _0 RED REDES SOM

12 Preparando la representación Frecuencia de palabras

13 Preparando la representación Frecuencia de palabras compuestas

14 Preparando la representación Palabras asociadas

15 Organización y Visualización de los datos VISUALIZACION DE LA RED

16 Visualización de la red Treemap Variables en cada Nodos

17 Visualización de la red Treemap Nodos en cada Variable

18 Visualización de la red Treemap Incidencia de la variable V95 en los nodos

19 Visualización de la red Treemap Incidencia del Nodo 8 en cada variable

20 Visualización Hechos y Fechas

21 Representación semántica de la red

22 Sentiment Analysis o el Humor de los datos Se trata de identificar la orientación de los discursos o mensajes, sobre un tema, que circula en los distintos medios, a través de recursos de machine learning. Hay orientación de los discursos, dependiendo del jugador que lo emita, lo cual da una dimensión cualitativa/subjetiva al discurso 1. Yo pienso que Madona es una gran cantante 2. Una gran confusión en los medios, produjo la aparición de la cantante Madona 3. Pese a que Madona es una gran cantante, Shakira la supera 1 es positiva 2 es neutra 3 es negativa

23 Monitoreo de humor Manejo de Crisis LISTA 1.15 azul = Positivo rojo = negativo

24 Sentiment Analysis o el Humor de los datos Se trata de identificar alguna estructura común en los mensajes emitidos. Para luego establecer: una orientación positiva o negativa respecto a un tema (línea de investigación de Xue Bai y otros) ó una orientación y fuerza (Dureza de la opinión línea de investigación de Fabrizio Sebastiani y Andrea Esuli) ORIENTACION +FUERZA Mensajes 1.k ORIENTACION

25 Sentiment Analysis o el Humor de los datos COLECCION DE MENSAJES Data set con mensajes clasificados por un experto sobre la orientación REPRESENTACION RED _ _0 MARKOV BLANKET CLASSIFIER

26 Sentiment Analysis o el Humor de los datos Redes Bayesianas y Markov Blanket Una red bayesiana es un grafo acíclico. Cada nodo representa una variable y cada arco una dependencia probabilística, dada por la probabilidad condicional de cada variable dados sus padres. El Markov Blanket para un nodo A es el conjunto de nodos que son padres de A, el conjunto de nodos que son hijos de A y el conjunto de nodos que son padres de los descendientes de A

27 Sentiment Analysis o el Humor de los datos Construyendo el grafo y la red oscura suave alegre NP Hard Orientación del grafo Conectividad de los nodos ágil suave CLASE garra espuma alegre espuma ágil oscura garra CLASE

28 Sentiment Analysis o el Humor de los datos Diseño Aprendizaje supervisado Data Set: 1777 documentos, convertidos en un documento_vector con 60 variables binarias y una variable de clase (0,1) Clasificadores/algoritmos: se utilizó Weka, con los siguientes algoritmos: Bayes.NaiveBayesSimple Bayes.NaiveBayes TabuSearch/Markov Blanket Simulated Annealing/Markov Blanket Trees.NBTree Entrenamiento: 66% del dataset, el restante 34% fue utilizado para validación

29 Sentiment Analysis o el Humor de los datos Desempeño de distintos clasificadores Clasificador Tiempo (seg) Ejemplos correctamente clasificados % Bayes.NaiveBayesSimple Bayes.NaiveBayes TS/MB_60 TS/MB_30 SA/MB Trees.NBTree 0,0 0,0 4,5 4,6 16,0 13,4 95,04 95,04 90,08 90,08 89,91 89,58

30 Sentiment Analysis o el Humor de los datos Comparación y Visualización de TS/MB NB clasifica mejor, pero. MB y Trees.NBTree permite la reducción de atributos (en algunos proyectos resulta una cualidad importante) MB y Trees.NBTree tienen un output visual útil para determinar aspectos cualitativos de la estructura que se estudia

31 Visualización de la información

32 Visualización Comentarios El packaging de la información!!!!?#### Entra por los sentidos Se compra ó no por su comprensión

33 Visualización Otro lugar interesante : Many eyes

34 Visualización Otro lugar interesante : Wordle

35 Visualización Algunos lugares interesantes: visual literacy

36 Visualización Algunos lugares interesantes: visual literacy

37 Visualización Algunos lugares interesantes: visual literacy

38 Visualización Otro lugar interesante: alephzero.com.ar

39 Alguna pregunta? Gracias!!! Lic. Juan José Lloret

40 Sentiment Analysis o el Humor de los datos. Metrucho Cuando se introduce un término de búsqueda, Suck & Rock busca en la web utilizando ese término. El resultado es la fracción de resultados positivos dividido suma de resultados positivos y negativos, normalizado a 10. Las frases negativas son: X apesta, **** X, X es ******, odio X. Las frases positivas son: X es fuerte, X es dulce, X es impresionante, me encanta X. Yahoo Search API se utiliza actualmente para obtener resultados, ya que la API de Google de la búsqueda SOAP es obsoleta y sólo permite 1000 consultas por día. Camino por recorrer, Google!

