MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich ZÁKAZNICKÁ LOAJALITA A AKVIZICE VE FINANČNÍCH SLUŽBÁCH. StatSoft CR
|
|
- Štefan Miloslav Vítek
- před 7 lety
- Počet zobrazení:
Transkript
1 Váš pomocník pro analýzu dat MODERNÍ METODY SEGMENTACE ZÁKAZNÍKŮ Ing. Miloš Uldrich StatSoft CR StatSoft StatSoft CR Dodavatel komplexních analytických řešení Výhradní dodavatel softwaru STATISTICA pro ČR a SR Technická a analytická podpora Konzultace Kurzy, školení Pokročilé statistické analýzy
2 Segmentace zákazníků Proč segmentovat? Identifikace nových obchodních příležitostí Image značky Design výrobků a služeb na míru segmentu Cílená produktová nabídka pro stávající zákazníky Volba komunikačního kanálu Volba prodejního a servisního kanálu Úspora nákladů Banking Classic users Shoppers/Transactioners Borrowers Investors Travelers Non active Mobile Heavy users Stars Professional users SMS users Basic users Non active Neexistuje žádná univerzální kuchařka, která pokrývá všechny oblasti podnikání. Segmentace zákazníků Zákaznická segmentace proces rozdělní zákazníků do homogenních podskupin na základě jejich vlastností. Tradiční přístup pro třídění klientů: Demograficky/Geograficky Hodnotově Segmentace Geograficky Demograficky Hodnotově Psychograficky Behaviorálně Kombinace Proměnné stát, region, kraj, město, zvyklosti pohlaví, věk, vzdělání, příjem, zaměstnání, národnost tržba (Gold/Silver/Bronze), potenciál, riziko, loajalita názory, postoje, životní styl počet transakcí,atms, depozity, úvěry, spoření, karty hodnotově& behaviorálně
3 Cíle modelování Přilákat nové zákazníky Eliminovat rizikové zákazníky Optimalizovat pojistné sazby Pochopit stávající zákazníky Zlepšit spokojenost zákazníka Zabránit odchodu klienta Detekovat podvodné jednání Pravděpodobnost pojistné události Cross-up/sell Předpoklady pro modelování: Diferencované potřeby zákazníků Velký počet zákazníků Velký počet transakcí Cíle modelování Model chování zákazníka(trees, Neural Network, SVM ) Proč odešel (Clustering, Principal Component Analysis )
4 Zdroje dat Analytické metody pro práci s daty Cross Tabulation Principal Component Analysis (PCA) Factor Analysis (FA) Cluster Analyse (CLA) Clasiffication And Regression Trees Association rules Neural Network
5 Data mining Soubor pokročilých statistických metod pro odhalení netriviálních informací v datech. Vzorce chování Třídění dat Odchylky od normy Určení profilu klienta Predikční modely Segmentace Dataminingové metody jsou využívány během celého CRM procesu. Data mining Response scoring Churn scoring Profit scoring Credit scoring Fraud scoring Behaviorální scoring I. Definice cíle/porozumění procesům II. Porozumění datům III. Příprava dat IV. Tvorba dataminingových modelů V. Vyhodnocení modelů VI. Deployment
6 Příprava dat Příprava datové základny zahrnuje: Vzorkování cílová skupina je obvykle malé procento z celé populace Čištění a filtrování dat poloha, variabilita, outlier, kvantily pro detekci chybných a odlehlých dat -Spojitá rozdělní a ChD - Kategoriální četnosti, vytvoření nové kategorie pro ChD Nahrazení chybějících hodnot Výběr a transformace proměnných I. Definice cíle/porozumění procesům II. Porozumění datům III. Příprava dat IV. Tvorba dataminingových modelů V. Vyhodnocení modelů VI. Deployment Příprava dat Výběr proměnných: Redukce počtu proměnných - Spojité (chí-kvadrát) - Kategoriální (min. četnosti, chí-kvadrát) Výběr podstatných proměnných
7 Propensitní modely Churn scoring Propensity to Churn Cíl: -Lépe porozumět zákazníkům společnosti - Vytvoření představy o profilu loajálního zákazníka - Stanovení retenční strategie Výsledky modelu: Pravděpodobnost odchodu jednotlivých zákazníků. Indikátory: Vyšší platby než obvykle Více nových účtů za poslední období Větší podíl účtů s nulovým zůstatkem Velký počet disponibilních prostředků Přesun prostředků po obdržení první nabídky Menší podíl účtů s kladnými zůstatky Propensitní modely Fraud scoring Production system Internal data DM model rizikového chování Vysoká škoda/pozdní platby Nedávné ohodnocení majetku Absence stvrzenek Spousta malých pojistných událostí Odcizená velká hotovost Časté změny pojistitele Existence dalšího pojištění Technická kontrola (prošlá/vyprší brzy) Nízký věk držitele Datum cesty je v rozporu s dobou platnosti Typ vozidla neodpovídá živ. stylu Nulový poplatek za odtažení Plnění v hotovosti Časté změny dokumentů
8 Závěr Udržení zákazníka prostřednictvím analýzy dat Modelování celého životního cyklu zákazníka. Vhodné technologie Segmentace zákazníků Definice signifikantních faktorů odchodu Průběžná analýza chování klienta (názory, postoje, přání) Včasná retence v různých komunikačních kanálech Detailní reporting zákazníků Systémy automatického varování Cílená komunikace/zákaznický servis Děkuji za pozornost. milos.uldrich@statsoft.cz
ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ
ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ 18.11.2012 Radim Tvardek, Petr Bulava, Daniel Mašek U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU 18.11.2012 Daniel
VíceJak si udržet zákazníky a nabídnout jim co nejvíce?
