fbpx

Affrontare la Data Science e risolvere problemi reali con l’analisi predittiva è spesso un’impresa, da diversi punti di vista.
Innanzitutto, c’è bisogno di avere grande familiarità con concetti, teorie e strumenti che spesso non sono così semplici da comprendere; in secondo luogo, le informazioni necessarie sono sparpagliate in numerosi volumi e ricerche di difficile reperibilità.

È con l’obiettivo di rendere questo compito un po’ più semplice da affrontare che il Prof. Thomas W. Miller ha progettato Marketing Data Science: Modelling Techniques in Predictive Analytics with Python and R.

Il testo parte da un concetto-chiave: la Data Science non deve mai perdere di vista il proprio scopo.
Proprio in linea con questo assunto di base, la guida completa alla ‘Data Science che ha un obiettivo’ ci è stata consigliata da Marco Cerri durante una delle Lezioni del Master.

Marketing Data Science ha anche, però un altro ambizioso intento: parlare delle applicazioni marketing del predictive analytics sia ai professionisti del settore che agli accademici, provando (e riuscendo) a spiegare concetti e principi nel contesto di applicazioni al mondo reale del business.

Fin dalla prefazione il Prof. Miller è molto chiaro sull’impostazione del testo:
“Il modo più efficace per imparare davvero qualcosa della Marketing Data Science è lavorare attraverso gli esempi”

Il volume mette, infatti, in comunicazione informazioni fondamentali che prima erano isolate in testi specifici su analytics, information technology e programmazione arrivando ad affrontare tematiche importanti come:

  • Il ruolo delle analytics nel comunicare in modo incisivo sul web
  • Come comprendere il web attraverso l’analisi delle sue strutture nascoste
  • Essere riconosciuti sul web e analizzare i propri competitor
  • Visualizzare i network e comprendere le community al loro interno
  • Analizzare il sentiment 
  • Come utilizzare al meglio metodi fondamentali di Data Dcience come: database, data preparation, statistica classica, regressione, machine learning e analisi dei testi

In più, presenta sei completi casi di studio su temi particolarmente rilevanti con annesse soluzioni pratiche attraverso l’uso di Python o di R.

Capitoli principali
  1. Understanding Markets
  2. Predicting Consumer Choice
  3. Targeting Current Customers
  4. Finding New Costumers
  5. Retaining Customers
  6. Positioning Products
  7. Developing New Products
  8. Promoting Products
  9. Recommending Products
  10. Assessing Brands and Prices
  11. Utilizing Social Networks
  12. Watching Competitors
  13. Predicting SalesRedefining Marketing Research

A. Data Science Methods
B. Marketing Data Sources
C. Case Studies
D. Code and Utilities

L’Autore

Thomas W. Miller è laureato in Psicologia e Statistica all’Università del Minnesota e ha conseguito anche un Master’s Degree in Economia all’Università dell’Oregon.
Attualmente è il Direttore del Data Science Program alla Northwestern University presso la quale 
ha ideato diversi corsi in Practical Machine Learning, Marketing Analytics e Data Visualization.
Prima di diventare professore universitario ha lavorato per più di 15 anni nell’IT, soprattutto nei settori di computer e trasporti, ha diretto, inoltre, il A.C. Nielsen Center for Marketing Research.
È autore di numerose pubblicazioni per la Pearson/FT Press e fondatore della Research Publishers LLC, società editoriale e di consulenza.
Tra le aree in cui il Prof. Miller è formatore e consulente si possono annoverare il Machine Learnng, il Natural Language Processing, la Segmentazione.

 

Richiedi la Ricerca

Indagine sul livello di adozione e utilizzo dell'Intelligenza Artificiale in Italia

Privacy Policy

You have Successfully Subscribed!