• Edizioni di altri A.A.:
  • 2019/2020
  • 2020/2021
  • 2021/2022

  • Lingua Insegnamento:
    Italiano con libro di testo principale in italiano ed ulteriore materiale didattico integrativo in inglese 
  • Testi di riferimento:
    Testo principale:
    Amedeo De Luca. Le applicazioni dei metodi statistici alle analisi di mercato. Manuale di ricerche per il marketing. Franco Angeli Editore, 2010
    Approfondimenti:
    -Chris Chapman and Elea McDonnell Feit, 2015. F for Marketing Research and Analytics. Springer.
    -Tonio Di Battista, 2014. Metodi statistici per la valutazione. Franco Angeli

    Il materiale didattico integrativo per le esercitazioni con R sarà pubblicato dal docente sul sito web del corso nella piattaforma e-learning di ateneo. 
  • Obiettivi formativi:
    Il corso si propone di illustrare le tecniche statistiche per il trattamento delle informazioni d’interesse aziendale, considerando contemporaneamente più variabili, ed in particolare quelle di tipo quantitativo. Tali tecniche comprendono: il modello di regressione lineare, la regressione logistica, la cluster analysis gerarchica e non gerarchica, l'analisi delle componenti principali, I dati possono essere di fonte interna all’azienda, come ad esempio quelli riguardanti le vendite dei beni o servizi prodotti, oppure possono essere ottenuti mediante indagini campionarie (ricerche di mercato) o ricavati dal Web. L’obiettivo dell’analisi dei dati multidimensionali è quello di fornire un supporto conoscitivo razionale per le decisioni riguardanti le strategie di marketing da perseguire.
    Le competenze insegnate nel corso comprendono sia aspetti metodologici, essenziali per la comprensione delle tecniche e per l’interpretazione dei risultati, sia un impiego dell’approccio learning by doing. La partecipazione alle attività d'aula e lo svolgimento di esercitazioni, attraverso l'impiego dell'ambiente statistico R, accresceranno nello studente la capacità di elaborare autonomamente dati rilevanti per la soluzione di problemi di marketing e di digital marketing. Al termine del corso, gli studenti dovranno acquisire familiarità con i metodi statistici sopra indicati, per operare analisi descrittive e predittive, individuare segmenti di clientela al quale rivolgersi, analizzare dati comportamentali dei clienti per individuare e prevenire l'abbandono con strategie di marketing ad hoc. 
  • Prerequisiti:
    Pur non essendo richiesta nessuna propedeuticità, si raccomanda la conoscenza dei concetti fondamentali di statistica di base. 
  • Metodi didattici:
    L’insegnamento prevede 54 ore di lezione, che si volgeranno attraverso la didattica frontale articolata in lezione teoriche e laboratori con R.
    Qualora il quadro normativo-sanitario e le disposizioni d'Ateneo lo prevedessero, le attività didattiche e i connessi ricevimenti/gli esami di profitto potranno svolgersi in modalità telematica (totale o parziale). Per ogni ulteriore informazione e aggiornamento si rinvia alla consultazione del portale d'Ateneo. 
  • Modalità di verifica dell'apprendimento:
    La valutazione del livello di apprendimento degli studenti si basa su una parte pratica e una teorica:
    - La parte teorica può basarsi su una prova orale o scritta a seconda del numero dei prenotati.
    L’obiettivo è valutare la conoscenza delle tecniche statistiche trattate durante il corso
    - La parte pratica è rappresentata dalla presentazione del lavoro di gruppo svolto attraverso l’impiego del software/linguaggio R volta a verificare l’applicazione delle tecniche statistiche a casi di studio del marketing, l’interpretazione dei risultati e la conoscenza delle principali oggetti con cui R lavora.
    Qualora il quadro normativo-sanitario e le disposizioni d'Ateneo lo prevedessero, le attività didattiche e i connessi ricevimenti/gli esami di profitto potranno svolgersi in modalità telematica (totale o parziale). Per ogni ulteriore informazione e aggiornamento si rinvia alla consultazione del portale d'Atene. 
  • Sostenibilità:
    obiettivo 4:
    istruzione di qualità
    obiettivo 8:
    lavoro dignitoso e crescita economica
    obiettivo 10:
    ridurre le disuguaglianze
    obiettivo 12:
    consumo e produzione responsabili 
  • Altre Informazioni:
    Gli studenti ERASMUS sono invitati a contattare il docente per il loro programma. Gli studenti ERASMUS possono discutere l’esame in lingua inglese. 

Il corso si propone di far acquisire ai partecipanti le conoscenze teoriche e tecniche necessarie per un’approfondita comprensione dei fenomeni aziendali attraverso l’analisi dei dati di mercato disponibili. Rispetto al profilo professionale che il corso di studio si propone di formare, l’insegnamento è finalizzato a sviluppare le seguenti competenze:
1) Conoscenza e capacità di comprensione:
-raccogliere e organizzare i dati di mercato;
-analizzare i big data con il software statistico R;
-trarre informazioni a supporto delle strategie di marketing attraverso metodologie statistiche avanzate.
2) Autonomia di giudizio:
-scegliere autonomamente il tipo di analisi più idoneo in base al contesto di riferimento ed al tipo di dato disponibile;
-interpretare autonomamente i risultati ottenuti da un’analisi statistica avanzata senza dover ricorrere ad esperti esterni.
3) Abilità comunicativa/applicativa:
-utilizzare la terminologia statistica appropriata rispetto al tipo di analisi condotta;
-applicare le conoscenze acquisite per la diagnosi e la comprensione dei fenomeni aziendali;
-comunicare abilmente i risultati di un’analisi statistica in base agli obiettivi da perseguire ed al destinatario del report.

• Matrici di dati e sintesi statistiche
• Introduzione all'ambiente statistico R.
• Prime analisi di dati multimensionali.
• Richiami di algebra lineare: vettori, matrici, relazioni, operazioni, rango, determinante.
• Regressione lineare semplice e multipla. Stime dei minimi quadrati. Misure di bontà del modello. Analisi dei residui. Inferenza sui parametri di un modello di regressione.
• La regressione logistica.
• La Cluster analysis: metodi gerarchici e non gerarchici di classificazione.
• Metodi di riduzione dimensionale: analisi delle componenti principali.
Esercitazioni in R per la previsione della Customer Life Value, la Churn Prevention in online Marketing, l'analisi delle componenti principali per i dati della CRM,la segmentazione nel digital Marketing.

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram