Летняя Школа Анализа Данных

Друзья, мы рады объявить о том, что полным ходом готовимся к запуску нашего нового масштабного образовательного проекта - Летней школы анализа данных! Школа будет проходить с 5 июля по 1 сентября 2022 г. в онлайне (через Zoom). Будем разбирать все основные методы анализа, начиная с базовой статистики и синтаксиса SPSS, и заканчивая нелинейными регрессиями и ARIMA. Как всегда, всё на практике, с примерами, хитростями в SPSS и других софтах, и особенностями интерпретации методов.

Занятия будут проходить по вторникам и четвергам, предварительно с 19:00 до 21:00. По средам будут разборы домашних работ также с 19 до 21. Записываться будет можно не только на всю школу, но и на отдельные лекции по тем методам, которые вам нужны и интересны. Домашние задания можно будет делать также только по тем методам, которые вы хотите отработать и по которым вам нужна обратная связь.

Все подробности, описание и ссылки на регистрацию появятся на нашем канале чуть позже. Подписывайтесь (если еще не), оставайтесь с нами, следите за новостями!

А пока - в качестве тизера-трейлера Школы - предлагаем вам посмотреть обзорную лекцию Марка Шафира по основным методам анализа данных. 9 методов за 35 минут (точнее, даже за 27,5 минут - минус введение):
https://youtu.be/qkvAPyYbZ7c

ТАЙМКОДЫ:
02:43 Общая логика анализа большой базы данных
07:24 Анализ стандартизованных остатков (Standartized Residuals)
11:18 Анализ соответствий (Correspondence Analysis)
13:47 Категориальный факторный анализ (CatPCA)
15:12 Деревья классификации (Classification Trees), CHAID
19:20 Кластерный анализ (Cluster Analysis)
21:38 Дискриминантный анализ (Discriminant Analysis)
26:02 Регрессионный анализ (Regression Analysis)
27:26 Конджойнт-анализ (Conjoint Analysis)
32:23 Анализ временных рядов (Time Series Analysis)

#mark_shaphir #radar_school #lectures #course #data_analysis #spss #residuals #correspondence_analysis #factor #captca #cluster #segmentation #discriminant #chaid #regression #conjoint #timeseries #autoregression #arima

Предварительная программа Летней школы анализа данных — 2022

Привет, ребята! Мы подготовили предварительную программу Летней школы. Она включает девять тем, занимающих по неделе каждая. Тема состоит из трех занятий: (1) базовая лекция, (2) продвинутая лекция, после которой задается домашнее задание, и (3) воркшоп с разбором и обсуждением домашних заданий.

Все занятия ведет Марк Шафир, CEO & Co-Fouder RADAR. Регистрироваться можно будет на любые темы/занятия независимо друг от друга. Занятия будут проходить с 19:00 до 21:00 МСК в зуме.

Подробное описание каждого занятия и ссылки на регистрацию на TimePad появятся на следующей неделе, а пока — планируйте даты по интересующим вас темам:

1. БАЗОВАЯ СТАТИСТИКА И МЕРЫ СВЯЗИ
05 июля — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
07 июля — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
13 июля — Воркшоп: разбор и обсуждение домашних заданий

2. АНАЛИЗ СООТВЕТСТВИЙ И КАРТЫ ВОСПРИЯТИЯ
12 июля — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
14 июля — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
20 июля — Воркшоп: разбор и обсуждение домашних заданий

3. ФАКТОРНЫЙ АНАЛИЗ И СНИЖЕНИЕ РАЗМЕРНОСТИ
19 июля — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
21 июля — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
27 июля — Воркшоп: разбор и обсуждение домашних заданий

4. КЛАСТЕРНЫЙ АНАЛИЗ И СЕГМЕНТАЦИЯ
26 июля — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
28 июля — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
03 августа — Воркшоп: разбор и обсуждение домашних заданий

5. ДИСКРИМИНАНТНЫЙ АНАЛИЗ И ОБУЧЕНИЕ СЕГМЕНТАЦИИ
02 августа — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
04 августа — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
10 августа — Воркшоп: разбор и обсуждение домашних заданий

6. ДЕРЕВЬЯ КЛАССИФИКАЦИИ И СКОРИНГ-СИСТЕМЫ
09 августа — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
11 августа — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
17 августа — Воркшоп: разбор и обсуждение домашних заданий

7.РЕГРЕССИОННЫЙ АНАЛИЗ И МОДЕЛИ ЗАВИСИМОСТИ
16 августа — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
18 августа — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
24 августа — Воркшоп: разбор и обсуждение домашних заданий

8. CONJOINT И ОПТИМИЗАЦИЯ ПРОДУКТА
23 августа — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
25 августа — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
31 августа — Воркшоп: разбор и обсуждение домашних заданий

9. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ И ПРОГНОЗИРОВАНИЕ
30 августа — Базовая лекция: для решения каких бизнес-задач используется, как работает, как интерпретировать
01 сентября — Продвинутая лекция: расчеты в SPSS и макросах, приёмы и хитрости
07 сентября — Воркшоп: разбор и обсуждение домашних заданий

#mark_shaphir #radar_school #lectures #course #data_analysis #spss #basic_statistics #residuals #correspondence_analysis #factor #captca #cluster #segmentation #discriminant #chaid #regression #conjoint #timeseries #autoregression #arima

Критерии успешной сегментации

Сегментация потребителей – важнейший инструмент маркетинга. Хорошая сегментация помогает фокусироваться и дифференцироваться, увеличивать продажи, пенетрацию и прибыль, снижать издержки на поддержание уровня лояльности и коммуникацию с клиентами.

