Master in Self-Service Analytics Εφαρμοσμένο στο Μάρκετινγκ

Το Master Self-Service Analytics Applied to Marketing με την προοπτική της βελτίωσης της ανάγνωσης του επιχειρηματικού περιβάλλοντος, το πρόγραμμα βασίζεται σε μια προσέγγιση που απαιτεί από τους συμμετέχοντες την επεξεργασία και εφαρμογή μεθοδολογιών και στρατηγικών ενεργειών στο ψηφιακό περιβάλλον και στο στρατηγικό και σχέση. Σε ένα συνεργατικό περιβάλλον, οι συμμετέχοντες θα σχεδιάσουν δράσεις και ένα έργο ολοκλήρωσης μαθημάτων, το οποίο θα αναπτυχθεί σε όλο το πρόγραμμα.

για τους οποίους προορίζεται

• Επιχειρηματικός αναλυτής από εκπαιδευόμενους έως ηλικιωμένους και όλους τους επαγγελματίες που θέλουν να κατακτήσουν όχι μόνο έννοιες, αλλά και εργαλεία αγοράς που σχετίζονται με αυτές.
• Σύμβουλοι και αυτοαπασχολούμενοι που εργάζονται στην περιοχή και θέλουν να βελτιωθούν για να εξυπηρετήσουν μεσαίες και μεγάλες επιχειρήσεις.
• Εταιρείες, διαφημιστικά και επικοινωνιακά γραφεία που πρέπει πραγματικά να γίνουν Data Driven.
• Συντονιστές και Διευθυντές διαφόρων επιχειρηματικών τομέων.

προφίλ αποφοίτων

Οι απόφοιτοι του προγράμματος Master in Self Service Analytics Applied to Marketing αναμένεται να έχουν τα ακόλουθα προσόντα:

• Δυνατότητα καθορισμού των διαδικασιών λήψης αποφάσεων καθ' όλη τη διάρκεια του αναλυτικού ταξιδιού, από τη λήψη και την προετοιμασία, έως το μέρος της οπτικοποίησης δεδομένων.
• Αρχιτεκτονήστε και οργανώστε εσωτερικά και εξωτερικά δεδομένα και πληροφορίες για την υποστήριξη της επιχειρησιακής, τακτικής ή στρατηγικής λήψης αποφάσεων.
• Μοντελοποίηση σύνθετων προβλημάτων που σχετίζονται με διαδικασίες μάρκετινγκ.
• Εφαρμόστε αναλυτική νοημοσύνη και μια ολιστική άποψη των διαδικασιών και της φύσης των πληροφοριών για την υποστήριξη της επιχειρησιακής, τακτικής ή στρατηγικής λήψης αποφάσεων.

τι θα μάθεις

Ενότητα I – Από το BI στο Analytics

• Business Intelligence
• Αρχιτεκτονική Δεδομένων
• Έννοιες SQL
• Το Cloud εφαρμόζεται στα δεδομένα

Ενότητα II - Self Service BI

• Εισαγωγή στο Self Service BI
• Οπτικοποίηση δεδομένων
• Ημερομηνία Άρθ

Ενότητα III – Προετοιμασία Δεδομένων

• Μοντελοποίηση Δεδομένων
• Προετοιμασία Δεδομένων

Ενότητα IV - Analytics

• Predictive Analytics
• Auto Machine Learning
• Αρχές Επιστήμης Δεδομένων
• Έργο ολοκλήρωσης μαθήματος*

*Στο τέλος του μαθήματος, οι φοιτητές θα παρουσιάσουν την εργασία ολοκλήρωσης του μαθήματος (TCC) αυτοπροσώπως σε μια ομάδα καθηγητών. Η παρουσίαση πραγματοποιείται σε μία από τις μονάδες ESPM, στο Σάο Πάολο, στο Ρίο ντε Τζανέιρο ή στο Πόρτο Αλέγκρε.