Corso di laurea

Digital Marketing

Università degli Studi Gabriele D'Annunzio · 24 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

Ai For Business And Research 1° anno · 6 CFU · ECON-08/A · 0 file

Questo corso mira a fornire agli studenti le conoscenze teoriche e pratiche necessarie per sfruttare al meglio le tecnologie di intelligenza artificiale nel contesto del business e della ricerca. CONOSCENZE E CAPACITA'…

Scheda dell'insegnamento

Obiettivi formativi

Questo corso mira a fornire agli studenti le conoscenze teoriche e pratiche necessarie per sfruttare al meglio le tecnologie di intelligenza artificiale nel contesto del business e della ricerca.
CONOSCENZE E CAPACITA' DI COMPRENSIONE

  • Riconosce le differenze, i vantaggi e le criticità delle diverse soluzioni di intelligenza artificiale
  • Comprendere le sfumature dell’interpretazione dei comandi da parte delle soluzioni di intelligenza artificiale generativa ed ottimizzare l’efficacia nell’interazione.
  • Descrivere le principali differenze tra i diversi ambienti di intelligenza artificiale generativa e relativi contesti di utilizzo

    CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
  • Utilizzare strumenti analitici per comprendere e interpretare le diverse tipologie di soluzioni basate su intelligenza artificiale;
  • Definisce le strategie per promuovere processi di utilizzo di soluzioni basate su intelligenza artificiale.
  • Utilizza gli strumenti di intelligenza artificiale generativa per supportare la creazione di contenuti testuali e multimediali.

    AUTONOMIA DI GIUDIZIO:
  • Interpreta e analizza in maniera critica i processi supportati dall’utilizzo di soluzioni basate su intelligenza artificiale all’interno del sistema organizzativo
  • Legge ed esamina in maniera critica la documentazione di progetto relativa all’adozione di soluzioni di intelligenza artificiale
    ABILITA' COMUNICATIVE:
  • Esprime in forma orale considerazioni analitiche, critiche e di sintesi sugli aspetti principali riguardanti l’adozione di strumenti di intelligenza artificiale nell’ambito del business e nel contesto della ricerca scientifica, effettuando collegamenti interdisciplinari.



Programma

Introduzione all’intelligenza artificiale: breve storia, modelli e tipologie di soluzioni
Utilizzo di specifici tool di AI generativa
Creazione e analisi di contenuti utilizzando il supporto di AI generativa

Nessuno

Di seguito le metodologie didattiche utilizzate durante il corso:

  • didattica frontale
  • esercitazioni
  • analisi di casi di studio
  • testimonianze

Modalità d'esame

La valutazione si basa sulla realizzazione di contenuti specifici, sfruttando il potenziale offerto dagli strumenti di intelligenza artificiale generativa con relativa discussione.

Testi di riferimento

Materiale didattico fornito durante il corso

Codice insegnamento 29473_770MR-2525_185810_484631

Applied Data Analytics 1° anno · 9 CFU · IINF-05/A · 0 file

L'insegnamento appartiene all'area quantitativo-informatica del percorso e concorre agli obiettivi formativi del Corso di Studio relativi all'uso dei dati a supporto delle decisioni di marketing (Art. 3, obiettivi 2 e…

Scheda dell'insegnamento

Obiettivi formativi

L'insegnamento appartiene all'area quantitativo-informatica del percorso e concorre agli obiettivi formativi del Corso di Studio relativi all'uso dei dati a supporto delle decisioni di marketing (Art. 3, obiettivi 2 e 4): fornire conoscenze e tecniche per interpretare i dati provenienti dal monitoraggio degli indicatori di performance, dai trend di mercato e dagli insight generati dalle attività digitali.

Coerentemente con il profilo del Digital Marketing Manager e con quello collegato di Digital Marketing Analyst, l'insegnamento mira a sviluppare la capacità di impostare una domanda di business, individuare i dati che possono rispondervi, calcolare le metriche pertinenti e riconoscere i limiti di ciò che l'analisi consente di affermare.

Risultati di apprendimento attesi

Conoscenza e capacità di comprensione. Lo studente conosce le principali metriche di performance del marketing digitale, le sorgenti da cui i relativi dati provengono e i meccanismi di tracciamento che le alimentano, ed è in grado di individuare, tra queste, le metriche pertinenti alla domanda di analisi posta.

Capacità di applicare conoscenza e comprensione. Lo studente è in grado di analizzare un dataset attraverso gli indicatori pertinenti, utilizzando gli strumenti impiegati nel corso, e di costruire visualizzazioni coerenti con la domanda di analisi.

Autonomia di giudizio. Lo studente è in grado di valutare la coerenza tra le evidenze prodotte e le conclusioni che ne derivano, circoscrivendo queste ultime a quanto le evidenze sostengono.

Abilità comunicative. Lo studente è in grado di presentare i risultati di un'analisi a interlocutori di marketing non specialisti, in forma scritta e orale, e di argomentare le scelte analitiche compiute.

Programma

Il corso si propone di fornire gli strumenti per rispondere a domande di business a partire dai dati prodotti dai canali digitali. Vengono trattati i fondamenti dell'analisi dei dati, le tipologie di analisi e di domande, l'origine dei dati nel marketing digitale e i meccanismi che li generano, i principali ambiti di analisi con le relative metriche e le modalità di comunicazione dei risultati. Gli strumenti operativi adottati sono Microsoft Excel, Google Analytics 4 e gli agenti basati su AI generativa. I contenuti sono affrontati attraverso lezioni teoriche e l'analisi di casi realistici.

Nessuno

Lezioni frontali per introdurre i concetti base, alternate ad analisi di casi in ambito Digital Marketing svolte in aula su dati realistici. Sono inoltre previste attività pratiche brevi e valutate (challenge) svolte in aula, attraverso cui gli studenti potranno ottenere punti "bonus" concorrenti alla valutazione finale. Il lavoro si svolge principalmente su fogli di calcolo (Excel) e talvolta con il supporto di strumenti di intelligenza artificiale generativa.