Технически сегментации чаще всего строятся с помощью кластерного анализа. Методов кластерного анализа существует очень много, как и видов расстояний. Если добавить к этому разное возможное количество и тип шкал кластеризующих переменных, а также разное возможное число кластеров, то потенциальное количество решений становится огромным! Как оценивать все эти возможные решения и как выбрать из них наилучшее?

Мы обычно ориентируемся на следующие критерии:

1. Решение бизнес-задач
Сегментация должна чётко показывать возможности для увеличения прибыли
— Для этого у вас должны быть такие показатели, как: средний чек, LTV, потенциальный объем продаж сегменту, издержки, и т.д.

2. Дифференциация
Представители разных сегментов должны максимально сильно отличаться друг от друга по поведению (в том числе по потребляемым брендам и типам продукта), и при этом быть максимально схожими внутри сегмента
— Технически за это отвечает внутрикластерная и межкластерная дисперсия

3. Устойчивость
Возможность многократного воспроизведения сегментации, в т.ч. в последующих волнах и в других исследованиях
— Устойчивость можно оценить с помощью, например, коэффициентов tau-B и tau-C Кендалла, или с помощью дискриминантного анализа

4. Идентификация
Простота и четкость определения принадлежности к сегменту - в идеале так, чтобы в любой точке контакта клиента (в том числе потенциального) с компанией можно было определить сегмент клиента
— Технически за это отвечает дискриминантный либо регрессионный анализ

5. Достижимость
Возможность донести до сегмента не только сам наш продукт, но и коммуникацию с подходящим месседжем через релевантные для него каналы
— Для этого вам нужны данные о точках контакта клиента с компанией, данные о медиа-потреблении и стиле жизни сегментов

Сегодня на базовой лекции о кластерном анализе будем разбираться в этих критериях, а также в самих методах и расстояниях, их возможностях и ограничениях. Начинаем в 19:00. Не забудьте зарегистрироваться в Летней Школе Анализа Данных, если еще не.

#radar_school #segmentation #cluster #discriminant

Дискриминантный анализ: следующий этап работы с сегментацией после кластерного

Дискриминантный анализ (ДА) – это мощный инструмент работы с уже имеющейся классификацией. Он не строит сами сегментации, но зато умеет предсказывать принадлежность к сегменту на основе значений независимых переменных (иксов). Дискриминантный анализ ищет такую комбинацию иксов, которая максимизирует различия между сегментами.

В маркетинговых исследованиях преимущества дискриминантного анализа сильнее всего раскрываются при работе с сегментацией, построенной до этого, например, одним из методов кластерного анализа. Собрали основные возможности дискриминантного анализа ниже:

1. Показывает, по каким именно переменным сегменты сильнее всего различаются
Построив сегменты кластерным анализом, мы не знаем, какие именно из кластеризующих переменных сильнее всего разносят респондентов по сегментам. Для этого нам нужен как раз ДА

2. Оценивает устойчивость сегментации
ДА – это один из инструментов оценки устойчивости кластерного решения, наряду с tau-B и tau-C Кендалла. Причем ДА не просто показывает общий коэффициент воспроизводимости сегментации, но и отдельно по каждому сегменту

3. Формирует правила отнесения к сегментам
С помощью ДА можно создать калькулятор отнесения респондента к сегменту на основе его ответов, причем не обязательно только на те вопросы, на которых строилась сама сегментация

4. Обучает новую выборку
С помощью ДА можно обучить сегментации новую волну исследования (или другое исследование) и сразу же оценить качество этого обучения. Соотношение обучающей выборке к обучаемой должно быть, желательно, не менее 3:1, лучше 4:1. Вообще, чем больше это соотношение - тем лучше

5. Снижает размерность пространства
По аналогии с методом главных компонент и анализом соответствий, ДА тоже снижает размерность пространства, выделяя 2 или более главных осей (дискриминантных функций), которые отделяют одни сегменты от других. Эти оси также принято интерпретировать и давать им содержательные названия

6. Строит карты наподобие анализа соответствий, только с интервальными переменными
ДА дает возможность строит Point-Vector Maps. Это вид карт позволяет расположить в двумерном пространстве одновременно и сегменты, и переменные, по которым эти сегменты различаются. С виду эти карты похожи на карты соответствий, но интерпретируются по-другому

Сегодня на базовой лекции о дискриминантном анализе будем разбираться в этих и других возможностях метода. Начинаем в 19:00. Лекция бесплатная, нужна регистрация в Летней Школе Анализа Данных.

#radar_school #discriminant #cluster #segmentation

Видео вебинара по картам восприятия

Выложили видео вебинара Марка Шафира по картам восприятия. В нём за 47 минут разбираем:

— Какие бывают карты восприятия
— Как сравнивать прямые процентные профили брендов по атрибутам
— Как строить и интерпретировать простейшие двумерные карты в пространстве двух атрибутов
— Что делать, если атрибутов много
— Как интерпретировать карты восприятия, построенные с помощью анализа соответствий, и зачем делить карты на сектора
— В чём фишка карт, которые предлагает дискриминантный анализ
— Как интерпретировать точечно-векторные карты, и что содержательно означают стрелочки векторов
— Подводим итоги, сравниваем, обсуждаем

Смотрим примеры из сфер продуктового ритейла и банковских услуг на данных наших синдикативных исследований

#video #lectures #mark_shaphir #data_analysis #perceptual_mapping #correspondence #discriminant