BERGAMO
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
Al termine del corso, lo studente avrà acquisito conoscenze e competenze metodologiche e operative per il trattamento, l’analisi di dati e la presentazione di informazioni che possano supportare processi decisionali tanto nelle principali aree aziendali, quanto in altri contesti (servizi, pubblica amministrazione, consulenza e comunicazione, e così via).
In primo luogo, lo studente avrà una panoramica delle principali tecniche e strumenti per produrre/predisporre e visualizzare/presentare le informazioni necessarie a risolvere problematiche che comunemente si affrontano tanto in azienda quanto in altri contesti. In particolare, sarà in grado di trattare opportunamente dati grezzi, trasformandoli in informazioni utili a supportare decisioni pratiche ed azioni concrete.
In questa prospettiva, lo studente apprenderà come analizzare i fenomeni di interesse in ottica univariata (scegliendo opportune statistiche di sintesi, tabelle, report e tecniche di data visualization). Apprenderà, inoltre, come analizzare i dati in ottica sia bivariata (associazione / correlazione tra fenomeni, analisi di regressione semplice) che in ottica multivariata (analisi di regressione multipla, cluster analysis). Tali tecniche consentiranno, ad esempio, di studiare la relazione tra le variabili studiate (indici di bilancio e performance, dati strutturali, dati di mercato e così via) e/o il posizionamento dell’azienda nel mercato di riferimento (anche in ottica di benchmarking).
Infine, nell’ambito di tutto il corso, mediante laboratori a cadenza approssimativamente settimanale, lo studente avrà modo di apprendere come utilizzare uno dei più diffusi, apprezzati e potenti software per l'analisi dei dati: SAS. Utilizzando l’interfaccia user-friendly SAS Studio, avrà modo di mettere immediatamente in pratica quanto appreso nelle lezioni teoriche. In particolare, usando dati reali e/o simulati, imparerà come implementare praticamente le tecniche di analisi più opportune al contesto considerato ed affinerà le proprie doti di ragionamento interpretando gli output ottenuti in ottica decisionale/pratica.
Prerequisiti
Nessun prerequisito, tuttavia è opportuna la conoscenza degli argomenti di un corso di base di Statistica
Metodi didattici
La didattica del corso è improntata all’insegna dell’interattività (con un continuo dialogo docente-studente) e della “praticità” (con frequenti esempi che riprendono situazioni vere o verosimili da analizzare). È prevista una alternanza di lezioni frontali finalizzate ad introdurre concetti teorici ed incontri in laboratorio con l’utilizzo dell’interfaccia user-friendly SAS Studio (che non richiede l’apprendimento di alcun linguaggio di programmazione).
La frequenza delle lezioni, seppur fortemente consigliata, non è obbligatoria: la preparazione può essere effettuata in completa autonomia, da parte dello studente.
Sono previste anche attività di tutorato (sia tradizionali, in aula, che in laboratorio) che consentiranno allo studente di affinare le proprie competenze nell’elaborazione di dati. Le attività si focalizzeranno sull’implementazione pratica delle metodologie introdotte durante il corso ed, in particolare, sulla interpretazione pratica dei risultati ottenuti.
Durante il corso, potrebbero essere proposte anche attività opzionali aggiuntive (seminari, workshop, brevi test periodici, ...) finalizzate ad incoraggiare uno studio graduale.
Verifica Apprendimento
L’esame finale è costituito da tre parti: 1) teoria; 2) pratica; 3) utilizzo di SAS. L’esame sarà erogato ad ogni appello Moodle, in laboratorio.
1) La parte di teoria include domande a test (vero/falso) e domande aperte o altri tipi di domande teoriche. Punteggio totale stimato: circa 16 punti.
2) La parte pratica include brevi applicazioni o estratti di esercizi completi. Punteggio totale stimato: circa 6 punti.
3) La parte di utilizzo di SAS Studio includerà non solo la parte di elaborazione dati (su un dataset che verrà fornito dal docente), ma anche l’interpretazione degli output ottenuti. Punteggio totale stimato: circa 9 punti.