I materiali didattici saranno scaricabili dagli studenti dal sito dedicato al corso sulla piattaforma elearning.unich.it

Modalità d'esame

La valutazione ordinaria è espressa in trentesimi ed è composta da due prove:

Progetto finale di gruppo (50%)
Gli studenti, organizzati in gruppi, dovranno sviluppare un progetto di analisi a partire da uno o più dataset forniti dal docente.
I gruppi dovranno produrre una relazione scritta che documenti il lavoro svolto e presentare i risultati del progetto con il supporto di slides. Ulteriori dettagli verranno forniti durante il corso.
Alla discussione del progetto dovranno obbligatoriamente partecipare tutti i membri del gruppo.

La valutazione terrà conto di:

  • Analisi (5 punti) — Pertinenza, correttezza e coerenza delle elaborazioni con i dati di partenza.
  • Interpretazione (5 punti) — Lettura critica delle evidenze prodotte; coerenza tra le conclusioni e i risultati ottenuti.
  • Comunicazione (5 punti) — Relazione: completezza della documentazione del lavoro svolto, organizzazione e leggibilità. Presentazione: appropriatezza delle rappresentazioni grafiche rispetto alla domanda, chiarezza dell'esposizione e capacità di sintesi.

    La valutazione verrà resa nota dopo la discussione del progetto tramite email ai componenti di ogni gruppo.

    Prova pratica individuale (50%)
    La prova pratica individuale è finalizzata a verificare l'effettiva acquisizione delle competenze operative e analitiche sviluppate durante il corso.
    A partire da un dataset fornito dal docente, lo studente dovrà svolgere autonomamente una serie di attività di analisi utilizzando gli strumenti impiegati durante il corso, allo scopo di rispondere a domande pre-determinate, producendo tipicamente dei grafici e dei commenti pertinenti. La prova pratica avrà una durata minima di un'ora.
    La valutazione terrà conto di:
    Correttezza dell'analisi (9 punti) — correttezza e coerenza delle elaborazioni con i dati forniti.
    Rappresentazione e conclusioni (6 punti) — Appropriatezza delle visualizzazioni rispetto alla domanda a cui rispondono; coerenza tra la sintesi finale e i risultati ottenuti.

    La valutazione verrà resa nota dopo la correzione degli elaborati tramite file scaricabile sul sito del corso (sulla piattaforma elearning.unich.it).

    Ogni studente potrà scegliere di sostenere la prova pratica individuale in un qualsiasi appello, indipendentemente da quando viene presentato il progetto del gruppo a cui appartiene. La valutazione finale verrà registrata sulla piattaforma udaonline.unich.it in corrispondenza dell'appello in cui viene sostenuta la seconda delle due prove. L'esito della prima prova sostenuta resta valido per le sessioni dell'anno accademico in corso.

    Challenge e punti bonus (fino a 5 punti)
    Nel corso delle lezioni saranno proposte delle brevi "challenge" individuali da svolgere in aula, finalizzate a favorire la partecipazione attiva, l'applicazione continuativa dei concetti e delle tecniche affrontate e il consolidamento progressivo delle competenze.

    Le challenge potranno assumere forme diverse, tra cui quiz, interpretazione di dati, tabelle o visualizzazioni, ed esercitazioni operative con gli strumenti utilizzati nel corso.

    La partecipazione e la corretta risoluzione delle challenge consentirà di accumulare fino a un massimo di 5 punti bonus, secondo le modalità che verranno esposte di volta in volta dal docente. I punti bonus ottenuti saranno aggiunti alla valutazione ordinaria, ottenuta attraverso il progetto di gruppo e la prova pratica individuale. I punti bonus non sono necessari per conseguire la valutazione massima, incluso 30 e lode, e non possono essere utilizzati per compensare una valutazione ordinaria complessivamente insufficiente.

    In sintesi, la valutazione complessiva, da 0 a 30, è articolata come segue:
  • Progetto finale di gruppo: 50% (massimo 15 punti)
  • Prova pratica individuale: 50% (massimo 15 punti)
  • Challenge in aula: fino a +5 punti bonus (assegnabili solo se la somma delle prove precedenti è maggiore di 18)

    Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
    Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate.
    Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Tania Masi [email protected]

Testi di riferimento

Dispense ed eventuale materiale di approfondimento fornite dal docente.

Codice insegnamento 29473_770MR-2525_52762_484630

Digital Consumer Behaviour 1° anno · 6 CFU · ECON-07/A · 0 file

Il corso fornisce le competenze necessarie per analizzare il comportamento dei consumatori nei contesti digitali, comprendendone i processi decisionali, le influenze sociali e le strategie aziendali per modellare le…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce le competenze necessarie per analizzare il comportamento dei consumatori nei contesti digitali, comprendendone i processi decisionali, le influenze sociali e le strategie aziendali per modellare le preferenze di acquisto. Attraverso l'analisi di casi di studio e applicazioni pratiche, gli studenti acquisiranno capacità critiche e operative per affrontare le sfide dell'economia digitale.

Programma

Il corso esplora il comportamento del consumatore digitale attraverso un approccio multidisciplinare che integra prospettive psicologiche, tecnologiche e strategiche. Vengono analizzati i processi decisionali online, le influenze cognitive ed emotive sulle scelte di consumo, e il ruolo delle piattaforme digitali nel modellare le preferenze degli utenti. Particolare attenzione è dedicata all’uso dei dati e dell’intelligenza artificiale per la personalizzazione delle esperienze d’acquisto, nonché alle implicazioni etiche e ai rischi legati alla privacy e alla manipolazione algoritmica. Inoltre, il corso approfondisce le strategie omnicanale e le dinamiche del customer journey, con un focus sulle tecnologie emergenti che stanno trasformando il rapporto tra consumatori e imprese. L’approccio didattico combina lezioni teoriche con l’analisi di casi studio ed esercitazioni pratiche, fornendo agli studenti strumenti critici e operativi per comprendere e gestire le sfide del mercato digitale.

NO

The course provides the necessary skills to analyze consumer behavior in digital contexts, understanding decision-making processes, social influences, and business strategies that shape purchasing preferences. Through case studies and practical applications, students will develop critical and operational competencies to address the challenges of the digital economy.

