Obiettivi formativi
Il corso estende le competenze quantitative di base impartite negli
insegnamenti precedenti. In particolare, esso fornisce competenze sulle principali metodologie statistiche finalizzate all’analisi dei dati aziendali e alla previsione del comportamento del consumatore. Tali tecniche comprendono: il modello di regressione lineare multipla; il modello di regressione logistica; gli alberi di classificazione; la Cluster Analysis non gerarchica.
Le competenze insegnate nel corso comprendono sia solidi aspetti metodologici, essenziali per la comprensione delle tecniche e per l’interpretazione dei risultati, sia un impiego dell’approccio learning by doing.
Le ore di didattica erogativa prevedono sia l'esposizione dettagliata delle metodologie, sia lo svolgimento di esempi e casi di studio. Le ore di didattica interattiva prevedono sia momenti di discussione (web forum), eventualmente per sottogruppi di studenti, sia spiegazioni aggiuntive orientate alla risoluzione di problemi e alla preparazione dell'esame.
La partecipazione a tali attività e lo svolgimento di esercitazioni in
proprio accrescono nello studente la capacità di elaborare
autonomamente dati rilevanti per la soluzione di problemi di marketing di interesse per il Trade.
Alla fine del corso, lo studente sarà in grado di applicare
autonomamente le tecniche statistiche sopra indicate a problemi aziendali. Lo studente avrà pertanto sviluppato competenze di abilità analitica e di problem solving attraverso l’impiego di metodologie statistiche e avrà acquisito una buona conoscenza dei corrispondenti strumenti informatici (Excel, SPSS).
Alla fine del corso, lo studente sarà in grado di interpretare correttamente i risultati di analisi quantitative sul comportamento dei consumatori. Inoltre, lo studente sarà in grado di svolgere in autonomia tali analisi quando i dati siano disponibili. Attraverso lo studio dei contenuti del corso, lo studente matura pertanto una buona autonomia di giudizio e la capacità di rielaborare le conoscenze quantitative acquisite al fine di ottenere informazioni di business su comportamenti di acquisto e di consumo.
Alla fine del corso, lo studente sarà in grado di interloquire con tutte le componenti aziendali, sia di vertice che di base, fornendo sintesi quantitative delle informazioni aziendali e contribuendo con le proprie analisi allo sviluppo delle decisioni aziendali.
Prerequisiti
Conoscenze statistiche di base, secondo i contenuti dei corsi di Statistica delle lauree triennali di ambito economico-aziendale. Conoscenze dei contenuti del corso "Statistics for Management".
Contenuti dell'insegnamento
Il corso affronta le principali metodologie statistiche utilizzabili per le applicazioni a grandi insiemi di dati nel marketing, con particolare riferimento all’analisi del comportamento di acquisto e di consumo. In particolare, sono presi in considerazione:
a) il modello di regressione lineare multipla e le sue applicazioni a
problemi di marketing;
b) il modello di regressione logistica per la previsione del comportamento
del consumatore;
c) la metodologia degli alberi di classificazione e le sue applicazioni ai problemi di previsione e di segmentazione dei consumatori;
d) i metodi di Cluster Analysis per la segmentazione dei consumatori.
Accanto alla teoria di base, necessaria per comprendere l'utilizzo delle metodologie e per padroneggiarne con consapevolezza i risultati, è dato spazio alle applicazioni, con impiego dei software Excel e SPSS. Sarà inoltre fornito qualche cenno sul software R.
Programma esteso
- - -
Bibliografia
M. Riani, F. Laurini, G. Morelli: Strumenti statistici e informatici per applicazioni aziendali. Pitagora Editrice, Bologna, 2013, dal capitolo 4 in avanti (con esclusione dei paragrafi 4.6, 4.12, 5.3 e 5.4; l'Appendice A serve per comprendere il contenuto del testo, ma non fa parte del programma del corso). Tale volume è disponibile anche attraverso il sito: https://editrice.pitagoragroup.it/
A. Cerioli, F. Laurini: Il modello di regressione logistica per le applicazioni aziendali, Uni.Nova, Parma, 2019 (tutto tranne il paragrafo 5.3.1 e l'Appendice A). Tale volume è disponibile anche attraverso il sito: https://www.uninova.it/
S. Zani e A. Cerioli: Analisi dei dati e data mining per le decisioni
aziendali, Giuffrè, Milano, Capitolo IX (paragrafi 1 – 2 – 11 – 12), Capitolo XI (esclusi i paragrafi 4, 5.4 e 6). Tale volume è disponibile anche attraverso il sito:
https://shop.giuffre.it/
Slide del corso.
Metodi didattici
Didattica a distanza attraverso l’utilizzo delle piattaforme Teams ed Elly. In particolare, saranno svolte:
- attività didattiche in modalità erogativa (58 ore), con lezioni sincrone in streaming (tramite Teams) e lezioni asincrone offline (rese disponibili tramite Elly);
- attività didattiche in modalità interattiva (10 ore), con web forum e spiegazioni aggiuntive orientate alla risoluzione di problemi (tramite Teams).
Esercitazioni in proprio.
I materiali didattici utilizzati durante le lezioni (slide del corso e dati per replicare le analisi svolte a lezione) sono resi disponibili nel portale Elly prima dello svolgimento dell'argomento corrispondente.
Nel portale Elly sono inoltre resi disponibili materiali didattici aggiuntivi (dati per esercitazioni in proprio e bibliografia per approfondimenti individuali) e il calendario aggiornato delle lezioni.
Le slide del corso sono inoltre disponibili presso il Centro Stampa del Dipartimento.
Modalità verifica apprendimento
Esame scritto della durata di 60 minuti, con possibilità di utilizzo dei libri di testo e della calcolatrice.
Finché sarà attiva la didattica a distanza, la prova d'esame sarà effettuata attraverso lo strumento COMPITO di Elly e con gli strumenti di videosorveglianza messi a disposizione dall'Ateneo (ad esempio, Teams oppure Zoom). Inoltre, per accedere alla prova d'esame lo studente dovrà preventivamente caricare, secondo modalità che saranno rese note in Elly, un documento d'identità e una dichiarazione d'onore in cui si impegna a svolgere l’esame in modo corretto secondo le indicazioni fornite.
La prova d'esame nella modalità a distanza sarà solitamente svolta in più turni.
La prova scritta d'esame consiste in 10 quesiti a risposta aperta, ciascuno dei quali ha uguale peso nella valutazione.
In particolare:
* Le conoscenze e la capacità di comprensione sono accertate con domande sulle metodologie del valore di 3 punti ciascuna.
* Le capacità di applicare le conoscenze sono accertate con domande di discussione e di interpretazione di analisi concrete (output del software) del valore di 3 punti ciascuna.
* L’autonomia di giudizio e la capacita di apprendimento sono accertate con domande sulle conclusioni ricavabili dalle analisi svolte (output di Excel, SPSS) del valore di 3 punti ciascuna.
* Le capacità di comunicare con linguaggio tecnico appropriato sono accertate attraverso l’utilizzo appropriato dei termini tecnici nelle risposte e attraverso la richiesta di chiarimento del loro significato.
Le modalità di esame saranno comunicate agli studenti e rese disponibili nel portale Elly all'inizio del corso.
Altre informazioni
- - -
Obiettivi agenda 2030 per lo sviluppo sostenibile
- - -
