Назад
III уровень
Цифровой маркетинг и медиа
Геомаркетинг на основе моделей пространственной статистики
БашГУ
72 часа
длительность
Онлайн
формат
Продвинутый
уровень
Описание
Курс направлен на формирование систематизированного представления о современных геоинформационных технологиях в маркетинге и бизнес-аналитике. В ходе прохождение курса слушатель знакомится с основными инструментами пространственной статистики и визуализации географически структурированных данных, формирует навыки применения методов пространственного анализа при принятии бизнес-решений и решении задач аналитического маркетинга и в конечном итоге развивает компетенцию цифровой экономики: глубокое понимание своей области, а также знания и опыт в смежных сферах («T-образный специалист»). Формирование навыков выполнения аналитических задач маркетинга и бизнес анализа осуществляется в ходе ознакомления с теоретическим материалом и последующего его закрепления на практических занятиях и в ходе самостоятельного решения кейс-заданий. Курсом предусмотрено 8 кейсов и 4 теста, в том числе один входной, а также выполнение итогового задания. Выполнение кейсов предполагает овладение программным продуктом GeoDa.
Область, в которой реализуется программа повышения квалификации: Цифровой маркетинг и медиа
В результате освоения программы у слушателя должна сформироваться профессиональная компетенция на базовом уровне: способность постановки и нахождения путей решения прикладных задач маркетинга с использованием современных инструментов анализа и визуализации географически-структурированных данных. Программа также способствует развитию компетенции цифровой экономики: глубокое понимание своей области, а также знания и опыт в смежных сферах («T-образный специалист»).
Полученные компетенции востребованы в деятельности маркетолога и бизнес аналитика, позволяя им анализировать территориальные различия в потребительском поведении и конкурентной среде рынков, а так же более обоснованно подходить к оценке существующих и открытию новых торговых точек. Также инструменты геомаркетинга могут быть использованы при планировании территориального
Цель программы
Цель курса дать систематизированное представление о современных геоинформационных технологиях в маркетинге, познакомить с основными инструментами пространственной статистики и визуализации географически структурированных данных, сформировать навыки применения методов пространственного анализа при принятии бизнес-решений, в конечном итоге развитие компетенций цифровой экономики: глубокое понимание своей области, а также знания и опыт в смежных сферах («T-образный специалист»)
В результате освоения программы у слушателя должна сформироваться профессиональная компетенция на базовом уровне:
Способность постановки и нахождения путей решения прикладных задач маркетинга с использованием современных инструментов анализа и визуализации географически-структурированных данных.
А также программа повышения квалификации способствует дальнейшему развитию компетенций цифровой экономики:
- глубокое понимание своей области, а также знания и опыт в смежных сферах («T-образный специалист)
В результате освоения программы у слушателя должна сформироваться профессиональная компетенция на базовом уровне:
Способность постановки и нахождения путей решения прикладных задач маркетинга с использованием современных инструментов анализа и визуализации географически-структурированных данных.
А также программа повышения квалификации способствует дальнейшему развитию компетенций цифровой экономики:
- глубокое понимание своей области, а также знания и опыт в смежных сферах («T-образный специалист)
Требования
Образование: высшее, среднее профессиональное.
Слушатели курса должны на продвинутом уровне пользоваться компьютером, знать основы теории статистики, иметь начальные навыки моделирования. Для слушателей курсов предусмотрены входные контрольные задания по теории статистике (описательные дескриптивные статистики, регрессионные модели и оценка их качества).
Иные требования и рекомендации для обучения по программе
Образование: высшее, среднее профессиональное.
Слушатели курса должны на продвинутом уровне пользоваться компьютером, знать основы теории статистики, иметь начальные навыки моделирования. Для слушателей курсов предусмотрены входные контрольные задания по теории статистике (описательные дескриптивные статистики, регрессионные модели и оценка их качества).
Модули
свернуть
Модуль 1
Введение в курс
Введение в курс ( 7 час.):
Основные понятия. Геоданные как рабочий инструмент аналитического маркетинга.
Цели и задачи геомаркетинга. Виды и источники данных. Типы данных: текстовые, числовые, порядковые и т.д. Привязка данных и пространственные данные (точка, полигон, координаты). Преобразования из полигонов в точки. Центроиды полигона. Структура территориального охвата используемая в анализе. Расширения файлов в которых может храниться информация о пространственной привязке данных. Программные продукты используемые в анализе геоданных.
Программный пакет Geoda: преимущества и возможности. Условия использования и установка GeoDA. Объединение данных.
Модуль 3
Методы оценки
Методы оценки пространственной корреляции данных (14 час.)
Тема 3.1. Формирование пространственных матриц (2,5 часа)
Пространственная матрица. Виды матриц. Принцип ладьи, слона, метод к-ближайших соседей при построении матрицы. Матрицы обратных расстояний, и походы к ее определению. Изменение масштаба координат для получения обратных весов расстояний. Создание пространственно-взвешенных переменных: с пространственным лагом как среднее или сумму соседей, на основе обратных весов расстояний.
