Проектно-исследовательский семинар "Управление проектами по методологии CRISP-DM"

Магистратура 2019/2020

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

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

Полная версия программы учебной 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.

Программа дисциплины