Kursplan
Modul 1
Introduktion till Data Science och applikationer i Marketing
- Analysöversikt: Typ av analys - Predictive, Prescriptive, Inferential
- Analysövningar i Marketing
- Användning av Big Data och olika teknologier - Introduktion
Modul 2
Marketing i en digital värld
- Introduktion till Digital Marketing
- Online Advertising - Introduktion
- Search Motoroptimering (SEO) – Google fallstudie
- Social Media Marketing: Tips och hemlighet – Exempel på Facebook, Twitter
Modul 3
Utforskande Data Analysis & Statistisk modellering
- Datapresentation och visualisering – Förstå Business data med histogram, cirkeldiagram, stapeldiagram, spridningsdiagram – Snabb slutledning – Använda Python
- Grundläggande statistisk modellering – Trend, säsongsvariation, klustring, klassificeringar (endast grunderna, olika algoritmer och användning, inte någon detalj) – Klar kod i Python
- Market Basket Analysis (MBA) – Fallstudie med hjälp av föreningsregler, Support, Confidence, Lift
Modul 4
Marketing Analys I
- Introduktion till Marketing Process – Fallstudie
- Använda data för att förbättra strategin Marketing
- Mätning av varumärkestillgångar, Snapple och varumärkesvärde – varumärkespositionering
- Text Mining för Marketing – Grunderna i Text Mining – Fallstudie för Social Media Marketing
Modul 5
Marketing Analys II
- Customer Lifetime Value (CLV) med beräkning – Fallstudie av CLV för affärsbeslut
- Mätning av fall och effekt genom experiment – Fallstudie
- Beräknar beräknat lyft
- Data Science online Advertising – Klickfrekvenskonvertering, webbplatsanalys
Modul 6
Grunderna i regression
- Vad regression avslöjar och grundläggande Statistics (inte mycket detaljer om matematik)
- Tolka regressionsresultat – med fallstudie med Python
- Förstå loggloggmodeller – med fallstudie med Python
- Marketing Blandningsmodeller – Fallstudie med Python
Modul 7
Klassificering och klustring
- Grunderna i klassificering och klustring – Användning; Omnämnande av algoritmer
- Tolka resultaten – Python Program med utgångar
- Kundinriktning med hjälp av klassificering och kluster – fallstudie
- Business Strategiförbättring – Exempel på Email Marketing, Kampanjer
- Behov av Big Data teknologier för klassificering och klustring
Modul 8
Tidsserieanalys
- Trend och säsongsvariation – Användning av Python driven fallstudie – visualiseringar
- Olika tidsserietekniker – AR och MA
- Tidsseriemodeller – ARMA, ARIMA, ARIMAX (Användning och exempel med Python) – Fallstudie
- Tidsserieförutsägelse för Marketing kampanj
Modul 9
Rekommendationsmotor
- Personalisering och Business Strategi
- Olika typer av personliga rekommendationer – Samarbete, innehållsbaserat
- Olika algoritmer för rekommendationsmotor – Användardriven, Artikeldriven, Hybrid, Matrix Faktorisering (Endast omnämnande och användning av algoritmerna utan Mathematical detaljer)
- Rekommendationsmått för inkrementella intäkter – Detaljerad fallstudie
Modul 10
Maximera försäljningen med Data Science
- Grunderna i optimeringsteknik och dess användningsområden
- Lageroptimering – Fallstudie
- Öka ROI med Data Science
- Lean Analytics – Startup Accelerator
Modul 11
Data Science i Priser & Kampanj I
- Prissättning – Vetenskapen om lönsam tillväxt
- Efterfrågan Forecasting Tekniker - Modellera och uppskatta strukturen för pris-svars efterfrågekurvor
- Prissättningsbeslut – Hur man optimerar prissättningsbeslut – Fallstudie med Python
- Promotion Analytics – Baseline-beräknings- och handelsfrämjande modell
- Använda marknadsföring för bättre strategi - Försäljningsmodellspecifikation - Multiplikativ modell
Modul 12
Data Science i Prissättning och marknadsföring II
- Intäkter Management - Hur man hanterar lättförgängliga resurser med flera marknadssegment
- Produktpaketering – Snabba och långsamma produkter – Fallstudie med Python
- Prissättning av färskvaror och tjänster - Flygbolag & Hotellpriser – Omnämnande av stokastiska modeller
- Marknadsföringsmått – traditionella och sociala
Krav
Det finns inga specifika krav som krävs för att gå denna kurs.
Vittnesmål (5)
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Kurs - Data Science for Big Data Analytics
All the examples used and the lecturing style was on point even for a begginer i was able to understand and the training was so patient and always willing to go extra mile when in need of assistance.
Mathipa Chepape - Vodacom
Kurs - Big Data Business Intelligence for Telecom and Communication Service Providers
It is great to have the course custom made to the key areas that I have highlighted in the pre-course questionnaire. This really helps to address the questions that I have with the subject matter and to align with my learning goals.
Winnie Chan - Statistics Canada
Kurs - Jupyter for Data Science Teams
Trainer was accommodative. And actually quite encouraging for me to take up the course.
Grace Goh - DBS Bank Ltd
Kurs - Python in Data Science
exempel och övningar
Kamil
Kurs - Introduction to Data Science and AI using Python
Machine Translated