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.
Plan du cours
Module 1
Introduction à Data Science et applications dans Marketing
- Aperçu de l'analyse : Type d'analyse - prédictive, prescriptive, inférentielle
- Pratique de l'analyse en Marketing
- Utilisation de Big Data et de différentes technologies - Introduction
Module 2
Marketing dans un monde numérique
- Introduction à Digital Marketing
- En ligne Advertising - Introduction
- [Optimisation des moteurs de recherche (SEO) - Étude de cas Google
- Social Media Marketing : Conseils et secrets - Exemple de Facebook, Twitter
Module 3
Exploratoire Data Analysis & ; Modélisation statistique
- Présentation et visualisation des données - Comprendre les données Business à l'aide d'un histogramme, d'un diagramme circulaire, d'un diagramme à barres, d'un diagramme de dispersion - Inférence rapide - Utilisation de Python.
- Modélisation statistique de base - Tendance, saisonnalité, regroupement, classifications (seulement les bases, les différents algorithmes et leur utilisation, pas de détails) - Code prêt dans Python.
- Analyse du panier de marché (MBA) - Étude de cas utilisant les règles d'association, le soutien, la confiance, la levée.
Module 4
Marketing Analyse I
- Introduction au processus Marketing - Étude de cas
- Utilisation des données pour améliorer la stratégie Marketing
- Mesurer les actifs de la marque, Snapple et la valeur de la marque - Positionnement de la marque
- Text Mining pour Marketing - Bases du Text Mining - Etude de cas pour Social Media Marketing
Module 5
Marketing Analyse II
- Valeur à vie du client (CLV) avec calcul - Étude de cas de la CLV pour les décisions commerciales
- Mesurer le cas et l'effet par le biais d'expériences - Étude de cas
- Calcul de la valeur de vie du client (CLV) avec calcul - Etude de cas
- Data Science en ligne Advertising - Conversion des taux de clics, analyse des sites web
Module 6
Les bases de la régression
- Ce que révèle la régression et les bases Statistics (peu de détails mathématiques)
- Interprétation des résultats de régression - avec étude de cas Python
- Comprendre les modèles log-log - Avec étude de cas utilisant Python
- Marketing Modèles mixtes - Étude de cas utilisant Python
Module 7
Classification et regroupement
- Bases de la classification et du clustering - Utilisation ; mention d'algorithmes
- Interprétation des résultats - Python Programmes avec sorties
- Ciblage des clients à l'aide de la classification et du clustering - Etude de cas
- Business Amélioration de la stratégie - Exemple de Email Marketing, promotions
- Nécessité des Big Data technologies de classification et de regroupement
Module 8
Analyse des séries temporelles
- Tendance et saisonnalité - Utilisation de l'étude de cas Python - Visualisations
- Différentes techniques de séries temporelles - AR et MA
- Modèles de séries temporelles - ARMA, ARIMA, ARIMAX (utilisation et exemples avec Python) - Étude de cas
- Prédiction des séries temporelles pour la campagne Marketing - Étude de cas
Module 9
Moteur de recommandation
- Personnalisation et stratégie Business
- Différents types de recommandations personnalisées - collaboratives, basées sur le contenu
- Différents algorithmes pour le moteur de recommandation - piloté par l'utilisateur, piloté par l'élément, hybride, Matrix factorisation (seulement la mention et l'utilisation des algorithmes sans Mathematica détails)
- Métriques de recommandation pour l'augmentation du chiffre d'affaires - Étude de cas détaillée
Module 10
Maximiser les ventes en utilisant Data Science
- Bases de la technique d'optimisation et ses utilisations
- Optimisation des stocks - étude de cas
- Augmenter le retour sur investissement en utilisant Data Science
- Lean Analyse - Accélérateur de startups
Module 11
Module 11 Data Science dans Pricing & ; Promotion I
- Fixation des prix - La science de la croissance rentable
- Techniques de demande Forecasting - Modéliser et estimer la structure des courbes de demande en fonction du prix
- Décision de tarification - Comment optimiser la décision de tarification - Étude de cas Python
- Analyse de la promotion - Calcul de base et modèle de promotion commerciale
- Utiliser la promotion pour une meilleure stratégie - Spécification du modèle de vente - Modèle multiplicatif
Module 12
Module 12 Data Science dans Fixation des prix et promotion II
- Recettes Management - Comment gérer les ressources périssables avec plusieurs segments de marché ?
- Regroupement de produits - Produits à rotation rapide et lente - Étude de cas avec Python
- Tarification des produits et services périssables - Tarification des compagnies aériennes et des hôtels - Mention des modèles stochastiques
- Mesures de promotion - traditionnelles et sociales
Pré requis
Aucune condition particulière n'est requise pour participer à ce cours.
21 heures
Nos Clients témoignent (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
Formation - 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
Formation - 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
Formation - Jupyter for Data Science Teams
Trainer was accommodative. And actually quite encouraging for me to take up the course.
