Vai al contenuto principale
Oggetto:
Oggetto:

BUSINESS INTELLIGENCE E SISTEMI INFORMATIVI DIREZIONALI

Oggetto:

BUSINESS INTELLIGENCE AND MANAGEMENT INFORMATION SYSTEMS

Oggetto:

Anno accademico 2024/2025

Codice attività didattica
MAN0623
Docenti
Elisa Marengo (Titolare dell'insegnamento)
Anno
1° anno
Periodo
Secondo semestre
Tipologia
Caratterizzante
Crediti/Valenza
9
SSD attività didattica
INF/01 - informatica
Erogazione
A distanza
Lingua
Italiano
Frequenza
Facoltativa
Tipologia esame
Quiz
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi


Apprendere i concetti fondamentali della BI e della gestione dei progetti di BI in azienda.

Learn the fundamental concepts of BI and the management of BI projects in enterprises.

Oggetto:

Risultati dell'apprendimento attesi

Al termine dell’insegnamento, lo studente sarà in grado di:

Conoscenza e capacità di comprensione
- Identificare la metodologia corretta di progettazione di un sistema di Business Intelligence
- Comprendere i passi fondamentali su cui si basa un Data Warehousing
- Comprendere la metodologia corretta per creare una visualizzazione dati efficiente
- Identificare i concetti principali su cui si basano i modelli di machine learning

Capacità di applicare conoscenza e comprensione (abilità pratiche)
- Sapere interpretare i risultati delle query OLAP
- Crea una visualizzazione dei dati efficiente
- Riconoscere e interpretare correttamente i risultati di vari modelli di machine learning
- Sintetizzare in modo appropriato un insieme di risultati per il supporto alle decisioni aziendali

Autonomia di giudizio
- Apprendimento dei concetti fondamentali di Business Intelligence al fine di lavorare autonomamente nella progettazione e sviluppo di un sistema di supporto alle decisioni aziendale
- Capacità di interpretare in modo autonomo i risultati di query OLAP, visualizzazioni dati e modelli di machine learning

Abilità comunicative
- Apprendimento della terminologia per comunicare in modo appropriato i diversi concetti inerenti la Business Intelligence

Capacità di apprendimento
- Abilità di studiare autonomamente argomenti generali inerenti al Business Intelligence
- Competenza nel lavorare in autonomia nella progettazione e sviluppo di un sistema di Business Intelligence

At the end of the course, student will be able to:

Knowledge and understanding
- Identify the correct methodology for designing a Business Intelligence system
- Understand the basic steps on which a Data Warehousing is based
- Understand the correct methodology to create an efficient data visualisation
- Identify the main concepts on which machine learning models are based

Ability to apply knowledge and understanding (practical skills)
- Knowing how to interpret the results of OLAP queries
- Create an efficient data visualisation
- Recognise and correctly interpret the results of various machine learning models
- Appropriately summarise a set of results to support business decisions

Independent judgment
- Learn the fundamental concepts of Business Intelligence to work independently in the design and development of a business decision support system
- Ability to autonomously interpret the results of OLAP queries, data visualizations and machine learning models

Communication skills
- Learning the terminology to appropriately communicate the different concepts inherent to Business Intelligence

Learning ability
- Ability to independently study general topics related to Business Intelligence
- Ability to work independently in the design and development of a Business Intelligence system

Oggetto:

Programma

1) Introduzione al Business Intelligence (BI)

Dati
Ciclo di vita di un progetto di Business Inteligence

2) Fondamenti di Basi di Dati

Cenni del modello concettuale
Cenni del modello logico
Cenni di interrogazioni SQL

3) I data warehouse

Introduzione ai data warehouse
Architettura di un data warehouse
Modello concettuale - modello multidimensionale
Modello logico - star schema, snowflake schema

4) Operazioni OLAP

Progettazione di un data warehouse
Operazioni OLAP
Tool di data warehouse
Operazioni OLAP in MS Excel

5) Introduzione alla visualizzazione dati

Cos'è la visualizzazione dati
Cosa, perché e come visualizzare i dati

6) Visualizzazione dati e storytelling

Regola generale
Differenti tipi di dati, visualizzazioni differenti
Alcune regole d'oro
Storytelling con i dati

7) Tool di visualizzazione dati

Ms Excel
Tableau
ggplot2 in R

8) Manipolazione dati avanzata

Il linguaggio R
La libreria data.table

9) Il data mining e il machine learning

Introduzione al data mining e machine learning
Supervised e unsupervised learning
Addestrare modelli predittivi
Valutare l'accuratezza dei modelli predittivi

10) Regressione

Regressione lineare
Regressione polinomiale
Tool: regressione in Weka e R

11) Classificazione

Decision tree
Ramdon forest
Tool: classificazione in Weka e R

12) Unsupervised learning

Clustering
Regole associative
Tool: Clustering e regole associative in Weka e R


1) Introduction to Business Intelligence (BI)

Data
Life cycle of a Business Inteligence project

2) Fundamentals of Databases

Core components of conceptual model
Core components of logical model
Basics of SQL

