Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
План на курса
Модул 1
Въведение в науката за данните и приложенията в Marketing
- Общ преглед на аналитиката: Вид анализ – предсказуема, предписваща, инференциална практика на анализ в Marketing Използване на големи данни и различни технологии – Въведение
Модул 2
Marketing в дигитален свят
- Въведение в дигиталния маркетинг Онлайн реклама – Въведение Оптимизация за търсачки (SEO) – Казус от Google Social Media Маркетинг: Съвети и тайна – Пример за Facebook, Twitter
Модул 3
Изследователски Data Analysis & Статистическо моделиране
- Представяне и визуализация на данни – Разбиране на бизнес данните с помощта на хистограма, кръгова диаграма, лентова диаграма, точкова диаграма – Бърз извод – Използване на Python Основно статистическо моделиране – Тенденция, сезонност, групиране, класификации (само основи, различен алгоритъм и използване, не всеки детайл) – Готов код в Python Анализ на пазарната кошница (MBA) – Казус с използване на правила за асоцииране, поддръжка, увереност, повишаване
Модул 4
Marketing Анализ I
- Въведение в маркетинговия процес – Казус Използване на данни за подобряване на маркетинговата стратегия Измерване на активите на марката, Snapple и стойността на марката – Позициониране на марката Извличане на текст за маркетинг – Основи на извличане на текст – Казус за Social Media маркетинг
Модул 5
Marketing Анализ II
- Доживотна стойност на клиента (CLV) с изчисление – Казус от CLV за бизнес решения Измерване на казус и ефект чрез експерименти – Казус Изчисляване на прогнозиран лифт Data Science в онлайн рекламата – Преобразуване на честота на кликване, Анализ на уебсайтове
Модул 6
Основи на регресията
- Какво разкрива регресията и основно Statistics (без много подробности за математиката) Тълкуване на резултатите от регресията – С казус с помощта на Python Разбиране на моделите Log-Log – С казус с използване на Python Marketing Mix Models – Случай с използване на Python
Модул 7
Класификация и групиране
- Основи на класификацията и групирането – използване; Споменаване на алгоритми, интерпретиращи резултатите – Python Програми с резултати Насочване към клиенти с помощта на класификация и групиране – Казус Подобряване на бизнес стратегия – Пример за имейл маркетинг, промоции Необходимост от технологии за големи данни при класификация и групиране
Модул 8
Анализ на времеви редове
- Тенденция и сезонност – Използване на Python задвижван казус от практиката – Визуализации Различни техники за времеви редове – AR и MA модели на времеви редове – ARMA, ARIMA, ARIMAX (Използване и примери с Python) – Казус от времеви серии за прогнозиране за маркетингова кампания
Модул 9
Двигател за препоръка
- Персонализиране и бизнес стратегия Различни типове персонализирани препоръки – Съвместни, базирани на съдържание Различни алгоритми за машина за препоръки – управлявани от потребители, управлявани от елементи, хибридни, Matrix Факторизация (само споменаване и използване на алгоритмите без математически подробности) Метрики за препоръки за допълнителни приходи – Подробно казус
Модул 10
Увеличаване на продажбите чрез Data Science
- Основи на техниката за оптимизация и нейните употреби Оптимизация на инвентара – Казус от практиката Увеличаване на възвръщаемостта на инвестициите с помощта на Data Science Lean Анализ – ускорител при стартиране
Модул 11
Data Science в Ценообразуване и усилвател; Промоция I
- Ценообразуване – Науката за печеливш растеж Техники за прогнозиране на търсенето – Моделирайте и оценете структурата на кривите на търсенето цена-реакция Решение за ценообразуване – Как да оптимизирате решението за ценообразуване – Казус с помощта на Python Анализ на промоцията – Базово изчисление и модел за насърчаване на търговията Използване на промоцията за по-добро Стратегия – Спецификация на модела на продажби – Мултипликативен модел
Модул 12
Data Science в ценообразуване и промоция II
- Управление на приходите – Как да управляваме нетрайни ресурси с множество пазарни сегменти Обединяване на продукти – Бързо и бавно движещи се продукти – Казус от Python Ценообразуване на нетрайни стоки и услуги – Airline & Ценообразуване на хотел – Споменаване на стохастични модели Метрики за промоция – Традиционни и социални
Изисквания
Няма специфични изисквания, необходими за посещаване на този курс.
21 Hours
Oтзиви от потребители (4)
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
Course - Big Data Business Intelligence for Telecom and Communication Service Providers
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Course - Data Science for Big Data Analytics
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
Course - Jupyter for Data Science Teams
Trainer was accommodative. And actually quite encouraging for me to take up the course.
