Corso di studio in Amministrazione e gestione digitale delle aziende

La crescente quantità di dati oggi disponibile rappresenta una delle più grandi rivoluzioni nella recente storia dell’uomo. Una parte essenziale di questa rivoluzione è rappresentata dalla trasformazione di queste immense moli di dati in preziose intuizioni, che vengono utilizzate dai decision-maker di tutto il mondo per identificare la strategia migliore da intraprendere. Il marketing non è esente da questo cambiamento, nell’ambito del quale l’utilizzo di avanzate tecniche di machine learning ha consentito a molti brand di fornire messaggi più mirati ed efficaci incrementando in modo significativo il ritorno sull'investimento.

Questo corso si pone essenzialmente due obiettivi: da una parte fornire allo studente gli strumenti analitico-statistici oggi più frequentemente utilizzati nel marketing digitale e tradizionale. Dall’altra parte, il corso mira a favorire nello studente la formazione di una capacità di modellazione della realtà, necessaria per l’analisi quantitativa di fenomeni economici e sociali. La presentazione dei vari argomenti è illustrata attraverso la discussione pratica di numerosi casi relativi a diverse applicazioni aziendali, con un particolare focus nel marketing.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE

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

• Comprendere la diversa natura di campioni di dati di grandi dimensioni.
• Identificare la metodologia corretta da utilizzare per risolvere il problema oggetto di studio.
• Riconoscere e interpretare correttamente i risultati di analisi statistiche applicate a problemi aziendali.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE

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

• Sintetizzare in modo appropriato un insieme di dati mediante grafici e indici.
• Interpretare i risultati di elaborate analisi statistiche effettuate tramite l’uso di software avanzati di analytics.
• Confrontare metodi alternativi di analisi e individuare il metodo migliore per il problema in esame.
• Creare report analitici per diverse applicazioni aziendali, principalmente in ambito marketing.

AUTONOMIA DI GIUDIZIO

• Apprendimento dei concetti statistici indispensabili per lavorare autonomamente nella ricerca, selezione ed elaborazione dei dati aziendali e nello sviluppo di report analitici.

ABILITÀ COMUNICATIVE

• Apprendimento della terminologia e di metodologie statistiche avanzate indispensabili per implementare e comunicare in modo appropriato i risultati delle analisi condotte in diversi contesti aziendali.

Il corso si articola nei seguenti argomenti:

1. Review di descriptive analytics.
• Sintesi dei dati mediante l’uso di visualizzazioni grafiche.
• Sintesi dei dati mediante l’uso di indici numerici.
2. Review di statistica inferenziale.
• Variabilità campionaria. Il concetto di distribuzione campionaria.
• Stima puntuale e per intervallo per alcuni casi notevoli.
• Introduzione alla verifica di ipotesi e presentazione di alcuni casi notevoli. P-value di un test.
3. Riduzione della complessità di un data set: l’analisi delle componenti principali.
4. Principali metodi di predictive analytics.
• Il modello di regressione lineare. Esempi (previsione dei comportamenti di acquisto).
• Il modello di regressione logistica per risposta binaria. Esempi (modelli di credit scoring e di churn).
• Il modello di regressione logistica per risposta multinomiale. Esempi (modelli di scelta del consumatore).
• Approcci avanzati di predictive analytics:
  • Modelli ad albero
  • Random forests e boosting

Video lezioni e aule virtuali sincrone

L’esame scritto consente di ottenere un punteggio massimo di 31/30.

L’esame si riterrà superato se il voto finale sarà maggiore o uguale a 18/30. Un punteggio finale di 31/30 equivale ad un voto di 30 e lode.

L’esame riguarderà tutto il materiale presentato durante il corso e contenuto nel relativo materiale messo a disposizione e conterrà tra le 15 e le 20 domande a risposta multipla.

Durante l’esame è ammesso l'utilizzo di una calcolatrice non programmabile.

Gli studenti apprendono il relativo voto tramite i canali istituzionali. Trascorsi 5 giorni dalla comunicazione, il voto dell’esame si intende accettato e sarà registrato d’ufficio. In caso contrario, entro lo stesso termine lo studente dovrà esplicitamente manifestare la propria intenzione di rifiutare il voto attraverso le procedure stabilite dall’Ateneo.

L'esame mira a verificare tramite opportune domande:

• La capacità di identificare la metodologia corretta per risolvere un dato problema.
• La comprensione della logica sottostante una determinata procedura.

Il materiale corso sarà fornito dal docente attraverso la piattaforma Moodle.

Per ulteriori approfondimenti si consiglia di consultare i seguenti testi:

• Chapman, C., McDonnell Feit, E., R for Marketing Research and Analytics. 2^a Springer-Verlag, 2019.
• James, G., Witten, D., Hastie, T., Tibshirani, R., An Introduction to Statistical Learning. Springer-Verlag, 2013.
• Kuhn, M., Johnson, K. Applied Predictive Modeling. Springer-Verlag, 2013