Modalità d'esame

La valutazione comprende attività in classe e lavori di gruppo (30%), project work (30%) ed esame finale (40%). Gli studenti frequentanti possono svolgere fino a tre attività in itinere per ottenere punti bonus aggiuntivi. Gli studenti non frequentanti saranno valutati esclusivamente tramite un esame scritto (100%) basato sul libro di testo assegnato.
Modalità di Valutazione della Prova Scritta
Studenti Non Frequentanti

Gli studenti non frequentanti sosterranno un esame scritto composto da:
6 domande a risposta multipla

  • 1 punto per domanda
  • nessuna penalizzazione per risposte errate
    4 domande a risposta aperta
  • valore: 6 punti ciascuna
  • contenuti: libro di testo + slide del corso
    Il punteggio massimo ottenibile nella prova è 30 punti.

    Studenti Frequentanti
    Gli studenti frequentanti sosterranno un esame scritto composto da:
    3 domande a risposta multipla
  • 1 punto per domanda
  • nessuna penalizzazione per risposte errate
    3 domande a risposta aperta
  • valore: 9 punti ciascuna
  • contenuti: lezioni, discussioni in aula, materiali del corso
    Il punteggio massimo ottenibile nella prova è 30 punti.



    L’esame sarà valutato secondo i seguenti criteri:

    Non idoneo: gravi lacune e/o imprecisioni nella conoscenza e comprensione degli argomenti; esposizione incoerente e linguaggio inappropriato.

    18–20: conoscenza e comprensione appena sufficienti della maggior parte degli argomenti, con alcune mancanze; capacità di analisi sufficiente; esposizione talvolta incoerente e con linguaggio inappropriato o non tecnico.

    21–23: conoscenza e comprensione di base della maggior parte degli argomenti; adeguata capacità di analisi e sintesi con argomentazione logicamente coerente, seppur con qualche possibile imprecisione nel linguaggio tecnico.
    24–26: buona conoscenza e comprensione della maggior parte degli argomenti; buone capacità analitiche e sintetiche con argomentazioni rigorose, pur con qualche lieve imprecisione nel linguaggio tecnico.
    27–29: conoscenza completa e comprensione piena degli argomenti; elevate capacità di analisi e sintesi. Argomentazioni presentate in modo rigoroso e con linguaggio appropriato/tecnico, con solo marginali imprecisioni.
    30–30L: livello molto elevato di conoscenza e comprensione approfondita degli argomenti. Eccellenti capacità analitiche e sintetiche e giudizio autonomo. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.

    Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
    Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate.
    Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Tania Masi [email protected]

Testi di riferimento

Testo principale:

Filippo Marchesani. (2026). Digital Consumer Behavior Essentials (1a Edizione). Vibrant Publishers LLC, USA

ISBN: Paperback -9781636516622
Hardback - 9781636516646
E-Book - 9781636516639

Materiale aggiuntivo:
Slide, articoli accademici e casi studio forniti dal docente.
Godin, S. (2021). La mucca viola. Sperling & Kupfer.

Codice insegnamento 29473_770MR-2525_84018_484623

Digital Innovation 1° anno · 1° semestre · 9 CFU · ECON-08/A · 0 file

Al termine del corso, lo studente sarà in grado di: Conoscenze - Descrivere i principali modelli di innovazione. - Illustrare le caratteristiche fondamentali dei processi innovativi. - Comprendere le dinamiche…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente sarà in grado di: Conoscenze - Descrivere i principali modelli di innovazione. - Illustrare le caratteristiche fondamentali dei processi innovativi. - Comprendere le dinamiche organizzative, strategiche e operative che favoriscono l’innovazione. - Identificare le sfide specifiche legate all’innovazione in contesti digitali e nel cyberspazio. - Conoscere le strategie di marketing digitale e le criticità della loro implementazione. - Riconoscere le peculiarità dell’innovazione nelle PMI. Abilità - Applicare strumenti analitici per comprendere e interpretare i processi di innovazione tecnologica. - Analizzare casi aziendali e proporre soluzioni innovative. - Utilizzare concetti e modelli teorici per progettare strategie di innovazione. Autonomia di giudizio - Valutare criticamente le implicazioni economiche, sociali e tecnologiche dell’innovazione. - Collegare aspetti organizzativi, economici e tecnologici nelle scelte di innovazione. Abilità comunicative - Comunicare efficacemente utilizzando la terminologia tecnica e manageriale dell’innovazione. - Partecipare attivamente a discussioni e lavori di gruppo su casi aziendali. - Presentare strategie innovative a un pubblico tecnico o generalista. Capacità di apprendimento - Acquisire in autonomia nuove conoscenze su strumenti, pratiche e modelli di innovazione. - Aggiornarsi in modo critico su evoluzioni tecnologiche e trasformazioni digitali.

Programma

Il corso analizza i processi di innovazione nelle imprese, con particolare attenzione agli aspetti strategici, organizzativi e operativi, nel contesto digitale e del cyberspazio. Saranno affrontate le principali criticità legate all’implementazione delle strategie di marketing digitale, con un focus finale sull’innovazione nelle PMI.

Per poter frequentare con successo le lezioni, sono necessari principi di economia e gestione delle imprese.

Il metodo di insegnamento si basa su una combinazione di lezioni tradizionali, seminari con manager, discussioni di casi e presentazioni degli studenti.
Le lezioni tradizionali contano per il 30% del carico di lavoro complessivo degli studenti. Inoltre, i seminari con manager e i laboratori specializzati su argomenti specifici (ad es. Ecosistemi di piattaforme, strategie digitali, sicurezza informatica, gestione dei progetti) contano per un altro 30%. Le discussioni sui casi e le presentazioni degli studenti contano per il 40%. Una simile divisione del carico di lavoro informe la strutturazione dell'esame finale.

Modalità d'esame

Il voto finale è espresso in trentesimi. La prova di valutazione accerta il livello di acquisizione dei risultati di apprendimento attesi, con modalità differenziate per studenti frequentanti e non frequentanti. Studenti frequentanti La valutazione finale è così composta: - Partecipazione attiva alle discussioni in aula: 10% - Discussione di casi aziendali: 30% - Lavori di gruppo svolti durante il corso: 30% - Prova scritta individuale (analisi di un business case + domande a risposta aperta): 30% Studenti non frequentanti L’esame consiste in una prova scritta articolata come segue: - Analisi di un business case selezionato tra quelli disponibili in piattaforma - Domande a risposta aperta sui capitoli del manuale indicati Il business case sarà scelto tra i casi disponibili sulla piattaforma e-learning, quali: From PDA to Smartphones; Blu-Ray versus HD-DVD; From SixDegrees.com to Facebook; TataNano; chotuKool; Uber; Mobile Payments; Digital Music Revolution; Apple; Google; Frog; SkullCandy

Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.

Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell'appello, per conoscere le modalità di esame e le misure che sono accettate.

Per essere orientati e indirizzati ai diversi servizi offerti dall'Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Tania Masi ([email protected]).

Testi di riferimento

Studenti frequentanti: Articoli scientifici e casi studio distribuiti in classe + capitoli selezionati da Schilling (2017) Strategic Management of Technological Innovation, McGraw Hill
Non frequentanti: Schilling (2017) Strategic Management of Technological Innovation, McGraw Hill capitoli: 1-2-3-4-5-10-11-12

Codice insegnamento 29473_770MR-2525_83614_484624

Digital Marketing And User Experience 1° anno · 6 CFU · ECON-07/A · 0 file
Economics Of Strategic Competition 1° anno · 1° semestre · 6 CFU · ECON-04/A · 0 file

Conoscenza e comprensione: al termine del corso lo studente conosce i principali modelli di struttura di mercato e di comportamento strategico delle imprese e comprende come dati, piattaforme e algoritmi modificano le…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e comprensione: al termine del corso lo studente conosce i principali modelli di struttura di mercato e di comportamento strategico delle imprese e comprende come dati, piattaforme e algoritmi modificano le dinamiche competitive.
Capacità di applicare conoscenza e comprensione: lo studente sa analizzare la struttura competitiva di un settore reale (incluse le industrie digitali rilevanti per il marketing), valutare strategie di prezzo e di differenziazione e interpretare gli effetti di fusioni, integrazioni verticali e pratiche escludenti.
Autonomia di giudizio: lo studente sa valutare criticamente le strategie competitive delle imprese e gli interventi delle autorità di concorrenza, distinguendo effetti pro-competitivi e anti-competitivi.
Abilità comunicative: lo studente sa presentare un'analisi settoriale con linguaggio economico rigoroso, in forma scritta e orale.
Capacità di apprendimento: lo studente acquisisce un quadro concettuale che gli consente di seguire autonomamente l'evoluzione dei mercati digitali e della letteratura su economia delle piattaforme e dell'IA.

Programma

Il corso fornisce gli strumenti dell'economia industriale per analizzare la concorrenza strategica tra imprese, con costante riferimento ai mercati digitali e all'intelligenza artificiale. Contenuti principali: strutture di mercato (concorrenza perfetta, monopolio, oligopolio, concorrenza monopolistica) e barriere all'entrata, incluse quelle digitali (dati, effetti di rete, costi di switching); teoria dei giochi e modelli di oligopolio (Cournot, Bertrand, Stackelberg); collusione, cartelli e collusione algoritmica; piattaforme e mercati a due versanti; differenziazione del prodotto; discriminazione di prezzo e prezzi personalizzati basati sui dati; strategie di prezzo avanzate (tariffe a due parti, bundling, freemium, dynamic pricing); concentrazione, fusioni e acquisizioni; integrazione verticale, self-preferencing e struttura della filiera dell'IA; asimmetrie informative, pubblicità digitale e regolazione dei mercati digitali (antitrust, DMA, AI Act).

Conoscenze di base di microeconomia (domanda e offerta, elasticità, massimizzazione del profitto) e di statistica descrittiva. Non è richiesta alcuna esperienza di programmazione. Non sono previste propedeuticità formali.

Lezioni frontali con momenti interattivi; laboratori in aula con simulazioni di mercato utilizzabili dal browser (es. gioco di pricing ripetuto, dinamiche di adozione di piattaforme con effetti di rete); discussione di casi reali di strategia d'impresa e di antitrust; progetto di gruppo con presentazione finale. È previsto l'uso guidato e critico di strumenti di intelligenza artificiale generativa come supporto all'analisi settoriale, con attenzione alla verifica delle fonti e degli output.

Modalità d'esame

Studenti frequentanti: (a) prova scritta finale (70% del voto), della durata di 90 minuti, composta da domande aperte sui modelli teorici e da un mini-caso applicativo che richiede di analizzare un mercato reale integrando strumenti classici e dinamiche digitali; (b) progetto di gruppo (30% del voto): analisi della struttura competitiva di un settore a scelta, con una sezione obbligatoria sull'impatto di digitale e IA, presentata in aula nelle ultime lezioni. Le consegne facoltative dei laboratori danno diritto a un bonus fino a 2 punti sul voto finale.
Studenti non frequentanti: prova scritta finale (100% del voto) sull'intero programma, con una domanda aggiuntiva sulle letture integrative. I criteri di valutazione (correttezza dell'analisi economica, rigore nell'uso dei modelli, qualità dell'argomentazione) sono identici per tutti.
Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi. Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell’appello, per conoscere le modalità di esame e le misure che sono accettate. Per essere orientati e indirizzati ai diversi servizi offerti dall’Ateneo è possibile contattare il Docente Referente del Dipartimento: Prof.ssa Tania Masi

Testi di riferimento

Testo principale: D.W. Carlton, J.M. Perloff, “Modern Industrial Organization”, Pearson (capitoli 1–14).
Dispense del docente per ciascuna lezione, con collegamenti tra teoria classica ed economia digitale.
Letture integrative (disponibili sulla piattaforma e-learning), tra cui: A. Goldfarb, C. Tucker, “Digital Economics”, Journal of Economic Literature (2019); E. Calvano et al., “Artificial Intelligence, Algorithmic Pricing, and Collusion”, American Economic Review (2020); J. Crémer et al., “Competition Policy for the Digital Era”, Commissione Europea (2019); J.-C. Rochet, J. Tirole, “Two-Sided Markets: A Progress Report”, RAND Journal of Economics (2006).

