1. Identificar los conceptos claves para desarrollar una marca personal en las redes sociales.
2. Aplicar buenas prácticas de oratoria digital en videoconferencias.
3. Aplicar técnicas de gestión del tiempo en la planificación personal.
4. Evaluar herramientas de apoyo a la gestión basada en datos.

Los constantes cambios que se viven hoy en día obligan a los profesionales a mantenerse actualizados. Vivimos en una época de alta volatilidad y se hace necesario ser flexible. La crisis que explotó en 2020 nos mostró la necesidad de desarrollar habilidades asociadas a los entornos virtuales de trabajo.

En este taller, el participante aprenderá cómo gestionar su marca personal en redes sociales, técnicas de oratoria digital para la realización de videoconferencias, estrategias para gestionar bien el tiempo y la importancia de los datos en la gestión moderna.

Este taller se ofrecerá a todos los alumnos que se inscriban en los diplomados de Clase Ejecutiva UC, de manera de entregar habilidades transversales a todos ellos. Se realizarán controles de lectura, foros de discusión y clases sincrónicas durante su desarrollo.

• Marca personal
• Cómo construir una marca personal digital
• Acciones premium para potenciar nuestra personal branding

• Reuniones virtuales y webinars
• El contenido de las sesiones
• Oratoria digital
• Técnicas básicas de oratoria para entornos digitales

• Conócete a ti mismo
• Procrastinación
• Los “ladrones del tiempo”
• Priorización y matriz de Eisenhower
• Buenas prácticas de gestión del tiempo

• Business Analytics (BA)
• Clasificación del BA
• BA descriptivo
• BA predictivo
• BA prescriptivo

Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es vía streaming o asistiendo presencialmente en los lugares y horarios de realización que se definan si esto es posible.

El curso contempla la entrega de un trabajo grupal, desarrollado a lo largo del bimestre, donde se espera que el estudiante aplique los conocimientos adquiridos mediante el diseño de propuestas de mejoras en contextos reales, evaluación de casos, elaboración de prototipos, etc.

• Qué es inferencia causal y contrafactual
• Cómo determinar si las acciones de una empresa tienen impacto causal en una variable de interés y cómo distinguirlo de la simple correlación
• Análisis del sesgo de selección y su amenaza para la estimación de impacto
• Revisión de evaluaciones reales en las empresas en las que podría afectar el sesgo de selección

• Cómo la aleatorización ayuda a inferir causalidad
• Cómo la aleatorización permite eliminar el sesgo de selección
• Ventajas y desventajas del método de aleatorización
• Formas de implementar una aleatorización

• Identificación de oportunidades de aleatorización en una empresa
• Reconocimiento de aspectos de las acciones que pueden aleatorizarse
• Aprovechamiento de los canales digitales
• Análisis sobre cómo decidir el nivel de aleatorización

• Análisis de los diversos aspectos que pueden ser aleatorizados
• Uso de diferentes diseños de aleatorización
• Discusión de pros, contras y consideraciones éticas
• Ejemplos prácticos en la empresa

• Qué es poder estadístico
• Cómo se determina el poder estadístico
• Cómo se relaciona la cantidad de individuos que participan en la aleatorización, la cantidad de elementos intervenidos con el poder estadístico
• Otros elementos de diseño

• Cómo los efectos generados por una evaluación provocan cambios en la empresa, amenazando la validez de las conclusiones
• Herramientas para limitar estos efectos
• Ejemplos prácticos en la empresa

• ¿Qué es la centralidad en el cliente?
• Pilares del foco en el cliente
• Pilar 1: Una cultura interna focalizada en el cliente
• Pilar 2: Competencias comerciales
• Pilar 3: Sistemas de información de clientes
• Pilar 4: Políticas de personas y el cliente

• Conociendo al cliente
• Técnicas de segmentación
• Jobs to be done: Segmentación por necesidad y tareas a cumplir para el cliente
• Segmentación por valor económico del cliente: Análisis del valor económico

• ¿Qué entendemos por métrica RFM?
• Utilidad de la métrica RFM
• Pasos para aplicar la métrica RFM
• Aplicaciones del RFM

• El valor del cliente
• Fórmula para calcular el valor del cliente
• Modelo de cálculo de una cartera de cliente
• Aplicaciones del LTV
• Algunas prevenciones respecto al cálculo del LTV

• Ciclo de relación empresa – cliente
• Gestión del valor de la cartera basada en datos: Adquisición de clientes y gestión de nuevas experiencias
• Gestión del valor de la cartera basada en datos: Rentabilización de los clientes potenciales

• Gestión del valor de la cartera en base a datos:
• Retención de clientes de alto potencial
• El indicador de abandono o churn
• Fidelización de clientes
• Reactivación y recuperación de los clientes de alto potencial

Los estudiantes deben asistir a dos clases en vivo con el docente, donde podrán reforzar conocimientos y resolver dudas. La asistencia a dichas clases es obligatoria vía streaming o asistiendo presencialmente, si esto último es posible, en los lugares y horarios de realización que se definan.

• Contexto: desafíos actuales del marketing en ambientes altamente competitivos
• Beneficios de la implementación de modelos analíticos de marketing para mejorar la toma de decisiones
• Problemáticas de marketing usualmente modeladas a través de minería de datos

• Entendimiento del negocio
• Comprensión de los datos
• Preparación de los datos
• Modelado
• Evaluación
• Implementación

• Modelos de prospección de clientes: identificación de buenos prospectos, elección de canales de comunicación de marketing, diseño de mensajes apropiados con las características del target
• Modelos de elección y optimización de herramientas de comunicación de marketing: encaje con el perfil del target, optimización de campañas de marketing directo, optimización de presupuesto y efectividad

• Perfilamiento en base a información conductual del cliente
• Determinación del valor del cliente (por ejemplo: CLV – customer life time value)
• Cross-selling, up-selling y recomendaciones

• Modelos de reconocimiento de intención de fuga
• Modelos de clasificación fugados/no fugados
• Modelos predictivos de fuga (¿predecir quienes se irán versus por cuánto tiempo se quedarán?

• Aspectos estratégicos de la interpretación de modelos analíticos de marketing
• Trade-off entre la precisión y el grado de comprensibilidad de los modelos (qué tan bueno es trabajar con modelos de “caja negra”)
• Implementación de modelamiento en tiempo real

• Qué es big data
• Las 3 V de big data
• Fuentes del big data
• Estudios de mercado y big data

• El valor del big data y analytics
• Aplicaciones de big data y analytics
• Algunos casos de estudio de big data y analytics

• Análisis de:
  – Clusters
  – Texto o text analytics
  – Fraudes
  – Imágenes
  – Redes
  – Series de tiempo
• Predicción
• Recomendaciones

• Beneficios de la segmentación
• Cálculo de distancias
• Segmentación jerárquica
• Segmentación variables RFM

• Objetivos de marketing y metodologías analíticas
• Clasificador Naive Bayes
• Árboles de clasificación y regresión (CART)