Jak si udržet zákazníky a nabídnout jim co nejvíce? 16. dubna 2010 Presentation title to go here Name of presenter Tradiční produktově orientovaný prodej 1. Produkt 2. Komu ho prodat? 3. Jak? 4. Koupě
VíceProfitabilita klienta v kontextu Performance management
IBM Technical specialist team Pre Sale 26/10/2010 Profitabilita klienta v kontextu Performance management Co všechno řadíme do PM? Automatická data Běžný reporting Pokročilé statistické modely Včera What
VíceCustomer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu
Customer Intelligence, aneb Jak může neoblíbená analýza dat usnadnit práci marketingu Filip Trojan Applied Analytics Manager, Deloitte Advisory Listopad 2012 Obsah 1. Představení 2. Marketing versus analýza
VíceObohacení dat o statistické výsledky a potenciál jejich využití 2.2.2011
Obohacení dat o statistické výsledky a potenciál jejich využití 2.2.2011 Společnost SPSS CR nyní výhradní partner IBM pro prodej software IBM SPSS v ČR a SR od roku 1998 franchise SPSS Inc. SPSS Inc. vývoj
VíceReklamní strategie, reklamní kampaň. Plánování reklamy
Reklamní strategie, reklamní kampaň Plánování reklamy Jak postupovat při přípravě reklamní kampaně 1. Stanovení cílů kampaně CO se očekává? 2. Potvrzení rozpočtu budget - KOLIK se utratí? 3. Stanovení
VícePříprava dat v softwaru Statistica
Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,
VíceJak přetavit data v hodnotné informace, které nesou peníze
Powered by Jak přetavit data v hodnotné informace, které nesou peníze Martina Dvořáková 19. 10. 2014 KDO CO KDY??? 2 Zaměřeno na prodej Potřebujeme zisk, co budeme prodávat? 4 Ten náš je nejlepší 5 Produkt
VícePRÁCE SE STATISTICKÝM SOFTWARE STATISTICA
PRÁCE SE STATISTICKÝM SOFTWARE STATISTICA Výukový materiál vzniklý ve spolupráci Endokrinologického ústavu a firmy StatSoft CR s.r.o. v rámci projektu "Pokročilé vzdělávání zaměstnanců v klinické a molekulární
VíceCíle supervizovaného učení Ondřej Háva
Cíle supervizovaného učení Ondřej Háva ACREA CR Využíváme více než 40 let zkušeností IBM s hlavním cílem: řízení rozhodovacích procesů Akvizice SPSS společností IBM v říjnu 2009 Přejmenování SPSS CR na
VíceSegmentace bankovních zákazníků algoritmem k- means
Segmentace bankovních zákazníků algoritmem k- means LS 2014/2015 Michal Heřmanský xherm22 Obsah 1 Úvod... 3 1.1 CRISP- DM... 3 2 Porozumění problematice a datům... 4 3 Příprava dat... 5 4 Modelování...
