 | |
| GEST3034-1 | Multivariate Analysis for Marketing
 |
|
| Durée : | 30h Th |
|
| Crédits/ECTS : |
| Master en sciences de gestion, à finalité approfondie, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité didactique, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en banking and asset management, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion à finalité spécialisée en entrepreneuriat, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en financial analysis and audit, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en management humain et organisation, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en management, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en management des entreprises sociales, 1re année | | Deuxième quadrimestre | | 5 |
|
| Master en sciences de gestion, à finalité spécialisée en intelligence stratégique et marketing, 1re année | | Deuxième quadrimestre | | 5 |
|
|
|
| Titulaire(s) : | Gentiane Haesbroeck, Michael Schyns |
|
| Coordinateur(s) : | Michael Schyns |
|
| Langue : | Langue anglaise |
|
| Aperçu général : | Le cours est divisé en deux parties.
La première présente les principales techniques d'analyse multivariée utiles dans le domaine de la gestion et la seconde considère des outils plus avancés d'exploration de données (datamining).La première partie commence par une présentation des méthodes descriptives de base et se poursuit par l'introduction des méthodes de réduction de la dimension (analyse en composantes principales, analyse des correspondances).
Différentes spécificités liées au marketing (approches qualitatives et quantitatives) seront couvertes. Enfin, elle se terminera par l'introduction de quelques techniques de classification (analyse discriminante, régression logistique, analyse hiérarchique).
La seconde partie porte sur l'exploration de données (datamining). Quand est-elle utile? Que permet-elle de mettre en avant? Quelles sont les grandes techniques? Un accent sera mis sur les arbres de décision. |
|
| Objectif du cours : | A l'issue de ce cours, les étudiants devront être capables de
- déterminer quelle méthode est la plus appropriée pour analyser un ensemble de données de grande dimension.
- utiliser le logiciel statistique enseigné
- interpréter les résultats des analyses effectuées. |
|
| Pré-requis : | Cours de statistique descriptive, de probablité et de statistique inférentielle. |
|
| Travaux pratiques : | Après chaque leçon théorique, les étudiants seront encadrés pour des travaux pratiques à réaliser sur ordinateur dans un local informatique. Les étudiants seront confrontés à des données réelles à traiter à l'aide d'un logiciel statistique donné. |
|
| Organisation : | A l'issue de chaque partie de matière, un travail personnel sera donné aux étudiants afin de le familiariser avec l'exploitation du logicel statistique ainsi qu'avce l'interprétation des données. |
|
| Notes de cours : | Le cours se donnera par transparents et les étudiants disposeront d'une copie de ceux-ci (consultez la plateforme d'enseignement Lol@).
Le livre "Introduction to Data Mining" de Tan, Steinbach et Kumar, Ed. Pearson sera partiellement utilisé pour la seconde partie du cours |
|
| Evaluation : | L'évaluation sera le résultat d'une moyenne pondérée des résultats suivants:
1) Evaluation des travaux personnels réalisés pendant l'année et défense orale de ceux-ci.
2) Examen écrit à réaliser à l'aide du logiciel statistique enseigné. |
|
| Contacts : | M. SCHYNS, HEC-ULg, Bât N1,
tél: 04/366.31.91
email: M.Schyns@ulg.ac.be
G.HAESBROECK, Institut de mathématique, Bât B37, local 0/60, tél: 04/366-95-94, email: G.Haesbroeck@ulg.ac.be |
|
|
| |