41 Sentiment Analysis en el Metrucho

42 La Investigación Clásica Cliente Investigador Cuestionario + Respondente = Encuesta Muestra Campo Base de datos Procesamiento/Analisis Report

43 Cambios importantes y áreas que afecta Diseño: Representativo Lo creativo Lo investigativo Espontaneo Campo Distribuido Auto administrado Colaboración Análisis: Estadistica dura Estadistica exploratoria Estadistica categorica Lo temporal Lo cuantitativo Distribución al usuario: formas de packaging Conexión con el usuario La visualización

44 Visualizaciones Treemaps: son un tipo de visualización ideada a principios de los 90 por Ben Shneiderman, que permite representar jerarquías de forma que se optimiza el llenado del espacio y, además, ver los atributos de la misma e identificar patrones anómalos o propiedades de la jerarquía usando colores. www.

45 Visualización de la red Treemap - Nodo en cada Variable, variando el umbral de casos

Ensayo para organizar estructuras heterogéneas de datos en el área de Marketing & Social Research

Ensayo para organizar estructuras heterogéneas de datos en el área de Marketing & Social Research Ensayo para organizar estructuras heterogéneas de datos en el área de Marketing & Social Research ALEPH ZERO marketing & social research data & text mining information representation & visualization Planteo

Más detalles

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003

MINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003 MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse

Más detalles

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source Inteligencia Artificial y Seguridad Informática en plataformas Open Source Jornadas de Software Libre y Seguridad Informática Santa Rosa La Pampa 4 y 5 de Diciembre de 2009 AGENDA Primera Parte Definiciones

Más detalles

Enlaces Experiencias de investigación

Enlaces Experiencias de investigación Proyecto de Transferencia Tecnológica Enlaces Experiencias de investigación Base de datos virtual para SI FADU UBA Equipo de Investigación sobre InfoDesign, Facultad de Arquitectura, Diseño y Urbanismo

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones

Más detalles

Finanzas e Investigación de Mercados"

Finanzas e Investigación de Mercados DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de

Más detalles

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

1 www.webopinion.es. La herramienta definitiva para el seguimiento y análisis online de la reputación de su marca en castellano.

1 www.webopinion.es. La herramienta definitiva para el seguimiento y análisis online de la reputación de su marca en castellano. 1 www.webopinion.es La herramienta definitiva para el seguimiento y análisis online de la reputación de su marca en castellano. White paper Agosto 2013 QUÉ IMPACTO TIENE EN EL PÚBLICO SU LABOR EN LAS COMUNIDADES

Más detalles

Monitorización. Qué es SocialVane?

Monitorización. Qué es SocialVane? Monitorización Qué es SocialVane? SocialVane es una herramienta de monitorización de marca que te ayuda a detectar todo lo que se dice de tu empresa, marca o producto en Internet a tiempo real, utilizando

Más detalles

Introducción a selección de. Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012

Introducción a selección de. Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012 Introducción a selección de atributos usando WEKA Blanca A. Vargas Govea blanca.vargas@cenidet.edu.mx Reconocimiento de patrones cenidet Octubre 1, 2012 Contenido 1 Introducción a WEKA El origen Interfaces

Más detalles

Weka como herramienta de data mining

Weka como herramienta de data mining Weka como herramienta de data mining Lic. Aldave Rojas Isaac Alberto Instituto Tecnológico Superior de Ciudad Serdán Abstract El presente trabajo muestra un ejemplo introductorio a la herramienta de Data

Más detalles

Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas

Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas 1. DEFINICIONES, UBICACIÓN CONCEPTUAL E HISTORIA DE LA I.A. 2. COMPLEJIDAD COMPUTACIONAL, EXPLOSIÓN COMBINATORIA, DOMINIOS NO

Más detalles

CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos

CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos Anteproyecto de Tesis de Magíster en Ingeniería del Software Tesista: Lic. Matilde

Más detalles

Data Mining Técnicas y herramientas

Data Mining Técnicas y herramientas Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos

Más detalles

Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos).

Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos). Título: Árboles de Decisión automáticos para el Pronóstico del Rendimiento Docente (aplicable al Control de Procesos). Autores: - MsC. Ing. Mario L. Basulto Núñez (ETECSA) mario.basulto@etecsa.cu - Lic.