Тема 3.2. Глобальные, локальные и многомерные индексы (11,5 часа)
Сглаживание пространственного изменения. Глобальный индекс Морана: оценка значения и построение графика рассеивания. Пространственная коррелограмма и выбор дистанции. Двумерная пространственная автокорреляция. Последовательная (временная) корреляция. Эмпирическая байесовская стандартизация в качестве средства корректировки статистики пространственного автокорреляционного теста Морана I. Локальный индекс Морана. Локальный индекс Джири. Статистика Геттиса-Орда. Статистики количества соединений (Local Join Count Statistic) для оценки пространственной автокорреляции бинарных переменных. Выявление кластеров и выбросов с помощью одномерной и двумерных расширений локальной статистики Морана. Идентификация многомерных кластеров с помощью локальной статистики Гири. Интерпретация эффектов взаимодействия и оценка их значимости
Модуль 5
Методы кластерного анализа
Методы кластерного анализа с пространственными ограничениями (14 час.)
Кластеризация методом k-средних: принципы, алгоритм и визуализация результатов. Кластеризация с уменьшением размерности. Два варианта оценки: K-медианы и K-медоиды. Иерархическая кластеризация: принципы, функции связи и интерпретация. Дендрограмма. Спектральная кластеризация: принципы и алгоритм. Методы пространственно-ограниченной кластеризации: K-средние с пространственными ограничениями, Иерархическая кластеризация с пространственными ограничениями, Спектральная кластеризация с пространственными ограничениями, Scater, Max-p. Геометрические центроиды как атрибуты. Взвешенная оптимизация. Оценка качества кластеризации.
Модуль 2
Методы анализа
Методы анализа географически структурированной информации и визуализация ее результатов (16 час.):
Тема 2.1. Визуализация данных: построение диаграмм (6 час.)
Классификация графиков по различным признакам: назначению (содержанию), способу построения и характеру графического образа. По содержанию или назначению: графики сравнения, графики различных относительных величин, графики размещения по территории и т.п. По характеру графического образа графики: точечные, линейные, плоскостные (столбиковые, квадратные, круговые, секторные, фигурные) и объемные. По способу построения: диаграммы, картограммы. Построение в GeoDa гистограммы, боксплот, скаттер плот (диаграмма рассеивания), 3Д скаттерплот, пузырьковой диаграммы и т.д.
Тема 2.2. Визуализация данных: картограммы (5 час.)
Построение в GeoDa квантильной, персентильной карты, карт с географическим отражением стандартного отклонения, группировки на равные интервалы и по наименьшему среднеквадратическому отклонению и т.д. Визуализация статистических данных: средняя, медиана, стандартное отклонение, вариация, корреляция, квартили, асимметрия и др.
Тема 2.3. Визуализация данных: картограмма относительных оценок (5 час.)
Эмпирический байесовский подход и подход пространственного усреднения при сглаживании оценок. Сравнительный анализ методами картографирования. Задачи аналитического маркетинга решаемые рассматриваемыми инструментами.
Модуль 4
Модели пространственного лага и ошибки
Модели пространственного лага (SAR) и пространственной ошибки (SEM) (12 час.):
Тема 4.1. Пространственные модели на кроссекционых данных (6 часов)
Виды регрессионных моделей учитывающих пространственную структуру данных. Модель с пространственным авторегрессионным лагом (SAR). Модель с пространственным взаимодействием в ошибках (SEM). Тесты о наличии пространственной взаимосвязи ошибок классической линейной регрессионной модели. Проблемы неучёта пространственного лага. Методы оценивания. Интерпретация моделей. Сравнение пространственных моделей с моделями без пространственной составляющей. Сравнение пространственных моделей с различной структурой пространственных взаимосвязей. Сравнение пространственных моделей с различным набором объясняющих переменных. Тема 4.2. Пространственные модели построенные на упорядоченных во времени данных (6 часов)
Пространственные модели на панельных данных: сквозная регрессия с пространственными эффектами. Оценка качества оценок и модели в целом. Оценка индивидуальных эффектов. Интерпретация моделей. Сравнение пространственных моделей с моделями без пространственной составляющей. Сравнение пространственных моделей с различной структурой пространственных взаимосвязей.
Модуль 1
Введение в курс
Введение в курс ( 7 час.):
Основные понятия. Геоданные как рабочий инструмент аналитического маркетинга.
Цели и задачи геомаркетинга. Виды и источники данных. Типы данных: текстовые, числовые, порядковые и т.д. Привязка данных и пространственные данные (точка, полигон, координаты). Преобразования из полигонов в точки. Центроиды полигона. Структура территориального охвата используемая в анализе. Расширения файлов в которых может храниться информация о пространственной привязке данных. Программные продукты используемые в анализе геоданных.
