Curso completo e 100% prático, desenvolvido totalmente no Excel, com estudo de casos sobre E-commerce, Moda Feminina, Setor Automotivo, B2B, entre outros.
O que você aprenderá
- Técnicas para desenvolvimento de Forecasting
- Métodos Analíticos para Projeção de Vendas
- Mensurar Sazonalidade e Tendências e seus efeitos nas Vendas
- Desenvolver Modelos de Propensão à Compras
Requisitos
- Excel básico
- Conhecimento básico em Analytics
Descrição
As empresas precisam de previsões precisas sobre vendas futuras. As estimativas de vendas conduzem decisões que envolvem cronogramas de produção, gerenciamento de inventário, investimento em publicidade, planejamento de mão de obra e muitas outras partes do negócio.
Neste curso, você aprenderá primeiro sobre duas das ferramentas de previsão mais utilizadas: Regressão Linear Simples e Regressão Múltipla. Em seguida, irá aprender como estimar os aspectos de sazonalidade, de tendências das vendas e gerar previsões usando dois métodos comuns de previsão: Médias Móveis e Suavização Exponencial. Por fim, você aprenderá sobre Redes Neurais, uma forma de inteligência Artificial cujo papel na previsão em Marketing está crescendo rapidamente.
Para quem é este curso:
- Analistas de Inteligência Competitiva
- Profissionais de Web Analytics / BI
- Publicitários
Incluído no Curso
- 7,5 horas de vídeo aulas
- 20 Recursos para download (modelos no Excel)
- Acesso total vitalício
- Acesso no dispositivo móvel e desktop
- Certificado de conclusão com link para autenticação
Condições de Pagamento*
Parcelamos em até 10x no cartão de crédito ou à vista no boleto bancário, pelo sistema PagSeguro.
Após realizado o pagamento o aluno terá até 7 dias para desistir do curso ou antes de concluir o primeiro módulo (o que vencer primeiro). Caso o aluno desista do curso será reembolsado em até 30 dias com o valor integral, menos 4% referente às taxas administrativas.
* Para alunos residentes fora do Brasil emitimos ordem de pagamento pelo sistema PayPal. Para mais informações enviar mensagem para financeiro@metodosexatos.com.br
Professor responsável
André L.M.F. Santos
Matemático/Estatístico com Mestrado em Eng. de Produção.
Profissional com mais de 20 anos de experiência na área de Marketing Analytics e setor Acadêmico.
Doutorando em Marketing. Mestre de Engenharia de Produção. Especialista em Matemática/Estatística.
Currículo do Curso
INTRODUÇÃO | |||
Apresentação | 00:13:36 | ||
Metodologia | 00:04:12 | ||
MA – 085 Introdução | 00:03:20 | ||
MA – 086 Objetivo da Regressão Linear Simples | 00:02:41 | ||
MA – 087 Variáveis Independentes & Dependentes | 00:03:04 | ||
Pesquisa de Satisfação | Ilimitado | ||
MODELOS PREDITIVOS PARA VENDAS I | |||
MA – 088 Estudo de Caso: Restaurante Mao’s Palace | 00:01:59 | ||
MA – 089 Construção Diagrama de Dispersão | 00:07:20 | ||
MA – 090 Análise Gráfico de Dispersão | 00:03:59 | ||
MA – 091 Coeficientes r² e r | 00:08:01 | ||
MA – 092 Equação Linear | 00:11:48 | ||
MA – 093 Estimativas & Previsão com MRLS | 00:08:55 | ||
MA – 094 Erro & Erro Padrão | 00:12:26 | ||
MA – 095 Matriz de Correlação | 00:07:27 | ||
MA – 096 Atividade 1 – Regressão Linear Simples | 00:08:49 | ||
MA – 097 Modelo 02 – Diagrama de Dispersão | 00:07:41 | ||
MA – 098 Modelo 02 – Coeficientes | 00:06:22 | ||
MA – 099 Modelo 02 – Estimativas | 00:06:49 | ||
MA – 100 Modelo 03 – Problemas de Ajuste | 00:07:57 | ||
MA – 101 Seleção de Modelos | 00:04:18 | ||
MA – 102 Validação pela Regra 70 x 30 | 00:11:44 | ||
MODELOS PREDITIVOS PARA VENDAS II | |||
MA – 103 Introdução a Regressão Linear Múltipla | 00:04:00 | ||