Más detalles

PROGRAMACIÓN ORIENTADA A OBJETOS Master de Computación. II MODELOS y HERRAMIENTAS UML. II.1 UML: Introducción

PROGRAMACIÓN ORIENTADA A OBJETOS Master de Computación. II MODELOS y HERRAMIENTAS UML. II.1 UML: Introducción PROGRAMACIÓN ORIENTADA A OBJETOS Master de Computación II MODELOS y HERRAMIENTAS UML 1 1 Técnica de modelado de objetos (I) El modelado orientado a objetos es una técnica de especificación semiformal para

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.

Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por

Más detalles

Minería de datos en la nube. Patricia Rayón Villela

Minería de datos en la nube. Patricia Rayón Villela Minería de datos en la nube Patricia Rayón Villela 1 Contenido Big-Data BI en la nube Analítica Texto Video Visual 2 Big data Problemas que eran difíciles o imposibles de resolver antes de ahora son manejables.

Más detalles

Web mining y obtención de información para la generación de

Web mining y obtención de información para la generación de Web mining y obtención de información para la generación de inteligencia Miguel Ángel Esteban (Universidad de Zaragoza) mesteban@unizar.es Instituto Juan Velázquez de Velasco de Investigación en Inteligencia

Más detalles

La investigación en diseño

La investigación en diseño La investigación en diseño -conceptos básicos -estrategias y tácticas en la búsqueda de información OBSERVACIÓN CUANTITATIVA -Mide 1,75 metros de altura. -Comen 6 comidas al día. -Irá a votar un 53% de

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.

Más detalles

1 Quiénes somos? 2 Comencemos

1 Quiénes somos? 2 Comencemos 1 Quiénes somos? 2 Comencemos 2.1. Boletín Semanal 2.2. Presencia en internet 2.3. Perfiles vs Página web 3 Servicios 3.1. Diseño y Desarrollo web 3.2. Responsive web design 3.3. Tienda online 3.4. Aplicaiones

Más detalles

TweetAlert: Sistema de Análisis Semántico de la Voz de los Ciudadanos en Redes Sociales en la Ciudad del Futuro

TweetAlert: Sistema de Análisis Semántico de la Voz de los Ciudadanos en Redes Sociales en la Ciudad del Futuro TweetAlert: Sistema de Análisis Semántico de la Voz de los Ciudadanos en Redes Sociales en la Ciudad del Futuro Julio Villena-Román 1,2, Adrián Luna-Cobos 1,3, José Carlos González-Cristóbal 3,1 1 DAEDALUS

Más detalles

Parte I: Introducción

Parte I: Introducción Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one

Más detalles

1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.

1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. 1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS

Más detalles

Deep Learning y Big Data

Deep Learning y Big Data y Eduardo Morales, Enrique Sucar INAOE (INAOE) 1 / 40 Contenido 1 2 (INAOE) 2 / 40 El poder tener una computadora que modele el mundo lo suficientemente bien como para exhibir inteligencia ha sido el foco

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

Más detalles

Gestión del Conocimiento. Gestión del Conocimiento. Herramientas para la

Gestión del Conocimiento. Gestión del Conocimiento. Herramientas para la Herramientas para la Departamento de Informática Facultad de Ciencias Económicas Universidad Nacional de Misiones Universidad Nacional de Misiones Facultad de Ciencias Económicas Departamento de Informática

Más detalles

Visión global del KDD

Visión global del KDD Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

Más detalles

Aplicación de Redes bayesianas usando Weka.

Aplicación de Redes bayesianas usando Weka. Aplicación de Redes bayesianas usando Weka. Cynthia Lorena Corso 1, Fabian Gibellini 1 1 Universidad Tecnológica Nacional, Facultad Regional Córdoba Laboratorio de Sistemas de Información Maestro M. López

Más detalles

TEMA 1. Introducción

TEMA 1. Introducción TEMA 1. Introducción Francisco José Ribadas Pena, Santiago Fernández Lanza Modelos de Razonamiento y Aprendizaje 5 o Informática ribadas@uvigo.es, sflanza@uvigo.es 28 de enero de 2013 1.1 Aprendizaje automático

Más detalles

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

PREPROCESADO DE DATOS PARA MINERIA DE DATOS Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado

Más detalles

Tú tienes preguntas. Nosotros tenemos respuestas! Configurar tus campañas para tener éxito. Llegar a la audiencia adecuada con la segmentación

Tú tienes preguntas. Nosotros tenemos respuestas! Configurar tus campañas para tener éxito. Llegar a la audiencia adecuada con la segmentación Tú tienes preguntas. Nosotros tenemos respuestas! Tanto si estás empezando con tu campaña como si necesitas nuevas formas de optimizar tus Tweets, aquí tienes la guía de los recursos que te ayudarán a

