Сбор и управление данными в маркетинге

Магистратура 2020/2021

Статус: Курс по выбору (Smart-маркетинг: данные, аналитика, инсайты)

Направление: 38.04.02. Менеджмент

Кто читает: Кафедра информационных технологий в бизнесе (Пермь)

Где читается: Факультет экономики, менеджмента и бизнес-информатики

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Прогр. обучения: SMART-Маркетинг: данные, аналитика, инсайты

Язык: русский

Кредиты: 5

Контактные часы: 52

Полная версия программы учебной дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает требования к образовательным результатам и результатам обучения студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Сбор и управление данными в маркетинге», учебных ассистентов и студентов направления подготовки 38.00.00 Экономика и управление.

Цель освоения дисциплины

знание и понимание задач управления данными, в том числе, загрузка данных, преобразование данных, и предворительный анализ данных
приобретение навыков решения реальных задач управления данных и первичного анализа данных, в том числе, навыков загрзки данных из разных источников, выбора нужного подхода к преобразованию данных для получения целевого результата, поиск выбросов и проведение анализа
умение применять статистических и эконометрических инструментов анализа данных для разработки и обоснования маркетинговых решений − закрепление способности убедительно и наглядно коммуницировать результаты исследовательской и аналитической деятельности
приобретение студентами навыков работы с языком программирования R

Планируемые результаты обучения

Знает основные подходы к обработки, визуализации и анализу данных; основные этапы сбора и анализу данных; основные команды преобразования векторов в языке R; общую структуру программы Radiant. Имеет навыки загрузки, трансформации, очистки, визуализации и анализа данных на языке R и средствами программы Radiant.
Знает основные задачи машинного обучения. Имеет навыки обучения моделей машинного обучения средствами языка R и системы Radiant; оценки качества моделей машинного обучения средствами Radiant; самоанализа собственной деятельности.

Содержание учебной дисциплины

Раздел 1.Технологии анализа данных
Тема 1. Введение в технологии анализа данных и язык R, Radiant и SOL Тема 2. Загрузка данных Тема 3. Преобразование данных в Radiant & SQL Тема 4. Визуализация данных Тема 5. Статистика и гиппотезы в анализе данных Тема 6. Первичный анализ данных на примере реальных данных
Раздел 2. Машинное обучение
Тема 7. Введение в машинное обучение Тема 8. Задачи регрессии и классификации Тема 9. Задача кластеризации Тема 10. Задача выявления эффекта от воздействия

Элементы контроля

Прохождение курсов в системе DataCamp (самостоятельная работа)
Лабораторная работа, этап 1
Лабораторная работа, этап 2
Лабораторная работа, этап 3
Проект
Экзамен

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.1 * Лабораторная работа, этап 1 + 0.1 * Лабораторная работа, этап 2 + 0.1 * Лабораторная работа, этап 3 + 0.3 * Проект + 0.1 * Прохождение курсов в системе DataCamp (самостоятельная работа) + 0.3 * Экзамен

Программа дисциплины