No se han establecido

Según diversas fuentes, el 80% del tiempo de un analista se dedica a la obtención, depuración y preparación de datos. Este hecho justifica la inclusión en el plan de estudios de este tema dedicado a la gestión y exploración inicial de datos. Una vez los datos están preparados para el análisis, el primer paso siempre debe ser un análisis exploratorio mediante técnicas numéricas y, sobre todo, gráficas, que permitan una visualización avanzada de datos, para tener a fin de obtener una visión general y sentar las bases de posteriores análisis con técnicas avanzadas. La selección de las técnicas adecuadas para cada problema es crucial, y se resuelve en estos pasos iniciales. Esta asignatura cubre estos aspectos a nivel conceptual y, de acuerdo con la filosofía de aprendizaje que subyace al Máster, todas las metodologías y técnicas de análisis serán tratadas de modo eminentemente empírico mediante el uso y manejo del software especializado de análisis de datos R, aplicado a ficheros de datos de naturaleza económica y empresarial reales de elaboración propia (investigación de mercados, operaciones, CRM, etc.) o extraídos de diversas fuentes oficiales (INE, Eurostat, OCDE, REE...).

Competencias propias de la asignatura
Código	Descripción
CB06	Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB07	Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB08	Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
CB09	Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
CB10	Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CE01	Ser capaz de obtener datos reales de diversas fuentes económico-empresariales (por ejemplo, fuentes oficiales o estudios de mercado) y prepararlos para su procesamiento estadístico mediante el empleo de software especializado.
CE02	Ser capaz de trabajar con datos reales de diversas fuentes económico-empresariales aplicando las técnicas adecuadas para su depuración, detección de errores, gestión de datos perdidos o incompletos, o de su transformación entre otras, mediante el empleo de software especializado.
CE03	Ser capaz de comprobar las hipótesis preliminares subyacentes a la estructura de los datos recogidos, y describir las variables disponibles mediante medidas numéricas y métodos visuales avanzados, mediante el empleo de software especializado.
CG01	Saber trabajar en equipos multidisciplinares y gestionar el tiempo de trabajo, obteniendo resultados relevantes en el ámbito de la decisión empresarial o de la investigación avanzada de los fenómenos económicos.
CG02	Ser capaz de generar y desarrollar de forma independiente propuestas innovadoras y competitivas en la investigación y en la actividad profesional en el ámbito del análisis de datos económicos.
CG03	Ser capaz de identificar problemas y evaluar la aplicabilidad de las técnicas de análisis y modelización más adecuadas para su resolución, utilizando para ello software estadístico y econométrico especializado.
CG04	Ser capaz de presentar públicamente los resultados de una investigación o un informe técnico, por medio de software y aplicaciones tecnológicas y digitales en cualquier medio económico especializado (publicación científica) o ante cualquier foro profesional (académico o empresarial), a todos los niveles de especialización.
CT01	Fomentar el espíritu innovador, creativo y emprendedor.
CT02	Desarrollar el razonamiento crítico y la capacidad de crítica y autocrítica.
CT03	Ser capaz de realizar un proceso de aprendizaje autónomo y responsable.

Resultados de aprendizaje propios de la asignatura
Descripción
Conocer las técnicas de análisis exploratorio de datos: resúmenes y visualización avanzada de datos.
Saber distinguir los tipos de variables y por tanto aplicar las técnicas adecuadas para su análisis exploratorio.
Obtener de forma eficiente informes de análisis de datos y saber interpretar la información obtenida en el análisis descriptivo.
Saber manejar software estadístico para el tratamiento especializado de datos.
Conocer los procedimientos de obtención, depuración y preparación de diversos tipos de datos, principalmente de naturaleza económico-empresarial, incluyendo (pero no restringido a): datos macroeconómicos y microeconómicos, datos de Economía Pública, mercado laboral, investigación comercial y subsistemas empresariales (logística, ventas, operaciones, etc.).
Resultados adicionales
No se han establecido.

• Tema 1: Introducción a R y RStudio.
• Tema 2: Obtención y tratamiento de datos económicos.
• Tema 3: Análisis exploratorio: resúmenes numéricos y visualización de datos.
• Tema 4: Informes con R Markdown.