Más detalles

El Libro del posicionamiento en buscadores Por David de Ugarte

El Libro del posicionamiento en buscadores Por David de Ugarte El Libro del posicionamiento en buscadores Por David de Ugarte Índice Introducción: Verdad y mentira del posicionamiento en buscadores Parte I: Cómo funcionan los grandes motores de búsqueda? 1. Buscadores,

Más detalles

Texto, imágenes, video Hiperenlaces Archivo log

Texto, imágenes, video Hiperenlaces Archivo log Web Mining Web Mining Aplicación técnicas data mining sobre datos que Web Descubrimiento automático información útil de documentos y servicios Web Texto, imágenes, video Hiperenlaces Archivo log Netcraft

Más detalles

de Marketing Digital y Posicionamiento Web

de Marketing Digital y Posicionamiento Web Curso (SEO) de Marketing Digital y Posicionamiento Web Presentación : El aumento exponencial de la cantidad de sitios web ha causado que ante la pregunta Có mo lograr resultados exitosos en Internet? La

Más detalles

Ellos asegurarse de que el sitio tiene un ambiente único que atrae a los usuarios de Internet

Ellos asegurarse de que el sitio tiene un ambiente único que atrae a los usuarios de Internet Los servicios profesionales de SEO pueden levantar su sitio por encima de sus competidores. Según los expertos de teamseblasteo, que ayudan a los propietarios de negocios entregan sus sitios para los motores

Más detalles

Ordenamiento de imágenes Web de acuerdo a su relevancia utilizando un enfoque de fusión multimodal

Ordenamiento de imágenes Web de acuerdo a su relevancia utilizando un enfoque de fusión multimodal Ordenamiento de imágenes Web de acuerdo a su relevancia utilizando un enfoque de fusión multimodal Reporte final Ricardo Omar Chávez García Instituto Nacional de Astrofísica Óptica y Electrónica, 72840

Más detalles

AF Comunicación Estratégica Propuesta estrategia digital. Digital Media Specialists

AF Comunicación Estratégica Propuesta estrategia digital. Digital Media Specialists AF Comunicación Estratégica Propuesta estrategia digital Digital Media Specialists Acerca de nosotros Somos una agencia digital especializada cuyo foco principal es crear estrategias de comunicación eficientes

Más detalles

- Cuál es la actividad a desarrollar?

- Cuál es la actividad a desarrollar? DOCUMENTO DE CÁTEDRA: MARKETING COMP- ALEJANDRO BROWN 1 Ed-FABIANA ASI 2 Este trabajo trata sobre algunos conceptos y matrices de marketing básicas para el análisis de cualquier emprendimiento comercial,

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

Inteligencia Artificial II (Curso 2012-2013) Ejercicios propuestos del tema 4

Inteligencia Artificial II (Curso 2012-2013) Ejercicios propuestos del tema 4 Inteligencia Artificial II (Curso 2012-2013) Ejercicios propuestos del tema 4 Ejercicio 1: En una máquina expendedora de huevos sorpresa, unos huevos están pintados de rojo y otros de azul. El 40% de los

Más detalles

MONITOR DE CONTENIDOS

MONITOR DE CONTENIDOS MONITOR DE CONTENIDOS Presentación Barcelona, enero 2015 1. Cambio de entorno 2. Análisis online 2 Multiplicidad de canales 3» El Social Media ha transformado todos los paradigmas que hasta ahora nos permitían

Más detalles

Los puntos de contacto en el proceso de compra. Pepe Tomé. www.pepetome.com

Los puntos de contacto en el proceso de compra. Pepe Tomé. www.pepetome.com Los puntos de contacto en el proceso de compra Pepe Tomé Mayo 2013 Introducción En Junio del 2009, McKinsey realizó el estudio The consumer decision journey, en él que a través de 20.000 encuestas entre

Más detalles

Pero que es el Data Mining? Como esta tecnología puede resolver los problemas diarios de las organizaciones? Cuál es el ciclo de vida de un DM?

Pero que es el Data Mining? Como esta tecnología puede resolver los problemas diarios de las organizaciones? Cuál es el ciclo de vida de un DM? Introducción En vista de los comentarios y sugerencias que nos hicieron, via mail y por chat, sobre la posibilidad de la creación de nuevo conocimiento, he creido conveniente introducir el tema Data Mining

Más detalles

Existen dos clases de observación: Observar científicamente Observación no científica

Existen dos clases de observación: Observar científicamente Observación no científica La Observación Es una técnica que consiste en observar atentamente el fenómeno, hecho o caso, tomar información y registrarla para su posterior análisis. La observación es un elemento fundamental de todo

Más detalles

Aprendizaje Automatizado

Aprendizaje Automatizado Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto

Más detalles

TP 3 Objetivo: Sobre el problema de investigación respecto de la empresa y producto servicio seleccionado en el TP2 elegir una pieza de marketing o

