Kerangka Materi
Modul 1
Pengenalan Ilmu Data dan Aplikasi dalam Pemasaran
- Analisis Umum: Jenis analisis- Prediktif, Preskriptif, Inferensial
- Praktek Analisis dalam Pemasaran
- Penggunaan Big Data dan Teknologi Berbeda - Pengenalan
Modul 2
Pemasaran di Dunia Digital
- Pengenalan Pemasaran Digital
- Iklan Online - Pengenalan
- Optimasi Mesin Pencarian (SEO) – Studi Kasus Google
- Pemasaran Media Sosial: Tips dan Rahasia – Contoh Facebook, Twitter
Modul 3
Analisis Data Eksploratif dan Pemodelan Statistik
- Presentasi dan Visualisasi Data – Memahami Data Bisnis dengan Histogram, Pie-chart, Bar Chart, Scatter Diagram – Inference Cepat – Menggunakan Python
- Pemodelan Statistik Dasar – Trend, Musiman, Klastering, Klasifikasi (Hanya Dasar, Algoritma dan Penggunaannya, Tidak Detail) – Kode Siap di Python
- Analisis Keranjang Belanja (MBA) – Studi Kasus Menggunakan Aturan Asosiasi, Dukungan, Kepercayaan, Angkat
Modul 4
Analisis Pemasaran I
- Pengenalan Proses Pemasaran – Studi Kasus
- Menggunakan Data untuk Meningkatkan Strategi Pemasaran
- Memukul Aset Merek, Snapple dan Nilai Merek – Posisi Merek
- Penambangan Teks untuk Pemasaran – Dasar Penambangan Teks – Studi Kasus Pemasaran Media Sosial
Modul 5
Analisis Pemasaran II
- Nilai Hidup Pelanggan (CLV) dengan Perhitungan – Studi Kasus CLV untuk Keputusan Bisnis
- Mengukur Kasus dan Efek Melalui Eksperimen – Studi Kasus
- Menghitung Angkat Diprediksi
- Ilmu Data dalam Iklan Online – Konversi Tingkat Klik, Analisis Situs Web
Modul 6
Dasar Regresi
- Apa yang Dibuktikan oleh Regresi dan Statistik Dasar (Tidak Terlalu Banyak Detail Matematika)
- Menginterpretasi Hasil Regresi – Dengan Studi Kasus Menggunakan Python
- Memahami Model Log-Log – Dengan Studi Kasus Menggunakan Python
- Model Pencampuran Pemasaran – Studi Kasus Menggunakan Python
Modul 7
Klasifikasi dan Klastering
- Dasar Klasifikasi dan Klastering – Penggunaan; Mencatat Algoritma
- Menginterpretasi Hasil – Program Python dengan Output
- Target Pelanggan Menggunakan Klasifikasi dan Klastering – Studi Kasus
- Pembenaran Strategi Bisnis – Contoh Pemasaran Email, Promosi
- Kebutuhan Teknologi Big Data dalam Klasifikasi dan Klastering
Modul 8
Analisis Seri Waktu
- Trend dan Musiman – Menggunakan Studi Kasus Dikenai Python - Visualisasi
- Teknik Seri Waktu Berbeda – AR dan MA
- Model Seri Waktu – ARMA, ARIMA, ARIMAX (Penggunaan dan Contoh dengan Python) – Studi Kasus
- Prediksi Seri Waktu untuk Kampanye Pemasaran
Modul 9
Mesin Rekomendasi
- Personalisasi dan Strategi Bisnis
- Jenis Rekomendasi Personalisasi Berbeda – Kolaboratif, Berbasis Konten
- Algoritma Berbeda untuk Mesin Rekomendasi – Berbasis Pengguna, Berbasis Barang, Hibrid, Faktorisasi Matriks (Hanya Mencatat dan Penggunaan Algoritma tanpa Detail Matematika)
- Metrik Rekomendasi untuk Pendapatan Incremental – Studi Kasus Terperinci
Modul 10
Memaksimalkan Penjualan Menggunakan Ilmu Data
- Dasar Teknik Optimasi dan Penggunaannya
- Optimisasi Persediaan – Studi Kasus
- Meningkatkan ROI Menggunakan Ilmu Data
- Analisis Lean – Pelatih Bisnis Baru
Modul 11
Ilmu Data dalam Penetapan Harga dan Promosi I
- Penetapan Harga – Ilmu Pertumbuhan Laba
- Teknik Peramalan Permintaan - Model dan Perkiraan Struktur Kurva Permintaan Respons Harga
- Keputusan Penetapan Harga – Bagaimana Memaksimalkan Keputusan Penetapan Harga – Studi Kasus Menggunakan Python
- Analisis Promosi – Perhitungan Dasar dan Model Promosi Perdagangan
- Menggunakan Promosi untuk Strategi Lebih Baik - Spesifikasi Model Penjualan – Model Multiplikatif
Modul 12
Ilmu Data dalam Penetapan Harga dan Promosi II
- Manajemen Pendapatan - Bagaimana Mengelola Sumber Daya Berwaktu dengan Segmen Pasar Berbeda
- Pengikatan Produk – Produk Bergerak Cepat dan Lambat – Studi Kasus dengan Python
- Penetapan Harga Barang dan Jasa Berwaktu - Penetapan Harga Penerbangan dan Hotel – Penjelasan Model Stochastic
- Metrik Promosi – Tradisional dan Sosial
Persyaratan
Tidak ada persyaratan khusus yang diperlukan untuk mengikuti kursus ini.
Testimoni (3)
Bersahabat dan pendengar yang baik .. interaktif
Ahmed El Kholy - FAB banak Egypt
Kursus - Introduction to Data Science and AI (using Python)
Diterjemahkan Mesin
Sangat baik bahwa kursus ini disesuaikan dengan area-area kunci yang saya soroti dalam kuesioner pra-kursus. Hal ini benar-benar membantu untuk menjawab pertanyaan-pertanyaan yang saya miliki terkait materi dan sesuai dengan tujuan pembelajaran saya.
Winnie Chan - Statistics Canada
Kursus - Jupyter for Data Science Teams
Diterjemahkan Mesin
The example and training material were sufficient and made it easy to understand what you are doing.
Teboho Makenete
Kursus - Data Science for Big Data Analytics
Diterjemahkan Mesin