Actividad formativa	Metodología	Competencias relacionadas (para títulos anteriores a RD 822/2021)	ECTS	Horas	Ev	Ob	Descripción
Enseñanza presencial (Teoría) [PRESENCIAL]	Combinación de métodos	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	0.4	10	N	N	Metodologías empleadas: - Método expositivo/Lección magistral - Lectura y análisis de artículos y recensiones
Prácticas en aulas de ordenadores [PRESENCIAL]	Combinación de métodos	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	0.8	20	S	S	Metodologías empleadas: - Estudio de casos - Resolución de problemas y/o casos - Prácticas - Talleres y Seminarios
Presentación de trabajos o temas [PRESENCIAL]	Otra metodología	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	0.2	5	S	S	Presentación de memorias, informes o trabajos, de modo individual y/o colectivo.
Otra actividad presencial [PRESENCIAL]	Trabajo dirigido o tutorizado	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	0.5	12.5	N	N	Incluye tutorías, tanto individuales como grupales. También la asistencia a seminarios de interés para el alumnado.
Prueba final [PRESENCIAL]	Pruebas de evaluación	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	0.1	2.5	S	S	Pruebas de evaluación formativa.
Elaboración de informes o trabajos [AUTÓNOMA]	Combinación de métodos	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	2.4	60	N	N	Metodologías empleadas: - Trabajo dirigido o tutorizado - Trabajo autónomo - Trabajo en grupo
Estudio o preparación de pruebas [AUTÓNOMA]	Trabajo autónomo	CB06 CB07 CB08 CB09 CB10 CE01 CE02 CE03 CG01 CG02 CG03 CG04 CT01 CT02 CT03	1.6	40	N	N	Trabajo autónomo
Total:			6	150
Créditos totales de trabajo presencial: 2			Horas totales de trabajo presencial: 50
Créditos totales de trabajo autónomo: 4			Horas totales de trabajo autónomo: 100

Ev: Actividad formativa evaluable
Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)

Sistema de evaluación	Evaluacion continua	Evaluación no continua *	Descripción
Prueba final	40.00%	100.00%	En esta prueba final se evaluarán todas las competencias asociadas a las distintas actividades formativas de la asignatura.
Trabajo	40.00%	0.00%	Se evaluarán los informes y trabajos que han sido propuestos a lo largo del curso.
Realización de actividades en aulas de ordenadores	20.00%	0.00%	Se evaluarán actividades realizadas con el manejo de ordenadores tales como la resolución de ejercicios y problemas.
Total:	100.00%	100.00%

No asignables a temas
Horas	Suma horas
Enseñanza presencial (Teoría) [PRESENCIAL][Combinación de métodos]	10
Prácticas en aulas de ordenadores [PRESENCIAL][Combinación de métodos]	20
Presentación de trabajos o temas [PRESENCIAL][Otra metodología]	5
Otra actividad presencial [PRESENCIAL][Trabajo dirigido o tutorizado]	12.5
Prueba final [PRESENCIAL][Pruebas de evaluación]	2.5
Elaboración de informes o trabajos [AUTÓNOMA][Combinación de métodos]	60
Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo]	40

Actividad global
Actividades formativas	Suma horas

Autor/es	Título	Libro/Revista	Población	Editorial	ISBN	Año	Descripción	Enlace Web	Catálogo biblioteca
Emilio López Cano	Tratamiento y Análisis Exploratorio de Datos (Apuntes de la asignatura)					2020
Roger D. Peng	Exploratory Data Analysis with R			Leanpub	9781365060069	2020	Disponible on-line en el enlace	https://bookdown.org/rdpeng/exdata/
Wickham, H.; Grolemund, G.	R for data science : import, tidy, transform, visualize, and model data			O'Reilly,	978-1-4919-1039-9	2016	Disponible on-line en el enlace	https://r4ds.had.co.nz
Yihui Xie, J. J. Allaire, Garrett Grolemund	R Markdown: The Definitive Guide			Taylor & Francis, CRC Press,	9781138359338	2018	Disponible on-line en el enlace	https://bookdown.org/yihui/rmarkdown/