Schulungsübersicht

Modul 1

Einführung in Data Science & Anwendungen in Marketing

  • Überblick über die Analytik: Arten von Analysen - prädiktiv, präskriptiv, inferentiell
  • Analysepraxis in Marketing
  • Verwendung von Big Data und verschiedenen Technologien - Einführung

Modul 2

Marketing in einer digitalen Welt

  • Einführung in Digital Marketing
  • Online Advertising - Einführung
  • Search Suchmaschinen-Optimierung (SEO) - Google Fallstudie
  • Social Media Marketing: Tipps und Geheimnisse - Beispiel für Facebook, Twitter

Modul 3

Explorative Data Analysis & Statistische Modellierung

  • Datenpräsentation und -visualisierung - Verstehen der Business Daten mit Hilfe von Histogramm, Tortendiagramm, Balkendiagramm, Streuungsdiagramm - Schnelle Inferenz - Verwendung von Python
  • Grundlegende statistische Modellierung - Trend, Saisonalität, Clustering, Klassifikationen (nur Grundlagen, verschiedene Algorithmen und Verwendung, keine Details) - Fertiger Code in Python
  • Warenkorbanalyse (MBA) - Fallstudie mit Assoziationsregeln, Support, Confidence, Lift

Modul 4

Marketing Analytik I

  • Einführung in den Marketing-Prozess - Fallstudie
  • Nutzung von Daten zur Verbesserung der Marketing-Strategie
  • Messung von Markenwerten, Snapple und Markenwert - Markenpositionierung
  • Text Mining für Marketing - Grundlagen des Text Mining - Fallstudie für Social Media Marketing

Modul 5

Marketing Analytik II

  • Customer Lifetime Value (CLV) mit Berechnung - Fallstudie zum CLV für Geschäftsentscheidungen
  • Messung von Fall und Wirkung durch Experimente - Fallstudie
  • Berechnung des projizierten Auftriebs
  • Data Science in Online Advertising - Klickrate Konvertierung, Website-Analyse

Modul 6

Grundlagen der Regression

  • Was die Regression aufzeigt und grundlegende Statistics (nicht viele Details der Mathematik)
  • Interpretieren von Regressionsergebnissen - mit Fallstudie unter Verwendung von Python
  • Log-Log-Modelle verstehen - mit Fallstudie unter Verwendung von Python
  • Marketing Mischmodelle - Fallstudie mit Python

Modul 7

Klassifizierung und Clustering

  • Grundlagen der Klassifizierung und des Clustering - Verwendung; Nennung von Algorithmen
  • Interpretation der Ergebnisse - Python Programme mit Outputs
  • Kundenansprache durch Klassifizierung und Clustering - Fallstudie
  • Business Strategieverbesserung - Beispiel von Email Marketing, Promotions
  • Notwendigkeit von Big Data Technologien in Klassifizierung und Clustering

Modul 8

Zeitreihenanalyse

  • Trend und Saisonalität - Fallstudie mit Python - Visualisierungen
  • Verschiedene Zeitreihentechniken - AR und MA
  • Zeitreihenmodelle - ARMA, ARIMA, ARIMAX (Anwendung und Beispiele mit Python) - Fallstudie
  • Zeitreihenvorhersage für Marketing-Kampagne

Modul 9

Recommendation Engine

  • Personalisierung und Business Strategie
  • Verschiedene Arten von personalisierten Empfehlungen - kollaborativ, inhaltsbasiert
  • Verschiedene Algorithmen für Recommendation Engine - User driven, Item Driven, Hybrid, Matrix Factorization (Nur Erwähnung und Anwendung der Algorithmen ohne Mathematical Details)
  • Empfehlungsmetriken für inkrementelle Umsätze - Detaillierte Fallstudie

Modul 10

Umsatzmaximierung mit Data Science

  • Grundlagen der Optimierungstechnik und ihre Anwendungen
  • Lagerbestandsoptimierung - Fallstudie
  • ROI-Steigerung mit Data Science
  • Lean Analytik - Startup Accelerator

Modul 11

Data Science in Preisgestaltung & Werbung; Promotion I

  • Preisgestaltung - Die Wissenschaft des profitablen Wachstums
  • Techniken der Nachfrage Forecasting - Modellierung und Schätzung der Struktur von Preis-Reaktions-Nachfragekurven
  • Preisentscheidungen - Wie man Preisentscheidungen optimiert - Fallstudie Python
  • Promotion-Analytik - Baseline-Berechnung und Trade-Promotion-Modell
  • Promotion für eine bessere Strategie nutzen - Spezifikation des Verkaufsmodells - Multiplikatives Modell

Modul 12

Data Science in Preisgestaltung und Verkaufsförderung II

  • Revenue Management - Wie man verderbliche Ressourcen mit mehreren Marktsegmenten verwaltet
  • Produktbündelung - schnell- und langsamdrehende Produkte - Fallstudie mit Python
  • Preisgestaltung für verderbliche GoProdukte und Dienstleistungen - Preisgestaltung bei Fluggesellschaften und Hotels - Erwähnung stochastischer Modelle
  • Werbemetriken - Traditionell und sozial

Voraussetzungen

Für die Teilnahme an diesem Kurs sind keine besonderen Voraussetzungen erforderlich.

  21 Stunden

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.

Preis je Teilnehmer

Erfahrungsberichte (4)

Kombinierte Kurse

Big Data Business Intelligence for Telecom & Communication Service Providers

  35 Stunden

MATLAB Fundamentals, Data Science & Report Generation

  35 Stunden

Python Programming for Finance

  35 Stunden

Verwandte Kategorien