Università degli Studi di Napoli "Parthenope"

Scheda dell'insegnamento

Anno accademico: 
2018/2019
Tipologia di insegnamento: 
Base
Tipo di attività: 
Obbligatorio
Corso di afferenza: 
Settore disciplinare: 
STATISTICA (SECS-S/01)
Lingua: 
Italiano
Crediti: 
9
Anno di corso: 
2
Ciclo: 
Secondo Semestre
Ore di attivita' frontale: 
72

Obiettivi

Il corso di Data Mining Per Le Decisioni D’impresa si propone di esplorare i principali strumenti statistici utilizzati per affrontare e risolvere alcuni problemi in azienda al fine di ricondurli ad informazioni di supporto alle decisioni. Poiché il contesto economico in cui si trova ad operare l’azienda è generalmente descritto da una molteplicità di fenomeni, sono privilegiate le tecniche di analisi statistica di dati multidimensionali. In particolare, vengono trattati i principali modelli per l’analisi dei dati. Al fine di fornire allo studente le abilità per interpretare i risultati delle analisi effettuate, vengono sviluppate numerose esperienze concrete. Viene data particolare enfasi all’applicazione delle teorie e dei metodi, con l’obiettivo di formare il senso critico degli studenti nella scelta degli strumenti più adeguati per la realizzazione dei modelli.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE
L’insegnamento di Data Mining Per Le Decisioni D’impresa si propone di fornire i fondamenti concettuali e metodologici delle più importanti tecniche di data mining impiegate nei processi di estrazione di conoscenza dai dati, spendibili all'interno di enti, organizzazioni e aziende, con l'obiettivo di pianificare e svolgere le attività di organizzazione, trattamento e analisi dei dati al fine di supportare le decisioni aziendali. Le conoscenze e capacità di comprensione vengono principalmente acquisite tramite la partecipazione attiva dello studente alle lezioni frontali e tramite lo studio individuale.

CAPACITÀ DI APPLICARE CONOSCENZE E COMPRENSIONE
Le conoscenze sono finalizzate a dare allo studente le competenze necessarie per essere in grado di tradurre in pratica le nozioni teoriche e metodologiche acquisite, operando concretamente nei diversi campi di applicazione della statistica. Lo studente sarà capace di:
- utilizzare le conoscenze statistiche (modelli e tecniche) a supporto dei processi decisionali delle aziende nelle sue diverse aree funzionali (produzione, marketing, controllo di gestione, controllo di qualità, elaborazione dati e sistemi informativi, ecc.),
- realizzare analisi di dati aziendali, ricerche di mercato, analisi di contesto;
- gestire la modellazione, l'analisi e l'interpretazione dell'informazione statistica in studi osservazionali.
AUTONOMIA DI GIUDIZIO
Il corso fornisce un'adeguata conoscenza delle tecniche e delle metodologie e le competenze pratiche ed operative tali da garantire autonomia di giudizio nel condurre analisi riguardanti la misurazione e la gestione dell'incertezza, il trattamento e l'interpretazione dei dati relativi alle problematiche aziendali. Lo studente sviluppa la propria autonomia di giudizio tramite la partecipazione alle discussioni e agli interventi sollecitati dal docente durante le lezioni frontali. Pertanto, egli, anche lavorando all'interno di gruppi di lavoro, sarà in grado di motivare le proprie scelte in fase di analisi, nonché di interpretare i risultati ottenuti, alla luce del problema conoscitivo affrontato.
ABILITÀ COMUNICATIVE
Il corso si propone di fornire allo studente le adeguate competenze e gli strumenti necessari per presentare in modo chiaro e rigoroso, utilizzando moderni strumenti di comunicazione, le proprie analisi e relative conclusioni, sia a specialisti che a non specialisti della materia, sia in forma scritta che orale anche attraverso l'utilizzo dei principali applicativi software per il reporting.
CAPACITÀ DI APPRENDIMENTO
Lo studente acquisisce un metodo scientifico di studio ed un approccio ai problemi che gli permette di affrontare in modo autonomo ed efficace tutte le problematiche che si presenteranno nella vita professionale. Egli dovrà essere in grado, in particolare, di individuare autonomamente gli strumenti e le metodologie adeguati allo sviluppo ed al potenziamento delle proprie competenze professionali.

Prerequisiti

Il corso presuppone la conoscenza della statistica descrittiva ed inferenziale.

Contenuti

I principali argomenti trattati al corso sono:
- l’informazione statistica per le imprese;
- le fonti informative primarie e secondarie;
- l’organizzazione dell’informazione statistica: la matrice dei dati;
- le relazioni tra variabili: il modello di regressione lineare semplice e multipla;
- le misure di distanza e gli indici di similarità;
- l’analisi dei gruppi;
- gli alberi decisionali (di classificazione e di regressione);
- l’analisi in componenti principali;
- l’analisi delle corrispondenze (semplici e multiple);
- il multidimensional scaling.
Il programma dell’insegnamento può essere suddiviso in 3 blocchi di lezioni, che possono essere così schematizzati:
Blocco I (circa 18 ore di lezione + 2 ore di esercitazione): l’analisi dei dati e data mining; l’informazione statistica per le imprese; le fonti informative primarie e secondarie; l’organizzazione dell’informazione statistica: la matrice dei dati; i trattamenti preliminari dei dati: dati mancanti e dati anomali; le relazioni tra variabili: il modello di regressione lineare semplice e multipla.
Blocco II (circa 22 ore di lezione + 4 ore di esercitazione): le misure di distanza; indici di distanza e indici di dissimilarità; interpretazione delle distanze; indici di similarità; la classificazione delle unità statistiche; la cluster analysis di tipo gerarchico e non gerarchico; gli alberi di classificazione: AID, CHIAD e CART.
Blocco III (circa 22 ore di lezione + 4 ore di esercitazione): l’analisi delle componenti principali; l’analisi delle corrispondenze (semplici e multiple); il multidimensional scaling: il modello metrico classico, i modelli non metrici e i modelli per differenze individuali.

Metodi didattici

L’attività didattica si articola in 72 ore di lezioni frontali, durante le quali vengono anche proposti esercizi sugli argomenti trattati. Agli studenti sono inoltre assegnate esercitazioni aggiuntive da svolgere a casa, singolarmente o in gruppo, che vengono poi corrette e discusse durante le ore di lezione (e, se necessario, durante le ore di ricevimento messe a disposizione dal docente).

Verifica dell'apprendimento

L'esame prevede una prova orale, finalizzata ad accertare il livello di conoscenza e la capacità di comprensione raggiunti dallo studente sui contenuti teorici e metodologici indicati nel programma, nonché il grado di padronanza nell’applicazione di specifiche tecniche di analisi. L’esito della valutazione è espresso mediante un voto in trentesimi. Per superare l’esame (voto non inferiore a 18/30), lo studente deve dimostrare almeno una conoscenza di base delle tecniche illustrate durante il corso. Per conseguire il massimo punteggio (ovvero 30/30 e lode), lo studente deve dimostrare un’eccellente conoscenza di tutti i contenuti del corso nonché la capacità di applicarli alla risoluzione di problemi. Anche la capacità espositiva e il grado di padronanza del lessico proprio della disciplina concorrono a determinare il voto finale.

Testi

Zani S. e Cerioli A. (2007). Analisi dei dati e Data mining per le decisioni aziendali, Giuffré Editore (Capp. 1-11)

Altre informazioni