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 (1)
Praktiska övningar relaterade till innehållet hjälper verkligen till att förstå mer om varje ämne. Dessutom är det bra och hjälpsamt att börja lektionen med en föreläsning och sedan fortsätta med praktiska övningar, vilket gör det lättare att relatera till den tidigare presenterade föreläsningen.
Nazeera Mohamad - Ministry of Science, Technology and Innovation
Kurs - Introduction to Data Science and AI using Python
Maskintolkat
