Image for
Naslovnica

Analitički softverski alati u marketingu

  • Predavanje 30
  • Vježbe 30
  • Samostalni rad 60
Ukupno 120

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.
Preuzmi vodič za studente
Podijeli: Facebook Twitter