Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Das ist deine Chance, mit R in die Welt von Marketing- und Business-Analytics einzutauchen. Tag für Tag müssen Unternehmen zahlreiche Entscheidungen treffen. Mit statistischen Modellen kannst du den Entscheidungsprozess auf Basis von Daten unterstützen – nicht aus dem Bauch heraus. Wir zeigen dir, welchen großen Einfluss statistisches Modeling auf die Performance von Unternehmen haben kann. Du lernst Strategien kennen und anwenden, um deine Ergebnisse zu kommunizieren und wirklich etwas zu bewirken.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Customer Lifetime Value mit linearer Regression modellieren
Wie kannst du entscheiden, welche Kundinnen und Kunden am wertvollsten für dein Unternehmen sind? Lerne, den Customer Lifetime Value mit linearer Regression zu modellieren.
- Customer Lifetime Value im CRM50 XP
- Vorteile, den CLV zu kennen50 XP
- Daten ansehen100 XP
- Einfache lineare Regression50 XP
- Residuen verstehen50 XP
- Einfache lineare Regression schätzen100 XP
- Multiple lineare Regression50 XP
- Multikollinearität vermeiden100 XP
- Interpretation von Koeffizienten50 XP
- Modellvalidierung, Modellgüte und Vorhersage50 XP
- Modellgüte interpretieren50 XP
- Zukünftige Umsatzvorhersagen100 XP
2
Logistische Regression zur Churn-Prävention
Vorherzusagen, ob ein Kunde dein Unternehmen verlassen wird (Churn), ist wichtig, um wertvolle Kundinnen und Kunden gezielt anzusprechen und gefährdete zu halten. Lerne, Customer Churn mit logistischer Regression zu modellieren.
3
Zeit bis zur Nachbestellung mit Survival-Analyse modellieren
Lerne, die Zeit bis zu einem Ereignis mit Survival-Analyse zu modellieren. Das kann die Zeit bis zur nächsten Bestellung sein – oder bis eine Person churnt.
4
Dimensionalität mit Hauptkomponentenanalyse reduzieren
CRM-Daten können sehr umfangreich sein. Jede von dir erhobene Kennzahl kann interessante Informationen über deine Kundschaft enthalten. Aber mit einem Datensatz mit zu vielen Variablen umzugehen, ist schwierig. Lerne, die Anzahl der Variablen in deinen Daten mit der Hauptkomponentenanalyse zu reduzieren. Das hilft nicht nur, deine Daten besser zu verstehen. PCA ermöglicht es dir außerdem, Informationen zu einzelnen Indizes zu verdichten und Multikollinearität in einer Regressionsanalyse mit vielen stark korrelierten Variablen zu lösen.
R
Machine Learning für Marketing-Analytics in R
Kurs
abgeschlossen
