Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Module 1
Introduction à la science des données et ses applications en marketing
- Vue d'ensemble de l'analyse : Types d'analyses - Prédictive, Prescriptive, Inférentielle
- Pratique de l'analyse en marketing
- Utilisation des grandes données et des différentes technologies - Introduction
Module 2
Le marketing dans un monde numérique
- Introduction au marketing digital
- Publicité en ligne - Introduction
- Optimisation des moteurs de recherche (SEO) – Étude de cas Google
- Marketing sur les réseaux sociaux : Conseils et secrets - Exemples Facebook, Twitter
Module 3
Analyse exploratoire des données et modélisation statistique
- Présentation et visualisation des données - Compréhension des données commerciales à l'aide d'histogrammes, de graphiques circulaires, de diagrammes à barres, de diagrammes de dispersion – Inférence rapide – Utilisation de Python
- Modélisation statistique de base - Tendances, saisonnalité, clustering, classifications (seulement les bases, différents algorithmes et utilisations, sans détails) – Code prêt à l'emploi en Python
- Analyse des paniers d'achat (MBA) - Étude de cas utilisant des règles d'association, le support, la confiance et le lift
Module 4
Analyse marketing I
- Introduction au processus de marketing – Étude de cas
- Utilisation des données pour améliorer la stratégie marketing
- Mesure des actifs de marque, Snapple et valeur de marque – Positionnement de marque
- Analyse textuelle pour le marketing – Bases de l'analyse textuelle – Étude de cas pour le marketing sur les réseaux sociaux
Module 5
Analyse marketing II
- Valeur à vie du client (CLV) avec calcul – Étude de cas pour les décisions d'entreprise basées sur le CLV
- Mesure des effets et des causes par l'expérimentation – Étude de cas
- Calcul du lift projeté
- Science des données dans la publicité en ligne – Taux de clics, analyse de site web
Module 6
Bases de la régression
- Ce que révèle la régression et statistiques de base (pas beaucoup de détails mathématiques)
- Interprétation des résultats de la régression – Avec étude de cas en Python
- Compréhension des modèles log-log – Avec étude de cas en Python
- Modèles du mix marketing – Étude de cas en Python
Module 7
Classification et clustering
- Bases de la classification et du clustering – Utilisation ; Mention des algorithmes
- Interprétation des résultats – Programmes Python avec sorties
- Ciblage client à l'aide de la classification et du clustering – Étude de cas
- Amélioration des stratégies commerciales – Exemple de marketing par e-mail, promotions
- Nécessité des technologies Big Data pour la classification et le clustering
Module 8
Analyse de séries temporelles
- Tendances et saisonnalité – À l'aide d'une 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
- Prévision de séries temporelles pour les campagnes marketing
Module 9
Moteur de recommandation
- Personnalisation et stratégie commerciale
- Différents types de recommandations personnalisées – Collaborative, basée sur le contenu
- Différents algorithmes pour le moteur de recommandation – Piloté par l'utilisateur, piloté par les items, hybride, factorisation matricielle (Seulement mention et utilisation des algorithmes sans détails mathématiques)
- Métriques de recommandation pour le revenu incrémentiel – Étude de cas détaillée
Module 10
Maximisation des ventes grâce à la science des données
- Bases de la technique d'optimisation et ses utilisations
- Optimisation des stocks – Étude de cas
- Augmentation du ROI grâce à la science des données
- Analyse Lean – Accélérateur pour les startups
Module 11
Science des données en tarification et promotion I
- Tarification – La science de la croissance rentable
- Techniques de prévision de la demande - Modélisation et estimation des structures des courbes de réponse-prix
- Décisions de tarification – Comment optimiser les décisions de tarification – Étude de cas en Python
- Analyse des promotions – Calcul de base et modèle promotionnel commercial
- Utilisation des promotions pour une meilleure stratégie - Spécification du modèle de vente – Modèle multiplicatif
Module 12
Science des données en tarification et promotion II
- Gestion du revenu - Comment gérer les ressources périssables avec plusieurs segments de marché
- Groupement de produits – Produits à mouvement rapide et lent – Étude de cas en Python
- Tarification des biens et services périssables - Tarification des compagnies aériennes et hôtelières – Mention des modèles stochastiques
- Métriques de promotion – Traditionnelles et sociales
Pré requis
Il n'y a pas de prérequis spécifiques pour suivre ce cours.
21 Heures
Nos clients témoignent (5)
Comprendre mieux les grandes données
Shaune Dennis - Vodacom
Formation - Big Data Business Intelligence for Telecom and Communication Service Providers
Traduction automatique
Younes est un excellent formateur. Toujours disposé à aider et très patient. Je lui donnerais cinq étoiles. De plus, la formation sur QLIK Sense était excellente, grâce à un formateur exceptionnel.
Dietmar Glanninger - BMW
Formation - Qlik Sense for Data Science
Traduction automatique
Le formateur était accommodant. Et il m'a vraiment encouragé à suivre la formation.
Grace Goh - DBS Bank Ltd
Formation - Python in Data Science
Traduction automatique
Présentation du sujet connaissances horaire
Aly Saleh - FAB banak Egypt
Formation - Introduction to Data Science and AI (using Python)
Traduction automatique
C'est formidable que le cours soit personnalisé aux domaines clés que j'ai soulignés dans le questionnaire préparatoire. Cela aide vraiment à répondre à mes questions sur le sujet et à me conformer à mes objectifs d'apprentissage.
Winnie Chan - Statistics Canada
Formation - Jupyter for Data Science Teams
Traduction automatique
