Data Mining

Value Lab
A Milano e Roma

400 
+IVA
Vuoi parlare del corso con un consulente?
Confronta questo corso con altri simili
Leggi tutto

Informazione importanti

  • Corso
  • Per aziende
  • In 2 sedi
  • 7 ore di lezione
Descrizione

Obiettivo del corso: Sfruttare i database di marketing (regressione, ananlisi fattoriale, cluster analysis, alberi decisionali, survival analysis, basket analysis).
Rivolto a: Professional e Responsabili del settore Marketing.

Informazione importanti Sedi

Dove e quando

Inizio Luogo
Consultare
Milano
Via Durini, 23, 20122, Milano, Italia
Visualizza mappa
Consultare
Roma
Piazza Marconi, 15, 00144, Roma, Italia
Visualizza mappa

Domande più frequenti

· Requisiti

Nessuno.

Programma

Illustrazione delle principali tecniche di Data Mining
Obiettivi, dati, interpretazione dei risultati

Principali vantaggi ed eventuali svantaggi rispetto alle altre metodologie

Modelli Predittivi

Gli Alberi decisionali

  • Variabile obiettivo e predittori
  • Il processo di costruzione dell'albero e le regole di arresto
  • Gli output del modello
  • Gestione di costi e guadagni
  • Score per le azioni di Direct Marketing
  • Valutazione economica dell'attività e ritorni attesi

La Regressione lineare

  • Stima di una quantità: il modello lineare
  • La gestione delle variabili esplicative
  • Costruzione del modello: la selezione delle variabili esplicative (Stepwise, Forward, Backward)
  • Interpretazione dell'output (R-quadrato, Beta, Significatività)
  • Valutazione della qualità del modello in funzione del numero di variabili e della capacità predittiva

La Regressione logistica

  • Stima della probabilità di un evento: il modello logistico
  • La gestione delle variabili esplicative
  • L'interpretazione dei coefficienti del modello
  • La valutazione della qualità del modello

Cenni sulle reti neurali

L'Adattamento del modello

  • Valutazione della qualità di un modello
  • L'overfitting e i differenti metodi per prevenirlo (campionamento e cross validation)
  • Valutazione statistica: Guadagno e lift
  • Valutazione economica: Profitti e ROI

La Cluster analysis

  • Valutazioni preliminari sui dati
  • Trasformazione delle variabili
  • Metodi gerarchici (Ward's Method, Between Groups Linkage, Centroid) e non gerarchici (K Means)
  • Scelta del numero di cluster e analisi del Dendrogramma
  • Analisi dei profili dei cluster
  • Verifica delle variazioni nel tempo dei cluster identificati

La Basket analysis

  • Rappresentazioni grafiche delle associazioni
  • La variabile target
  • Gli indicatori della basket analysis (Supporto, Confidenza e Lift)
  • Interpretazione e utilizzo delle regole individuate


Confronta questo corso con altri simili
Leggi tutto