Plan Szkolenia
Moduł 1
Wprowadzenie do Data Science i zastosowań w marketingu
- Przegląd analityki: Rodzaje analityki - Predykcyjna, Preskryptywna, Inferencyjna
- Praktyka analityki w marketingu
- Wykorzystanie Big Data i różnych technologii - Wprowadzenie
Moduł 2
Marketing w świecie cyfrowym
- Wprowadzenie do marketingu cyfrowego
- Reklama online - Wprowadzenie
- Optymalizacja pod kątem wyszukiwarek (SEO) – Studium przypadku Google
- Marketing w mediach społecznościowych: Wskazówki i sekrety – Przykład Facebook, Twitter
Moduł 3
Analiza danych eksploracyjnych i modelowanie statystyczne
- Prezentacja i wizualizacja danych – Zrozumienie danych biznesowych za pomocą histogramów, wykresów kołowych, słupkowych, diagramów rozrzutu – Szybkie wnioskowanie – Korzystanie z Pythona
- Podstawy modelowania statystycznego – Trend, sezonowość, grupowanie, klasyfikacja (tylko podstawy, różne algorytmy i zastosowania, bez szczegółów) – Gotowy kod w Pythonie
- Analiza koszyka zakupowego (MBA) – Studium przypadku z wykorzystaniem reguł asocjacyjnych, wsparcia, pewności, liftu
Moduł 4
Analityka marketingowa I
- Wprowadzenie do procesu marketingowego – Studium przypadku
- Wykorzystanie danych do poprawy strategii marketingowej
- Pomiar aktywów marki, Snapple i wartości marki – Pozycjonowanie marki
- Eksploracja tekstu w marketingu – Podstawy eksploracji tekstu – Studium przypadku marketingu w mediach społecznościowych
Moduł 5
Analityka marketingowa II
- Wartość życiowa klienta (CLV) z obliczeniami – Studium przypadku CLV w podejmowaniu decyzji biznesowych
- Pomiar przyczyny i skutku poprzez eksperymenty – Studium przypadku
- Obliczanie prognozowanego liftu
- Data Science w reklamie online – Wskaźnik konwersji kliknięć, analityka strony internetowej
Moduł 6
Podstawy regresji
- Co ujawnia regresja i podstawy statystyki (bez szczegółów matematycznych)
- Interpretacja wyników regresji – Z studium przypadku z wykorzystaniem Pythona
- Zrozumienie modeli log-log – Z studium przypadku z wykorzystaniem Pythona
- Modele mieszanki marketingowej – Studium przypadku z wykorzystaniem Pythona
Moduł 7
Klasyfikacja i grupowanie
- Podstawy klasyfikacji i grupowania – Zastosowania; Wspomnienie algorytmów
- Interpretacja wyników – Programy w Pythonie z wynikami
- Targetowanie klientów za pomocą klasyfikacji i grupowania – Studium przypadku
- Poprawa strategii biznesowej – Przykład marketingu e-mailowego, promocji
- Potrzeba technologii Big Data w klasyfikacji i grupowaniu
Moduł 8
Analiza szeregów czasowych
- Trend i sezonowość – Studium przypadku z wykorzystaniem Pythona - Wizualizacje
- Różne techniki szeregów czasowych – AR i MA
- Modele szeregów czasowych – ARMA, ARIMA, ARIMAX (Zastosowania i przykłady z Pythonem) – Studium przypadku
- Prognozowanie szeregów czasowych dla kampanii marketingowej
Moduł 9
Silnik rekomendacyjny
- Personalizacja i strategia biznesowa
- Różne typy spersonalizowanych rekomendacji – Współpraca, oparte na treści
- Różne algorytmy silnika rekomendacyjnego – Użytkownik, przedmiot, hybrydowy, faktoryzacja macierzy (tylko wspomnienie i zastosowanie algorytmów bez szczegółów matematycznych)
- Metryki rekomendacji dla wzrostu przychodów – Szczegółowe studium przypadku
Moduł 10
Maksymalizacja sprzedaży z wykorzystaniem Data Science
- Podstawy technik optymalizacji i ich zastosowania
- Optymalizacja zapasów – Studium przypadku
- Zwiększenie ROI z wykorzystaniem Data Science
- Lean Analytics – Akcelerator startupów
Moduł 11
Data Science w cenach i promocjach I
- Ceny – Nauka o zyskownym wzroście
- Techniki prognozowania popytu – Modelowanie i szacowanie struktury krzywych popytu na ceny
- Decyzje cenowe – Jak optymalizować decyzje cenowe – Studium przypadku z wykorzystaniem Pythona
- Analityka promocji – Obliczanie linii bazowej i model promocji handlowej
- Wykorzystanie promocji w lepszej strategii – Specyfikacja modelu sprzedaży – Model multiplikatywny
Moduł 12
Data Science w cenach i promocjach II
- Zarządzanie przychodami – Jak zarządzać zasobami o ograniczonej trwałości z wieloma segmentami rynku
- Pakowanie produktów – Szybko i wolno rotujące produkty – Studium przypadku z Pythonem
- Ceny towarów i usług o ograniczonej trwałości – Ceny linii lotniczych i hoteli – Wspomnienie modeli stochastycznych
- Metryki promocji – Tradycyjne i społecznościowe
Wymagania
Nie ma szczególnych wymagań, aby uczestniczyć w tym kursie.
Opinie uczestników (5)
Trener tłumaczył zagadnienia korzystając z problemów pojawiających się w codziennej pracy.
Kamil
Szkolenie - Data Science with KNIME Analytics Platform
Rzeczowa wiedza poparta doświadczeniem praktycznym. Pierwszy raz brałem udział w szkoleniu 1 osobowym co znaczanie bardziej ułatwiło kontakt i przyswajanie wiedzy, także tutaj też duzy plus.
Mateusz Macalik - LG Energy Solution Wroclaw Sp. z o.o.
Szkolenie - Introduction to Data Science
Pomocny i dobry słuchacz .. interaktywny
Ahmed El Kholy - FAB banak Egypt
Szkolenie - Introduction to Data Science and AI (using Python)
Przetłumaczone przez sztuczną inteligencję
Wspaniale jest, że kurs został dostosowany do kluczowych obszarów, które zaznaczyłem w ankierce przed kursową. To naprawdę pomaga odpowiedzieć na moje pytania dotyczące tematyki i dopasować się do moich celów edukacyjnych.
Winnie Chan - Statistics Canada
Szkolenie - Jupyter for Data Science Teams
Przetłumaczone przez sztuczną inteligencję
Pokazuje wiele metod z przygotowanymi skryptami - bardzo dobrze przygotowane materiały i łatwe do śledzenia.
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Szkolenie - Machine Learning – Data science
Przetłumaczone przez sztuczną inteligencję
