Kundensegmentierung in Excel & Python Seminar

13. Dezember 2022 - 14. Dezember 2022 - 9:00 - 12:30

Aufbau von Kundenverständnis durch Kundensegmentierung

relevant. maßgeschneidert. informativ.

Mit dem Wachstum an Marketing- und Kommunikationskanälen sowie den damit verbundenen Daten wachsen die Chancen, ein vollständiges Kundenbild zu erhalten - gleichzeitig wächst aber auch die Herausforderung, die riesigen Datenbestände auszuwerten.

Die Lösung lautet Customer Analytics: Mit dem Werkzeug Customer Analytics beeinflussen Sie aktiv das Kundenverhältnis. So verhindern Sie beispielsweise das Abwandern von Kunden (Churn Prevention) oder identifizieren Potenziale zur Neukundengewinnung. Um quantitative wie auch qualitative Insights zu erhalten, kommen Methoden aus der Statistik und dem maschinellen Lernen zum Einsatz.

Ziel: Eine ganzheitliche 360°-Sicht auf den Kunden – über sämtliche Touchpoints hinweg.

Hier geht's zur Anmeldung

13.12.2022 I 9-12.30 Uhr
14.12.2022 I 9-12.30 Uhr

Agenda		Merkmale des Seminars
Einführung Demand Forecasting Praxisübung: Demand Forecasting in Excel Einführung in Python Praxisübung: Data Screening & ARIMA Forecasting in Python Theorieteil Feature Engineering Praxisübung: Feature Engineering in Python Einführung Demand Forecasting als Regression Praxisübung: Praxisbeispiel Demand Forecasting Python Evaluation & nächste Schritte im Demand Forecasting		Selbständige Umsetzung von Demand-Forecasting-Cases Einsatz von Demand-Forecasting-Tools Individuelle Betreuung Methodisches Know-how für komplexe Analysen Erfolgreiche Use Cases aus der Praxis

Online Seminar in Kooperation mit Controller Institut
10% Rabatt auf Anmeldegebühr mit Code „pmOne10“
20% Rabatt auf Gesamtpreis bei gleichzeitiger Buchung von Kundensegmentierung in Excel & Python Seminar
Trainer mit langjähriger Beratungs- und Projekterfahrung

Durchführung

In diesem Seminar zeigen wir Ihnen die Grundzüge dieser Technologie und mit welchen Methoden diese realisiert werden können. Nach einer einfachen Planung in Microsoft Excel verlassen wir diese Welt und widmen uns der Implementierung in Python. Dort werden zunächst die Daten gesichtet und in einen ersten Planungsalgorithmus überführt (ARIMA). Um das volle Potenzial der Daten auszuschöpfen und ggf. dem Modell weitere Informationen zur Verfügung zu stellen (z.B. liegt in der nächsten Woche ein Feiertag?), begeben wir uns in die Welt des Feature Engineerings, in der wir diese Intuitionen in programmatische Abläufe einbetten. Im nächsten Block werden diese Features in einer Regressionsanalyse verwendet, um eine Prognose zu erstellen. Das Training schließen wir mit einem Block über die Evaluierung dieser Systeme ab. Zudem zeigen wir Ihnen, wie Sie diese Implementierung auf Ihren Anwendungsfall adaptieren können.