Codice insegnamento 29473_770MR-2525_52800_484626

Machine Learning And Data Science 1° anno · 6 CFU · IINF-05/A · 0 file
Marketing 1° anno · 1° semestre · 9 CFU · ECON-07/A · 0 file

L'insegnamento persegue il generale obiettivo del corso di studio di fornire conoscenze e competenze riguardo: l’evoluzione che ha caratterizzato i principali metodi d’indagine allo studio d’impresa alla luce delle…

Scheda dell'insegnamento

Obiettivi formativi

L'insegnamento persegue il generale obiettivo del corso di studio di fornire conoscenze e competenze riguardo: l’evoluzione che ha caratterizzato i principali metodi d’indagine allo studio d’impresa alla luce delle logiche reticolari; l’evoluzione subita dalle varie aree funzionali d’azienda alla luce delle dinamiche relazionali emergerti tra imprese, con particolare attenzione al marketing; la governance delle reti d’impresa; lo strumento operativo “contratto di rete”; la figura manageriale preposta alla governance delle reti d’impresa.

RISULTATI DI APPRENDIMENTO ATTESI

Al termine dell’insegnamento lo studente dovrà possedere conoscenze e competenze inerenti:

  • comprende le modalità di governance delle varie aree funzionali d’azienda (con particoalre attenzione al marketing) in contesti che ricorrono con sempre maggiore frequenza alla collabrazione tra imprese per fronteggiare la complessità ambientale;
  • distingue e confronta le modalità di governance di una rete di imprese - in generale e formalizzata con contratto di rete in particolare;
  • individua le capacità e le competenze manageriali della figura preposta alla governance di un contest reticolare (Manager di rete).

L’obiettivo è contribuire alla formazione di una figura professionale che sia in grado di detenere la governance di reti di imprese e che abbia una conoscenza approfondita del marketing e delle dinamiche di mercato.

​​​​​​​

Programma

Il corso si propone di delineare i profili dell'impresa attuale, risultante dal complesso intrecciarsi di relazioni interne ed esterne ai tradizionali confini aziendali, su cui trovano fondamento le attuali dinamiche imprenditoriali.

Partendo dalla classica impostazione metodologica allo studio di impresa di tipo funzionale, si proporrà una sua rilettura in chiave evolutiva, analizzando le principali funzioni aziendali nel loro declinare verso la logica relazionale.

Particolare attenzione verrà riservata alla funzione Marketing, andandone a delineare la sua evoluzione ed il suo "approdo" verso il marketing relazionale/collaborativo.

Si analizzerà il costrutto della Rete, quale architettura concettuale in grado di ben rappresentare le attuali tendenze imprenditoriali protese verso il ricorso condivisione/collaborazione tra le parti.

Si analizzerà lo strumento operativo del Contratto di rete, privilegiandone gli aspetti di natura manageriali.

Si studierà la figura del Manager di rete, quale soggetto chiamato al coordinamento ed alla governance delle reti d'impresa. In particolare ci si soffermerà sulle principali competenze di marketing che lo stesso deve possedere per garantire una gestione efficiente ed efficace del contesto reticolare.

Nessun prerequisito

​​​​​​​

L’insegnamento prevede 54 ore di lezione suddivise in 6 lezioni settimanali di 2 ore.

Il corso prevede i seguenti metodi didattici: lezioni frontali, coinvolgimento degli studenti in lavori di gruppo su tematiche inerenti la governance delle reti. Eventuali testimonianze in aula da parte di Manager di rete.

Modalità d'esame

Per gli studenti frequentanti (9 cfu): la valutazione del livello di apprendimento degli studenti sarà effettuata:• con il ricorso ad una prova scritta (4 domande a risposta aperta) articolata in relazione agli obiettivi formativi da valutare;• con la valutazione della relazione e discussione (in aula) del lavoro di gruppo.

Per gli studenti non frequentanti (9 cfu): la valutazione del livello di apprendimento degli studenti sarà effettuata con il ricorso ad una prova scritta (5 domande a risposta aperta) incentrata sugli obiettivi del corso.

Coloro che acquisiscono 6 cfu: prova scritta con 3 domande a risposta aperta e 3 domande a risposta chiusa.

Testi di riferimento

Tresca R. "Reti - approcci metodologici e dinamiche imprenditoriali emergenti", Cedam, 2014.

Tresca R. "La fugura manageriale per il coordinamento e la governance delle reti d'impresa" Cacucci Editore, 2024.

Tresca R., "L e aree funzionali d'azienda ed il loro declinare verso la logica relazionale", Cacucci Editore, 2015.

Dispense e articoli scientifici a cura del docente.

Codice insegnamento 39461_770MR2026_303476_617858

Marketing Statistics And Metrics 1° anno · 2° semestre · 6 CFU · STAT-01/A · 0 file

Il corso ha l’obiettivo di presentare le principali tecniche statistiche per l’analisi di informazioni aziendali che coinvolgono contemporaneamente più variabili, con particolare attenzione a quelle di tipo quantitativo.…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l’obiettivo di presentare le principali tecniche statistiche per l’analisi di informazioni aziendali che coinvolgono contemporaneamente più variabili, con particolare attenzione a quelle di tipo quantitativo. Tra le tecniche trattate figurano il modello di regressione lineare, la regressione logistica, la cluster analysis (gerarchica e non gerarchica) e l’analisi delle componenti principali. I dati analizzati possono provenire da fonti interne all’azienda, come ad esempio i dati sulle vendite di beni o servizi, oppure essere raccolti tramite indagini campionarie (ricerche di mercato) o estratti dal Web. L’obiettivo dell’analisi multidimensionale è fornire un supporto conoscitivo rigoroso e razionale per prendere decisioni strategiche di marketing efficaci, con particolare riferimento anche al marketing digitale e alle dinamiche dei canali online. Il corso combina l’approfondimento metodologico, fondamentale per comprendere le tecniche e interpretarne correttamente i risultati, con un approccio pratico basato sul learning by doing. La partecipazione attiva alle lezioni e lo svolgimento di esercitazioni pratiche, mediante l’utilizzo dell’ambiente statistico R, consentiranno agli studenti di sviluppare la capacità di analizzare autonomamente dati rilevanti per la risoluzione di problematiche legate sia al marketing tradizionale sia a quello digitale. Al termine del corso, gli studenti saranno in grado di utilizzare i metodi statistici appresi per effettuare analisi descrittive e predittive, identificare segmenti di clientela target, nonché analizzare i comportamenti dei clienti al fine di individuare e prevenire fenomeni di abbandono, elaborando strategie di marketing mirate e personalizzate anche nei contesti digitali.

