ITA: Il corso si propone di introdurre la costruzione di “web intelligence” basate sui Big data e sulle tecnologie digitali. Negli ultimi anni si è infatti assistito delle applicazioni e delle tecniche di intelligenza…
Scheda dell'insegnamento
Scheda ripresa da un altro corso di laurea dello stesso ateneo.
Obiettivi formativi
ITA: Il corso si propone di introdurre la costruzione di “web intelligence” basate sui Big data e sulle tecnologie digitali. Negli ultimi anni si è infatti assistito delle applicazioni e delle tecniche di intelligenza artificiale e di adeguate analisi statistiche su quelle che su quelle che sono comunemente denominate piattaforme di big data aziendali. Le analisi statistiche su questi dati sono infatti ormai necessarie per raggiungere e mantenere un vantaggio competitivo nel tempo e per supportare, più in generale, il processo decisionale aziendale. Il corso è pertanto incentrato soprattutto sui principali metodi statistici utilizzati a questo fine.
Le applicazioni interessano in particolare le grandi imprese nei settori di produzione, commerciali e di marketing.
ENG: The program is structured so that each course is offered three times a year, with each session lasting two and a half months. While students always have access to the course content, during the session period they are placed in a class of no more than 30 students, where they complete structured activities under the guidance of a subject-expert tutor who monitors their learning progress. This delivery model was adopted to allow students to enroll at the University throughout the year and to have the opportunity to join classes depending on when they enroll.
Programma
ITA: Il corso è costituito da due parti di differente importanza. Una Parte iniziale che illustra le caratteristiche dei Big data e una loro utilizzazione da parte dell’Istat per produrre informazioni statistiche ufficiali. Una seconda più importante di metodi statistici da utilizzare per le decisioni aziendali
ENG: The course aims to explore the development of “web intelligence” based on corporate big data and digital technologies. In recent years, we have witnessed the success of artificial intelligence applications and techniques, as well as statistical analysis, on what are commonly referred to as corporate big data platforms. Analysis of this data is now essential for achieving and maintaining a competitive advantage over time and, more generally, for supporting corporate decision-making. These applications are of particular interest to large enterprises in the commercial and marketing sectors, as well as in production and supply chains. The course will therefore explore the applications of statistical techniques and corporate big data, along with the related web intelligence platforms.
Contenuti
ITA
Impiego della statistica per la gestione dell’azienda (Capitolo 1)
Il ruolo della statistica a supporto del processo decisionale del manager. L’impiego della statistica nella gestione dei fenomeni e processi aziendali .
Materiale aggiuntivo, scaricabile dalla piattaforma del corso:
Disponibilità e produzione delle informazioni statistiche (Capitolo 2)
Le informazioni statistiche per l’azienda: concetti generali e definizioni
Fonti interne: sistemi informativi aziendali e loro informatizzazione Fonti esterne. Statistica ufficiale e statistica privata. Big data: definizione e contesti di produzione/utilizzo all’interno dell’azienda.
Le fonti sulle caratteristiche strutturali delle imprese. Le fonti sui risultati economici delle imprese. Le fonti sul comportamento del consumatore. Qualità della statistica e statistica ufficiale
La produzione di dati ad hoc: le indagini campionarie. Popolazione obiettivo, popolazione effettiva, popolazione d’indagine Formazione del campione Tecniche di rilevazione. Il questionario. Valutazione dei risultati di un’indagine campionaria.
