Course description
Title of the Teaching Unit
Data Analysis in Marketing
Code of the Teaching Unit
22MMK10
Academic year
2024 - 2025
Cycle
Number of credits
5
Number of hours
60
Quarter
1
Weighting
Site
Anjou
Teaching language
French
Teacher in charge
SELMOUNI Mohamed
Objectives and contribution to the program
Au terme du cours, l'étudiant(e) doit avoir assimilé l’utilisation du logiciel statistique SAS dans différentes situation d’analyse des données en appliquant les techniques statistiques dans une ou plusieurs populations, d’autre part en étudiant la dépendance linéaire éventuelle existant entre deux ou plusieurs variables ainsi que l’utilisation des techniques statistiques multivariées pour effectuer, entre autres, une classification ou une segmentation.
Ces objectifs se traduisent par le fait que les étudiant(e)s doivent être capable de :
• Définir et expliquer les notions de tests d’hypothèses.
• Expliquer la théorie d’analyse des données multivariées (analyse en composantes
principales, analyse discriminante, analyse de classification).
• Définir et expliquer la notion de tests non paramétriques.
• Définir et expliquer la notion de modèle de régression linéaire simple ou multiple et
la notion de modèle de régression logistique.
L’étudiant(e) devra aussi être capable au terme de ce cours de :
• Formuler par écrit la problématique à traiter et énoncer les hypothèses à tester,
• Sélectionner les variables adéquates pour traiter cette problématique,
• Choisir la méthode adéquate pour tester ces hypothèses,
• Faire les calculs adéquats relatifs à ces tests en utilisant le logiciel statistique SAS,
• Interpréter par écrit les résultats des tests effectués,
• Dire avec ses propres mots les décisions qui en découlent,
• Donner des recommandations à partir de ces décisions.
• Voir comment utiliser, à bon escient, les nouvelles technologies, entre autres, l'intelligence artificielle, pour mener à bien une étude statistique.
Prerequisites and corequisites
La connaissance du contenu des cours de statistique, vu en baccalauréat et essentiellement le contenu concernant l’inférence dans une population ou deux populations.
Les chapitres à revisiter concernent plus particulièrement les notions suivantes :
• Estimation ponctuelle,
• Estimation par intervalle de confiance,
• Tests d’hypothèses dans une ou deux populations (moyennes et proportions).
• Modèle de régression linéaire simple et multiple.
Content
• Comment importer et transformer des données à l’aide du logiciel statistique SAS.
• Statistique descriptive et étude graphique à l’aide du logiciel statistique SAS.
• Techniques d’échantillonnage à l’aide du logiciel statistique SAS.
• Test chi-carré d’indépendance et relation de cause à effet entre deux ou plusieurs critères à l’aide du logiciel statistique SAS.
• Analyse de la variance et politique de ventes à l’aide du logiciel statistique SAS.
• Test non paramétrique de Kruskal-wallis à l’aide du logiciel statistique SAS.
• Analyse en composantes principales (ACP) et profils des consommateurs à l’aide du logiciel statistique SAS.
• Analyse discriminante à l’aide du logiciel statistique SAS.
• Analyse de classification et segmentation à l’aide du logiciel statistique SAS.
• Modèle de régression linéaire multiple et prédictions.
• Régression logistique (modèle Logit) à l’aide du logiciel statistique SAS.
Teaching methods
Type d'enseignement : Le cours est donné sous forme d’un cours ex cathedra (volume I) accompagné de séances de travaux pratiques en salle informatique (volume II) : les séances de cours théorique sont de deux heures par semaine accompagnées chaque semaine d’une séance d’exercices d’applications de deux heures en salle informatique pour faciliter la compréhension des concepts d’analyse des données théoriques et les appliquer sur des données en utilisant le logiciel statistique SAS.
Supports didactiques :
Des cas pratiques sont mis à la disposition des étudiant(e)s avec des données d’applications liées au domaine du marketing.
Tout le long du quadrimestre des études de cas sont distribuées pour permettre aux étudiant(e)s de s’exercer, en utilisant le logiciel statistique SAS, avec de nouveaux problèmes appliqués au domaine du marketing.
Assessment method
EVALUATION FORMATIVE
Pas d'évaluation formative formelle.
Des séances de travaux pratiques, en salle informatique, accompagnent le cours pour bien comprendre les nouveaux concepts théoriques liés à l’analyse des données.
La résolution, d’exercices appliqués au marketing, avec des données réelles, permet l’assimilation des concepts théoriques vus au cours et de faire en sorte que l'étudiant(e) perçoive le niveau d'exigence demandé par le formateur.
EVALUATION SOMMATIVE
Le cours se termine par un examen écrit, en présentiel, de trois heures combinant la résolution d’exercices pratiques liés à une problématique relative au marketing, avec des sorties logiciel, et questions de compréhension et d’interprétation des résultats.
Un formulaire est mis à la disposition des étudiant(e)s pour faire l’examen.
Les critères d’évaluation sont basés sur les points suivants :
• Explication de la problématique traitée et Formulation des hypothèses à tester,
• Identification et justification des analyses adéquates,
• Interprétation des résultats obtenus par l’utilisation du logiciel statistique pour traiter la problématique donnée,
• Déduction de décisions et recommandations étayées par les analyses des données effectuées.
Chaque critère vaut en moyenne 25% de la note globale adaptée chaque année à la difficulté du contenu de l'examen.
References
Manu Carricano., Fanny Poujol., Laurent Bertrandias., Analyse de données avec SPSS, Pearson Editions, 2010.
Naresh Malhotra., Études marketing avec SPSS, Pearson Editions, 2007.
Malhotra, Birks & Wills., Marketing Research, Pearson Editions, 2012.
Wonnacott T. H., Wonnacott R.J., Statistique, Economica, 1991.
Droesbeke J.J., Eléments de Statistique, Editions Ellipses, 1994.
Mendenhall W., Beaver R.J., Beaver B.M., A course in business statistics, Duxbury, 1996.
Masson R.D., Lind D.A., Marchal W.G., Statistical techniques in business and economics , Mc Graw-Hill, 1999.
Mc Clave., Benson., Sincich., Statistics for business and economics, Prentice Hall, 1998.
Keller., Warrack., Bartel., Statistics for management and economics, 1990.
Levin., Rubin., Statistics for management, Prentice Hall, 1998.