3) Data warehouse

Introduction to Data Warehousing concepts
Data Warehouse Architecture
Conceptual model - the multidimensional model
Logical model - star schema, snowflake schema

4) OLAP operations

Designing a data warehouse
OLAP operations
Data warehouse tools
OLAP operations in MS Excel

5) Introduction to data visualisation

What is data visualisation
What, why and how to visualise data

6) Data visualisation and storytelling

Rule of thumb
Different types of data, different visualisations
Golden rules
Data storytelling

7) Data visualisation tools

Ms Excel
Tableau
ggplot2 in R

8) Advanced data manipulation

The R language
The data.table library

9) Data mining and machine learning

Introduction to data mining and machine learning
Supervised and unsupervised learning
Training predictive models
Evaluating the accuracy of predictive models

10) Regression

Linear regression
Polynomial regression
Tools: regression in Weka and R

11) Classification

Decision tree
Ramdon forest
Tools: classification in Weka and R

12) Unsupervised learning

Clustering
Association rules
Tools: Clustering and associative rules in Weka and R

Oggetto:

Modalità di insegnamento

L'insegnamento si articola in videolezioni e test di autovalutazione che saranno pubblicati sulla piattaforma Moodle.

Nello specifico, le lezioni del corso, il materiale didattico, eventuale materiale integrativo e le prove di autovalutazione sono rilasciati su moodle e possono essere visualizzati da remoto in qualsiasi momento.

The teaching is divided into video-lessons and self-assessment tests that will be published on the Moodle platform.

Specifically, video-lessons, teaching material, supplementary material and self-evaluation tests are released on moodle and can be viewed remotely at any time.


Oggetto:

Modalità di verifica dell'apprendimento

* Valutazione formativa *

La valutazione formativa consiste in un test di autovalutazione online erogato dalla piattaforma Moodle.

Le domande contenute nel test di autovalutazione sono diverse da quelle dell'esame, tuttavia riguardano gli stessi argomenti e hanno la stessa difficoltà.

La modalità del test di autovalutazione è identica all'esame. Tuttavia, a differenza dell'esame, nel test di valutazione formativa, a test finito è possibile visionare le risposte corrette e autovalutare la propria preparazione.

È possibile sostenere il test di autovalutazione quante volte lo si desidera.


* Valutazione sommativa *

La valutazione sommativa consiste in un test online erogato dalla piattaforma Moodle ed in una tesina da presentare prima dell'esame.

* Formative assessment *

The formative assessment consists of an online MCQs provided by Moodle.

The questions contained in the formative test are different from those of the summative one, however they concern the same topics and have the same difficulty.

The formative test format is identical to the exam. However, unlike the exam, in the formative assessment test, once the test is completed, it is possible to view the correct answers and self-evaluate one's preparation.

You can take the formative test as many times as you wish.


* Summative assessment *

The summative assessment consists of an online MCQ delivered by Moodle and a coursework to be submitted before the exam.

Testi consigliati e bibliografia



Oggetto:
Libro
Titolo:  
Database systems: a practical approach to design, implementation, and management
Anno pubblicazione:  
2015
Editore:  
Pearson education limited
Autore:  
Connolly, Thomas M. - Begg, Carolyn E.
ISBN  
Note testo:  
E-book accessibile su https://ebookcentral-proquest-com.bibliopass.unito.it/lib/unitoit/detail.action?docID=5174902
Obbligatorio:  
No


Oggetto:
Libro
Titolo:  
The data warehouse toolkit : the definitive guide to dimensional modeling
Anno pubblicazione:  
2013
Editore:  
Wiley
Autore:  
Kimball, Ralph - Ross, Margy
ISBN  
Note testo:  
E-book accessibile su https://ebookcentral-proquest-com.bibliopass.unito.it/lib/unitoit/detail.action?docID=1313513&query=9781118530801
Obbligatorio:  
No


Oggetto:
Libro
Titolo:  
Data mining: concepts and techniques
Anno pubblicazione:  
2012
Editore:  
Morgan Kaufmann
Autore:  
Han, Jiawei - Kamber, Micheline -
ISBN  
Obbligatorio:  
No


Oggetto:
Libro
Titolo:  
Storytelling with data : a data visualization guide for business professionals
Anno pubblicazione:  
2015
Editore:  
Wiley
Autore:  
Nussbaumer Knaflic, Cole
ISBN  
Note testo:  
E-book accessibile su https://onlinelibrary-wiley-com.bibliopass.unito.it/doi/epub/10.1002/9781119055259
Obbligatorio:  
No


Oggetto:
Libro
Titolo:  
Visualization analysis and design
Anno pubblicazione:  
2015
Editore:  
CRC press
Autore:  
Munzner, Tamara
ISBN  
Note testo:  
E-book accessibile su https://doi-org.bibliopass.unito.it/10.1201/b17511
Obbligatorio:  
No


Oggetto:

Orario lezioniV

Lezioni: dal 14/02/2022 al 14/05/2022

Registrazione
  • Aperta
    Oggetto:
    Ultimo aggiornamento: 28/06/2024 16:06
    Location: https://www.agda.unito.it/robots.html
    Non cliccare qui!