Научно-исследовательский семинар "Data science и обработка данных в маркетинге"

Магистратура 2023/2024

Лучший по критерию «Новизна полученных знаний»

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, 2, 3 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 20

Охват аудитории: для всех кампусов НИУ ВШЭ

Преподаватели: Иванова Инга Анатольевна, Мхитарян Сергей Владимирович

Прогр. обучения: Маркетинг: цифровые технологии и маркетинговые коммуникации

Язык: русский

Кредиты: 6

Контактные часы: 48

Полная версия программы учебной дисциплины

Аннотация

"Data Science и обработка данных в маркетинге" – практико-ориентированная дисциплина, которая дает представление о методах структурирова¬ния, очистки и обработки маркетинговых данных, с целью получе¬ния ключевой информации. Дисциплина объединяет методы обра¬ботки данных, статистические методы исследования, методы интел¬лектуального анализа данных, формирует навыки аналитического мышления и принятия взвешенных решений. В первой части курса (модуль 2) рас¬сматриваются основы интерактивной работы с Python в блокноте Jupiter Notebook, дается представление об основном синтаксисе языка программирования, рассматриваются базовые аналитические пакеты (например: pandas, numpy, matplotlib, seaborn и др.), а также некоторые дополнительные (например: scipy.stats, sklearn и др.). Уде¬ляется особое внимание базовым и продвинутым способам визуали¬зации полученных данных. Во второй части курса (модуль 3) рассматриваются основные принципы работы с пакетом IBM SPSS Statistics, дается представление о применении инструментов описательных статистик, регрессионного анализа применительно к данным в маркетинге, статистических методов сегментации рынка без отклика и с откликом, включая кластерный дискриминантный анализ, деревья классификации, снижения размерности данных с помощью факторного анализа, применения conjoint-анализа для оценки потребительских предпочтений. Целевой аудиторией являются студенты магистерской программы «Маркетинг: цифровые технологии и мар¬кетинговые коммуникации». В результате освоения данного курса студенты получат теоретические знания и практические навыки, которые позволят им успешно преобразовывать собранные данные в полезную информацию. Владение инструментарием Python и IBM SPSS Statistics анали¬тики станет хорошим фундаментом будущей карьеры.

Цель освоения дисциплины

Овладение основами программирования на языке Python в интерактивной среде Jupiter Notebook, освоение основных модулей и библиотек для анализа и обработки данных, выработка базовых навыков структурирования данных и визуализации результатов, получение новых компетенций в области анализа данных.
Овладение основными принципами анализа с помощью пакета IBM SPSS Statistics, освоение основных инструментов, необходимых для анализа данных, полученных с помощью маркетинговых исследований, выработка навыков применения многомерных методов анализа, визуализации результатов и моделирования.

Планируемые результаты обучения

- Освоить базовый синтаксис языка программирования Python
- Освоить основные методы загрузки и очистки данных
- Научиться правильно применять основные методы обработки и анализа данных
- Овладеть основными алгоритмами машинного обучения и навыками применения специализированных пакетов для решения прикладных задач
- Быть способным правильно выбрать способ визуализации в зависимости от задачи
- Научиться использовать эконометрические методы анализа данных для обоснования решений и прогнозирования траектории дальнейшего развития
- Научиться правильно интерпретировать результаты машинного анализа данных
Освоить методы описательной статистики для первичного анализа маркетинговых данных
Научиться проводить регрессионный анализ и интерпретировать полученные результаты
Овладеть принципами проведения кластерного анализа для сегментации рынка и верификации полученных результатов
Научиться применение факторного анализа для снижения размерности данных
Освоить применение методов классификации с откликом для предсказания поведения потребителей
Овладеть принципами применения conjoint-анализа для оценки потребительских предпочтений

Содержание учебной дисциплины

Визуализация данных с помощью Python
Знакомство с Python
Методы описательной статистики
Статистические инструменты анализа данных
Первичный анализ данных
Регрессионный анализ
Сегментация потребителей на основе предпочтений
Сегментация потребителей на основе отклика
Оценка потребительских предпочтений с помощью Conjoint-анализа

Элементы контроля

Практическая работа 1
Тематическое анкетирование
Практическая работа 2
Активность на семинарах
Контрольная работа
Практическая работа 3
Активность на семинарах
Контрольная работа
Финальное анкетирование

Промежуточная аттестация

2023/2024 учебный год 3 модуль
Формула финальной оценки: Общий результат успеваемости (модуль 2) * 0.35 + Общий результат успеваемости (модуль 3) * 0.35 + Результат финального анкетирования * 0.3

Программа дисциплины