Data Analysis for Marketing Intelligence
​
Obiettivi:
segmentare la customer base mediante le principali tecniche statistiche.
​
Tecniche presentate:
regressione multipla, regressione logistica, analisi statistica multivariata per la classificazione (analisi discriminante, alberi decisionali) e per il perceptual mapping e l’analisi delle preferenze (analisi fattoriale, conjoint analysis, multidimensional scaling).
​
Esercitazioni:
Sono previste esercitazioni per ciascuno degli argomenti trattati.
​
Prerequisiti:
è propedeutica la frequenza al corso INTRO o avere una conoscenza intermedia di Statistics for Data Analysis.
Argomenti:
Modelli predittivi ed interpretativi
-
Previsione di un fenomeno quantitativo
-
La regressione lineare semplice
-
Gli assunti del modello di regressione
-
La regressione lineare multipla
-
Anali diagnostica
-
Introduzione al modello lineare generalizzato
-
Cenni ai modelli non lineari
-
-
Previsione di un fenomeno qualitativo
-
La regressione logistica
-
Cenno ai modelli loglineari
-
Modelli di segmentazione
-
L'interdipendenza tra le variabili
-
Le distanze
-
-
La cluster analysis
-
Metodi gerarchici, delle k medie e two step
-
-
Le reti neurali (cenni)
-
Self Organizing Map (Kohonen)
-
Modelli di classificazione
-
L'anlisi discriminante
-
Gli alberi decisionali
-
Metodo chaid e metodo C&RT
-
Regole di arresto
-
Stima del rischio
-
Validazione del modello
-
Profitti, costi di errata classificazione, probabilità a priori.
-