¿Cómo lo hacemos?
Así se aprende Marketing Data Analytics en Qualentum
¿Qué hace un profesional en su día a día? Afronta retos, resuelve problemas y ejecuta tareas para lograr un objetivo. Así es la vida profesional y así orientamos la formación en Qualentum 😊
Todo oficio digital se aprende a través de la resolución de los problemas habituales. Y en eso consiste nuestra metodología Action Learning
Nuestros bootcamps están diseñados así:
El itinerario se compone por Sprints y cada uno consta de proyectos semanales llamados LABS 
01
Presentación
El instructor indica al alumno los objetivos de aprendizaje del lab y el problema
Teoría
El alumno estudia los conceptos que ayudan a resolver ese problema
02
Paso a paso
Un experto resuelve el problema y explica el proceso con detalle
03
Entrenamiento
El alumno ejecuta un ejercicio parecido y se lo presenta al instructor
04
Solución
Un instructor le ofrece la solución al problema y le realiza una tutoría
05
¿Por qué Qualentum?
Profesores de
empresas TOP
Camina siempre
acompañado
Con las últimas
tecnologías
Con clases
en directo
Con bonus track
de Soft Skills
¡Sin coste
para ti!
Enfréntate semana tras semana a retos y problemas reales; aprende a ser un profesional eficiente y resolutivo
Este es el itinerario de Marketing Data Analytics en 20 semanas
- El plan de marketing digital
- Diseño de un funnel para inbound marketing
- El blog: diseño y método para crearlo
- Plan de redes sociales: elección por coherencia
- Email Marketing
- SEO, SEM, Display y Social Ads
- Fundamentos del Marketing
- La importancia del dato dentro del Marketing
- Datos y métricas en el campo del Marketing
- Técnicas para realizar un análisis exploratorio de datos
- La importancia de la regresión lineal
- Introducción a modelos de Machine Learning
- Excel, una buena alternativa en la creación de dashboards eficaces
- Creación de bases de datos de clientes con PostgreSQL
- Análisis de bases de datos de clientes con PostgreSQL
- Validación de datos de clientes
- Introducción a la programación en R
- Ficheros, control de flujo y funciones en R
- Trabajamos con Dataframes en R
- R Markdown para generar informes dinámicos
- Introducción a Python
- Python intermedio e introducción a la librería Pandas
- Manipulación y análisis de datos en Pandas
- Exploratorio de datos en Python
- Nociones básicas de la visualización gráfica de datos
- Características y dimensiones fundamentales de los gráficos
- Herramientas de visualización: Tableau y PowerBI
- Introducción a la tecnología Cloud
- Diseño de un Datamart y ETL con Spark
- Diseño de una arquitectura Marketing Analytics en Cloud
- La elaboración del cuestionario en un proyecto de investigación
- El diseño muestral y la recogida de información
- La probabilidad de vuelta a través del árbol de decisión
- Introducción al marketing digital y a la medición digital
- Cómo trabajar con Google Analytics (informes disponibles y lectura de datos)
- Visualización, KPIs y métricas en analítica digital
- Ecosistema actual de medición de eficacia publicitaria y conceptos clave
- Fases de un proyecto de Marketing Mix Modeling (MMM)
- Outputs de un proyecto de MMM
- Modelos de atribución y experimentos
- Cómo segmentar tu cartera de clientes
- Primeros pasos en series temporales con R
- Prediciendo el futuro con series temporales
- Metodología ARIMA: modelos avanzados de series temporales
- Qué es el Aprendizaje Máquina (Machine Learning)
- Aplicaciones del Machine Learning al Marketing
- Análisis de textos mediante NLP
- Análisis de imágenes con redes neuronales
Módulos transversales
- Cómo crear tablas y aplicar diferentes formatos con Excel
- El ‘abc’ para automatizar cálculos
- Recursos para personalizar una hoja de Excel
- Tipos de gráficos y cómo crearlos en nuestra hoja de cálculo
- Y cuando creías que lo habías visto todo, descubres las tablas
- dinámicas y las macros
- Punto de partida: el entorno
- La transformación visual de los componentes en una presentación
- De las animaciones a las transiciones
Soft Skills
Las más demandadas por las empresas