VíceSegmentace, typologie. Základy marketingového výzkumu
Segmentace, typologie 1 Přehled lekce Proč Metodologie Jednotlivé nástroje, ukázky 2 Proč segmentaci? Na dnešních trzích jsou dva protikladné trendy: 1) Trhy se stávají masovými a globálními => unifikace
VíceIBM SPSS Decision Trees
IBM Software IBM SPSS Decision Trees Jednoduše identifikujte skupiny a predikujte Stromově uspořádané postupné štěpení dat na homogenní podmnožiny je technika vhodná pro exploraci vztahů i pro tvorbu rozhodovacích
VíceCílený marketing proces STP
Cílený marketing proces STP Segmentation(segmentace) Targeting(tržní cílení) Positioning(tržníumisťov ování) Ing. Lucie Vokáčov ová, vokacova@pef pef.czu.cz Marketingové přístupy k trhu z hlediska tržní
VíceProč studovat matematické programy na ÚMS PřF MU aneb co pak budu dělat
Proč studovat matematické programy na ÚMS PřF MU aneb co pak budu dělat Martin Řezáč 22.1.2011 Co budu po VŠ dělat? Co se dá dělat s matematikou??? Ukázka aktuálních pracovních nabídek: Analytik řízení
VíceStatSoft Úvod do data miningu
StatSoft Úvod do data miningu Tento článek je úvodním povídáním o data miningu, jeho vzniku, účelu a využití. Historie data miningu Rozvoj počítačů, výpočetní techniky a zavedení elektronického sběru dat
Vícev praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání
Podpora rozhodování v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání HanušRais Business DevelopmentManager SAS Institute ČR s.r.o. Agenda Úvod - Profil SAS Institute Pojem Business
VícePROCESY CO ZÍSKÁTE: Předpoklad pro certifikace ISO. Lean Six Sigma Fast Track
PROCESY CO ZÍSKÁTE: Jasná pravidla pro provádění činností, uložení know-how Jasně definované zodpovědnosti za celý proces i jednotlivé kroky Zprůhlednění organizace plynoucí z jasně definovaných vstupů,
VíceData Science projekty v telekomunikační společnosti
Data Science projekty v telekomunikační společnosti Jan Romportl Chief Data Scientist, O2 Czech Republic Data, mapa a teritorium Data Science Mezioborová technicky orientovaná oblast, která se zabývá inovativním
VíceJak využít data o zákaznících ke zvýšení příjmů z prodeje
Jak využít data o zákaznících ke zvýšení příjmů z prodeje Michal Kadlec Marek Loukotka Lubomíra Červová www.acrea.cz info@acrea.cz Program Dívejte se na budoucnost, ne jen na minulost 1 Jaká data využíváme?
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. KFC/MARK Přednáška č 1 a 2 a 3 Historický výklad Výrobní koncepce
VíceRole BI v e-business řešeních pohled do budoucnosti
Ing. Ota Novotný, Ph.D. katedra informačních technologií Vysoká škola ekonomická v Praze novotnyo@vse.cz katedra informačních technologií VŠE Praha jsme uznávanou autoritou v oblasti aplikované informatiky
VíceMarketingová analýza trhu
Marketingová analýza trhu Prezentuje: Ing. Michaela Vavrečková Cíl semináře Seznámení se strukturou marketingové analýzy trhu jakou součástí studie proveditelnosti Obsah 1. Analýza prostředí 2. Definování
VíceMARKETING 4 Segmentace, marketingový mix, marketingový plán.
MARKETING 4 Segmentace, marketingový mix, marketingový plán. Ing. Hlavní pojmy Marketingu co je nutné umět aplikovat Metody analýzy PPO PZ/EZ Maslowova pyramida potřeb Produkt a analýza produktu Produktový
VíceOstatní služby bank. Bc. Alena Kozubová
Ostatní služby bank Bc. Alena Kozubová Ostatní služby Obchody s cizími měnami Přímé bankovnictví Platební karty Operace s cennými papíry Poradenské služby Obchody s cizími měnami Česká národní banka na
VíceTESTOVÁNÍ KVALITATIVNÍCH ZNAKŮ V PROGRAMU
TESTOVÁNÍ KVALITATIVNÍCH ZNAKŮ V PROGRAMU Copyright StatSoft CR s.r.o. 2014 Dell Information Management Group, Dell Software Ringhofferova 115/1 155 21 Praha 5 Zličín tel.: +420 233 325 006 fax: +420 233
VíceZákaznická loajalita a akvizice ve finančních službách 6/2012 Akviziční a retenční nástroje
Zákaznická loajalita a akvizice ve finančních službách 6/2012 Akviziční a retenční nástroje na bankomatech GE Money Bank David Šlechtický Projektový manažer alternativních distribučních kanálů GE Money
VíceVýzkum trhu. Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání
Výzkum trhu Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání Slezská univerzita v Opavě Okresní hospodářská komora Karviná 2010-2013 Výukový materiál je výstupem projektu
VíceSEGMENTACE ZÁKAZNÍKŮ PRO E-COMMERCE. Jan Matoušek
SEGMENTACE ZÁKAZNÍKŮ PRO E-COMMERCE Jan Matoušek Zaměření prezentace Téma: Proč některé segmentace fungují a jiné ne Žadné ohromující manažerské schéma Praxe a zkušenosti z 9-ti let tvorby segmentací Telco
VíceBalanced Scorecard. ESF MU J.Skorkovský KAMI. (vyvážený soubor měřítek)
Balanced Scorecard (vyvážený soubor měřítek) ESF MU J.Skorkovský KAMI Cíle a měřítka BSC Cíle a měřítka BSC zbavit se strnulého modelu finančního účetnictví a přitom zachovat tradiční finanční měřítka
VíceBA_EM Electronic Marketing. Pavel
BA_EM Electronic Marketing Pavel Kotyza @VŠFS Agenda Efektivní data mining jako zdroj relevantních dat o potřebách zákazníků Co je data mining? Je absolutní Je předem neznámý Je užitečný Co jsou data?
