Conhecimentos de Base Recomendados
Conhecimentos de Estatística Descritiva.
Métodos de Ensino
As aulas são constituídas por duas componentes, teórica e prática de forma a proporcionar ao aluno uma
aquisição de conhecimentos estruturada em fundamentos de base teórica e validada com ferramentas de aplicação prática.
O aluno terá acesso aos diapositivos que a bibliografia integra bem como a material de estudo desenvolvido pelo docente.
Resultados de Aprendizagem
Objetivos:
A procura de informação relevante e significativa em grandes quantidades de dados constitui um fator determinante na era do “Big Data”.
A extração de Informação relevante, a descoberta de padrões e relacionamentos para apoio à decisão na gestão empresarial assume-se como objetivo fundamental desta unidade curricular.
Entender o modelo CRISP-DM por forma a poder realizar uma análise exploratória dos dados e em seguida possa selecionar o modelo mais correto sabendo realizar uma análise comparativa entre os modelos elegíveis.
Aplicação dos modelos de classificação e segmentação em campanhas de marketing.
Competências:
Saber resolver problemas de Gestão do Relacionamento com o Cliente através da procura de informação relevante nos diferentes canais de comunicação empresarial .
Saber utilizar o modelo CRISP-DM por forma a poder realizar uma análise exploratória dos dados e em seguida possa selecionar o modelo mais correto sabendo realizar uma análise comparativa entre os modelos elegíveis.
Saber utilizar os modelos de classificação e segmentação em campanhas de marketing.
Programa
1.Introdução às técnicas de Data Mining
1.1.Conceitos básicos
1.2.Conjunto de Dados
2.Modelos e Algoritmos de Aprendizagem
2.1.Medidas de erro
2.2.Tendência de Indução
2.3.Sobre – ajustamento e generalização
3.Preparação de Dados
3.1.Análise exploratória de dados
3.2.Pré-processamento de dados
4.Árvores de decisão
5.Regras de classificação
6.Modelos funcionais
7.Redes neuronais artificiais
8.Avaliação e comparação de modelos
9.Metodologias de modelos de classificação
9.1.Utilização de modelos de classificação em campanhas de marketing
9.2.Modelos de aquisição
9.3.Modelos de venda
10.Metodologias de segmentação comportamental
10.1.Segmentação de clientes
10.2.Segmentação em agrupamentos
10.3.Aplicações de segmentação no sector financeiro
10.4.Aplicações de segmentação nas telecomunicações
10.5.Aplicações de segmentação no retalho
Docente(s) responsável(eis)
Estágio(s)
NAO
Bibliografia
- Data Analytics for Marketing and CRM (Data Analytics Applications) , Jie Cheng, Auerbach Publications; 1st edition, 2021, ISBN-13 : 978-1498764247
- Creating Value with Data Analytics in Marketing: Mastering Data Science, Peter C. Verhoef et al., TAYLOR & FRANCIS LTD, ISBN: 9780367819798
- Product Analytics: Applied Data Science Techniques for Actionable Consumer Insights, Joanne Rodrigues ,1st edition, Addison-Wesley Professional,2021,ISBN-13: 978-0135258521.
- Data Mining Techniques In Crm – Antonios Chorianopoulos, Wiley 2016 ISBN: 978-0470743973.
- Introduction to Data Mining, 2nd Edition, – Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar, , 2018 • Pearson, ISBN-13: 978-0-13-312890-1.
- Data Mining for Business Analytics: Concepts, Techniques and Applications in Python, 1st Edition by Galit Shmueli, Peter C. Bruce, Peter Gedeck, Nitin R. Patel, Wiley;2019,ISBN-13 : 978-1119549840.
- Business Analytics, Global Edition, 2/E ,James R. Evans, 2017 • Pearson , ISBN-13: 9781292095448.
- Commercial Data Mining, Processing, Analysis and Modeling for Predictive Analytics Projects,1st Edition,, Morgan Kaufmann 2014 ,ISBN-13: 9780124166028.
- Data Mining and Predictive Analytics, Daniel T. Larose, Chantal D. Larose, 2nd Edition, 2015 , ISBN: 978-1-118-11619-7.