Programma

Il corso si propone di fornire agli studenti le conoscenze teoriche e le competenze operative necessarie per analizzare in profondità i dati del marketing digitale, mediante l’utilizzo di tecniche di statistica multivariata. Particolare attenzione sarà riservata all’uso del software R per l’esplorazione, la modellazione e l’interpretazione dei dati provenienti da fonti online. In coerenza con il profilo professionale del corso di studi, l’insegnamento mira allo sviluppo delle seguenti competenze: 1. Conoscenza e capacità di comprensione • Raccogliere, organizzare e gestire dataset complessi e ad alta dimensionalità generati da attività di marketing digitale. • Applicare in modo appropriato tecniche di statistica multivariata (es. analisi delle componenti principali, cluster analysis, regressione multipla, regressione logistica) per individuare pattern e segmentazioni di mercato. • Utilizzare il linguaggio R per implementare le principali procedure analitiche in contesti digitali reali. 2. Autonomia di giudizio • Selezionare criticamente le tecniche multivariate più adatte in base agli obiettivi di marketing e alla struttura del dataset. • Interpretare in autonomia i risultati delle analisi statistiche, valutandone la robustezza e l’utilità per la decisione strategica. • Formulare raccomandazioni data-driven, anche in contesti complessi o incerti. 3. Capacità comunicative e applicative • Comunicare i risultati di un’analisi multivariata utilizzando un linguaggio statistico appropriato e adattato al target di riferimento (es. manager, clienti, team tecnici). • Trasformare i risultati delle analisi in insight operativi per la definizione di campagne di marketing, personalizzazione dei contenuti, profilazione degli utenti e ottimizzazione della customer journey. • Utilizzare le visualizzazioni dei dati in modo strategico per supportare

Pur non essendo richiesto alcun requisito propedeutico, si consiglia di possedere una conoscenza di base dei concetti fondamentali di statistica.

L’insegnamento prevede 54 ore di lezione, svolte tramite didattica frontale, articolata in lezioni teoriche e laboratori pratici con R. Per ulteriori informazioni, è possibile contattare la Prof.ssa Annalina Sarra all’indirizzo: [email protected]

Modalità d'esame

La valutazione del livello di apprendimento degli studenti si articola in una parte teorica e una pratica: La parte teorica consiste in una prova orale o scritta, a seconda del numero di iscritti, con l’obiettivo di verificare la conoscenza delle tecniche statistiche trattate durante il corso. La parte pratica prevede la presentazione di un lavoro di gruppo realizzato utilizzando il software/language R. Tale attività ha lo scopo di valutare l’applicazione delle tecniche statistiche a casi di studio nel marketing, l’interpretazione dei risultati ottenuti e la familiarità con i principali oggetti utilizzati in R.

Testi di riferimento

Testi di riferimenti: Levine DM, Krehbiel TC, Berenson ML (2018) Statistica, Apogeo, Milano. per la parte relativa agli Intervalli di Confidenza, Verifica di Ipotesi, Modello di Regressione Sergio Zani, Andrea Cerioli Analisi Dei Dati e Data Mining per le Decisioni Aziendali. Giuffrè Editore 2007 Capitoli I I Le matrici dei dati e le analisi univariate VI -L'analisi delle componenti Principali VIII - Distanze ed Indici di Similarità IX- Analisi dei gruppi Approfondimenti: -Chris Chapman and Elea McDonnell Feit, 2015. F for Marketing Research and Analytics. Springer. -Tonio Di Battista, 2014. Metodi statistici per la valutazione. Franco Angeli Il materiale didattico integrativo per le esercitazioni con R sarà pubblicato dal docente sulla piattaforma fad.unich

Codice insegnamento 29473_770MR-2525_45342_484628

Marketing, Communication And Management In Family Business 1° anno · 2° semestre · 6 CFU · ECON-07/A · 0 file
Project Management 1° anno · 6 CFU · ECON-07/A · 0 file
Altre Conoscenze Utili Per L'Inserimento Nel Mondo Del Lavoro 2° anno · 1 CFU · 0 file
Business And Social Media Strategies 2° anno · 9 CFU · ECON-06/A · 0 file
Digital Governance And Security 2° anno · 6 CFU · GIUR-03/A · 0 file
Economics Of Ai And Digital Goods 2° anno · 6 CFU · ECON-04/A · 0 file
Insegnamento A Scelta Ii Anno 2° anno · 6 CFU · 0 file
Performance Management 2° anno · 6 CFU · ECON-06/A · 0 file