TP 3 Objetivo: Sobre el problema de investigación respecto de la empresa y producto servicio seleccionado en el TP2 elegir una pieza de marketing o TP 3 Objetivo: Sobre el problema de investigación respecto de la empresa y producto servicio seleccionado en el TP2 elegir una pieza de marketing o de publicidad existente (o desarrollar una nueva) y/o

Más detalles

7 trucos para describir un puesto de trabajo de forma irresistible

7 trucos para describir un puesto de trabajo de forma irresistible Soluciones para selección de personal 7 trucos para describir un puesto de trabajo de forma irresistible Descripciones de puestos de trabajo estelares = Candidatos estelares Índice de contenidos Truco

Más detalles

Digital PORTAFOLIO DE SERVICIOS INTERNET Y NEGOCIOS

Digital PORTAFOLIO DE SERVICIOS INTERNET Y NEGOCIOS Digital PORTAFOLIO DE SERVICIOS INTERNET Y NEGOCIOS Sabiendo el Destino Creamos el Camino quienes somos Somos el grupo que representa la nueva tendencia en comunicación mundial, hacia la que agencias y

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

OLAP y Minería de Datos: Introducción

OLAP y Minería de Datos: Introducción OLAP y Minería de Datos: Introducción Carlos Hurtado L. churtado@dcc.uchile.cl Departamento de Ciencias de la Computación Universidad de Chile OLAP y Minería de Datos: Introducción, DCC, U. de Chile, 2do

Más detalles

DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT

DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza

Más detalles

CERTIFICACIÓN DE ASISTENTE DE MARKETING

CERTIFICACIÓN DE ASISTENTE DE MARKETING CERTIFICACIÓN DE ASISTENTE DE MARKETING OBJETIVO Lograr que los jóvenes participantes estén capacitados para ser parte del departamento de Marketing de una empresa, aportando todos los conocimientos para

Más detalles

RECOJO DE INFORMACION Y DATOS TEMA 10

RECOJO DE INFORMACION Y DATOS TEMA 10 RECOJO DE INFORMACION Y DATOS TEMA 10 Técnicas e Instrumentos de Recolección de Datos OBJETIVOS VARIABLES OPERACIONALIZACION DE VARIABLES Emplea Para recolectar datos del DEFINICION TECNICA ELABORACION

Más detalles

Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases

Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Naive Bayes Multinomial para Clasificación de Texto Usando un Esquema de Pesado por Clases Emmanuel Anguiano-Hernández Abril 29, 2009 Abstract Tratando de mejorar el desempeño de un clasificador Naive

Más detalles

Informes de Reputación Online. Conozca la presencia en Internet y Redes Sociales sobre cualquier marca, concepto o empresa española.

Informes de Reputación Online. Conozca la presencia en Internet y Redes Sociales sobre cualquier marca, concepto o empresa española. Informes de Reputación Online Conozca la presencia en Internet y Redes Sociales sobre cualquier marca, concepto o empresa española. Los Informes de Reputación Online son la mejor manera de conocer la presencia

Más detalles

Las actuales TICs y la Prevención de Riesgos Laborales

Las actuales TICs y la Prevención de Riesgos Laborales Las actuales TICs y la Prevención de Riesgos Laborales D. J. Javier Álvarez Martínez Ingeniero Técnico Industrial Técnico Superior en Prevención de Riesgos Laborales 52 ASTURIAS PREVENCIÓN Artículos de

Más detalles

Escuela de Organización Industrial

Escuela de Organización Industrial TRABAJO: MEJORA DE LA METODOLOGÍA DE IDENTIFICACIÓN Y PRIORIZACIÓN DE LOS TEMAS RELEVANTES DE RESPONSABILIDAD CORPORATIVA, A TRAVÉS DE LA INVOLUCRACIÓN CON LOS GRUPOS DE INTERÉS. PROMOTOR: VODAFONE ESPAÑA

Más detalles

DANAConnect. Conversaciones automatizadas Email marketing Automatizaciones Notificaciones Envíos de archivos. www.danaconnect.com.

