RA5, RA7, RA13, RA16, RA17, RA21, RA23, RA24, RA25, RA26

Clases teóricas 50%
Clases prácticas 50%

TOTAL 100%
Otra información relevante
El estudiante podrá solicitar la revisión de su examen en la fecha fijada por el profesor; el plazo para solicitar dicha revisión será de 4 días hábiles desde la publicación de las calificaciones. La revisión se realizará presencialmente. No es obligatorio fijar dos fechas de revisión, si bien, el profesor que así lo considere, puede hacerlo.
El profesor podrá complementar esta Guía Docente con otras pautas adicionales, siempre que no la contradigan. El profesor que lo considere facilitará pautas complementarias sobre el uso de la IA.
Asistencia:
El profesor informará a los alumnos con antelación del sistema de control de asistencia utilizado.
Otros aspectos:
El mal comportamiento en el aula y el uso inadecuado del teléfono móvil pueden afectar negativamente a la calificación final del alumno.
Las faltas graves o muy graves podrán ser objeto de sanciones disciplinarias tal y como recoge el Sistema de Garantía de la Convivencia de la UCM (art. 8, 9, 10 y 12, BOUC nº 37, de 15 de noviembre de 2023).
El Departamento de Marketing no avala los cambios de grupo, por lo que los alumnos deben hacer la gestión a través de Secretaría.

Clases prácticas:
50%

1,92

4,08

2

Tema1. Introducción a los Modelos de Decisión en Marketing:
Definición, objetivos y beneficios de los modelos de decisión.
Proceso de toma de decisiones en marketing.
Tipos de modelos en marketing.
Tema 2. Modelos Predictivos y Análisis Estadístico en marketing:
Modelos predictivos más comunes en marketing.
Técnicas estadísticas para la modelización.
Fuentes de datos en marketing.
Instrumentos para la recogida de información.
Tema 3. Elementos estratégicos en marketing y sus modelos:
Segmentación de mercados.
Modelos de clasificación.
Targeting, posicionamiento y tendencias del mercado
Análisis de regresión.
Modelos de correlación.
Tema 4. Elementos tácticos en marketing y sus modelos:
Diseño de producto, publicidad y comunicaciones
Distribución y promoción
Modelos generativos para la producción de contenido
Sistemas de recomendación y Long Tail
Tema 5. Integración de la modelización en la estrategia de marketing.
Resolución de problemas reales en marketing.
Presentación de casos de estudio.
Tema 6. Nuevas Tendencias en modelización de marketing
Inteligencia Artificial y marketing
Modelos de atribución
Customización en tiempo real
Logística de la industria 4.0

EVALUACIÓN
El alumno podrá ser evaluado por evaluación continua mediante:
1 Pruebas periódicas: evaluación de los contenidos teóricos y resolución de problemas
2 Prueba evaluadora final
3 Participación en el aula por parte del alumno/a
4 Presentación de trabajos tutelados: evaluación de las habilidades divulgativas y de comunicación del/la alumno/a
5 Realización de casos prácticos
6 Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.
CRITERIOS DE EVALUACIÓN
El sistema de evaluación de la asignatura es el mismo en todas las convocatorias, incluida la extraordinaria.
Examen (prueba final):
El examen es obligatorio, individual y en formato escrito.
El examen siempre se realizará de forma presencial en la fecha oficial fijada por la Facultad, sin excepciones. No se
permiten parciales eliminatorios, por lo que el examen es sobre el programa completo de la asignatura.
Si un alumno no se presenta al examen de alguna de las convocatorias (ordinaria o extraordinaria), su calificación final será NO
PRESENTADO, con independencia de que haya realizado o no la evaluación continua.
El examen tendrá al menos una hora de duración, y podrá constar de: un test de entre 40 y 50 preguntas con varias alternativas de
respuesta; un examen de preguntas de desarrollo; un caso práctico de aplicación de toda la materia de la asignatura; o una
combinación de los anteriores tipos de examen.

Díez, J. R., & Olvera, U. H. (2024). Analítica de datos con Python para marketing digital: Desarrollo de KPIs en negocios online. Anaya Multimedia.
Gema Avilés & José María Montero (2024). Ciencia de datos con R. McGrawhill. https://cdr-book.github.io/index.html
Camacho M., Carrasco R.A. Curso Python Ciencia de Datos, Youtube (2022). https://www.youtube.com/watch?v=rMjDZ03Qj4M&list=PLs_4luV8XOkJjVH2M2rvZYYW3Z4X6kMuE

Evaluación continua:
Los exámenes parciales en ningún caso serán eliminatorios, y su calificación sólo podrá formar parte de la evaluación continua. Las
prácticas que se realizan durante la clase, sólo puntúan a los alumnos asistentes ese día.
No se establece un porcentaje mínimo de asistencia para poder seguir el sistema de evaluación continua. No obstante, el
profesor puede exigir, si así lo considera, un determinado porcentaje de presencialidad previa para poder realizar algunos
trabajos relevantes que se realicen en grupo.
Los trabajos planteados para realizar en grupo, sólo se pueden entregar de esta forma (no se pueden entregar individualmente). En la
convocatoria extraordinaria, únicamente se puede repetir el examen. Las notas obtenidas en la evaluación continua no son
recuperables.
Los trabajos del curso no se pueden entregar fuera del calendario establecido.

NOTA FINAL
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final. Se calculará como el máximo entre: a) La calificación de la prueba final. b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de al menos el 35%.
La asignatura no puede superarse únicamente mediante evaluación continua. Para aplicar la opción b), será necesario obtener una calificación mínima de 5 sobre 10 tanto en la evaluación continua como en la prueba final.
Cualquier estudiante tiene derecho a realizar la prueba final y a que esta represente el 100% de su calificación. La prueba final tendrá un contenido adaptado según la modalidad de evaluación: quienes concurran sin evaluación continua se examinarán de la totalidad de los contenidos de la asignatura.