Per il solo primo appello di Giugno sarà a disposizione un punto aggiuntivo (corrispondente ad una o più domande aggiuntive).
L’esame, nella sua interezza (le diverse parti non sono scindibili) consentirà allo studente di raggiungere fino a 31 punti; possono essere verbalizzate solo valutazioni uguali o superiori al 18, complessivamente.
Al punteggio dell’esame potranno essere aggiunti punteggi integrativi che saranno abbinati ad attività, svolte dagli studenti durante il corso, volte ad incoraggiare uno studio progressivo ed una frequenza assidua delle lezioni e degli incontri di tutorato.
I tempi di svolgimento dell’esame saranno orientativamente inclusi tra 90 e 110 minuti.
Date/orari ed eventuali avvisi per la partecipazione saranno indicati in eLearning.
Maggiori informazioni di dettaglio su punteggi, tempistiche e modalità di svolgimento dell’esame saranno indicate in eLearning, nelle slide del corso.
I voti dell’esame, espressi in trentesimi, saranno pubblicati sullo sportello-studente (online) e comunicati agli studenti via email. In seguito alla pubblicazione, sarà facoltà dello studente rifiutare il voto online entro la scadenza indicata, tramite lo sportello studenti.
Le valutazioni dettagliate per tipologia di quesito saranno pubblicate, invece, sulla pagina eLearning del corso.
Il docente si riserva la facoltà di richiedere un colloquio orale integrativo, anche successivamente allo svolgimento della prova scritta, qualora ciò sia ritenuto necessario ai fini della verifica dell’effettiva acquisizione delle conoscenze e competenze previste dagli obiettivi formativi dell'insegnamento e della corretta attribuzione della valutazione.
Contenuti
• Il ruolo della Statistica in azienda.
• Analisi esplorative di un dataset in ottica univariata: analisi sui profili colonna (statistiche e tabelle di riepilogo).
• Data visualization: princìpi essenziali e creazione di analisi grafiche efficaci; comunicare dati in modo interattivo tramite Tableau.
• Analisi grafiche: grafici per variabili quantitative, qualitative e per rappresentare processi (come sceglierli, come costruirli, come leggerli).
• Analisi bivariate: misure di associazione (e analisi di correlazione) tra variabili di differente tipo.
• Test statistici e distribuzione chi-quadrato.
• Test chi-quadrato e suoi principali utilizzi: indipendenza tra due fenomeni, bontà di adattamento, test per proporzioni e per la varianza campionaria.
• Modelli di regressione lineare semplice: impostare l’analisi e leggere l’output.
• Regressione multipla: assunzioni, stima dei modelli e loro interpretazione e valutazione.
• Statistica multivariata: misurare la distanza tra due unità tramite le distanze: loro proprietà e calcolo.
• Analisi dei gruppi (cluster analysis): metodi gerarchici agglomerativi e come interpretarne i risultati dell’analisi (dendrogramma e scree plot); metodi alternativi: divisivi e non gerarchici.
Altre informazioni
Il materiale didattico (slide) viene messo a disposizione, durante il corso, in ambiente eLearning.
Ulteriori informazioni (ad esempio: avvisi, calendario delle lezioni, variazioni di orario, soluzioni esercizi, altro materiale di supporto e così via) saranno pubblicate sulla pagina eLearning del corso (per la chiave di iscrizione, contattare il docente: daniele.toninelli@unibg.it).
Pagina web del corso: www.unibg.it > Studiare > Corsi > Corsi di laurea magistrale > Management per l'innovazione di business > Elenco insegnamenti > 91019 – Statistica Aziendale Avanzata. LINK
Per ulteriori informazioni e /o dubbi, contattare il docente: daniele.toninelli@unibg.it.
Orari di ricevimento docente: www.unibg.it > Rubrica > Daniele Toninelli; LINK calendario: https://www.unibg.it/ugov/person/1582.