VíceDan Svoboda Partner, Business Ottima as
Dan Svoboda Partner, Business Consulting @ Ottima as Proč loajalita zajímá mě Příležitost vytvářet pozitivní příležitosti a zkušenosti "Jak chcete, aby lidé jednali s vámi, tak jednejte vy s nimi" Uchopitelné
VíceCASH 360 DEPOZITNÍ A VHOZOVÉ TREZORY
CASH 360 DEPOZITNÍ A VHOZOVÉ TREZORY CASH 360 REVOLUČNÍ ŘEŠENÍ PRO SPRÁVU HOTOVOSTI» Poskytuje aktuální informace o stavu hotovosti z jednotlivých pokladen, od pokladních atd.» Informuje o stavu hotovosti
VíceMobilní telefon v roli komunikačního a reklamního prostředku
Pracovní skupina pro mobilní reklamu Mobilní telefon v roli komunikačního a reklamního prostředku 6.4. 2009 Konference ISSS, Hradec Králové Michal Němec, T-Mobile Mobilní telefon je unikátní komunikační
VíceSurfujte v business analýze jako profík. Naučíme Vás podpořit klíčová rozhodnutí firmy.
Surfujte v business analýze jako profík Naučíme Vás podpořit klíčová rozhodnutí firmy. Intuice nestačí. S čím Vám pomůžeme? Firmy čelí narůstající záplavě dat, posilují své analytické schopnosti a hledají
VíceÚvod do statistické metodologie
Přenos jakékoli části této prezentace mimo účastníky semináře je zakázán bez písemné dohody se StatSoft CR s.r.o. (Dell Software Group). Úvod do statistické metodologie 1. lékařská fakulta Univerzity Karlovy
VíceSegmentace návštěvníků
angl. visitor segmentation je marketingový proces v cestovním ruchu, ve kterém se potenciální návštěvníci rozdělují do stejnorodých, avšak od sebe se lišících skupin, dle určitých kritérií tvořící tzv.
VíceMETODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1
METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ
VíceJak mi může pomoci věrnostní program?
Jak mi může pomoci věrnostní program? POSÍLENÍM VZTAHŮ SE ZÁKAZNÍKY Zavedení věrnostního programu je stávajícími zákazníky vnímáno jako krok vstřícnosti a ocenění ze strany Vás, obchodníka. PŘI ZÍSKÁVÁNÍ
VíceOBSAH ČÁST 1. MARKETING V DNEŠNÍM SVĚTĚ. 1. Marketing v dnešním světě Úvod... 37
KOTLER Philip MODERNÍ MARKETING OBSAH Poděkování... 18 O autorech... 19 Předmluva... 21 Struktura publikace... 24 Studijní materiály na internetu... 26 Poděkování vydavatele Pearson Education... 28 ČÁST
VíceObsah. 2014 Deloitte Česká republika 2
Behaviorální segmentace malých a středních podniků Příklad behaviorální segmentace, výnosového potenciálu a obslužného modelu pro SME klienty v Polsku Veronika Počerová Listopad 2014 2014 Deloitte Česká
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VíceMultimédia a pokladní systémy
Společnost Apls je dodavatelem profesionálních pokladních systémů. Pokladní systémy APLS DOS a WinShop používá více než 4 000 uživatelů v České republice a na Slovensku. Vybrané reference: Sítě obchodů
VíceEKONOMICKÝ A LOGISTICKÝ SOFTWARE. Luhačovice 24.10.2013
EKONOMICKÝ A LOGISTICKÝ SOFTWARE Luhačovice 24.10.2013 CRM řízení vztahů se zákazníky CRM - je zkratka z anglického Customer Relationship Management a označují se tak systémy pro řízení vztahů se zákazníky.crm
VíceCeník pro Podnikatelské konto České spořitelny
Ceník pro Podnikatelské konto České spořitelny 1. Služby k Podnikatelskému kontu Basic České spořitelny 2. Úrokové sazby 3. Výpisy 4. Obecné položky 5. Zřízení a zrušení Podnikatelského konta Klasik České
VícePROČ UŽ SE NEOBEJDETE BEZ ANALÝZY DAT
