After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Dit is je kans om met R de wereld van marketing- en businessanalytics in te duiken. Elke dag opnieuw moeten bedrijven talloze beslissingen nemen. Met behulp van statistische modellen kun je het beslissingsproces ondersteunen op basis van data in plaats van onderbuikgevoel. We laten je zien welke grote impact statistische modellering kan hebben op de prestaties van bedrijven. Je leert strategieën om je resultaten te communiceren en toe te passen, zodat ze echt het verschil maken.
Vereisten
Curriculum
Cursusoverzicht
1
Customer Lifetime Value modelleren met lineaire regressie
Hoe bepaal je welke klanten het meest waardevol zijn voor je bedrijf? Leer hoe je de customer lifetime value modelleert met lineaire regressie.
- Customer lifetime value in CRM50 XP
- Voordelen van het kennen van CLV50 XP
- Naar data kijken100 XP
- Eenvoudige lineaire regressie50 XP
- Residuen begrijpen50 XP
- Eenvoudige lineaire regressie schatten100 XP
- Meervoudige lineaire regressie50 XP
- Multicollineariteit vermijden100 XP
- Interpretatie van coëfficiënten50 XP
- Modelvalidatie, modelpassing en voorspelling50 XP
- Interpretatie van model fit50 XP
- Toekomstige verkoop voorspellen100 XP
2
Logistische regressie voor churnpreventie
Voorspellen of een klant je bedrijf zal verlaten (churn) is belangrijk om waardevolle klanten te targeten en risicoklanten te behouden. Leer hoe je klantchurn modelleert met logistische regressie.
3
Tijd tot herhaalaankoop modelleren met survivalanalyse
Leer hoe je de tijd tot een gebeurtenis modelleert met survivalanalyse. Dit kan de tijd tot de volgende bestelling zijn, of tot iemand churnt.
4
Dimensionaliteit reduceren met principalecomponentenanalyse
CRM-data kan erg uitgebreid zijn. Elke metriek die je verzamelt kan interessante informatie over je klanten bevatten. Maar werken met een gegevensset met te veel variabelen is lastig. Leer hoe je het aantal variabelen in je data vermindert met principalecomponentenanalyse. Dit helpt niet alleen om je data beter te begrijpen. PCA maakt het ook mogelijk informatie samen te vatten tot enkele indices en multicollineariteit op te lossen in een regressieanalyse met veel onderling gecorreleerde variabelen.
R
Machine Learning for Marketing Analytics in R
Cursus
voltooid