DANAConnect. Conversaciones automatizadas Email marketing Automatizaciones Notificaciones Envíos de archivos. www.danaconnect.com. DANAConnect Conversaciones automatizadas Email marketing Automatizaciones Notificaciones Envíos de archivos www.danaconnect.com DANAConnect 1 Qué es DANAConnect? DANAConnect es un poderoso gestor de comunicaciones

Más detalles

Entendiendo la Información

Entendiendo la Información 35 Qué son los datos? Datos de información basadas en hechos. Los datos pueden ayudar a los grupos a tomar decisiones El uso de datos le permite tomar decisiones basadas en factores, no con suposiciones

Más detalles

Proceso del KDD (minería de datos o DataMining)

Proceso del KDD (minería de datos o DataMining) Qué es el KDD? Es un proceso no trivial que identifica patrones validos, previamente desconocidos, potencialmente utiles y fundamentalmente entendibles en los datos. es como se reconoce de manera teoria

Más detalles

Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas

Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas Ing. Juan Miguel Moine Ing. Cristian Germán Bigatti Ing. Guillermo Leale Est. Graciela Carnevali Est. Esther Francheli

Más detalles

Cuestionario: 1) Utilizas o haz utilizado la línea de colectivo 128? Sí, No? 2) Crees qué se encuentra en buen estado de servicio? Sí, No?

Cuestionario: 1) Utilizas o haz utilizado la línea de colectivo 128? Sí, No? 2) Crees qué se encuentra en buen estado de servicio? Sí, No? Cuestionario: 1) Utilizas o haz utilizado la línea de colectivo 128? Sí, No? 2) Crees qué se encuentra en buen estado de servicio? Sí, No? 3) El colectivo en su totalidad se encuentra en buen funcionamiento?

Más detalles

Gerencia de Comunicaciones. Te tenemos identificado!

Gerencia de Comunicaciones. Te tenemos identificado! Te tenemos intificado! Para qué queremos conocer al consumidor? Objetivo final : Desarrollar acciones rentables para nuestras compañías Cómo lo logramos? Consumer Insights Comprensión profunda los seos

Más detalles

comprendiendo el comportamiento del consumidor hoy para la publicidad de mañana

comprendiendo el comportamiento del consumidor hoy para la publicidad de mañana comprendiendo el comportamiento del consumidor hoy para la publicidad de mañana Deberían recordarse más marcas online MARCAS SITIOS 8.192 Campañas publicitarias en una semana en todos los medios Q4a1 Qué

Más detalles

LAS REPERCUSIONES DE INTERNET 2.0 EN LA ORIENTACIÓN COMERCIAL DE LAS EMPRESAS

LAS REPERCUSIONES DE INTERNET 2.0 EN LA ORIENTACIÓN COMERCIAL DE LAS EMPRESAS LAS REPERCUSIONES DE INTERNET 2.0 EN LA ORIENTACIÓN COMERCIAL DE LAS EMPRESAS DIRECTOR DEL PROYECTO: D. JOSÉ LUIS GARCÍA DEL PUEYO TWITTER: @Garciadelpueyo ASISTENTE DE INVESTIGACIÓN: DÑA. FÁTIMA SEGURA

Más detalles

Guía de la Plataforma Educativa. Campus Aibe Formación

Guía de la Plataforma Educativa. Campus Aibe Formación Guía de la Plataforma Educativa Campus Aibe Formación 1. Cómo Acceder al Campus Aibe Formación? Para acceder al Campus Aibe Formación debe acceder a internet (con cualquier navegador aunque recomendamos

Más detalles

Potencia tu talento y el de los que te rodean MÉTODO SIDECAR. No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer.

Potencia tu talento y el de los que te rodean MÉTODO SIDECAR. No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer. No basta saber, se debe también aplicar. No es suficiente querer, se debe también hacer. Johan Wolfgang Goethe INDICE 1. 2. OBJETIVO PROCESO Evaluación ANTES: Perfil de partida. Evaluación DESPUÉS: Perfil

Más detalles

PROTOCOLO PARA EL MANEJO DE REPUTACIÓN EN LA WEB PAOLA FLORES BÁEZ 26 DE AGOSTO DE 2011

PROTOCOLO PARA EL MANEJO DE REPUTACIÓN EN LA WEB PAOLA FLORES BÁEZ 26 DE AGOSTO DE 2011 PROTOCOLO PARA EL MANEJO DE REPUTACIÓN EN LA WEB PAOLA FLORES BÁEZ 26 DE AGOSTO DE 2011 INTERNET un antes un ahora inmediato y un futuro acelerado ESTADÍSTICAS (ABC, 2010) LA COMUNICACIÓN FRENTE A LA

Más detalles

YOLANDA SELENE MARTÍNEZ RODRÍGUEZ

YOLANDA SELENE MARTÍNEZ RODRÍGUEZ INVESTIGACIÓN DE MERCADOS YOLANDA SELENE MARTÍNEZ RODRÍGUEZ PROPÓSITO DE IM El propósito de la investigación de mercados consiste en dar apoyo a la toma de decisiones de marketing. El marketing puede ser

