Онлайн курс
Projector
3 месяца
20 студентов
старт 7 июня
О курсе
С помощью данных сегодня можно улучшать эффективность маркетинговых решений и бизнеса в целом. Можно и нужно. Поэтому данные — важный актив.

Маркетолог с пониманием, как использовать данные, получает не только оптимизацию ROMI, но и может влиять на снижение операционных, логистических и даже HR затрат. У него всегда есть инструмент для того, чтобы:

— оценить реальность поставленных целей и KPIs;
— управлять инвестициями в коммуникации;
— прогнозировать спрос и поведение потребителей;
— предвидеть возможные риски и их решения.

На курсе студенты научатся интегрировать инструменты Data Science в процессы маркетингового планирования (как части бизнес стратегии), анализа и управления для повышения marketing performance (как части business performance) и управления маркетинговыми инвестициями и ROMI.
12000 грн/месяц
три платежа по 12 000 грн или целиком 34 200 грн (со скидкой 5%)
24 занятия
3 месяца 2 раза в неделю по понедельникам и четвергам в 19:30
7 июня
занятия стартуют 7 июня, заявки будут приниматься до 31 мая
20 студентов
мы уделяем внимание каждому студенту, потому количество мест в группе ограничено
После двух модулей студенты получат опыт коммуникации и взаимодействия со специалистами в Data Science, научатся постановке задач и принятию решений. Кроме этого, после курса у участников останутся методические материалы, список полезных ресурсов и записи вебинаров.


Кому будет полезно
— Маркетологам.
— Продуктовым и бренд менеджерам.
— Аналитикам отдела маркетинга, которые хотят углубить / развивать экспертизу.
— Специалистам, которые хотят научится оценивать:
  • возврат инвестиций в каналы продвижения (маркетинг, трейд);
  • факторы влияния на эффективность развития бизнеса;
  • риски и возможности.
  • Кураторы
    Татьяна Катрич
    СEO и основатель Empower, Data management and Data driven Solutions for Business.
    Леся Мандрик
    Business Analyst Data Science for Business проектов в Empower.


    Программа курса
    Курс состоит из двух модулей. Базой для каждого является реальный кейс по решению задач маркетинга в двух доменах.

    На первом модуле подробно проанализируем, из чего состоит Data Science проект, какие задачи решает, почему эти решения эффективней стандартных методов маркетинга. Во втором модуле запустим Data Science проект для решения задач отдела маркетинга «с нуля». Определим этапы проекта, подробный бизнес процесс и необходимые ресурсы.
    Модуль 1
    Методы Data Science для решения задач маркетинга на разных уровнях.
    Обычные методы vs Методы Data Science.
    — Примеры решения задач маркетинга на базе практических кейсов.
    Интеграция Data Science методов в управление: операционной деятельностью, продвижением товара и бренда, Purchase Funnel, потоком потребителей.
    — Descriptive, predictive, prescriptive analytics (scenario).
    Подробный разбор применения методов моделирования и прогнозирования на базе реального кейса.
    — Как разработать модель, как интерпретировать результаты, как правильно оценить качество, accuracy и улучшить работу модели.
    Углубление в разработку модели.
    — Работа с данным, Exploratory data analysis: как собрать, что делать, когда данных мало, что делать, когда данные не качественные.
    — Выбор экономически обоснованных моделей.
    — Проведение тестов, A/B testing.
    Работа с другими методами DS для решения задач маркетинга — решаем реальную задачу.
    — Что делать если нет ретроспективы?
    — Оценка результатов запуска Digital кампании.
    Модуль 2.
    Работа над комплексной задачей: методы, этапы решения, бизнес процесс.
    — Методология дробления «большой задачи» на подзадачи / этапы и постановки количественных целей для каждого этапа.
    — Примеры алгоритмов решений подобных задач — общий подход.
    Разрабатываем Data Science проект с нуля на базе реальных потребностей и задач отдела маркетинга и «живых» данных.
    Set UP проекта — определение ключевой цели проекта и обязательных параметров проекта.
    Участники проектной команды Data Science проекта.
    — Как выбрать / собрать команду для реализации Data Science проекта.
    Production — разработка проекта — этапы и задачи каждого этапа.
    — Сбор данных, алгоритмы построения моделей, обработка, анализ и интерпретация результатов: Feature selection, Metric and method selection.
    — Варианты визуализации: Tableau, Power BI, Google Data Studio.
    — Варианты реализации моделирования с помощью облачных сервисов (GBQ, MS Azure).
    Launch — интеграция Data Science решения в процесс маркетингового и бизнес планирования.
    — Способы контроля успешности реализации и внедрения, ключевые KPIs.
    — Подводные камни и трудности при работе с DS проектами.
    Завершение документации проекта.
    Вопросы
    До 3 занятия мы вернем деньги.
    Будут, но лучше забронируйте время чтобы присоединяться к ним онлайн — там будет интересно.
    Только если делать домашки и проекты.
    Регистрация
    Сейчас идет прием заявок в группу, которая стартует 7 июня. Заявки будут приниматься не позже 31 мая. Детали о поступлении вы получите на почту сразу после регистрации.