Магистратура
2019/2020
Проектно-исследовательский семинар "Управление проектами по методологии CRISP-DM"
Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус:
Курс обязательный (Коммуникации, основанные на данных)
Направление:
42.04.01. Реклама и связи с общественностью
Кто читает:
Школа коммуникаций
Где читается:
Факультет креативных индустрий
Когда читается:
2-й курс, 1-3 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Владес Олег Александрович,
Грызунова Елена Аркадьевна,
Коточигов Константин Львович,
Нестер (Нестеренко) Роман Юрьевич,
Семенова Анастасия Михайловна,
Суворина Татьяна Владимировна,
Уваров Максим Викторович
Прогр. обучения:
Коммуникации, основанные на данных
Язык:
русский
Кредиты:
17
Контактные часы:
200
Программа дисциплины
Аннотация
Семинар направлен на детальное и поэтапное освоение студентами стадий управления проектами в области интеллектуального анализа данных по межотраслевой методологии CRISP-DM. По итогам обучения получат необходимые управленческие компетенции для руководства коммуникационными проектами с применением интеллектуального анализа данных.
Цель освоения дисциплины
- Целью дисциплины «Проектно-исследовательский семинар «Управление проектами по методологии CRISP-DM» является освоение студентами стадий управления проектами в области интеллектуального анализа данных по межотраслевой методологии CRISP-DM и развитие управленческих компетенции для руководства коммуникационными проектами и продакт-менеджмента.
Планируемые результаты обучения
- Понимает бизнес-задачи коммуникационной индустрии. Отличает бизнес-задачи от задач анализа данных. Умеет анализировать рынок и формулировать вопросы на выявление потребностей заказчика.
- Умеет извлекать (парсить) данные с веб-ресурсов, используя пакеты для Python. Владеет базовыми навыками работы с SQL. Умеет проверять качество данных.
- Умеет объединять и переформатировать данные. Умеет использовать Hadoop MapReduce для распределённых вычислений.
- Умеет строить и выбирать оптимальную модель анализа данных для решения бизнес-задачи.
- Оценивает результаты моделирования с точки зрения качества анализа данных и бизнес-показателей.
- Умеет представлять результаты проекта по анализу данных в форме отчёта или презентации.
- Понимает принципы организации создания, развития и продвижения технологического продукта. Различает основные типы угроз со стороны роботизированного трафика.
- Умеет управлять работой проектной команды и планировать ресурсное обеспечение реализации проекта.
- Умеет находить и критически анализировать источники, используя синтез и анализ.
- Умеет презентовать результаты проектно-исследовательской работы.
- Глубоко разбирается в принципах работы основных аналитических сервисов. Понимает понятие сэмплирования, способен организовать работу с сырыми данными. Понимает как связать веб-аналитику и бизнес-результаты заказчика. Отличает существующие в основных инструментах модели атрибуции. Способен подобрать подходящую в зависимости от медиамикса и типа клиента. Понимает принципы организации корректного тестирования в цифровом маркетинге. Способен спроектировать проверку гипотезы.
- Умеет организовать кросс-канальную программатик кампанию. Владеет навыками оптимизации рекламных кампаний. Способен интерпретировать отчёты платформы. Способен интерпретировать и анализировать психографические данные. Обладает навыком портирования данных в различные системы. Способен объяснить принципы сбора данных такого рода.
- Понимает принцип работы рекомендательных сервисов. Понимает типы данных, доступные на российском рынке. Владеет навыками работы с рекламными платформами. Способен описать ландшафт обмена e-commerce данными. Понимает принципы работы e-mail маркетинга.
- Владеет основами работы с инструментом PowerBI. Способен организовать автоматизированную выгрузку данных из систем веб-аналитики в PowerBI.
Содержание учебной дисциплины
- CRISP-DM: понимание бизнес-задач.Определение бизнес-задач. Оценка ситуации. Выявление потребностей заказчика.
- CRISP-DM: сбор и начальное изучение данных.Парсинг данных. SQL. Оценка качества данных.
- Практическая работа с системами рекламы: Power BI.Визуализация данных веб-аналитики с помощью PowerBI.
- CRISP-DM: моделирование.Методика моделирования. Дизайн тестов. Оценка параметров модели.
- CRISP-DM: подготовка данных.Hadoop. MapReduce. Объединение и переформатирование данных.
- CRISP-DM: оценка.Оценка результатов моделирования с точки зрения качества анализа данных и бизнес-показателей.
- Автоматизация маркетинга.Типы данных, доступные на российском рынке. Экосистема обмена данными. E-mail-маркетинг.
- CRISP-DM: внедрение.План развёртывания. План мониторинга и поддержки. Отчёт по реализации проекта.
