Pedro Valdés Martínez

¿Dónde está el equilibrio entre el análisis de datos y la intuición? Curiosidad, innovación, experiencia y técnica. Más de 20 años de experiencia en el tratamiento de la información para la toma de decisiones en empresas del sector privado y también en proyectos del sector público. He trabajado como consultor en aplicaciones web, analista de datos y director de Business Intelligent en proyectos de retail, servicios y automoción. Actualmente trabajo con CDO (Chief Data Officer) en un grupo empresarial. 

En el sector educativo he sido profesor asociado de la Universidad de Alicante, profesor visitante en CEU San Pablo y FUNDESEM en asignaturas de estadística aplicadas a negocio. Llevo más de 15 años colaborando con la UOC en distintas asignaturas relacionadas con la estadística. 

A nivel académico soy Licenciado en Estadística por la UMH con un Master en Machine Learning en la UNED y poseo varias formaciones de postgrado en el área de la ciencia de datos.

Contacto: pvaldesm@uoc.edu

Lineas de interés

Línea 1: Business Intelligent/Analytics: Marketing, cuadro de mandos y KPIs.

Nos centraremos en el creciente almacenamiento de datos online y en los procesos ETL online-offline. Se dispone de un dataset que se le proporcionará al estudiante. Ese conjunto de datos contiene oportunidades comerciales en venta/alquiler online de viviendas. Se elaborará un cuadro de mando para seguimiento de la actividad comercial haciendo especial referencia al CPL y CPV.  Por último, estableceremos medidas para mejorar la actividad publicitaria online. Se trata de una investigación dirigida siendo un caso práctico de Business Intelligent. Dataset: BBDD Vivienda.

Línea 2: Business Analytics/Machine Learning: Retail de fidelización.

Nos centraremos en un histórico de datos de la tarjeta de fidelización de una cadena de supermercados. Se dispone de este dataset que se le proporcionará al estudiante. Inicialmente se hará un análisis descriptivo de los datos observando todas las variables. Tras este análisis se segmentaran los clientes aplicando técnicas de machine learning. Por último, en base a los resultados, estableceremos un plan de negocio a largo plazo para mejorar la rentabilidad de cada grupo de clientes obtenido y en global de la compañía. Se trata de una investigación dirigida siendo un caso práctico de Business Analytics. Dataset: BBDD Supermercados.

Línea 3: Business Intelligent/Analytics: Automoción.

Modelo de trabajo libre para tratar un conjunto de datos en bruto de automoción y a partir de una herramienta de Business Intelligent elegida por el estudiante crear un cuadro de mando con KPIs útiles para el negocio. Se dispone de un dataset que se le proporcionará al estudiante. Es un caso práctico de Business Intelligent no dirigido, abierto al estudiante a darle forma y resultados al conjunto de datos. Otra opción más avanzada sería buscar un modelado de datos que trate de explicar las ventas conseguidas en función de un conjunto de variables descriptoras. Dataset: BBDD Automoción.

Línea 4: Business Intelligent/Analytics: Propuesta abierta

Desarrollo de herramientas para la extracción del dato, la creación de ETLs, el desarrollo del modelo de negocio, la creación de cuadros de mando (visualización y kpis) y el reporting buscando la usabilidad y la rentabilidad del proyecto. A partir de ahí, aplicación de modelos predictivos y prescriptivos.  En términos generales, buscar una transformación digital del dato donde el proceso de entrada-salida de la información sea lo más automático, abierto (datos) y transparente posible ayudando a la sociedad a tomar mejores decisiones con ayuda de la información que aportan los datos.