Het merendeel van deze analyses wordt uitgevoerd met machine learning tools door data scientists. Data scientists zijn nodig om de analyse modellen te bouwen. Data scientists kunnen analyseren maar zijn doorgaans minder sterk in de interpretatie en de link met de business context. Dit betekent dat data scientists moeten worden aangestuurd door personen die de link weten te leggen tussen de business issue (marketing vraagstukken) en data science methoden. Om een datascientist goed te kunnen briefen is begrip nodig van de methoden en werkzaamheden van de datascientist.

INHOUD

Behandelen welke machine learning methoden er zijn en voor welke type business issues ze kunnen worden ingezet. Begrijpen hoe de uitkomsten van machine learning methodes worden gevalideerd, kloppen de uitkomsten wel, zijn ze logisch? Leren hoe je data science kunt toepassen bij een echte marketing case study waarbij consumer understanding cruciaal is: Vanuit een business issue en combinatie van meerdere, niet volledige, data bronnen een briefing opstellen voor de datascientist Het beoordelen van een analyse voorstel van de datascientists Het beoordelen van de analyse uitkomsten van de datascientist Het vertalen van de uitkomsten naar aanbevelingen en toepassingen binnen de business

DOEL

In staat zijn zelfstandig een data science briefing te formuleren voor de datascientist en de uitkomsten van data science te begrijpen en te vertalen in business / marketing implicaties

DOELGROEP

Professionals die te maken hebben met/beschikking hebben over interne en externe data bronnen en deze willen (laten) exploiteren voor het oplossen van business (marketing) issues.

PRAKTISCHE INFORMATIE