Analisi esplorativa dei dati Matrice dei dati, relazioni tra variabili, indici di dipendenza Distanze e indici di similarità Rappresentazioni grafiche Analisi dei dati con strumenti regressivi di tipo lineare Regressione multipla: selezione del modello, rilevanza delle componenti, analisi dei residui, previsione. Applicazioni: analisi di soddisfazione della clientela, valutazione di performance aziendali e loro determinanti, previsioni di vendite. Regressione logistica: selezione del modello, rilevanza delle componenti, analisi dei residui, previsione. Applicazioni: scelta di acquisto/non acquisto, scelta tra marche, appartenenza al gruppo delle aziende sane o in crisi, condizione di occupazione/disoccupazione. Tecniche di previsione Procedure di lisciamento: medie mobili, lisciamento esponenziale semplice, lisciamento di Holt, lisciamento di Holt Winters. Applicazioni: previsioni di vendite di breve periodo. Modelli di diffusione di innovazioni: modello di Bass standard, modello di Bass generalizzato. Cenni alla regressione nonlineare. Applicazioni: previsioni del ciclo di vita del prodotto, stima del mercato potenziale raggiungibile, valutazione dell’effetto di strategie di marketing mix, caratterizzazione del prodotto sulla base della sua evoluzione temporale. Tecniche di analisi multidimensionale Analisi dei gruppi: distanze, metodi di raggruppamento, trasformazione delle variabili, valutazione dei risultati. Applicazioni: segmentazione della clientela, segmentazione dei prodotti, individuazione di cluster aziendali sulla base di variabili socio-economiche.