Course Outline
Module 1
Inleiding tot Data Science en toepassingen in Marketing
- Overzicht van analyses: type analyse: voorspellend, prescriptief, inferentieel
- Analytics-praktijk in Marketing
- Gebruik van Big Data en verschillende technologieën - Inleiding
module2
Marketing in een digitale wereld
- Inleiding tot Digital Marketing
- Online Advertising - Introductie
- Search Motoroptimalisatie (SEO) – Google casestudy
- Social Media Marketing: Tips en geheimen – Voorbeeld van Facebook, Twitter
module3
Verkennend Data Analysis & Statistische modellering
- Gegevenspresentatie en -visualisatie – De Business gegevens begrijpen met behulp van histogram, cirkeldiagram, staafdiagram, spreidingsdiagram – Snelle gevolgtrekking – Gebruik van Python
- Basisstatistische modellering – Trend, seizoensinvloeden, clustering, classificaties (alleen basisprincipes, ander algoritme en gebruik, geen details) – Kant-en-klare code in Python
- Marktmandanalyse (MBA) - Casestudy met behulp van associatieregels, ondersteuning, vertrouwen, lift
module4
Marketing Analyse I
- Inleiding tot Marketing Proces – Casestudy
- Gegevens gebruiken om de strategie te verbeteren Marketing.
- Meten van merkactiva, snapple en merkwaarde – merkpositionering
- Textmining voor Marketing – Basisprincipes van tekstmining – Casestudy voor Social Media Marketing
module5
Marketing Analyse II
- Customer Lifetime Value (CLV) met berekening – Casestudy van CLV voor zakelijke beslissingen
- Case en effect meten door middel van experimenten – Case Study
- Geprojecteerde lift berekenen
- Data Science in Online Advertising – Klikfrequentieconversie, Websiteanalyse
module6
Basisprincipes van regressie
- Wat regressie onthult en basis Statistics (niet veel details over wiskunde)
- Regressieresultaten interpreteren – met casestudy met behulp van Python
- Log-Log-modellen begrijpen – met casestudy met behulp van Python
- Marketing Mixmodellen – Casestudy met behulp van Python
Module 7
Classificatie en clustering
- Basisprincipes van classificatie en clustering – Gebruik; Vermelding van algoritmen
- De resultaten interpreteren – Python Programma's met output
- Klanttargeting met behulp van classificatie en clustering – casestudy
- Business Strategieverbetering – Voorbeeld van Email Marketing, Promoties
- Behoefte aan Big Data technologieën voor classificatie en clustering
Module 8
Tijdreeksanalyse
- Trend en seizoensinvloeden – Gebruik van Python gedreven casestudy's - visualisaties
- Verschillende tijdreekstechnieken – AR en MA
- Tijdreeksmodellen – ARMA, ARIMA, ARIMAX (gebruik en voorbeelden met Python) – Case Study
- Tijdreeksvoorspelling voor campagne Marketing.
Module 9
Aanbevelingsmotor
- Personalisatie en Business Strategie
- Verschillende soorten gepersonaliseerde aanbevelingen – collaboratief, op inhoud gebaseerd
- Verschillende algoritmen voor de aanbevelingsengine – gebruikergestuurd, itemgestuurd, hybride, Matrix factorisatie (alleen vermelding en gebruik van de algoritmen zonder Mathematica details)
- Aanbevelingsstatistieken voor incrementele inkomsten – gedetailleerde casestudy
Module 10
Verkoop maximaliseren met Data Science
- Basisprincipes van optimalisatietechniek en het gebruik ervan
- Voorraadoptimalisatie – Casestudy
- ROI verhogen met Data Science
- Lean Analyse – Opstartversneller
Module 11
Data Science in Prijzen & Promotie I
- Prijzen – De wetenschap van winstgevende groei
- Vraag Forecasting Technieken - Modelleer en schat de structuur van prijs-respons-vraagcurven
- Prijsbeslissing – Hoe u de prijsbeslissing kunt optimaliseren – Casestudy met behulp van Python
- Promotieanalyse – Basislijnberekening en handelspromotiemodel
- Promotie gebruiken voor een betere strategie - Specificatie van verkoopmodellen - Multiplicatief model
Module 12
Data Science in Prijzen en promotie II
- Inkomsten Management - Hoe bederfelijke hulpbronnen beheren met meerdere marktsegmenten
- Productbundeling – Snel- en langzaam bewegende producten – Casestudy met Python
- Prijzen van bederfelijke Goods en diensten - luchtvaartmaatschappij & Hotelprijzen - Vermelding van stochastische modellen
- Promotiestatistieken – traditioneel en sociaal
Requirements
Er zijn geen specifieke vereisten om aan deze cursus deel te nemen.
Getuigenissen (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
Cursus - 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
Cursus - 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
Cursus - Jupyter for Data Science Teams
Trainer was accommodative. And actually quite encouraging for me to take up the course.