Центр Статистических Технологий

 

 

И в мире нет таких вершин, что взять нельзя.
Среди нехоженых путей один - пусть твой.
Среди невзятых рубежей один - за мной
.
В.Высоцкий

 
 
Главная
Программа подготовки аналитиков «Эксперт»
Система Аналитических Компетенций
SixSigma
Обучение, внедрение
Консалтинг
Тренинги и семинары
 

РАСПИСАНИЕ тренингов и семинаров

Корпоративное обучение

Записаться на тренинг

Проекты
Консультационное сопровождение проектов
Блог Егорова А.М.
Вебинары
Методы анализа
Статьи
Репутация
Отзывы
Вакансии
Контакты
   
Обучение
(812)33-295-43   (812)33-295-44


Дистанционная версия тренинга доступна
ЗДЕСЬ

Тренинг

АНАЛИЗ ДАННЫХ
(с использованием Excel или SPSS)

4 дня / 32 академических часа

13-16 марта 2018 г. (СПб)
27-30 августа 2018 г. (СПб)

ЗАПИСАТЬСЯ НА ТРЕНИНГ

Расписание

После окончания обучения Вы сможете:

  • Правильно подготавливать исходные данные для анализа
  • Рассчитывать и грамотно интерпретировать статистические показатели и графики
  • Проверять гипотезы с помощью доказательных методов и визуализировать результаты анализа
  • Моделировать и прогнозировать исследуемые показатели в зависимости от различных факторов
  • Обрабатывать результаты анкетирования / опроса

После обучения Вы получите:

  • Пошаговые инструкции по применению каждого метода
  • Сертификат на 4-месячную бесплатную консультационную поддержку

Требования к обучаемым:

  • Высшее образование
  • Опыт работы в Excel на уровне пользователя

Программа тренинга

ДЕНЬ 1. Азы аналитики. Подготовка данных для анализаи
  • Классификация «Цель анализа – Метод анализа»
  • Типы исходных данных (шкалы)
  • Основные статистические показатели и графики, применяемые для описания исходных данных различных типов:
    • среднее и доля
    • медиана и квартили
    • стандартное отклонение и дисперсия
    • стандартная ошибка
    • доверительные интервалы
    • столбиковая и круговая диаграмма (bar chart, pie chart)
    • гистограмма (histogram)
    • ящичная диаграмма (boxplot)
    • диаграмма рассеяния (scatter plot)
  • Алгоритм описательного анализа в зависимости от типа шкалы
  • Определение размера выборки для описательного анализа данных в различных шкалах
  • Практический пример. Ищем выбросы в исходных данных с помощью различных графиков.
  • Практический пример. Проводим описательный анализ потребителей по различным характеристикам, выбираем адекватные показатели и интерпретируем полученные результаты.
  • Практический пример. Определяем необходимый размер выборки для решения задач слушателей.
  • Пример. Разбираем типичные ошибки определения размера выборки при проведении исследований в различных областях.
ДЕНЬ 2. Анализ влияния факторов на основе методов проверки гипотез (для независимых выборок)
  • Основные понятия проверки гипотез:
    • нулевая и альтернативная гипотезы, их формулировка на основе реальных задач исследования
    • статистическая значимость
    • независимые и зависимые выборки
  • Критерии проверки гипотез для независимых выборок:
    • Т-критерий Стьюдента
    • U-критерий Манна-Уитни
    • однофакторный дисперсионный анализ (ANOVA)
    • Н-критерий Краскела-Уоллеса
    • критерий Хи-квадрат Пирсона
  • Корреляционный анализ: коэффициенты корреляции Пирсона и Спирмена
  • Алгоритм выбора критерия проверки гипотезы для независимых выборок
  • Практический пример. На основе имеющихся данных формулируем маркетинговые гипотезы, выбираем адекватные критерии и проводим анализ факторов спроса (пол, регион, уровень дохода, возраст и др.). Визуализируем и интерпретируем результаты анализа.
  • Практический пример. На основе результатов анкетирования характеризуем профиль покупателя.
  • Практический пример. Оцениваем эффекты проведенных акций.
  • Практические примеры. Сравниваем группы потребителей/товаров по различным характеристикам. Визуализируем и интерпретируем результаты анализа.
  • Примеры. Учимся быстро определять адекватный метод анализа для проверки гипотез участников тренинга.
ДЕНЬ 3. Анализ влияния факторов на основе методов проверки гипотез (для зависимых выборок)
  • Критерии проверки гипотез для зависимых выборок:
    • парный Т-критерий Стьюдента
    • парный критерий Уилкоксона
    • критерии Фридмана
    • критерий Мак-Немара
    • критерий Кохрана
  • Оценка согласованности мнений экспертов на основе коэффициента конкордации Кендалла
  • Практический пример. Оцениваем эффекты проведенных акций.
  • Практический пример. Определяем эффективность рекламной кампании.
  • Практические примеры. Оцениваем важность характеристик продукта на основе опроса покупателей, проверяем согласованность их мнений.
  • Самостоятельная работа. Обрабатываем данные анкетирования с целью описания групп респондентов.
ДЕНЬ 4. Моделирование влияния факторов
  • Метод регрессионного анализа для учета (моделирования) одновременного влияния различных факторов на количественный отклик:
    • требования к виду и количеству исходных данных
    • необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы подхода
    • требования к факторам, которые планируется учитывать в анализе
    • особенности моделирования при недостатке информации о факторах. Техника dummy-переменных
    • пошаговый алгоритм регрессионного анализа
    • способ проверки адекватности модели (анализ отклонений «факт-модель»)
    • интерпретация результатов: как влияют факторы на отклик, ранжирование по силе влияния
  • Деревья классификации для учета (моделирования) одновременного влияния различных факторов на неколичественный отклик:
    • требования к виду и количеству исходных данных
    • необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы подхода
    • способ проверки адекватности модели
    • определение условий достижения желаемого результата по построенному дереву
  • Практический пример. Подготавливаем исходные данные о цене товара и влияющих на нее факторах для применения метода регрессионного анализа. Проводим графический анализ влияния факторов на цену. Анализируем взаимовлияние факторов. Строим регрессионную модель. Проверяем качество модели и, при необходимости улучшаем ее. Интерпретируем результаты регрессионного анализа. Прогнозируем цену в зависимости от факторов на основе построенной модели.
  • Практический пример. Строим различные варианты дерева факторов, влияющих на удовлетворенность потребителей. Учимся «читать» построенные деревья. Выбираем лучшее из нескольких вариантов решений. Интерпретируем результаты моделирования: формулируем условия повышения уровня удовлетворенности клиентов.
  • Практический пример. Строим модель доходности торговой точки в зависимости от ее характеристик и прогнозируем доходность на основе построенной модели.
  • Практический пример. Определяем правила отнесения торговой точки к определенному типу с использованием деревьев классификации.

По заявке организаций возможно проведение выездных корпоративных тренингов.

Количество участников Стоимость обучения одного участника
(в рублях)
В Санкт-Петербурге В Москве
Один человек (от компании) 39500
Два и более человек (от компании) 37000
Один человек (физическое лицо) 38000
Все скидки действуют только при предоплате

У Вас возникли вопросы? Звоните +7 (812) 33-295-44 или пишите info@nickart.spb.ru.
Мы поможем выбрать тренинг, соответствующий Вашим задачам.

  Центр Статистических Технологий