- Презентация и обсуждение промежуточных результатов ВКР.Презентация промежуточных результатов магистерского проекта.
- Управление проектными командами, ресурсами и стоимостью проекта.Характеристика используемых ресурсов (денежных и материальных). График плановой стоимости. Человеческие ресурсы. Матрица назначений. Формы контроля хода работ.
- Практическая работа с системами рекламы.Работа с рекламными платформами.
- Управление продуктом.Технологические продукты. Боты в Интернет-рекламе.
- Критический анализ источников и литературы в исследовательской работе.Поиск и систематизация источников. Критическое чтение. Синтез и анализ.
- Аналитические инструменты в цифровых коммуникациях.Основы веб-аналитики и настройка сквозной аналитики. Атрибуция в рекламе.
- Проведение презентаций результатов проектно-исследовательской работы над ВКР.Предзащита ВКР.
Элементы контроля
- Бизнес-задача и модель.
- Запрос в SQL.
- Практическая работа по объединению и предобработке данных.
- Презентация и обсуждение модели, используемой в ВКР.
- План продвижения продукта на основе данных
- Методы защиты от ботов для заданной рекламной кампании.
- Оценка состояния проекта в динамике
- Презентация обзора литературы по теме ВКР.
- Настройка метрик, исходя из бизнес-модели сайта.
- Подбор модели атрибуции.
- Презентация дизайна AB теста.
- Дэшборд в Power BI.
- Рекламная кампания с выходом на целевые KPI.
- Cтратегия продвижения на основе психографических данных.
- Подготовка кампании на платформе Flocktory.
- Работа с платформой Retail Rocket.
- Презентация промежуточных результатов ВКР.
- Стратегия имплементации платформы CleverDATA в заданный бизнес.
- Предзащита ВКР.
Промежуточная аттестация
- Промежуточная аттестация (3 модуль)0.04 * Cтратегия продвижения на основе психографических данных. + 0.04 * Бизнес-задача и модель. + 0.04 * Дэшборд в Power BI. + 0.04 * Запрос в SQL. + 0.04 * Методы защиты от ботов для заданной рекламной кампании. + 0.04 * Настройка метрик, исходя из бизнес-модели сайта. + 0.04 * Оценка состояния проекта в динамике + 0.04 * План продвижения продукта на основе данных + 0.04 * Подбор модели атрибуции. + 0.04 * Подготовка кампании на платформе Flocktory. + 0.04 * Практическая работа по объединению и предобработке данных. + 0.1 * Предзащита ВКР. + 0.04 * Презентация дизайна AB теста. + 0.1 * Презентация и обсуждение модели, используемой в ВКР. + 0.1 * Презентация обзора литературы по теме ВКР. + 0.1 * Презентация промежуточных результатов ВКР. + 0.04 * Работа с платформой Retail Rocket. + 0.04 * Рекламная кампания с выходом на целевые KPI. + 0.04 * Стратегия имплементации платформы CleverDATA в заданный бизнес.
Список литературы
Рекомендуемая основная литература
- Andreini D., Bettinelli C. Business Model Innovation: From Systematic Literature Review to Future Research Directions. - Springer International Publishing AG, 2017. - ЭБС Springer Books.
- Aspin A. Pro Power BI Desktop. - Apress, 2018. - ЭБС Books 24x7.
- Cirillo, A. (2017). R Data Mining. Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1643003
- Overgoor, G., Chica, M., Rand, W., & Weishampel, A. (2019). Letting the Computers Take Over: Using AI to Solve Marketing Problems. California Management Review, 61(4), 156–185. https://doi.org/10.1177/0008125619859318
- Управление проектами : учебник: пер. с англ. пятого, полностью перераб. изд., Ларсон, Э. У., 2013
Рекомендуемая дополнительная литература
- Foster, I., Ghani, R., Jarmin, R. S., Kreuter, F., & Lane, J. I. (2017). Big Data and Social Science : A Practical Guide to Methods and Tools. Boca Raton: Chapman and Hall/CRC. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1353316
- Frampton M. Big Data Made Easy: A Working Guide to the Complete Hadoop Toolset. - Apress, 2015. - ЭБС Books 24x7.
- Martin Oberhofer, Eberhard Hechler, Ivan Milman, Scott Schumacher, & Dan Wolfson. (2014). Beyond Big Data : Using Social MDM to Drive Deep Customer Insight. [N.p.]: IBM Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1600785
- Бизнес-презентация : творческие идеи для блестящего выступления, Сэмпсон, Э., 2004
- Бизнес-презентация : творческие идеи для блестящего выступления, Сэмпсон, Э., 2006
- Построение запросов и программирование на SQL : учеб. пособие для вузов, Маркин, А. В., 2008