Más detalles

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

ISO 31000:2009. Herramienta para evaluar la gestión de riesgos

ISO 31000:2009. Herramienta para evaluar la gestión de riesgos ISO 31000:2009. Herramienta para evaluar la gestión de riesgos Cr Carlos Serra CISA CGEIT Datasec Uruguay Agenda Qué es el riesgo? Qué riesgo asume al no pensar en sus riesgos organizacionales? Cómo lo

Más detalles

2009 CONFIDENCIAL. La voz de la marca. Linked by Isobar

2009 CONFIDENCIAL. La voz de la marca. Linked by Isobar La voz de la marca La digitalización Aplicando a sector Automoción Caso práctico: BMW EfficienDynamics La digitalización Aplicando a sector Automoción Caso práctico: BMW EfficienDynamics la Digitalización,

Más detalles

Aplicación de las técnicas de búsqueda visual y detección de movimientos oculares al estudio de la percepción de productos alimenticios

Aplicación de las técnicas de búsqueda visual y detección de movimientos oculares al estudio de la percepción de productos alimenticios Aplicación de las técnicas de búsqueda visual y detección de movimientos oculares al estudio de la percepción de productos alimenticios Dr. Gastón Ares Sección Evaluación Sensorial Departamento de Ciencia

Más detalles

CREA TU WEB CON WORDPRESS

CREA TU WEB CON WORDPRESS CREA TU WEB CON WORDPRESS Índice de contenidos CREA TU WEB CON WORDPRESS...3 Presentación...3 Índice del curso:...4 Estructura y funcionamiento del curso...5 Metodología...6 Evaluación...7 Certificados...7

Más detalles

INDICADORES POR ENCUESTA. Cuaderno Práctico -1 -

INDICADORES POR ENCUESTA. Cuaderno Práctico -1 - INDICADORES POR ENCUESTA Cuaderno Práctico -1 - ÍNDICE Elaboración del CUESTIONARIO...- 4 - Selección de la MUESTRA...- 5 - APLICACIÓN del cuestionario...- 7 - MECANIZACIÓN de datos...- 8 - Cálculo de

Más detalles

Universidad Nacional de La Plata Colegio Nacional Rafaél Hernández Departamento de Ciencias Exactas - Sección Informática

Universidad Nacional de La Plata Colegio Nacional Rafaél Hernández Departamento de Ciencias Exactas - Sección Informática Universidad Nacional de La Plata Colegio Nacional Rafaél Hernández Departamento de Ciencias Exactas - Sección Informática Taller de Diseño de Páginas Web Profesora a cargo: Claudia Marcela Cappelletti

Más detalles

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP

Minería de Datos JESÚS ANTONIO GONZÁLEZ BERNAL. Universidad UPP Universidad Politécnica de Puebla UPP JESÚS ANTONIO GONZÁLEZ BERNAL 1 2 Evolución de la Tecnología BD 1960 s y antes Creación de las BD en archivos primitivos 1970 s hasta principios de los 1980 s BD Jerárquicas

Más detalles

Mauricio Contreras IES Benicalap Valencia

Mauricio Contreras IES Benicalap Valencia Mauricio Contreras IES Benicalap Valencia Principios Describen las características particulares de una educación matemática de calidad Igualdad Currículo Enseñanza Aprendizaje Evaluación Tecnología La

Más detalles

Data Mining. Hugo Alatrista-SALAS PUCP, GRPIAA Labs. halatrista@pucp.pe http://hugo.alatristasalas.free.fr/ 17 de noviembre de 2014

Data Mining. Hugo Alatrista-SALAS PUCP, GRPIAA Labs. halatrista@pucp.pe http://hugo.alatristasalas.free.fr/ 17 de noviembre de 2014 Data Mining Hugo Alatrista-SALAS PUCP, GRPIAA Labs. halatrista@pucp.pe http://hugo.alatristasalas.free.fr/ 17 de noviembre de 2014 Outline La información y el proceso KDD 1 La información y el proceso

Más detalles

Trabajo Práctico 6 Métricas para la toma decisiones

Trabajo Práctico 6 Métricas para la toma decisiones 1. Defina los siguientes conceptos: Trabajo Práctico 6 Métricas para la toma decisiones a) Media aritmética (o promedio), mediana, y moda. b) Entidad y atributo. Considere algunas mediciones cotidianas

Más detalles

Evaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial

Evaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Programas de Maestría y Doctorado en Ingeniería Telemática Seminario de Investigación Evaluación, limpieza y construcción de

Más detalles

MÓDULO / UNIDAD 4. Tipos de Investigación

MÓDULO / UNIDAD 4. Tipos de Investigación MÓDULO / UNIDAD 4 Tipos de Investigación UNIDAD 4 TEMARIO GENERAL de la Clase 4 1. Metodologías de Investigación: Cuantitativo y Cualitativo 2. Tipos de investigación de mercados 3. Diseños exploratorios,

