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



Preis je Teilnehmer

Erfahrungsberichte (4)

Verwandte Kategorien