Poslovna inteligencija u marketingu

Naziv predmeta
Poslovna inteligencija u marketingu
Oznaka predmeta
08407
Semestar
3
Status predmeta
Izborni
ECTS
6
Predavanja
30
Vježbe
30
Samostalni rad
120
Ukupno
180
Nastavnici i suradnici
dr. sc. Goran Klepac
Cilj predmeta
Cilj predmeta je pokazati praktične mogućnosti poslovne inteligencije kao discipline u domeni planiranja proizvoda, segmentacije tržišta, sprečavanja prekida ugovornih odnosa, proračuna sadašnje i buduće vrijednosti kupca, razvoja sustav preporuka, razvoja sustava ranog upozorenja, razvoja CRM sustava, kao i metodologiju upravljanja portfeljem.
Sadržaj
P1: UVOD U POSLOVNU INTELIGENCIJU. Koncept, definicije, okviri. Uloga poslovne inteligencije u okvirima marketinga V1: Studije slučaja: prikaz realnih poslovnih slučajeva P2: INFRASTRUKTURA POSLOVNE INTELIGENCIJE: Baze podataka, skladište podataka, OLAP, ETL procesi, planiranje sustava prikupljanja podataka, čistoća podataka, transformacija podataka. V2: Upoznavanje sa alatima za vizualizaciju, pretporcesiranje i čišćenje podataka P3: PRIPREMA PODATAKA,: Planiranje projekata. Analiza relevantnosti atributa. Priprema podataka. V3: Prepoznavanje relevantnosti atributa. P4: SEGMENTACIJA TRŽIŠTA: Uvod u segmentaciju tržišta. Tehnike poslovne inteligencije za segmentaciju tržišta. V4: Razrada poslovnog slučaja – Segmentacija tržišta primjenom metoda poslovne inteligencije. P5: DIREKTNI MARKETING: Uvod u direktni marketing. Tehnike poslovne inteligencije za direktni marketing. V5: Razrada poslovnog slučaja – Direktni marketing primjenom metoda poslovne inteligencije. P6: SADAŠNJA I BUDUĆA VRIJEDNOST KUPCA: Uvod u tehnike određivanja vrijednosti kupca. Tehnike poslovne inteligencije za procjenu buduće vrijednosti kupca. V6: Razrada poslovnog slučaja – Procjena buduće vrijednosti kupaca primjenom metoda poslovne inteligencije. P7: SUSTAVI RANOG UPOZORENJA: Uvod u sustave ranog upozorenja. Razvoj sustava ranog upozorenja pomoću metoda poslovne inteligencije I dio V7: Razrada poslovnog slučaja –Sustavi ranog upozorenja I dio P8: SUSTAVI RANOG UPOZORENJA: Sustavi ranog upozorenja u telekomunikacijama, trgovini, financijama, osiguranju II dio V8: Razrada poslovnog slučaja –Sustavi ranog upozorenja II dio P9: SUSTAVI PREPORUKA, Uvod u sustave preporuka. Razvoj sustava preporuka pomoću tehnika i metoda poslovne inteligencije. I dio V9: Razrada poslovnog slučaja –Sustavi preporuka I dio P10: SUSTAVI PREPORUKA : Sustavi preporuka u telekomunikacijama, trgovini, financijama, osiguranju II dio V10: Razrada poslovnog slučaja –Sustavi preporuka II dio P11: CRM sustavi: Definicija, Trendovi. Vrste V11: Diskusija i razrada poslovnog slučaja P12: UPRAVLJANJE PORTFELJOM KUPACA : Tehnike i metode poslovne inteligencije u upravljanju portfeljom kupaca. Tehnike ratinga, kontrolnih ploča, sustavi izvještavanja. Donošenje polovnih odluka temeljem rezultata analize. V12: Primjeri CRM sustava P13: VIRTUALNI MARKETINŠKI PROSTORI I POSLOVNA INTELIGENCIJA : Uloga blogova, foruma, socijalnih mreža. Web sadržaja u planiranju proizvoda, oglašavanju i analitici pomoću metoda poslovne inteligencije. V13: Razrada poslovnih slučajeva vezanih uz analitiku nestrukturiranih sadržaja u virtualnim prostorima i planiranju kampanji. P14: TRENDOVI U POSLOVNOJ INTELIGENCIJI : Big data analitika i planiranje marketinških aktivnosti V14: Izrada samostalnog rada na temelju virtualne kompanije P15: TRENDOVI I BUDUĆNOST: Integracija različitih izvora podataka, njihova analiza i primjena otkrivenog znanja u marketinškim aktivnostima. V15: Rasprava.
Osnovna literatura:
Berry J.A. Michaell , Linoff G., (2011) Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management NY: John Wiley andSons Inc.

Klepac, G., Kopal, R., and Mršić, L. (2015). Developing Churn Models Using Data Mining Techniques and Social Network Analysis (pp. 1-361). Hershey, PA: IGI Global. doi:10.4018/978-1-4666-6288-9
Preporučena dopunska literatura
Berry J.A. Michaell , Linoff Gordon, (2000). Mastering data mining. NY: John Wiley andSons Inc.

Giudici P. (2003) Applied Data Mining: Statistical Methods for Business and Industry. NY: John Wiley andSons Inc.

Giudici, P., andFigini, S. (2009). Applied Data Mining for Business and Industry (Statistics in Practice). NY: Wiley.

Han, J., and Kamber, M. (2011). Data Mining: Concepts and Techniques, San Francisco: Morgan Kaufmann.
Klepac, Goran ; Panian, Željko: Poslovna inteligencija, Masmedia, Zagreb, 2003, ISBN: 953-157-447-2

Minimalni ishodi učenja

  1. Ocijeniti tehnike poslovne inteligencije iskoristive za segmentaciju tržišta.
  2. Ocijeniti tehnike poslovne inteligencije iskoristive u svrhu planiranja proizvoda.
  3. Kritički prosuđivati strategiju upravljanja portfeljem kupaca proizvoda i usluga temeljem korištenja metoda poslovne inteligencije.
  4. Preispitati rješenje proračuna buduće vrijednosti kupca temeljem korištenja metoda poslovne inteligencije.
  5. Preporučiti koncept sustava ranog upozorenja temeljem korištenja metoda poslovne inteligencije.
  6. Preporučiti koncept CRM sustava.

Željeni ishodi učenja

  1. Odabrati tehnike poslovne inteligencije za segmentaciju tržišta.
  2. Odabrati tehnike poslovne inteligencije iskoristive u svrhu planiranja proizvoda.
  3. Ocijeniti rješenje za upravljanja portfeljem kupaca proizvoda i usluga temeljem korištenja metoda poslovne inteligencije.
  4. Ocijeniti rješenje proračuna buduće vrijednosti kupca temeljem korištenja metoda poslovne inteligencije.
  5. Kritički prosuđivati sustave ranog upozorenja bazirane ne metodama poslovne inteligencije.
  6. Kritički prosuđivati CRM sustav.