Más detalles

Evaluación de modelos para la predicción de la Bolsa

Evaluación de modelos para la predicción de la Bolsa Evaluación de modelos para la predicción de la Bolsa Humberto Hernandez Ansorena Departamento de Ingeniería Telemática Universidad Carlos III de Madrid Madrid, España 10003975@alumnos.uc3m.es Rico Hario

Más detalles

Catálogo de Cursos. Cursos de Gestión Empresarial. www.edduca.com

Catálogo de Cursos. Cursos de Gestión Empresarial. www.edduca.com 2015 Catálogo de Cursos Cursos de Gestión Empresarial www.edduca.com GESTIÓN EMPRESARIAL REFERENCIA DESCRIPCIÓN HORAS FORM042 Máster en Dirección de Ventas 600 h FORM047 La estrategia de Ventas 56 h FORM048

Más detalles

Base de datos II Facultad de Ingeniería. Escuela de computación.

Base de datos II Facultad de Ingeniería. Escuela de computación. Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,

Más detalles

También comparten un segmento importante, los motores de búsqueda proveídos por estos, a diferentes sitios Web.

También comparten un segmento importante, los motores de búsqueda proveídos por estos, a diferentes sitios Web. Las principales diferencias entre SEO y SEM en los motores de búsqueda Este documento está dirigido a personas con un nivel intermedio de conocimiento en el área del mercadeo digital y busca dar una visión

Más detalles

Miga de pan... 9. Columna... 9. Información general... 9. Mi correo... 10. Redactar mensajes. Redacta... 10. Bandeja de entrada. Leer mensajes...

Miga de pan... 9. Columna... 9. Información general... 9. Mi correo... 10. Redactar mensajes. Redacta... 10. Bandeja de entrada. Leer mensajes... Guía del alumnado Qué es la plataforma?... 4 Cómo realizo un curso on-line?... 4 Dónde encuentro la información del curso?... 5 Criterios de evaluación del curso:... 5 Dónde puedo consultar los requisitos

Más detalles

Manual de usuario. Grupo de investigación Lexicon. Universidad de Granada.

Manual de usuario. Grupo de investigación Lexicon. Universidad de Granada. Manual de usuario Grupo de investigación Lexicon. Universidad de Granada. EcoLexicon Introducción ECOLEXICON es una base terminológica de conocimiento sobre el medioambiente. La base de conocimiento fue

Más detalles

COMMUNITY MANAGER, REDES SOCIALES 3.0 Y SOCIAL MEDIA STRATEGY

COMMUNITY MANAGER, REDES SOCIALES 3.0 Y SOCIAL MEDIA STRATEGY COMMUNITY MANAGER, REDES SOCIALES 3.0 Y SOCIAL MEDIA STRATEGY Objetivos Gestionar la imagen de tu empresa dentro de las redes sociales e Internet para tener mayor reputación y dominar las principales técnicas

Más detalles

opinoweb el poder de sus datos Descubra LA NECESIDAD DE PREDECIR

opinoweb el poder de sus datos Descubra LA NECESIDAD DE PREDECIR opinoweb SOFTWARE FOR MARKET RESEARCH LA NECESIDAD DE PREDECIR Actualmente las empresas no sólo necesitan saber con exactitud qué aconteció en el pasado para comprender mejor el presente, sino también

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es

Más detalles

ü Importancia ü Relevancia ü Cómo aprovechar las redes sociales

ü Importancia ü Relevancia ü Cómo aprovechar las redes sociales Las Redes Sociales son formas de interacción social, definida como un intercambio dinámico entre personas, grupos e instituciones en contextos de complejidad. Un sistema abierto y en construcción permanente

Más detalles

Que es el CopV? Todo esto y mucho más es posible si utiliza nuestro sistema CopV en la red de su empresa o negocio!!

Que es el CopV? Todo esto y mucho más es posible si utiliza nuestro sistema CopV en la red de su empresa o negocio!! Que es el CopV? El CopV es un software de monitoreo en Redes producido por nuestra empresa, usted puede monitorear desde cualquier PC las actividades de todas las demás computadoras de la red de su empresa

Más detalles

DATA WAREHOUSING (ENERO DE 2003) Documento creado por Ing. Héctor H. Martínez Orpinel

DATA WAREHOUSING (ENERO DE 2003) Documento creado por Ing. Héctor H. Martínez Orpinel DATA WAREHOUSING (ENERO DE 2003) DEFINICIÓN UN DATA WAREHOUSING ES UN CONJUNTO DE DATOS INTEGRADOS ORIENTADOS A UNA MATERIA, QUE VARIA CON EL TIEMPO Y QUE NO SON TRANSITORIOS, LOS CUALES SOPORTAN EL PROCESO

Más detalles