Il corso si propone di sviluppare una capacità di lettura della performance più ampia rispetto al tradizionale controllo dei risultati. Lo studente sarà guidato a comprendere che un’organizzazione può eseguire bene le…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di sviluppare una capacità di lettura della performance più ampia rispetto al tradizionale controllo dei risultati. Lo studente sarà guidato a comprendere che un’organizzazione può eseguire bene le proprie attività e, nello stesso tempo, perdere progressivamente rilevanza perché il valore per il cliente si è spostato altrove.
Il percorso insegna quindi a osservare la performance su due piani collegati: la qualità dell’esecuzione, cioè quanto bene l’organizzazione realizza ciò che ha deciso di fare, e la validità della direzione, cioè se ciò che continua a fare produce ancora valore per i clienti o per i destinatari della propria attività.
Al termine del corso lo studente dovrà essere in grado di:
1. distinguere problemi di esecuzione da problemi di direzione, comprendendo che buoni risultati operativi non dimostrano necessariamente che l’organizzazione stia ancora andando nella direzione corretta;
2. ricostruire la catena delle attività del cliente, osservando ciò che il cliente fa per soddisfare un bisogno e individuando gli anelli nei quali il valore si concentra, diminuisce o si sposta nel tempo;
3. confrontare il luogo in cui il cliente trova valore con il luogo in cui l’organizzazione concentra risorse, investimenti, competenze, attenzione manageriale e indicatori, così da riconoscere eventuali disallineamenti;
4. utilizzare la matrice direzione × esecuzione per interpretare la posizione di un’organizzazione e comprenderne soprattutto il movimento nel tempo;
5. ricostruire una traiettoria organizzativa distinguendo situazioni nelle quali occorre migliorare il modo di eseguire da situazioni nelle quali è necessario rivedere ciò che si sta facendo;
6. valutare criticamente indicatori e sistemi di misurazione, comprendendo che una misura può essere utile per osservare un fenomeno ma può diventare pericolosa quando prende il posto del fenomeno che dovrebbe rappresentare;
7. formulare una diagnosi utilizzando le informazioni effettivamente disponibili nel momento in cui una decisione doveva essere presa, evitando giudizi costruiti soltanto con il senno di poi;
8. applicare il metodo del corso a nuovi casi e a un’organizzazione reale, trasformando l’analisi in proposte motivate riguardanti direzione, processi, allocazione delle risorse e sistemi di misurazione.
I casi discussi durante il corso costituiscono la base metodologica per il project work: agli studenti sarà richiesto non di ripetere i casi studiati, ma di riconoscere dinamiche analoghe in altre organizzazioni e di dimostrare padronanza dei modelli di lettura proposti.
Conoscenza e capacità di comprensione
Al termine del corso lo studente conoscerà il concetto integrato di performance, fondato sulla distinzione tra esecuzione e direzione di marcia, e comprenderà perché le due dimensioni devono essere osservate insieme.
Conoscerà inoltre gli strumenti utilizzati nel corso per leggere il cambiamento della performance nel tempo: la catena delle attività del cliente, la matrice direzione × esecuzione, l’analisi delle traiettorie e la diagnosi fondata sul confronto tra ciò che cambia all’esterno e ciò su cui l’organizzazione continua a concentrare risorse e attenzione.
Lo studente comprenderà in particolare che il valore è mobile: i bisogni possono restare relativamente stabili mentre cambiano le attività, le soluzioni o gli anelli attraverso cui vengono soddisfatti. Per questo un’organizzazione può continuare a migliorare ciò che sa fare e, nello stesso tempo, allontanarsi dal luogo nel quale il valore si sta formando.
Capacità di applicare conoscenza e comprensione
Lo studente sarà in grado di applicare il metodo del corso a situazioni organizzative nuove.
Di fronte a un caso dovrà saper partire dall’esterno, ricostruendo il percorso del cliente o del destinatario e individuando dove si forma il valore e come questo cambia nel tempo. Dovrà poi confrontare questa evoluzione con le scelte dell’organizzazione: dove vengono investite le risorse, quali attività vengono rafforzate, quali indicatori vengono utilizzati e quali priorità guidano le decisioni.
Sulla base di questo confronto sarà in grado di formulare una diagnosi: stabilire se l’organizzazione deve soprattutto fare meglio ciò che già fa, oppure se deve rivedere la direzione, perché il valore si è spostato e il modo esistente di operare non è più sufficiente.
Questa capacità verrà sviluppata attraverso l’analisi guidata di casi e applicata autonomamente nel project work.
Autonomia di giudizio
Lo studente svilupperà la capacità di formulare giudizi manageriali senza confondere automaticamente buoni risultati con buona direzione.
Dovrà saper riconoscere, ad esempio, che un’organizzazione può rispettare i budget, migliorare la qualità e aumentare l’efficienza mentre cresce la distanza tra ciò che sa fare bene e ciò che il cliente considera importante.
Dovrà inoltre essere in grado di distinguere tra indicatori che aiutano realmente a comprendere ciò che sta accadendo e indicatori che finiscono per rappresentare soltanto il comportamento prodotto dal sistema stesso. La valutazione dovrà quindi basarsi non su un singolo numero, ma sulla coerenza tra bisogni del cliente, risorse dell’organizzazione, comportamenti osservati e risultati.
Particolare attenzione sarà dedicata alla capacità di giudicare le decisioni nel loro contesto storico, utilizzando le informazioni disponibili in quel momento e non quelle conosciute soltanto successivamente.
Abilità comunicative
Lo studente dovrà saper presentare in modo chiaro e ordinato una diagnosi di performance, rendendo esplicito il percorso logico seguito.
Dovrà essere in grado di spiegare:

  • che cosa sta cambiando per il cliente;
  • dove si sta spostando il valore;
  • dove l’organizzazione continua a concentrare risorse e attenzione;
  • quale distanza emerge tra le due prospettive;
  • se il problema individuato riguarda prevalentemente l’esecuzione, la direzione o entrambe;
  • quali interventi risultano coerenti con la diagnosi.
    Nella discussione dei casi e nel project work sarà richiesto di distinguere chiaramente evidenze, interpretazioni e giudizi, evitando affermazioni non sostenute dai dati disponibili.
    Capacità di apprendimento
    Lo studente sarà in grado di utilizzare autonomamente i modelli del corso per leggere casi diversi da quelli discussi a lezione.
    L’obiettivo non è memorizzare le soluzioni adottate da singole organizzazioni, ma acquisire un metodo di osservazione trasferibile: partire dal cliente o dal destinatario, ricostruire la catena delle attività, individuare dove si muove il valore, confrontare tale movimento con ciò che l’organizzazione continua a fare e a misurare, e formulare una diagnosi sulla necessità di migliorare l’esecuzione oppure rivedere la direzione.
    Lo studente dovrà quindi essere capace di utilizzare framework e indicatori come strumenti di analisi e non come risposte predefinite, adattandoli al contesto e rivedendo le proprie conclusioni quando emergono nuove evidenze.

