Research Seminar "Data Science and Data Processing in Marketing"

2024/2025

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Marketing

Course type:

Compulsory course

When:

2 year, 1, 2 module

Instructors

Ivanova, Inga

Mkhitaryan, Sergey

Программа дисциплины

Аннотация

"Data Science и обработка данных в маркетинге" – практико-ориентированная дисциплина, которая дает представление о методах структурирования, очистки и обработки маркетинговых данных, с целью получения ключевой информации. Дисциплина объединяет методы обработки данных, статистические методы исследования, методы интеллектуального анализа данных, формирует навыки аналитического мышления и принятия взвешенных решений. В первой части курса (модуль 1) рассматриваются 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.). Уделяется особое внимание базовым и продвинутым способам визуализации полученных данных. Во второй части курса (модуль 2) 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 маркетинговые 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 аналитики станет хорошим фундаментом будущей карьеры.

Цель освоения дисциплины

• • Овладение основами программирования на языке Python в ин¬терактивной 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
• Владеет навыками обобщения результатов применения аналитических моделей разработки стратегии для получения всестороннего и целостного понимания положения организации и стоящих перед ней стратегических вызовов.
• Учитывает характер позиций различных стейкхолдеров и оценивает последствия стратегического выбора
• Определяет базовый набор инструментов для комплексной оценки информационно-аналитического пространства организации Заказчика
• Владеет навыками соотнесения бизнес-задач организации и коммуникационной цели кампании, планируемой и реализуемой в интересах этой организации.
• Владеет навыками разработки PR-стратегии и интегрированной коммуникационной тактики
• Владеет базовыми практическими навыками, необходимыми для реализации коммуникационных кампаний в интересах организаций различных типов.
• 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
• Овладеть принципами применения conjoint-анализа для оценки потребительских предпочтений

Содержание учебной дисциплины

• Знакомство с Python
• Сегментация потребителей на основе предпочтений
• Визуализация данных с помощью Python
• Первичный анализ данных
• Регрессионный анализ
• Сегментация потребителей на основе отклика
• Оценка потребительских предпочтений с помощью Conjoint-анализа

Элементы контроля

• Активность на семинарах
• Практическая работа 1
• Практическая работа 3
• Контрольная работа
• Активность на семинарах
• Контрольная работа
• Финальное анкетирование

Промежуточная аттестация

• 2024/2025 2nd module
  0.05 * Активность на семинарах + 0.35 * Активность на семинарах + 0.1 * Контрольная работа + 0.1 * Контрольная работа + 0.05 * Практическая работа 1 + 0.05 * Практическая работа 3 + 0.3 * Финальное анкетирование

Список литературы

Рекомендуемая основная литература

• IBM SPSS Statistics 20 и AMOS: профессиональный статистический анализ данных - 978-5-496-00107-6 - Наследов А. - 2013 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/364627 - 364627 - iBOOKS
• Python и анализ данных, Маккинни, У., 2015
• Vaingast, S. (2014). Beginning Python Visualization : Crafting Visual Transformation Scripts (Vol. Second edition). Berkeley, CA: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=955063
• Автоматизация рутинных задач с помощью Python : практическое руководство для начинающих, Свейгарт, Э., 2018
• Изучаем Python, Лутц, М., 2014
• Изучаем Python. Программирование игр, визуализация данных, веб-приложения. 2-е изд. - 978-5-4461-0479-6 - Мэтиз Э. - 2017 - Санкт-Петербург: Питер - https://ibooks.ru/bookshelf/355480 - 355480 - iBOOKS
• Криволапов, С. Я., Статистические вычисления на платформе Jupyter Notebook с использованием Python : учебник / С. Я. Криволапов. — Москва : КноРус, 2021. — 431 с. — ISBN 978-5-406-09106-7. — URL: https://book.ru/book/942479 (дата обращения: 27.08.2024). — Текст : электронный.
• Криволапов, С. Я., Статистические вычисления на платформе Jupyter Notebook с использованием Python : учебник / С. Я. Криволапов. — Москва : КноРус, 2022. — 431 с. — ISBN 978-5-406-09739-7. — URL: https://book.ru/book/943660 (дата обращения: 27.08.2024). — Текст : электронный.
• Легкий способ выучить Python 3, Шоу, З. А., 2019
• Мастицкий, С. Э. Визуализация данных с помощью ggplot2 / С. Э. Мастицкий. — Москва : ДМК Пресс, 2017. — 222 с. — ISBN 978-5-97060-470-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107895 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Dr. Ossama Embarak. (2018). Data Analysis and Visualization Using Python : Analyze Data to Create Visualizations for BI Systems. Apress.
• Python 3, Прохоренок, Н. А., 2016
• Schneider, D. I. (2016). An Introduction to Programming Using Python, Global Edition: Vol. Global edition. Pearson.
• Анализ поведенческих данных на R и Python : как улучшить бизнес-результаты на основе данных клиентов, Бюиссон, Ф., 2022
• Изучаем Python, Лутц, М., 2011
• Легкий способ выучить Python 3 еще глубже, Шоу, З. А., 2020

Авторы

• Филипская Елена Владимировна
• Иванова Инга Анатольевна
• Мхитарян Сергей Владимирович