STATISTICA PER LA DIGITAL ECONOMY
cod. 1006335

Anno accademico 2023/24
3° anno di corso - Primo semestre
Docente
- Marco RIANI
Settore scientifico disciplinare
Statistica (SECS-S/01)
Field
Statistico-matematico
Tipologia attività formativa
Caratterizzante
44 ore
di attività frontali
6 crediti
sede: PARMA
insegnamento
in ITALIANO

Obiettivi formativi

a. Conoscenza e capacità di comprensione (knowledge and understanding).
Il corso si propone di illustrare i metodi statistici per il trattamento delle informazioni d’interesse aziendale, considerando contemporaneamente più variabili, ed in particolare quelle di tipo quantitativo. I dati possono essere di fonte interna all’azienda, come ad esempio quelli riguardanti le vendite dei beni o servizi prodotti, oppure possono essere ottenuti mediante indagini campionarie (ricerchedimercatoositiweb).
L’obiettivo o siti web). L’obiettivo dell’analisi dei dati multidimensionali è quello di fornire un supporto conoscitivo razionale per le decisioni.

Si consiglia agli studenti di seguire il corso di Statistica per la digital economy solo dopo aver sostenuto gli esami di Statistica, il cui programma è propedeutico a quello del presente insegnamento.
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. La partecipazione alle attività d'aula e lo svolgimento di esercitazioni in proprio accrescono nello studente la capacità di elaborare autonomamente dati rilevanti per la soluzione di problemi di marketing.

Capacità di applicare conoscenza e comprensione (applying knowledge and understanding):
Alla fine del corso, lo studente sarà in grado di applicare autonomamente le tecniche statistiche sopra indicate a problemi aziendali, attraverso l’impiego del software MATLAB . Lo studente avrà pertanto sviluppato competenze di abilità analitica e di problem solving attraverso l’impiego di metodologie statistiche e dei corrispondenti strumenti informatici.

Autonomia di giudizio (making judgements):
Alla fine del corso, lo studente sarà in grado di svolgere in autonomia analisi quantitative dei dati aziendali. Inoltre, lo studente sarà in grado di interpretare correttamente i risultati di tali analisi, anche quando effettuate da altri. 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.

Abilità comunicative (communication skills):
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.

Capacità di apprendere (learning skills)
Il corso è congegnato in modo tale da consentire allo studente di acquisire i metodi propri dell'analisi dei dati aziendali e della programmazione

Prerequisiti

Conoscenze statistiche di base

Contenuti dell'insegnamento

L’analisi dei dati nella digital economy: il data warehouse ed il data mining come
supporto alle decisioni.
Presentazione e classificazione delle informazioni rilevate: la matrice dei dati, le relazioni tra le variabili, i trattamenti preliminari dei dati: valori mancanti e valori anomali.
Introduzioneall’usodiMATLABperleanalisistatisticheealla programmazione.
Analisi esplorative e visualizzazione dei dati: rappresentazioni grafiche di più variabili. Il problema della riduzione delle dimensioni con riferimento alle variabili:
l’analisidellecomponentiprincipali.Imetodistatisticiperla segmentazionedelmercato:misuredidistanza
tra individui o oggetti, formazione di gruppi omogenei con metodi moderni di classificazione.
Applicazioni a casi reali con l’impiego di
MATLAB. Introduzione al machine learning e alla sentiment analysis.

Programma esteso

Il corso si propone di illustrare i metodi statistici per il trattamento delle informazioni d’interesse aziendale, considerando contemporaneamente più variabili, ed in particolare quelle di tipo quantitativo. I dati possono essere di fonte interna all’azienda, come ad esempio quelli riguardanti le vendite dei beni o servizi prodotti, oppure possono essere ottenuti mediante indagini campionarie (ricerche di mercato). L’obiettivo dell’analisi dei dati multidimensionali è quello di fornire un supporto conoscitivo razionale per le decisioni.
Si consiglia agli studenti di seguire il corso di Statistica per la digital economy solo dopo aver sostenuto l'esame di Statistica di base, il cui programma è propedeutico a quello del presente insegnamento.
PROGRAMMA
L’analisi dei dati in azienda: il data warehouse ed il data mining come supporto alle decisioni.
Presentazione e classificazione delle informazioni rilevate: la matrice dei dati, le relazioni tra le variabili, i trattamenti preliminari dei dati: valori mancanti e valori anomali.
Introduzione all’uso del software MATLAB per le analisi statistiche ed alla programmazione.
Analisi esplorative e visualizzazione dei dati: rappresentazioni grafiche di più variabili.
Il problema della riduzione delle dimensioni con riferimento alle variabili: l’analisi delle componenti principali. Applicazioni a problemi di marketing con l’impiego di MATLAB: il posizionamento d’un prodotto.
I metodi statistici per la segmentazione del mercato: misure di distanza tra individui o oggetti, formazione di gruppi omogenei con metodi
di cluster analysis. Applicazioni a casi reali con l’impiego di
MATLAB: i segmenti del mercato d’un prodotto, la classificazione della clientela. Sentiment analysis.

Bibliografia

Data science con MATLAB, Riani et al. Giappichelli editore, Torino (seconda edizione)
Materiale di corredo al corso scaricabile da http://www.riani.it/SDE

Metodi didattici

Lezioni frontali; esercitazioni guidate e in proprio; eventuali seminari di esperti.
I materiali didattici utilizzati durante le lezioni (slide del corso e dati per replicare le analisi svolte a lezione) sono resi disponibili nel sito web http://www.riani.it/SDE prima dello svolgimento dell'argomento corrispondente.
Nel portale di cui sopra sono inoltre resi disponibili materiali didattici aggiuntivi (dati per esercitazioni in proprio e bibliografia per approfondimenti individuali) e il calendario delle lezioni.

Modalità verifica apprendimento

Prova al computer.
Gli studenti devono consegnare un file in formato .m oppure in formato
.mlx. Il nome del file di consegna deve avere il seguente formato cognome_nome_numeromatricola.m. Gli studenti che hanno accenti nel cognome e/o nel nome devono ometterli nel nome del file.

La prova al computer consiste in una serie di 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.
Le capacità di applicare le conoscenze sono accertate con domande di discussione e di interpretazione di analisi concrete .
L’autonomia di giudizio e la capacita di apprendimento sono accertate con domande sulle conclusioni ricavabili dalle analisi svolte .
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.
Ulteriori dettagli sulla prova sono disponibili al sito http://www.riani.it/SDE
La prova è valutata con scala 0-30.
La lode verrà assegnata a quegli studenti particolarmente meritevoli che, oltre ad avere rispettato i requisiti necessari per ottenere la valutazione piena, nello svolgimento della prova abbiano complessivamente dimostrato un’apprezzabile conoscenza sistematica dell’argomento, un’ottima capacità di applicare le conoscenze acquisite allo specifico problema in oggetto, una rilevante autonomia di giudizio, nonché una cura particolare nella stesura formale dell’elaborato.

Durante l'esame è possibile consultare appunti ma non è ammesso utilizzare il telefono cellulare e/o collegamenti internet. I risultati sono pubblicati sulla piattaforma ESSE3 entro 3 giorni dalla durata della prova.

Altre informazioni

Informazioni addizionali sul corso e sui materiali didattici aggiuntivi possono essere reperiti dal sito web del docente http://www.riani.it/SDE