PROČ UŽ SE NEOBEJDETE BEZ ANALÝZY DAT JAKUB CHOVANEC - IDG KONFERENCE 3.6.2015 KDO JSME #1 v poskytování datové analytiky a služeb v oblasti Business Analytics a Business Intelligence 39 let na trhu 16
VíceBIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012
BIG DATA Nové úlohy pro nástroje v oblasti BI 27. listopadu 2012 AGENDA 1. Úvod 2. Jaké jsou potřeby? 3. Možné řešení 2 Jaké jsou potřeby? Dopady Analýza dat potřeba nového přístupu Jak na nestrukturovaná
VíceAktuální trendy a inovace v on-line platbách. Václav Keřka Product Manager GP webpay Global Payments Europe
Aktuální trendy a inovace v on-line platbách Václav Keřka Product Manager GP webpay Global Payments Europe 1 Stav e-commerce v České republice se zaměřením na platební metody a porovnání s Evropou 2 Nakupování
VícePřes 450 Facebook aplikací za 3,5 roku existence Spravováno USD ve Facebookové reklamě Cca uživatelů v našich aplikacích 2 870
BRANDZ FRIENDZ MY Cca Přes 450 Facebook aplikací za 3,5 roku existence Spravováno 1 000 000 USD ve Facebookové reklamě Cca 1 600 000 uživatelů v našich aplikacích 2 870 000 fanoušků analyzovaných stránek
VíceObsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
VíceCeník České spořitelny, a.s., pro bankovní obchody (dále jen Ceník)
Ceník České spořitelny, a.s., pro bankovní obchody (dále jen Ceník) Část Obsah: 1. Chytrá karta České spořitelny 2. Další typy karet 3. Volitelné pojištění k mezinárodním kartám 4. Ostatní služby ke kartám
VíceSeminář 3 Auditorské riziko, stanovení plánovací hladiny významnosti
Seminář 3 Auditorské riziko, stanovení plánovací hladiny významnosti Riziko auditu AR = PR x KR x ZR Kde: AR = auditorské riziko, PR = přirozené riziko, KR = kontrolní riziko, ZR = zjišťovací riziko. Přirozené
VíceBezhotovostní platby a
Bezhotovostní platby a omezení šedé ekonomiky Simona Hornochová náměstkyně ministra financí pro daně a cla Konference Budoucnost platebních karet 22. října 2014 Co je to šedá ekonomika? ez časti tátu A
VíceTelefónica O2, a.s. Řešení pro zdravotnictví. Jan Dienstbier, Radek Fiala
Telefónica O2, a.s. Řešení pro zdravotnictví Jan Dienstbier, Radek Fiala Konference ISSS 2008, Hradec Králové, 7.-8. dubna 2008 Agenda 1. Úvod 2. Co nabízíme 3. Představení vybraných aplikací 4. Přínosy
VíceAktuální trendy a inovace v on-line platbách. Václav Keřka 29. května 2014
Aktuální trendy a inovace v on-line platbách Václav Keřka 29. května 2014 1 Aktuální trendy v on-line platbách Kde se nakupuje na internetu v Česku? Odhad počtu českých e-shopů Platba kartou 30 000 Tržby
VíceStav e-commerce v ČR se zaměřením na platební metody 9/18/2013 2
Platby kartou na internetu trendy, výzvy a vize Připravil Václav Keřka Září 2013 Stav e-commerce v ČR se zaměřením na platební metody 9/18/2013 2 Kde se nakupuje na internetu? Odhad počtu českých e-shopů
VíceAnalytika a SAP Quo Vadis? Jiří Přibyslavský Performance Management & Business Intelligence Business Consultant
Analytika a SAP Quo Vadis? Jiří Přibyslavský Performance Management & Business Intelligence Business Consultant Informační potřeby dříve Manuální zpracování dat v Excelu nám už nevyhovuje Potřebuji analýzu
VíceJak ovlivní IDD vývoj POJISTNÝCH produktů? (inspirace z praxe)
Jak ovlivní IDD vývoj POJISTNÝCH produktů? (inspirace z praxe) Praha, 15.5.2018 Mgr. Hynek Růžička, LL.M. advokát PRÁVNÍ ÚPRAVA Zákon o distribuci pojištění a zajištění Směrnice Evropského parlamentu a
VícePopisná statistika kvantitativní veličiny
StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali
Více10. Marketingové řízení destinace; STP (Segmentace, Targeting, Positioning), image a značka destinace, diferenciace, benchmarking
10. Marketingové řízení destinace; STP (Segmentace, Targeting, Positioning), image a značka destinace, diferenciace, benchmarking Marketingové řízení destinace Marketing je proces řízení, jehož výsledkem
Víceodlehlých hodnot pomocí algoritmu k-means
Chybějící a odlehlé hodnoty; odstranění odlehlých hodnot pomocí algoritmu k-means Návod ke druhému cvičení Matěj Holec, holecmat@fel.cvut.cz ZS 2011/2012 Úvod Cílem cvičení je připomenout důležitost předzpracování
VíceCeník České spořitelny, a.s., pro bankovní obchody (dále jen Ceník)
Ceník České spořitelny, a.s., pro bankovní obchody (dále jen Ceník) Část Obsah: 1. Chytrá karta České spořitelny 2. Další typy karet 3. Volitelné pojištění k mezinárodním kartám 4. Ostatní služby ke kartám
VíceNávrh datového skladu z hlediska zdrojů
Návrh datového skladu Návrh datového skladu OLTP ETL OLAP, DM Operativní data Datové sklady Zdroje dat Transformace zdroj - cíl Etapy realizace 1 Návrh datového skladu Hlavní úskalí analýzy a návrhu spočívá
VíceIng. Pavel Rosenlacher
Marketing v sociálních sítích Webová analytika Ing. Pavel Rosenlacher pavel.rosenlacher@vsfs.cz Krátké shrnutí SEO spočívá v lepším zobrazování stránek ve výsledcích vyhledávání na vyhledávačích Souhrnně
VíceUKÁZKA ŠKOLÍCÍCH MATERIÁLŮ
MARKETING UKÁZKA ŠKOLÍCÍCH MATERIÁLŮ Centrum služeb pro podnikání s.r.o. 2014, I. Verze, GH, JT 1 Obsah Obsah...2 Úvod...3 1 Charakteristika a význam marketingu...4 2 Segmentace trhu...5 3 Marketingový
VíceCenování neživotního pojištění. SAV, Jakub Mertl
Cenování neživotního pojištění SAV, 16.11.2018 Jakub Mertl Role aktuára Aktuár Cenování (pricing) Stanovení rezerv Řízení rizik Zajištění 2 Představení Jakub Mertl zaměstnání Ředitel oddělení pojistné
VíceANALÝZA MARKETINGOVÉHO MIXU
VYSOKÁ ŠKOLA TECHNICKÁ A EKONOMICKÁ V ČESKÝCH BUDĚJOVICÍCH ÚSTAV PODNIKOVÉ STRATEGIE ANALÝZA MARKETINGOVÉHO MIXU VYBRANÉ BANKY Autor bakalářské práce: Veronika Pecková Vedoucí bakalářské práce: Ing. Marie
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VíceMARKETINGOVÉ MINIMUM PRO FINANČNÍ ŘEDITELE V KONTEXTU AKTUÁLNÍ FINANČNÍ SITUACE
MARKETINGOVÉ MINIMUM PRO FINANČNÍ ŘEDITELE V KONTEXTU AKTUÁLNÍ FINANČNÍ SITUACE Ing. Jiří Nosek Sector Leader Financial Services & Digital Technology Praha, hotel Boscolo Prague, 3.10.2012 GfK 2012 CFO
VíceOpatření proti legalizaci výnosu z trestné činnosti a financování terorismu v pojišťovnictví
AML CTF RBA CDD EDD ŽP NŽP OSINT Opatření proti legalizaci výnosu z trestné činnosti a financování terorismu v pojišťovnictví CERTIFIKOVANÝ AML OFFICER, 11.4.2018, Praha Mgr. Ing. Jan Klíma, Útvar bezpečnostního
VíceŘÍZENÍ VZTAHU SE ZÁKAZNÍKY 2 CRM úvodní informace, podstata CRM konkurenční výhoda a zdroje
ŘÍZENÍ VZTAHU SE ZÁKAZNÍKY 2 CRM úvodní informace, podstata CRM konkurenční výhoda a zdroje 2sem Ing. Některé významné/důležité pojmy - diskuse cílem je je zisk EZ odlišení se je je nutno zaujmout změna
VíceManažerská ekonomika KM IT
KVANTITATIVNÍ METODY INFORMAČNÍ TECHNOLOGIE (zkouška č. 3) Cíl předmětu Získat základní znalosti v oblasti práce s ekonomickými ukazateli a daty, osvojit si znalosti finanční a pojistné matematiky, zvládnout
Více9. Reklama v multimédiích (marketing, segmentace trhu, účinnost...)
