В Политехе завершилась программа профессиональной переподготовки «Python. Анализ данных в маркетинге»

В Санкт-Петербургском политехническом университете Петра Великого завершилось обучение по программе профессиональной переподготовки «Python. Анализ данных в маркетинге» 2025-2026 учебного года. Курс проходил в рамках проекта «Цифровые кафедры» и был направлен на развитие навыков в области информационных технологий, анализа данных и цифрового маркетинга.

Программа разработана специалистами Лаборатории «Промышленные системы потоковой обработки данных» Передовой инженерной школы СПбПУ «Цифровой инжиниринг». Слушатели изучали основы маркетинговых исследований, программирование на Python, подготовку, анализ и наглядное представление данных, а также методы машинного обучения. В программу вошли работа с библиотеками Pandas, Matplotlib и Scikit-learn, создание чат-ботов, автоматизированный сбор информации с сайтов, анализ текстов и разработка интерактивных отчетов в Power BI. Общий объем обучения составил 264 часа.

Слушатели осваивали не только отдельные цифровые инструменты, но и учились проводить полноценное исследование: формулировать задачу, собирать и очищать данные, находить закономерности, строить прогнозы, проверять точность результатов и представлять выводы в понятной форме.

Финальным этапом обучения стали защиты итоговых проектов, которые прошли 22 и 24 июня. Выпускники продемонстрировали разработанные решения, представили результаты исследований и рассказали, как созданные ими инструменты могут применяться в маркетинге и бизнесе.

Среди лучших выпускников программы – Татьяна Обухова, Катисэ Хосровян-Рязанова и Юнус Гаджимагомедов.

Татьяна Обухова представила проект «Разработка инструмента на языке программирования Python для автоматизированного сбора, накопления и анализа цен декоративной косметики бренда “Revolution” и его конкурентов на онлайн-площадках».

Проект был посвящен реальной задаче бренд-менеджмента – регулярному отслеживанию цен и скидок конкурентов. Татьяна разработала систему, которая автоматически собирает сведения с маркетплейсов Wildberries и Ozon, сайтов «Золотого Яблока» и «Рив Гош», объединяет их с ранее накопленной информацией и формирует единую базу для анализа.

В работе использовались автоматизированный сбор данных, статистические методы и машинное обучение. Система помогает сравнивать цены разных брендов, находить периоды скидок и отслеживать изменения на отдельных площадках. За пилотный период было собрано более 12,7 тысячи наблюдений по 878 товарам, 28 брендам и четырем онлайн-площадкам. Результаты представлены в автоматически формируемом Excel-отчете и интерактивной панели Power BI.

Одностраничный дашборд ценового мониторинга Revolution (макет на данных за июнь 2026 года)

Разработанный инструмент позволил сократить продолжительность одного цикла мониторинга с двух-трех рабочих дней до 15-20 минут и повысить частоту обновления данных примерно в восемь раз. Благодаря автоматизации специалисты могут не только экономить время, но и замечать краткосрочные скидки и изменения цен, которые трудно выявить при редком ручном сборе информации.

Катисэ Хосровян-Рязанова выполнила проект по теме «Разработка бота, обеспечивающего автоматическую обработку данных, расчет маркетинговых метрик, построение графиков и прогнозирование количества лидов на основе методов машинного обучения, для оценки эффективности рекламных каналов».

Выпускница создала чат-бота, который принимает файл с данными рекламных кампаний, проверяет и очищает данные, а затем автоматически рассчитывает основные показатели эффективности рекламы. С их помощью пользователь может оценить стоимость клика и привлечения потенциального клиента, конверсию и окупаемость рекламных расходов. Результаты сохраняются в базе данных и дополняются графиками, позволяющими сравнивать разные каналы продвижения.

Отдельная функция бота позволяет прогнозировать количество потенциальных клиентов в зависимости от рекламного бюджета, числа показов и кликов. Пользователь может указать предполагаемый бюджет и получить ориентировочный прогноз.

Тестирование подтвердило правильную работу основных функций системы: загрузки и обработки данных, расчета показателей, построения графиков, сохранения результатов и обработки некорректных файлов. Использование решения доступно на разных устройствах и не требует установки отдельной аналитической программы.

Юнус Гаджимагомедов представил проект «Анализ поведения пользователей интернет-магазина и прогнозирование вероятности покупки с использованием языка программирования Python».

В основе работы лежали данные о 12 330 посещениях интернет-магазина. Юнус подготовил и очистил информацию, исследовал особенности поведения посетителей и определил, какие действия пользователей чаще связаны с последующим оформлением покупки.

Для прогнозирования были созданы и сопоставлены три модели машинного обучения. Лучшие результаты показала модель Random Forest, которая смогла достаточно точно отделять посещения, завершившиеся покупкой, от остальных. Анализ также показал, что на вероятность покупки особенно влияют ценность просмотренных страниц, продолжительность изучения товаров, количество действий в товарных разделах и показатели ухода пользователей с сайта.

Сравнение точности моделей, прогнозирующих вероятность покупки

Результаты проекта могут быть полезны для поиска наиболее заинтересованных посетителей, персонализации предложений, совершенствования сайта и повышения доли пользователей, совершающих покупку.

Итоговые работы выпускников показали разнообразие задач, которые можно решать с помощью языка программирования Python в сфере маркетинга: от автоматизированного сравнения цен и оценки рекламы до прогнозирования поведения покупателей. При этом участники не ограничились расчетами и построением моделей, а создали решения, которые могут использоваться в практической работе.

Программа «Python. Анализ данных в маркетинге» объединила знания в области маркетинга, программирования и анализа данных и позволила слушателям пройти все этапы разработки аналитического проекта. Выпускники научились работать с реальной информацией, выбирать подходящие способы анализа, проверять полученные результаты и превращать их в понятные выводы для принятия маркетинговых и управленческих решений.

Лаборатория ПСПОД продолжит развивать программу, расширять сотрудничество с индустриальными партнерами и обновлять содержание курса с учетом новых технологических тенденций. Уже в новом учебном году программа вновь будет готова принять студентов, заинтересованных в применении языка программирования Python и анализа данных для решения практических задач маркетинга.