• CG1 - Saber reunir e interpretar datos sociales y económicos relevantes para la función comercial de forma que puedan emitir juicios sobre temas relevantes de índole comercial
• CG2 - Alcanzar habilidades de comunicación, cooperación interpersonal y trabajo en equipo con el objetivo de desenvolverse convenientemente con todos los agentes que operan en la función comercial
• CG3 - Conocer y comprender distintas realidades culturales para establecer contactos con el fin de desarrollar mercados a nivel internacional e, incluso, global de los países implicados y adaptar las distintas estrategias comerciales tanto al consumidor como a la sociedad donde se desenvuelve
• CG4 - Comprender y aplicar los mecanismos y técnicas de planificación, análisis de información, negociación, simulación, decisión y control en la relación comercial teniendo como base la estrategia comercial de la empresa

• CE16 - Conocer el método y los concepto estadísticos necesarios para el análisis de mercado y las actividades comerciales: modelos que permiten predecir distintos escenarios futuros, obtener muestras validad o aplicar análisis multivariable para la obtención de segmentación de mercados, mapas de posicionamiento, análisis factoriales, etc,

3,3

2,7

2

 En esta asignatura se estudian diferentes técnicas multivariantes de análisis de datos, haciendo especial énfasis en su aplicación al sector comercial. En concreto, se estudian técnicas relacionadas con reducción de la dimensión para afrontar el análisis de grandes volúmenes de datos; técnicas de dependencia y predicción; agrupación de individuos en grupos. Ejemplos de aplicación de estas técnicas incluyen: construcción de mapas de posicionamiento, segmentación de mercados y perfiles de comportamiento. Para ello se maneja el paquete estadístico SPSS.

 

No se han establecido prerrequisitos

• Aprender las distintas técnicas de análisis multivariable para realizar aplicaciones estadísticas avanzadas al análisis de información comercial.

• Introducción al Análisis Multivariante.
• Métodos de Dependencia: Regresión Lineal, Análisis de la Varianza.
• Métodos de reducción de la dimensión: Componentes Principales, Análisis Factorial, Análisis de Correspondencias.
• Técnicas de clasificación: Análisis Cluster.

- Pruebas orales y/o escritas: 70%
- Resolución de problemas, entrega de ejercicios y/o trabajos: 25%
- Participación y actitud del/la alumno/a en clase a lo largo del semestre: 5%

- HAIR, ANDERSON Y TATHAM, BLACK (2000). Análisis Multivariante. Prentice Hall Editores
- LUQUE MARTÌNEZ, T. (2000). Técnicas de Análisis de Datos en Investigación de Mercados. Editorial Pirámide. Madrid.
- MATEOS-APARICIO MORALES, G. y HERNÁNDEZ ESTRADA, A. (2021). Análisis multivariante de datos. Cómo buscar patrones de comportamiento en BIG DATA. Ediciones Pirámide.
- URIEL JIMÉNEZ, EZEQUIEL Y ALDÁS MANZANO, JOAQUIN (2005). Análisis Multivariante Aplicado. Thomson Editores Spain.

• Se recomienda tener cursada y aprobada la asignatura Estadística: Análisis de datos e inferencia.
• En caso de que haya exámenes parciales, el requisito para optar al aprobado por curso será haber obtenido la calificación de al menos un 4 en cada parcial, siendo la nota media de los parciales al menos un 5.
• Convocatoria extraordinaria: el examen ponderará un 70% de la nota final