Programme de la filière

Programme
des enseignements
3e année
Filière Marketing quantitatif et revenue
management
ANNEE SCOLAIRE 2016 / 2017

Ensai Programme des enseignements de 3
e
année 2016/2017
1
FILIÈRE MARKETING QUANTITATIF ET REVENUE
MANAGEMENT
ANNÉE SCOLAIRE 2016/2017
QUANTITATIVE MARKETING AND REVENUE MANAGEMENT SPE-
CIALIZATION
2016/2017 ACADEMIC YEAR

Ensai Programme des enseignements de 3
e
année 2016/2017
2

Ensai Programme des enseignements de 3
e
année 2016/2017
3
Table des matières
Présentation de la filière ....................................................................................... 5
Le corps enseignant ............................................................................................... 7
Descriptifs des enseignements du tronc commun ................................................. 13
Simulation d’entretien ...................................................................................................... 14
Droit des entreprises ......................................................................................................... 15
Anglais ............................................................................................................................... 17
Sport .................................................................................................................................. 19
Descriptifs des enseignements de la filière ........................................................... 21
UE Culture marketing ............................................................................................................ 22
Le Challenge Markstrat ..................................................................................................... 22
Gestion de la relation client .............................................................................................. 23
Introduction au marketing ................................................................................................ 25
Marketing expérientiel ...................................................................................................... 26
Marketing digital ............................................................................................................... 27
UE Data science, machine learning ....................................................................................... 28
Introduction à la data science ........................................................................................... 28
Méthodes d’agrégation ..................................................................................................... 30
Méthodes de scoring ......................................................................................................... 31
Modèles de régression pénalisée ...................................................................................... 32
Support vector machines .................................................................................................. 33
Python et Spark ................................................................................................................. 34
Web datamining ................................................................................................................ 35
UE Pricing et revenue management ...................................................................................... 38
Introduction au revenue management ............................................................................. 38
Méthodes de recherche opérationnelle pour le revenue management du transport
aérien ................................................................................................................................ 39
Modèles approfondis en revenue management ............................................................... 40
Politique tarifaire .............................................................................................................. 41
Principes économiques du revenue management : théorie et pratique .......................... 42
UE Optimisation .................................................................................................................... 43
Optimisation linéaire ......................................................................................................... 43
Optimisation dynamique ................................................................................................... 45
Optimisation stochastique ................................................................................................ 46
UE Compléments de statistique et d’économétrie ............................................................... 48
Économétrie des données de panels ................................................................................ 48
Modèles à équations structurelles .................................................................................... 49
Modèles de prévision avec séries temporelles ................................................................. 50
Modèles de régression bayésienne ................................................................................... 51
UE Projets d’entreprise et de recherche ............................................................................... 52
Projet d’entreprise ............................................................................................................ 52
Projet de recherche ........................................................................................................... 53
UE Conférences métiers ........................................................................................................ 54
Conférences métiers ......................................................................................................... 54