9. Reklama v multimédiích (marketing, segmentace trhu, účinnost...) Marketing Marketingová strategie spočívá ve 4 bodech orientaci na spotřebitele, segmantaci, cíleném marketingu, umisťování (= positioning)
VíceModerní přístup k návrhu produktové nabídky a schvalování úvěrových produktů v reálném čase.
Moderní přístup k návrhu produktové nabídky a schvalování úvěrových produktů v reálném čase. Jan Denemark Konference ARBES FINANCE DAY, 19.6.2014, AUSTRIA TREND HOTEL, Bratislava www.arbes.com Situace
VíceHotovostní a bezhotovostní platby
Hotovostní a bezhotovostní platby Hotovostní platby Platební styk = soustava různých forem a způsobů placení, které zprostředkují pohyb peněz v národním hospodářství Platby z ruky do ruky - například v
VíceInovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. 12. Lekce Banky a jejich úloha v národním hospodářství Struktura
VíceEVOLUCE V CUSTOMER INTELLIGENCE
EVOLUCE V CUSTOMER INTELLIGENCE CUSTOMER INTELLIGENCE SAS ROADSHOW 2014 24. ZÁŘÍ 2014 LUCIE STAŇKOVÁ ZÁKAZNÍCI - SITUACE NA TRHU Změna poměru sil / vyšší očekávání Generační rozdíly / používání kanálů
VíceEfektivní komunikace díky inovativním hlasovým technologiím. Praha, 25.11.2011 Call centrum ve finančních službách
Efektivní komunikace díky inovativním hlasovým technologiím Praha, 25.11.2011 Call centrum ve finančních službách Agenda Představení společnosti Ovládání hlasových aplikací přirozenou řečí Nové bezpečností
VíceZákladní údaje. Profesní profil
Základní údaje Jméno: Mgr. Alexandra Narwa Trvalé bydliště: Tiché údolí 2360, 252 63 Roztoky u Prahy Telefon: 605 187 330 Email: alexandra.narwa@seznam.cz Datum narození: 25. 2. 1978 Rodinný stav: vdaná,
VíceNovinky v platebních kartách: Karta podle Vás a nové pojištění zneužití karty
Novinky v platebních kartách: Karta podle Vás a nové pojištění zneužití karty Miloslav Křečan, ředitel kartového centra ČS 29. dubna 2008 Obsah 1. Karta podle Vás individuální design platebních karet 2.
VíceJasné výhody podnikání s Poštovní spořitelnou
Jasné výhody podnikání s Poštovní spořitelnou Představení Poštovní spořitelny Součást skupiny ČSOB Samostatná obchodní značka Druhá největší banka v ČR v počtu klientů obsluhuje více jak 2 000 000 klientů
VíceSociologický výzkum (stručný úvod) Michal Peliš
Sociologický výzkum (stručný úvod) Michal Peliš vědy exaktní X sociální tvrzení deterministického charakteru univerzální platnost experiment prokazování kauzality tvrzení pravděpodobnostního charakteru
VícePŘEDSMLUVNÍ INFORMACE KE SPOTŘEBITELSKÉMU ÚVĚRU
PŘEDSMLUVNÍ INFORMACE KE SPOTŘEBITELSKÉMU ÚVĚRU Fio banka, a.s., IČ 61858374, se sídlem V Celnici 1028/10, 117 21 Praha 1, zapsaná v obchodním rejstříku vedeném Městský soudem v Praze, oddíl B, vložka
VíceP R Ů M Y S L O V Ý M A R K E T I N G
P R Ů M Y S L O V Ý M A R K E T I N G 5 ZS, akad.rok 2014/2015 Průmyslový marketing - VŽ 1 M A R K E T I N G O V Ý I N F O R M A Č N Í S Y S T É M ZS, akad.rok 2014/2015 Průmyslový marketing - VŽ 2 Mnoho
VíceNETMONITOR CONSUMER 8. VLNA
NETMONITOR CONSUMER 8. VLNA Internetoví uživatelé v ČR a jejich zvyky Doplňkový marketingový výzkum k projektu NetMonitor Témata výzkumu: využívání jednotlivých druhů pojištění způsob platby při online
VíceBalanced Scorecard (vyvážený soubor měřítek)
Balanced Scorecard (vyvážený soubor měřítek) ESF MU J.Skorkovský KPH Cíle a měřítka BSC Cíle a měřítka BSC zbavit se strnulého modelu finančního účetnictví a přitom zachovat tradiční finanční měřítka Tato
VíceCZECH VIRUS CASE STUDY
CZECH VIRUS CASE STUDY PŘEDSTAVENÍ KLIENTA E-shop s potravinovými doplňky pro sportovce. Své zákazníky si získávají nekompromisní kvalitou, transparentností nabízených produktů a také přátelským přístupem.
