Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Modul 1
Introduktion till Data Science & Applikationer i Marknadsföring
- Översikt över analys: Typer av analys - Prediktiv, Preskriptiv, Inferentiell
- Analyspraxis inom marknadsföring
- Användning av Big Data och olika teknologier - Introduktion
Modul 2
Marknadsföring i en digital värld
- Introduktion till digital marknadsföring
- Online-reklam - Introduktion
- Sökmotoroptimering (SEO) – Google Case Study
- Sociala medier och marknadsföring: Tips och hemligheter – Exempel på Facebook, Twitter
Modul 3
Explorativ dataanalys & Statistisk modellering
- Datapresentation och visualisering – Förståelse av affärsdata med hjälp av histogram, cirkeldiagram, stapeldiagram, spriddiagram – Snabba insikter – Användning av Python
- Grundläggande statistisk modellering – Trend, säsongsmönster, kluster, klassifikationer (bara grunderna, olika algoritmer och användning, inga detaljer) – Klar kod i Python
- Marknadskorgsanalys (MBA) – Case Study med användning av associationsregler, stöd, förtroende, lyft
Modul 4
Marknadsföringsanalys I
- Introduktion till marknadsföringsprocessen – Case Study
- Användning av data för att förbättra marknadsföringsstrategi
- Mätning av varumärkes tillgångar, Snapple och varumärkesvärde – Varumärkespositionering
- Textmining för marknadsföring – Grunderna i textmining – Case Study för sociala medier och marknadsföring
Modul 5
Marknadsföringsanalys II
- Kundens livstidsvärde (CLV) med beräkning – Case Study av CLV för affärsbeslut
- Mätning av orsak och verkan genom experiment – Case Study
- Beräkning av förväntat lyft
- Data Science i online-reklam – Klickfrekvensomvandling, webbplatsanalys
Modul 6
Grundläggande regression
- Vad regression avslöjar och grundläggande statistik (inte mycket detaljer om matematik)
- Tolkning av regressionsresultat – Med Case Study med Python
- Förståelse av log-log-modeller – Med Case Study med Python
- Marknadsblandningsmodeller – Case Study med Python
Modul 7
Klassifikation och klustring
- Grunderna i klassifikation och klustring – Användning; nämning av algoritmer
- Tolkning av resultat – Python-program med utdata
- Kundmålning med klassifikation och klustring – Case Study
- Förbättring av affärsstrategi – Exempel på e-postmarknadsföring, kampanjer
- Behovet av Big Data-teknologier i klassifikation och klustring
Modul 8
Tidsradsanalys
- Trend och säsongsmönster – Användning av Python-driven Case Study - Visualiseringar
- Olika tidsradsmetoder – AR och MA
- Tidsradsmodeller – ARMA, ARIMA, ARIMAX (användning och exempel med Python) – Case Study
- Tidsradsprognos för marknadsföringskampanj
Modul 9
Rekommendationsmotor
- Personifiering och affärsstrategi
- Olika typer av personifierade rekommendationer – Samarbetande, innehållsbaserade
- Olika algoritmer för rekommendationsmotor – Användarstyrd, objektdriven, hybrid, matrisfaktorisering (bara nämning och användning av algoritmer utan matematiska detaljer)
- Rekommendationsmått för ökad intäkt – Detaljerad Case Study
Modul 10
Maximering av försäljning med hjälp av data science
- Grunderna i optimeringsteknik och dess användning
- Lageroptimering – Case Study
- Ökning av ROI med hjälp av data science
- Lean Analytics – Startup Accelerator
Modul 11
Data Science i prissättning & Promotion I
- Prissättning – Vetenskapen om lönsam tillväxt
- Efterfrågeprognostekniker - Modellera och uppskatta strukturen av prisresponskurvor
- Prissättningsbeslut – Hur man optimerar prissättningsbeslut – Case Study med Python
- Promotionsanalys – Baseline-beräkning och handelspromotionsmodell
- Användning av promotion för bättre strategi - Försäljningsmodellspecifikation – Multiplicativ modell
Modul 12
Data Science i prissättning och promotion II
- Intäktshantering - Hur man hanterar förgängliga resurser med flera marknadssegment
- Produktbuntning – Snabbt och långsamt försäljningsprodukter – Case Study med Python
- Prissättning av förgängliga varor och tjänster - Flygbolag och hotellprissättning – Nämning av stokastiska modeller
- Promotionsmått – Traditionella och sociala
Krav
Det finns inga specifika krav som behövs för att delta i detta kurs.
21 timmar
Vittnesmål (5)
mycket interaktivt...
Richard Langford
Kurs - SMACK Stack for Data Science
Maskintolkat
Younes är en utmärkt tränare. Alltid beredd att hjälpa till och mycket tålmodig. Jag ger honom 5 stjärnor. Dessutom var QLIK Sense-träningen utmärkt, tack vare en utmärkt tränare.
Dietmar Glanninger - BMW
Kurs - Qlik Sense for Data Science
Maskintolkat
Instruktören var återgivande och faktiskt ganska uppmuntrande för mig att ta på mig kursen.
Grace Goh - DBS Bank Ltd
Kurs - Python in Data Science
Maskintolkat
Föreläsningsämne, kunskap och tidsaspekter
Aly Saleh - FAB banak Egypt
Kurs - Introduction to Data Science and AI (using Python)
Maskintolkat
Det är fantastiskt att kursen är anpassad efter de viktigaste områdena som jag har markerat i den förkurskvästionären. Detta hjälper verkligen till att besvara mina frågor kring ämnet och att hålla jämn steg med mina lärmål.
Winnie Chan - Statistics Canada
Kurs - Jupyter for Data Science Teams
Maskintolkat
