BERGAMO
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
In questo corso si intende insegnare come affrontare con un approccio sistematico, critico e professionale tre delle principali (e tra le più delicate) fasi di analisi dei dati.
In primo luogo verrà illustrato come identificare e gestire problematiche tra le più comuni relative alla qualità dei dati: lo studente imparerà ad individuare, valutare e trattare dati errati (data editing), valori anomali e dati mancanti (attraverso le principali tecniche di imputazione). Questo approccio non solo consentirà di valutare il livello qualitativo dei dati disponibili, ma consentirà anche di ottimizzarne la qualità e la portata .
In secondo luogo, si suggerirà come procedere a combinare, preparare e trattare (anche arricchendoli) i dati grezzi per la costruzione di indicatori semplici e complessi che possano porre in evidenza le principali caratteristiche temporali e spaziali dei fenomeni presi in considerazione, anche a fini comparativi. Più in particolare, si apprenderà come impostare opportunamente i dati disponibili per l'utilizzo mediante i principali software statistici, ma anche come combinare i dati tra loro ed ottenere indici (rapporti statistici, numeri indici elementari e sintetici) che possano aiutare a fare confronti e/o a studiare l'evoluzione temporale dei fenomeni considerati.
In terzo luogo, si apprenderà come comunicare in modo efficace le principali rilevanze emerse dai dati, applicando, anche in modo integrato, differenti tecniche di data visualization. Oltre ad una introduzione teorica, che consentirà di fornire solidità alle competenze ed abilità pratiche, si prevede di introdurre l'utilizzo avanzato di software dedicati alla data visualization così da rendere più efficace la comunicazione ed incrementare ancora di più il valore aggiunto e l'utilizzabilità dell'informazione statistica.
Durante il corso, oltre ad una overview sui principali strumenti di data visualization (Tableau o PowerBI), è prevista anche l’introduzione all’uso di uno dei più diffusi software statistici, SAS, utilizzando una intefaccia user friendly, ovvero SAS Enterprise Guide. Tale software consentirà di elaborare i dati in modo efficace e di affrontare professionalmente ogni fase della produzione dell'informazione statistica.
Prerequisiti
Nessuna propedeuticità obbligatoria prevista. Si consiglia una buona conoscenza dei corsi di base di Statistica.
Metodi didattici
Lezioni frontali in aula in cui verranno introdotte le principali metodologie statistiche oggetto di studio, anche con il supporto di casi pratici ed esempi. Nell’ambito delle lezioni verrà utilizzato un approccio di costante interazione con studenti e studentesse. L’introduzione a livello teorico sarà prevalentemente finalizzata ad illustrare sia il funzionamento che l’utilità pratica delle tecniche presentate, in modo che studenti e studentesse possano meglio orientare la scelta tra di esse ed esercitarsi nel loro uso.
Si guiderà, inoltre, gli studenti e le studentesse nell’analisi pratica dei dati e si insisterà molto sull’interpretazione delle informazioni ottenute, in modo che siano di valido supporto per ogni tipo di fine.
Al termine di ogni sezione teorica, sono previste attività di laboratorio basate sull’utilizzo di una piattaforma user-friendly di SAS: SAS Enterprise Guide. Le sessioni in laboratorio sono finalizzate all’applicazione pratica, usando database reali o simulati, delle tecniche introdotte nelle lezioni frontali. Le sessioni in laboratorio saranno incentrare, prevalentemente, sull’elaborazione dei dati e, mediante software statistici ed applicativi per la data visualizzazione, punteranno sulla interpretazione dei risultati ottenuti in un’ottica “pratica”, orientata alle decisioni.
In parallelo alle lezioni teoriche ed alle attività di laboratorio, potrà essere proposta anche la realizzazione di attività integrative (ad esempio: la partecipazione a seminari e workshop). La valutazione di tali attività, potrà essere considerata ad integrazione o completamento del voto d’esame. In particolare, sarà possibile approfondire e mettere in pratica le conoscenze acquisite durante il corso affrontando la realizzazione di un progetto di analisi dati personale e/o di gruppo.
Verifica Apprendimento
Esame scritto di durata inclusa tra 90 e 120 minuti. L’esame sarà composto da una parte teorica (domande a test, domande aperte ed altri tipi di domande) e da una parte pratica (esercizi od altre brevi applicazioni). La parte pratica include anche un esercizio da svolgere con il supporto del software SAS Studio e/o di Excel.
Orientativamente la parte teorica e di esercizi avrà un peso di 21 punti circa e la parte di SAS Studio/Excel di 10 punti. Per il primo appello è previsto un punteggio bonus aggiuntivo.
Durante il corso potranno essere proposte altre attività collaterali per integrare la valutazione finale.
La valutazione dell’esame, espressa in trentesimi, sarà pubblicata sullo sportello-studente (online) e comunicata agli studenti via email (in seguito alla pubblicazione sarà facoltà dello studente rifiutare il voto online). Le valutazioni di dettaglio saranno pubblicate sulla piattaforma eLearning.
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
- Data pre-processing: pulizia dei dati, editing e metodi di imputazione;
- Indicatori: rapporti statistici, indici ed indicatori complessi; dal calcolo all'interpretazione;
- Data visualization: teoria, princìpi e best practice nella visualizzazione e nella condivisione dei dati.
- Principali software/tool introdotti: SAS Enterprise Guide (SAS), Tableau o PowerBI.
Altre informazioni
Il materiale didattico (slide) viene messo a disposizione, durante il corso, in ambiente eLearning.
Ulteriori informazioni (ad esempio: avvisi, variazioni di orario, programma del corso esteso, risultati degli esami, e così via) saranno pubblicate sulla piattaforma eLearning del corso (per la chiave di iscrizione, contattare il docente: daniele.toninelli@unibg.it).
Per ulteriori informazioni e /o dubbi, contattare il docente: daniele.toninelli@unibg.it
Orari di ricevimento docente: www.unibg.it > Rubrica > Daniele Toninelli; link: https://www.unibg.it/ugov/person/1582