Presentazione

Organizzazione della Didattica

DM270
SCIENZE STATISTICHE ORD. 2014


9

Corsi comuni

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 34 0 30 69

Periodo

AnnoPeriodo
II anno2 semestre

Frequenza

Facoltativa

Erogazione

Convenzionale

Lingua

Inglese

Calendario Attività Didattiche

InizioFine
27/02/201709/06/2017

Tipologia

TipologiaAmbitoSSDCFU
affine/integrativo Nessun ambitoSECS-S/039


Responsabile Insegnamento

ResponsabileSSDStruttura
Prof. PACCAGNELLA OMARSECS-S/03Dipartimento di Scienze Statistiche

Altri Docenti

Non previsti.

Attività di Supporto alla Didattica

Non previste.

Bollettino

Calcolo delle Probabilità e Statistica Progredito

Il corso si propone di fornire strumenti statistici avanzati di supporto al processo di decisione aziendale, applicandoli in una maniera efficiente e ragionata. Lo scopo del corso è quindi di raccogliere, sintetizzare e generalizzare il bagaglio di conoscenze acquisite fin qui dallo studente per avere una visione globale degli strumenti utilizzabili nelle diverse fasi del processo decisionale all’interno di un’azienda. Il corso ha una forte connotazione applicativa, con una partecipazione attiva dello studente durante le settimane di lezione, attraverso un lavoro personale in autonomia e discussioni di gruppo. E’ prevista una attività in aula computer, con l’analisi ed il commento di diversi studi di casi.

Il corso verrà erogato per mezzo di lezioni frontali teoriche e di esercitazioni e studi di caso in aula computer. Considerato il taglio fortemente applicativo del corso, la frequenza alle lezioni ed alle esercitazioni, seppure non obbligatoria, è vivamente consigliata.

1) Il Customer Relationship Management (CRM) - I clienti ed il loro ciclo di vita. - Caratteristiche del CRM. - Sistemi di supporto alle decisioni (Data warehousing, Business Intelligence). 2) Modelli matematici per le decisioni - Preparazione e validazione dei dati. - Rassegna ed applicazione di alcune tecniche ed algoritmi di Data Mining. 3) Strumenti statistici avanzati per l’analisi della clientela - Modelli per variabili ordinali e loro estensioni. - Modelli per variabili categoriali. - Modelli per dati gerarchici (approfondimenti). 4) Misure di efficienza a livello aziendale: la Data Envelopment Analysis

Homework ed esame orale finale.

La valutazione della preparazione dello studente si baserà sulla comprensione degli argomenti svolti e sulla capacità di adottare le soluzioni statistiche più opportune per il raggiungimento degli obiettivi preposti durante l’analisi di dati reali. Autonomia e spirito critico nell’applicazione delle soluzioni più adatte sono aspetti fondamentali nel processo di valutazione.

Vercellis Carlo, Business intelligence. Modelli matematici e sistemi per le decisioni. Milano: McGraw-Hill, 2006

Materiale didattico predisposto dal docente. • Buttle F. – edizione italiana a cura di M. Ornati (2012). Customer Relationship Management. Teorie e tecnologie. Milano: Franco Angeli • Farinet A. e E. Ploncher (2002). Customer Relationship Management. Approcci e metodologie. Milano: Etas • Giudici P. (2005). Data mining. Metodi statistici per le applicazioni aziendali (seconda edizione). Milano: McGraw-Hill • Snijders T. e R. Bosker (2011). Multilevel analysis. An introduction to basic and advanced multilevel modelling. London: Sage Publications