
Analitički softverski alati u marketingu
- Predavanje 30
- Vježbe 30
- Samostalni rad 60
Naziv predmeta
Analitički softverski alati u marketingu
Oznaka predmeta
21-04-514
Semestar
3
ECTS
4
Nastavnici i suradnici
Sadržaj i cilj
Cilj ovog modula je omogućiti studentima da nauče:
• primijeniti specifične funkcionalnosti konkretnih analitičkih softverskih alata, ovisno o ciljevima projekta
• primijeniti različite funkcije primarne analize
• stvoriti jednostavniji analitički model uporabom optimalnih algoritama..
Modul omogućava studentima učenje s postojećim analitičkim softverskim alatima koji se koriste u marketingu. Studenti će se upoznati s funkcionalnostima analitičkih softverskih alata za prikupljanje i pripremu podataka, mogućnostima koje imaju za izvođenje preliminarne analize i metodama odabira algoritama za modeliranje. Studenti će naučiti izvoditi analizu podataka uporabom programa Excel i izraditi prediktivni model uporabom aplikacija Microsoft Azure Machine Learning i IBM SPSS Modeler.
Cilj ovog modula je pripremiti studente za donošenje odluka temeljenih na podacima. Studenti će steći samostalne vještine potrebne za uspješno izvođenje analize podataka i izradu prediktivnih modela podataka što će ih pripremiti za buduće zaposlenje u području marketinga.
Literatura
Obvezna literatura:
1. Albright, S. Ch., Winston, W. (2019) Business Analytics: Data Analysis and Decision Making, 7th Edition. Boston, MA: CENGAGE Learning
2. Winston, W. L. (2016) Microsoft Excel 2016 - Data Analysis and Business Modeling Redmond: Microsoft Press [Online]. Available at: https://download.microsoft.com/download/0/9/6/096170E9-23A2-4DA6-89F5-7F5079CB53AB/9780735698178.pdf (Accessed: 10 May 2021)
3. Barnes, J. (2015) Azure Machine Learning, Redmond: Microsoft Press [Online]. Available at: https://download.microsoft.com/download/0/9/6/096170E9-23A2-4DA6-89F5-7F5079CB53AB/9780735698178.pdf (Accessed: 10 May 2021)
4. IBM (2021) Introduction to IBM SPSS Modeler and Data Science (v18.1.1 Available at: https://www.ibm.com/training/course/0A008G (Accessed: 10 May 2021)
Preporučena literatura:
1. Chorianopoulos, A. (2016) Effective CRM using Predictive Analytics, 1st edn, Chichester: Wiley and Sons
2. McCormick, K., Abbott, D. and Khabaza, T (2013) IBM SPSS Modeler Cookbook, Birmingham: Packt
3. van den Berg, R.G. (2021) SPSS Tutorials [Oline]. Available at: https://www.spss-tutorials.com/blog/ (Accessed: 10 May 2021)
Dodatna literatura:
1. Salcedo, J. and McCormick, K. (2017) IBM SPSS Modeler Essentials: Effective techniques for building powerful data mining and predictive analytics solutions, Birmingham: Packt
2. IBM (2021) Advanced Analytics with IBS SPSS Statistics [Online]. Available at: https://www.ibm.com/cloud/garage/dte/tutorial/advanced-analytics-ibm-spss-statistics (Accessed: 10 May 2021)
Minimalni ishodi učenja
- Izvršiti opisnu analizu na zadanom skupu podataka i protumačiti dobivene rezultate koristeći Excel.
- Izraditi prediktivni model i protumačiti dobivene rezultate koristeći aplikaciju SPSS Modeler.
- Izraditi prediktivni model i protumačiti dobivene rezultate koristeći aplikaciju Microsoft Azure ML.
- Predložiti rješenje poslovnog problema korištenjem alata za poslovnu analitiku i metodologiju CRISP-DM.
Željeni ishodi učenja
- Procijeniti zadani skup podataka, izraditi prediktivni model i protumačiti dobivene rezultate koristeći program Excel.
- Izraditi prediktivni model za složene podatke spojene iz više izvora i protumačiti dobivene rezultat koristeći aplikaciju SPSS Modeler.
- Izraditi prediktivni model za složene podatke spojene iz više izvora i protumačiti dobivene rezultate koristeći aplikaciju Microsoft Azure ML.
- Izraditi rješenje poslovnog problema korištenjem alata za poslovnu analitiku i metodologija CRISP-DM.