Programma

Il corso propone una concezione integrata del performance management. La performance non riguarda soltanto la capacità di raggiungere gli obiettivi fissati in modo efficiente, controllando costi, tempi, qualità e risultati. Riguarda anche la capacità di verificare se gli obiettivi perseguiti e la direzione scelta continuano a essere validi quando cambiano clienti, tecnologie, concorrenti e condizioni ambientali.
Il corso si sviluppa quindi attorno a due domande fondamentali: stiamo facendo bene ciò che abbiamo deciso di fare? e stiamo ancora facendo la cosa giusta? La prima riguarda la qualità dell’esecuzione; la seconda la validità della direzione di marcia. Le due dimensioni devono essere considerate insieme, perché un’organizzazione può eseguire molto bene una strategia che nel frattempo ha perso rilevanza.
A partire da questa distinzione, il percorso affronta:
•il significato del performance management in una prospettiva allargata: buona esecuzione e validità della direzione;
•la differenza tra efficienza ed efficacia, efficacia operativa e strategia, exploitation ed exploration, apprendimento a ciclo singolo e a ciclo doppio;
•i limiti dei sistemi tradizionali di misurazione, che tendono a privilegiare ciò che è facilmente misurabile, attribuibile e controllabile e possono quindi segnalare problemi di esecuzione senza accorgersi che è la direzione a essere diventata superata;
•il rapporto tra organizzazione e cliente, utilizzato per verificare dove si sta spostando il valore e se la proposta dell’organizzazione continua a rispondere a bisogni reali;
•la matrice direzione-esecuzione, che consente di distinguere quattro condizioni: direzione valida o superata ed esecuzione buona o cattiva;
•le principali traiettorie attraverso cui la performance cambia nel tempo: caduta, quando la direzione perde validità pur in presenza di una buona esecuzione; risalita, quando viene scelta una nuova direzione; miglioramento dell’esecuzione, quando una direzione corretta viene trasformata in capacità organizzativa; custodia, quando l’organizzazione costruisce meccanismi capaci di mantenere nel tempo una direzione verificata ancora valida;
•gli strumenti per diagnosticare la posizione dell’organizzazione e distinguere problemi di esecuzione da problemi di direzione;

  • il ruolo degli indicatori: misure che controllano il raggiungimento del piano e informazioni che, invece, devono essere utilizzate per mettere in discussione il piano stesso;
    •l'applicazione della stessa logica alle imprese, alle organizzazioni pubbliche e alle organizzazioni non profit;
  • l’analisi di casi reali e l’applicazione del metodo a un’organizzazione mediante project work.
    In sintesi il performance management non serve soltanto a ridurre la distanza tra risultati e obiettivi; deve anche aiutare il management a riconoscere quando sono gli obiettivi stessi a dover essere messi in discussione.

Non sono previste propedeuticità. I concetti necessari vengono comunque richiamati durante il corso.

L'insegnamento prevede 36 ore di didattica nel primo term. Le attività sono organizzate in modo progressivo: si parte da un problema concreto, si introducono i concetti necessari per interpretarlo e li si applica a casi diversi.
•Lezioni frontali, per introdurre i concetti e gli strumenti del corso.
•Discussione guidata di casi
•Project work.
Tutti i materiali didattici sono resi disponibili dal docente sulla piattaforma e-learning di Ateneo.

Modalità d'esame

La verifica dell'apprendimento accerta il raggiungimento dei risultati di apprendimento attesi indicati nella scheda dell'insegnamento. In particolare, la valutazione riguarda:

  • la conoscenza e la comprensione dei concetti e degli strumenti del corso;
  • la capacità di distinguere esecuzione e direzione di marcia e di collegarle in una lettura unitaria;
  • la capacità di applicare il metodo del corso a casi e a situazioni concrete;
  • l'autonomia di giudizio nell'analisi delle scelte manageriali e dei sistemi di misurazione;
  • la capacità di utilizzare in modo appropriato il linguaggio della disciplina.

    STUDENTI FREQUENTANTI
    Per gli studenti frequentanti la verifica si articola in un project work (60% del voto finale) e in una successiva prova orale (40%).
    Il project work consiste nella diagnosi di un'organizzazione reale (impresa, ente pubblico o organizzazione non profit), condotta con il framework utilizzato nel corso.
    Il project work è presentato in aula con power point e consegnato in forma di report. È valutato in base alla correttezza nell'uso dei concetti, alla qualità e pertinenza delle evidenze, alla coerenza tra diagnosi e proposte e alla chiarezza dell'esposizione. La prova orale verte sui concetti e sui casi discussi a lezione e comprende la discussione del project work.
    STUDENTI NON FREQUENTANTI
    Per gli studenti non frequentanti la verifica consiste in un esame orale sui temi affrontati sul testo J. Birkinshaw, Reinventare il management, Franco Angeli.
    CRITERI DI VALUTAZIONE
    La valutazione è espressa in trentesimi. Nella determinazione del voto sono considerati:
    1. conoscenza e comprensione dei contenuti;
    2. capacità di collegamento e di organizzazione delle conoscenze;
    3. capacità di applicazione dei concetti a casi e situazioni;
    4. autonomia di giudizio;
    5. chiarezza espositiva e appropriatezza del linguaggio disciplinare.
    STUDENTI CON DISABILITÀ, DSA O ALTRI BISOGNI EDUCATIVI SPECIALI
    Gli studenti e le studentesse con disabilità, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative è necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.
    Si invitano gli studenti e le studentesse a prendere contatti con il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell'appello, per concordare le modalità di esame e le misure previste. Questo vale anche per il project work, le cui modalità di svolgimento e di presentazione possono essere adattate.
    Per essere orientati e indirizzati ai diversi servizi offerti dall'Ateneo è possibile rivolgersi al Docente Referente del Dipartimento per disabilità e DSA.
    MATERIALI PER LA PREPARAZIONE DELL'ESAME
    I temi affrontati a lezioni saranno resi disponibili dal docente come dispense sulla piattaforma e-learning di Ateneo: http://elearning.unich.it/., sia per i frequentanti che per i non frequentanti.

Testi di riferimento

•Dispense del docente disponibili sulla piattaforma e-learning di Ateneo.
•J. Birkinshaw, Reinventare il management, FrancoAngeli, ultima edizione.
Per approfondimenti:
•C. Dawson, S. Meehan, The Customer Copernicus, Routledge, 2021.
•Thales S. Teixeira, Unlocking the Customer Value Chain: How Decoupling Drives Consumer Disruption, Crown Currency, 2019

Codice insegnamento 29473_770MR-2525_84418_484638

Project Management 2° anno · 6 CFU · ECON-07/A · 0 file
Prova Finale 2° anno · 18 CFU · 0 file
Tirocini Formativi 2° anno · 5 CFU · 0 file
Advanced English 2° semestre · 6 CFU · L-LIN/12 · 0 file
Creativita', Innovazione E Content Management 6 CFU · SPS/07 · 0 file
Digital Marketing Principles 2° semestre · 9 CFU · SECS-P/08 · 0 file
Economics Of Digital Goods And On-Line Markets 1° semestre · 6 CFU · SECS-P/01 · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.