Научно-исследовательский семинар "Сбор и обработка исследовательских данных"

Магистратура 2021/2022

Статус: Курс обязательный (Маркетинг: цифровые технологии и маркетинговые коммуникации)

Направление: 38.04.02. Менеджмент

Кто читает: Департамент маркетинга

Где читается: Высшая школа бизнеса

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Прогр. обучения: Маркетинг: цифровые технологии и маркетинговые коммуникации

Язык: русский

Кредиты: 4

Контактные часы: 32

Полная версия программы учебной дисциплины

Аннотация

Настоящий научно-исследовательский семинар предназначен для слушателей магистерской образовательной программы «Маркетинг: цифровые технологии и маркетинговые коммуникации» и посвящен маркетинговым моделям и процессу их построения. Основное внимание уделяется тем моделям, которые могут помочь менеджерам в принятии маркетинговых решений. Поскольку модели отражают взаимосвязи маркетинговых переменных, то уже сам процесс их построения способен улучшить качество принимаемых маркетинговых решений, не говоря о конечном результате их применения. Чтобы маркетинговая модель принесла пользу, менеджеры должны четко представлять себе, что эта модель описывает, а что – нет. Только тогда они могут, делая на основе модели выводы, одновременно оценивать их адекватность, принимая во внимание обстоятельства, выходящие за рамки модели. НИС «Сбор и обработка исследовательских данных» (2 курс) предполагает, что студентами уже освоен базовый комплекс экономических дисциплин, они владеют маркетинговыми понятиями и методами маркетинговых исследований, хорошо представляют себе практические задачи в этой области и, кроме того, имеют серьезную подготовку по математической статистике. В части программного обеспечения необходимо владение средствами Microsoft Office, а также знакомство с программным пакетом SPSS. В этом случае построение маркетинговых моделей будет воспринято студентами как естественное приложение базовых знаний. Задача курса – ознакомить студентов с общими принципами в области маркетингового моделирования и дать возможность практически овладеть основными навыками такого рода деятельности. Компьютерные методы анализа данных находят все более широкое применение в сфере принятия маркетинговых решений.

Цель освоения дисциплины

Целями освоения дисциплины являются вооружение слушателей навыками владения техникой моделирования в реальных условиях для принятия маркетинговых решений на фирме или предприятии.
Целями освоения дисциплины являются вооружение слушателей навыками использования моделей в реальных условиях для принятия маркетинговых решений на фирме или предприятии: например, решений по сегментированию рынка, позиционированию и продвижению товара, ценовой политике и других.

Планируемые результаты обучения

Знает гипотезы, которые проверяются на основе частотного распределения ответов.
Знает шкалы маркетинговых данных
Освоил кластеризацию методом К-средних.
Освоил конджойнт (совместный) анализ данных.
Освоил метод Classification Tree из программного пакета SPSS.
Освоил метод иерархической кластеризации.
Освоил метод оптимального шкалирования (категориальный метод главных компонент, CatPCA).
Освоил общие принципы проверки статистических гипотез
Освоил факторный анализ (метрический метод главных компонент, PCA).
Умеет проверять гипотезы, сформулированные на основе таблиц кросс-табуляции.
Умеет рассчитывать и объяснять статистические характеристики показателей
Умеет строить таблицы кросс-табуляции маркетинговых данных.
Умеет строить частотные распределения

Содержание учебной дисциплины

Базовый анализ данных: шкалы маркетинговых данных; частотные распределения, расчет статистических характеристик показателей
Базовый анализ данных: общие принципы проверки статистических гипотез; гипотезы, проверяемые на основе частотного распределения ответов
Базовый анализ данных: кросс-табуляция маркетинговых данных; проверка соответствующих гипотез
Углубленный анализ данных: конджойнт (совместный) анализ
Углубленный анализ данных: факторный анализ (метрический метод главных компонент)
Углубленный анализ данных: оптимальное шкалирование (категориальный метод главных компонент)
Углубленный анализ данных: кластерный анализ (иерархическая кластеризация, кластеризация методом К-средних)
Углубленный анализ данных: метод Classification Tree из программного пакета SPSS

Элементы контроля

Экзаменационный тест
Домашнее задание

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.4 * Домашнее задание + 0.6 * Экзаменационный тест

Программа дисциплины