Программный пакет Geoda: преимущества и возможности. Условия использования и установка GeoDA. Объединение данных.
Модуль 2
Методы анализа
Методы анализа географически структурированной информации и визуализация ее результатов (16 час.):
Тема 2.1. Визуализация данных: построение диаграмм (6 час.)
Классификация графиков по различным признакам: назначению (содержанию), способу построения и характеру графического образа. По содержанию или назначению: графики сравнения, графики различных относительных величин, графики размещения по территории и т.п. По характеру графического образа графики: точечные, линейные, плоскостные (столбиковые, квадратные, круговые, секторные, фигурные) и объемные. По способу построения: диаграммы, картограммы. Построение в GeoDa гистограммы, боксплот, скаттер плот (диаграмма рассеивания), 3Д скаттерплот, пузырьковой диаграммы и т.д.
Тема 2.2. Визуализация данных: картограммы (5 час.)
Построение в GeoDa квантильной, персентильной карты, карт с географическим отражением стандартного отклонения, группировки на равные интервалы и по наименьшему среднеквадратическому отклонению и т.д. Визуализация статистических данных: средняя, медиана, стандартное отклонение, вариация, корреляция, квартили, асимметрия и др.
Тема 2.3. Визуализация данных: картограмма относительных оценок (5 час.)
Эмпирический байесовский подход и подход пространственного усреднения при сглаживании оценок. Сравнительный анализ методами картографирования. Задачи аналитического маркетинга решаемые рассматриваемыми инструментами.
Модуль 3
Методы оценки
Методы оценки пространственной корреляции данных (14 час.)
Тема 3.1. Формирование пространственных матриц (2,5 часа)
Пространственная матрица. Виды матриц. Принцип ладьи, слона, метод к-ближайших соседей при построении матрицы. Матрицы обратных расстояний, и походы к ее определению. Изменение масштаба координат для получения обратных весов расстояний. Создание пространственно-взвешенных переменных: с пространственным лагом как среднее или сумму соседей, на основе обратных весов расстояний.
Тема 3.2. Глобальные, локальные и многомерные индексы (11,5 часа)
Сглаживание пространственного изменения. Глобальный индекс Морана: оценка значения и построение графика рассеивания. Пространственная коррелограмма и выбор дистанции. Двумерная пространственная автокорреляция. Последовательная (временная) корреляция. Эмпирическая байесовская стандартизация в качестве средства корректировки статистики пространственного автокорреляционного теста Морана I. Локальный индекс Морана. Локальный индекс Джири. Статистика Геттиса-Орда. Статистики количества соединений (Local Join Count Statistic) для оценки пространственной автокорреляции бинарных переменных. Выявление кластеров и выбросов с помощью одномерной и двумерных расширений локальной статистики Морана. Идентификация многомерных кластеров с помощью локальной статистики Гири. Интерпретация эффектов взаимодействия и оценка их значимости
Модуль 4
Модели пространственного лага и ошибки
Модели пространственного лага (SAR) и пространственной ошибки (SEM) (12 час.):
Тема 4.1. Пространственные модели на кроссекционых данных (6 часов)
Виды регрессионных моделей учитывающих пространственную структуру данных. Модель с пространственным авторегрессионным лагом (SAR). Модель с пространственным взаимодействием в ошибках (SEM). Тесты о наличии пространственной взаимосвязи ошибок классической линейной регрессионной модели. Проблемы неучёта пространственного лага. Методы оценивания. Интерпретация моделей. Сравнение пространственных моделей с моделями без пространственной составляющей. Сравнение пространственных моделей с различной структурой пространственных взаимосвязей. Сравнение пространственных моделей с различным набором объясняющих переменных. Тема 4.2. Пространственные модели построенные на упорядоченных во времени данных (6 часов)
Пространственные модели на панельных данных: сквозная регрессия с пространственными эффектами. Оценка качества оценок и модели в целом. Оценка индивидуальных эффектов. Интерпретация моделей. Сравнение пространственных моделей с моделями без пространственной составляющей. Сравнение пространственных моделей с различной структурой пространственных взаимосвязей.
Модуль 5
Методы кластерного анализа
Методы кластерного анализа с пространственными ограничениями (14 час.)
Кластеризация методом k-средних: принципы, алгоритм и визуализация результатов. Кластеризация с уменьшением размерности. Два варианта оценки: K-медианы и K-медоиды. Иерархическая кластеризация: принципы, функции связи и интерпретация. Дендрограмма. Спектральная кластеризация: принципы и алгоритм. Методы пространственно-ограниченной кластеризации: K-средние с пространственными ограничениями, Иерархическая кластеризация с пространственными ограничениями, Спектральная кластеризация с пространственными ограничениями, Scater, Max-p. Геометрические центроиды как атрибуты. Взвешенная оптимизация. Оценка качества кластеризации.
Преподаватели
Лакман
Ирина Александровна
БашГУ
Тимирьянова
Венера Маратовна