Interpretazione e comparazione dei dati statistici: criteri generali (Capitolo 3)
Rapporti statistici. Definizioni: rapporti generici e specifici. Interpretazione dei rapporti generici: aggregazione e scomposizione dei rapporti. I numeri indici semplici. I numeri indici sintetici. Definizione e metodi di calcoli degli indici sintetici temporali dei prezzi. Principali numeri indici di valore, prezzo e quantità, pubblicati dall’Istat. (escludere § 3.6 e 3.7)
Controllo statistico della qualità dei prodotti (Capitolo 4)
Qualità di prodotto, qualità di processo e miglioramento della qualità. Gli indici di capacità di processo. L’obiettivo Sei-Sigma (Six-Sigma). Il controllo di qualità offline, online, il controllo di accettazione. (escludere § 4.2.4, 4.2.5 e 4.2.7)
Performance tecnica del processo produttivo: produttività ed efficienza (Capitolo 5)
La produttività e l’efficienza: concetti generali. Il concetto di produttività. Il concetto di efficienza Misura dell’efficienza con la Data Envelopment Analysis (DEA). La definizione dell’insieme di produzione. La frontiera efficiente. DEA: il calcolo dell’indice di efficienza input-oriented. DEA: il calcolo dell’indice di efficienza output-oriented. Misura dell’efficienza mediante l’approccio parametrico: la funzione di produzione. (escludere § 5.3 e 5.4)
Misura delle relazioni tra variabili (Capitolo 6)
Misura delle relazioni tra variabili per le decisioni aziendali. Impiego dell’analisi di correlazione e del modello di regressione lineare semplice. Analisi e misura della correlazione. Modello di regressione lineare semplice. Il modello di regressione lineare multipla. L’analisi e la misura della correlazione multipla
L’analisi delle serie storiche per la programmazione delle attività (Capitolo 7)
Le previsioni in azienda: considerazioni generali. Previsioni per mezzo dell’analisi delle serie storiche. Le analisi preliminari e la valutazione della capacità previsiva dei modelli. Metodi di (s)composizione della serie e stima previsiva dei modelli. (escludere §7.5 e 7.6)
Valutazione delle prestazioni economico-finanziarie delle imprese (Capitolo 8)
Valutazione delle prestazioni economico-finanziarie delle imprese. Valutazione delle performance dell’impresa: concetti generali. Bilancio e indici di bilancio. Bilancio e sua riclassificazione a fini interpretativi. Analisi statistica degli indici di bilancio. Analisi statistica multivariata degli indici di bilancio: analisi esplorativa e confermativa. Analisi in componenti principali. Logica e fasi dell’analisi. Svolgimento dell’ACP passo dopo passo. Conclusioni: utilità dell’ACP. Analisi cluster Scopi e tipi di analisi cluster. Analisi cluster gerarchica agglomerativa: la matrice delle distanze fra unità. Fasi dell’analisi cluster. (escludere § 8.6)
ENG
This course, which offers 9 academic credits, consists of 22 hours of video lectures, to be watched twice, for a minimum total of 44 hours of student work.
The video lectures cover the following topics:
- Lesson 1: Introduction
- Lesson 2: Database management systems and entity-relationship modeling
- Lesson 3: The relational data model and SQL
- Lesson 4: Data warehousing
- Lesson 5: Business intelligence
- Lesson 6: Multidimensional data model and OLAP
- Lesson 7: Implementation of the multidimensional data model
- Lesson 8: Data mining
- Lesson 9: Corporate performance management
- Lesson 10: Balanced scorecard & customer relationship management
- Lesson 11: BI management & BI trends
- Lesson 12: Data quality management
- Lesson 13: Introduction to Big Data
- Lesson 14: Hadoop
- Lesson 15: NoSQL databases
- Lesson 16: Text mining
- Lesson 17: Web analytics & network analytics
- Lesson 18: Streaming analytics & visualization
- Lesson 19: Big data-driven innovation
- Lesson 20: Big data management & conclusions
- Lesson 21: Big Data Analytics - Part One
- Lesson 22: Big Data Analytics - Part Two
Each course offering is also supplemented by 5 interactive classroom sessions one hour each. Interactive sessions will be scheduled throughout the course and will be structured as follows: The concept of psychotechnologies; Psychotechnologies and learning; Instructional Design; The Web as a learning environment.
The total student workload for lecture-based instruction is therefore approximately 42 hours. - Big data-Wikipedia.pdf
- Infodata-Social mood on Economy index-Infodata.pdf
- Istat, Social mood on economic Index-Nota_Metodologica.pdf
Testi di riferimento
ITA:
Libri di testo
Per il corso "Big data e basi di dati aziendali" in italiano:
Luigi Biggeri • Matilde Bini • Alessandra Coli Laura Grassini • Mauro Maltagliati (2012 o superiori) – Statistica per le decisioni aziendali, Person.
Consigliato:
Bini, Del Panta, Scaffai (2024), Excel per le decisioni aziendali, Pearson. Versione trial digitale https://console.pearson.com/enrollment/i3zgtk
ENG:
Exam texts:
Mayer-Schonberger V, Cukier K. N., Big Data: A Revolution That Will Transform How We Live—and Why It Matters, Garzanti, 2013
Codice insegnamento UNN-4314