Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
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.
21 Jam
Testimoni (5)
Younes adalah seorang pelatih yang hebat. Selalu siap membantu dan sangat sabar. Saya akan memberikan bintang 5 untuknya. Selain itu, pelatihan QLIK sense juga sangat baik, berkat seorang pelatih yang excellent.
Dietmar Glanninger - BMW
Kursus - Qlik Sense for Data Science
Diterjemahkan Mesin
Instruktur sangat akomodatif. Dan sebenarnya cukup memotivasi saya untuk mengikuti kursus ini.
Grace Goh - DBS Bank Ltd
Kursus - Python in Data Science
Diterjemahkan Mesin
Penyajian pengetahuan subjek waktu
Aly Saleh - 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
Ini menampilkan banyak metode dengan skrip yang telah disiapkan - bahan yang disiapkan dengan sangat baik dan mudah untuk dilacak kembali
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Kursus - Machine Learning – Data science
Diterjemahkan Mesin