VíceMarketing Marketingový mix. Marketing. Marketing. Ing. Václav Švec, Ph.D. odborný asistent katedry řízení PEF, ČZU v Praze
ový mix Ing. Václav Švec, Ph.D. odborný asistent katedry řízení PEF, ČZU v Praze je manažerský proces, který je zodpovědný za vyhledání, přijímání a uspokojování požadavků zákazníků. American Assotiation
VíceFlow Monitoring & NBA. Pavel Minařík
Flow Monitoring & NBA Pavel Minařík minarik@invea.cz Formulace zadání Zákazník požaduje řešení pro monitorování a analýzu provozu datové sítě Měření provozu v prostředí multi-10gbps infrastruktury Historie
VíceStavební spoření. Datum uzavření /14 PRG 04/14 V20. Spoření ukončeno dne Splacení úvěru
Základní informace Meziúvěr Naspořená částka Výnos ve fázi spoření Finanční náklady Celkové náklady Celkové náklady meziúvěru / úvěru Efektivita Datum uzavření 20.06.2014 Cílová částka 150 000,00 Kč VOP
VíceChytrá karta České spořitelny
Chytrá karta České spořitelny Martin Techman, ředitel úseku rozvoje obchodu ČS Tomáš Reytt, manažer projektu Chytrá karta ČS 11. srpna 2008 Obsah Volně nastavitelné produkty Trh kreditních karet v ČR Chytrá
VíceSazebník bankovních poplatků mbank
Sazebník bankovních poplatků mbank platný od 11. 11. 2007 I Osobní účet mkonto 1. Zřízení, vedení a zrušení účtu a) zřízení osobního účtu mkonto b) vedení osobního účtu mkonto / měsíc c) zrušení osobního
VíceData mining. Letní semestr. únor 2016 - červen 2016. Ondřej Brom lektor, analytik, konzultant spoluautor knihy SPSS Praktická analýza dat
Letní semestr únor 2016 - červen 2016 Ondřej Brom lektor, analytik, konzultant spoluautor knihy SPSS Praktická analýza dat Centrum výuky ACREA Začněte číst v budoucnosti a otevřete si cestu k úspěchu prostřednictvím
VíceCeník pro Podnikatelské konto České spořitelny
Ceník pro Podnikatelské konto České spořitelny 1. Služby k Podnikatelskému kontu Basic České spořitelny 2. Úrokové sazby 3. Výpisy 4. Obecné položky 5. Zřízení a zrušení Podnikatelského konta Klasik České
VíceBalanced Scorecard (vyvážený soubor měřítek)
Balanced Scorecard (vyvážený soubor měřítek) ESF MU J.Skorkovský KPH Cíle a měřítka BSC Cíle a měřítka BSC zbavit se strnulého modelu finančního účetnictví a přitom zachovat tradiční finanční měřítka Tato
VíceCCS FLEET MANAGEMENT. Nabídka pro zákazníky CCS. Věnujte se svému podnikání a starosti s vozovým parkem nechte na nás! CCS FLEET MANAGEMENT
Nabídka pro zákazníky CCS Věnujte se svému podnikání a starosti s vozovým parkem nechte na nás! Není univerzální řešení pro kaţdý vozový park. Pozvěte si odborníky, kteří Vám toto řešení pro právě Váš
VíceData Miner Recipes. StatSoft
StatSoft Data Miner Recipes V tomto článku Vám ukážeme postup dataminingového modelování ve výukovém modulu Data Miner Recipes, který je vhodný pro začínající uživatele, protože Vás krok po kroku provede
VíceINOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE
INOVATIVNÍ MANAŽER MARKETINGU: INOVATIVNÍ BUSINESS INTELLIGENCE E-LEARNING Jan Novák 15. července 2014 Obsah Proč mít data? Zdroje dat (externí a interní) Typy dat tvrdá a měkká Nejčastější chyby při přípravě
VíceCredit scoring. Libor Vajbar Analytik řízení rizik. 18. dubna 2013. Brno
Credit scoring Libor Vajbar Analytik řízení rizik 18. dubna 2013 Brno 1 PROFIL SPOLEČNOSTI Home Credit a.s. přední poskytovatel spotřebitelského financování Úvěrové produkty nákup na splátky u obchodních
Více