MA – 104 Estudo de Caso: MAX Computer | 03:15:00 | ||
MA – 105 Execução do MRLM | 00:07:26 | ||
MA – 106 Análise dos Testes de Hipóteses | 00:06:26 | ||
MA – 107 Análise Gráfica dos Resíduos | 00:06:00 | ||
MA – 108 Seleção de Variáveis para Ajuste do Modelo | 00:05:01 | ||
MA – 109 Estimativas & Previsão com MRLM | 00:05:07 | ||
MA – 110 Atividade – Forecast para Vendas no Setor Automotivo | 00:15:22 | ||
MA – 111 Seleção de Variáveis pelos Testes de Hipóteses – Parte 1 | 00:09:03 | ||
MA – 112 Seleção de Variáveis pelos Testes de Hipóteses – Parte 2 | 00:05:42 | ||
MA – 113 Previsão de Vendas no Setor Automotivo | 00:11:29 | ||
MODELOS PARA ANÁLISE DE SAZONALIDADE E TENDÊNCIA EM VENDAS I | |||
MA – 114 Metodologias de Previsão para Análise de Séries Temporais | 00:04:34 | ||
MA – 115 Métodos de Previsão por Modelos sem Tendência e Sazonalidade | 00:02:58 | ||
MA – 116 Previsão de Produção de Cerveja com Média Móvel Simples | 00:09:07 | ||
MA – 117 Previsão de Produção de Cerveja com Média Móvel Ponderada | 00:10:10 | ||
MA – 118 Previsão de Produção de Cerveja com Suavização Exponencial | 00:06:36 | ||
MA – 119 Métodos de Previsão para Modelos com Tendência e Nenhuma Sazonalidade | 00:03:10 | ||
MA – 120 Previsão de Vendas de Roupas de Inverno com Média Móvel Dupla | 00:04:38 | ||
MA – 121 Previsão de Vendas de Roupas de Inverno com Holt | 00:08:54 | ||
MA – 122 Previsão de Vendas em Posto de Gasolina com Série Sazonal e sem Tendência – M01 | 00:09:18 | ||
MODELOS PARA ANÁLISE DE SAZONALIDADE E TENDÊNCIA EM VENDAS II | |||
MA – 123 Previsão de Vendas em Posto de Gasolina com Série Sazonal e sem Tendência – M02 | 00:02:16 | ||
MA – 124 Estudo de Caso – Forecasting para Vendas de Milhas Aéreas | 00:03:06 | ||
MA – 125 Previsão de Vendas de Milhas Aéreas pelo Índice de Sazonalidade Individual (ISI) | 00:10:27 | ||
MA – 126 Previsão de Vendas de Milhas Aéreas pela Média dos ISI | 00:02:58 | ||
MA – 127 Modelo Multiplicativo pelas Constantes | 00:09:43 | ||
MA – 128 Modelo Multiplicativo pelas Constantes com Otimização Não-linear | 00:06:29 | ||
MA – 129 Modelo Aditivo para Série Temporal sem Tendência | 00:04:29 | ||
MA – 130 Modelo para Séries Temporais com Sazonalidade e Tendência | 00:02:37 | ||
MA – 131 Modelo Multiplicativo de Holt-Winters | 00:11:33 | ||
MA – 132 Modelo Multiplicativo de Holt-Winters Otimizado | 00:13:02 | ||
MA – 133 Modelo Aditivo de Holt-Winters | 00:04:48 | ||
MA – 134 Estudo de Caso: Otimização da Previsão Anual da Produção de Leite em SC | 00:07:50 | ||
MODELOS DE PROPENSÃO PARA COMPRAS COM REDES NEURAIS | |||
MA – 135 Redes Neurais Artificiais | 00:06:43 | ||
MA – 136 Inputs e Outputs da Rede Neural | 00:09:02 | ||
MA – 137 Estrutura da Rede Neural | 00:07:39 | ||
MA – 138 Cálculo e Aplicação da Função de Ativação | 00:04:14 | ||
MA – 139 Tratamento da Amostra para Treinamento e Teste da Rede Neural | 00:12:43 | ||
MA – 140 Definição da Base de Treino | 00:04:56 | ||
MA – 141 Função de Ativação ReLu | 00:05:44 | ||
MA – 142 Função de Ativação Softmax | 00:08:29 | ||
MA – 143 Cálculo do Erro do Modelo | 00:03:24 | ||
MA – 144 Execução do Modelo de Rede Neural | 00:06:00 | ||
MA – 145 Avaliação do Modelo de Rede Neural | 00:04:54 | ||
MA – 146 Estudo de Caso: Modelo de Propensão a Compra para E-commerce | 00:03:45 | ||
MA – 147 Tratamento de Dataset para Ecommerce de Moda Feminina | 00:12:22 | ||
MA – 148 Modelo de Propensão para Compras – N4 | 00:06:42 | ||
MA – 149 Ajuste no Modelo de Propensão com 5 nós | 00:07:20 | ||
MA – 150A Considerações Finais | 00:02:37 | ||
Pesquisa de Satisfação | Ilimitado |
Course Reviews
No Reviews found for this course.