Top stories published by Marketingdatascience in October of 2019

Top Stories published by Marketingdatascience in October of 2019

All

2019

October

行銷資料科學 in Marketingdatascience

Oct 6, 2019

搞懂你的研究類型─探索性、描述性、相關性與解釋性研究

很多初踏入研究這個領域的研究生，只知道自己做的是量化或是質化研究，卻不清楚自己著手的研究是什麼類型，事實上，知道自己的研究類型有助於對研究問題的掌握，以及能達成什麼樣的研究目的，弄懂這個問題就像知道自己究竟開的是什麼轎車、跑車…

行銷資料科學 in Marketingdatascience

Oct 2, 2019

李克特量表(Likert Scale)的起源和使用

管理學者羅伯特．卡普蘭（Robert Kaplan）與麥可．波特（Michael…

行銷資料科學 in Marketingdatascience

Oct 14, 2019

多重檢核（Triangulation）法

在碩士班階段，許多同學常會為了究竟要寫「質化論文」或是「量化論文」傷透腦筋，寫量化論文擔心自己統計不好，寫質化論文又煩惱樣本數量和代表性不夠，都會遭到指導教授或口試委員的嚴重「挑戰」。事實上，質化或量化從中擇一是碩班生的選項，然而近來採用多重檢核…

行銷資料科學 in Marketingdatascience

Oct 4, 2019

原來用Python實作行銷RFM model，可以那麼簡單！-【附Python程式碼】

先前的文章「常貴客？新客？讓RFM模型簡簡單單解釋一切！（附實現程式碼）」，得到廣大的回響，甚至受到許多公司的參考及採用，非常謝謝您的肯定。

行銷資料科學 in Marketingdatascience

Oct 16, 2019

什麼是假設？

在商管期刊的論文裡，「假設（Hypothesis）」佔有非常重要的地位，因為研究者經常得提出不同的假設，然後透過問卷或者實驗，來調查所提出的假設是否成立。但論文裡的假設不像現實中的假設那麼簡單，你必須提出一個完整的敘述和方向，才能構成一個完美的假設。

行銷資料科學 in Marketingdatascience

Oct 28, 2019

來為RFM 客製化，打造自己的CRM說書人-【附Python程式碼】

原來用Python實作RFM…

行銷資料科學 in Marketingdatascience

Oct 30, 2019

抽樣的定義與重要性

受限於時間、人力和資金等因素，研究者無法調查母體內的整體成員的資料，因此常需要從全部母體中，抽取出一定數量的樣本來獲取資料，並確保其所獲得的資料能具代表性，進而代表所欲研究的整個母體。這個過程，就是所謂的「抽樣」。

行銷資料科學 in Marketingdatascience

Oct 17, 2019

數位轉型的迷思與真相

企業必須進行數位轉型已成為全球不可逆的趨勢，因為無論從生產、行銷、人資、財務或研發，甚至是策略管理等層面，企業均需思考數位化所帶來的機會與威脅，才能迎接下個世代的經營挑戰。不過，還是有不少企業一聽到數位轉型就退避三舍，其中一項原因，是過去在進行轉型的過程中遭遇到許多挫折，現在碰到…

Bastiane Huang in Marketingdatascience

Oct 13, 2019

Robotics 2.0(2) — 為什麼瞭解AI機器人必須從倉庫自動化開始？

前一篇文章我們談到，AI機器人和傳統機器人最大的不同在於自主學習能力，而這樣的改變將使得AI機器人有潛力顛覆各大產業。但究竟AI機器人會發展出什麼樣的應用？對各個產業又會有什麼影響？

行銷資料科學 in Marketingdatascience

Sep 30, 2019

企業營運「儀表板」建構須知

搜集、分析和運用資料是企業進入大數據時代，必須從事的重要工作之一，而這些資料也必須送到決策者手上，讓他們充分知曉和使用，才能產生價值。但是，資料通常是靜態、散居各處的，當要使用時才去尋找，將導致這些資料無法即時派上用場。因此，庫馬等人主張，將各類資料和指標，整合到一個具…

These were the top 10 stories published by Marketingdatascience in October of 2019. You can also dive into daily archives for October of 2019 by using the calendar at the top of this page.