DIMA

Lingua Insegnamento:

Italiano
Testi di riferimento:

Costituiscono materiale di studio le slide delle lezioni, che verranno rese disponibili sul portale e-learning di Ateneo, e le risorse (articoli, tutorial o parti di libri) che verranno indicate dal docente durante il corso.
Obiettivi formativi:

Il corso si propone di fornire le conoscenze di base e gli strumenti per selezionare ed applicare diverse tecniche di analisi dei dati allo scopo di soddisfare diversi bisogni informativi propri del marketing.

Alla fine del corso gli studenti saranno in grado di:

- Implementare campagne di monitoraggio e analisi esplorative dei social media selezionando ed applicando gli opportuni strumenti software.

- Progettare ed implementare processi di analisi dei dati, usando il software KNIME, allo scopo di rispondere a specifici fabbisogni informativi, con particolare riferimento all'allocazione delle risorse di marketing, la segmentazione del pubblico e l'analisi dei contenuti social.

- Creare report statici e dashboard interattive al fine di evidenziare e comunicare i risultati dell'analisi dei dati.
Prerequisiti:

La conoscenza dei concetti basi di statistica e delle tecniche di regressione lineare e logistica e di raggruppamento (clustering), sono consigliate per la corretta comprensione dei processi di analisi che si andranno ad implementare. Le suddette conoscenze, oggetto del corso di “Marketing statistics and metrics” saranno comunque richiamate e brevemente discusse durante il corso.
Metodi didattici:

L'insegnamento prevede 54 ore di lezione.
L’organizzazione del corso è realizzata in base “all’Ascolto”, un modello sperimentale per il miglioramento continuo della qualità della didattica universitaria. Il corso sarà organizzato in moduli le cui lezioni saranno incentrate prevalentemente sul ricorso ai seguenti metodi didattici: lezioni frontali, dimostrazioni di casi pratici, esercitazioni.
Modalità di verifica dell'apprendimento:

La prova di esame prevedrà un test a domande con risposta multipla e/o aperta per valutare la comprensione degli argomenti trattati, una prova pratica per valutare la comprensione e la capacità di utilizzo dei software visti a lezione, ed un breve colloquio orale. La valutazione finale terrà conto in egual misura del punteggio ottenuto nel test, nella prova pratica e nel colloquio orale.
Sostenibilità:
Altre Informazioni:

Il corso, suddiviso in moduli, dapprima introduce i concetti base relativi all’analisi dei dati ed alla rappresentazione degli stessi, e affronta in seguito l’applicazione pratica di metodi di analisi descrittiva e predittiva a casi d’uso inerenti il marketing digitale, prendendo in considerazione l’analisi di dati sia interni all’azienda, che esterni (come i social media). L’utilizzo di strumenti software specifici, tra cui KNIME (https://www.knime.com), sono parte integrante del corso.

Modulo 1. Data Analytics: introduzione ai concetti e alla rappresentazione dei dati

Modulo 2. Web e Social Media

Modulo 3. Data visualization e descriptive analytics

Modulo 4. Marketing Data Analytics workflows

Modulo 1. Data Analytics: introduzione ai concetti e alla rappresentazione dei dati
Il processo di analisi dei dati
Tipologie di dati e formati di rappresentazione
Principi di database relazionali e SQL

Modulo 2. Web e Social Media
Misurare i social: indicatori e KPI
Social media listening/monitoring
Social media dashboards per monitorare e analizzare il posizionamento e l'awareness sui social
Estrarre i dati dal web e dai social: API, scrapers e open data

Modulo 3. Data visualization e descriptive analytics
Principi di data visualization
Analisi esplorative, grafici, report e dashboard interattive

Modulo 4. Marketing Data Analytics workflows
Introduzione a KNIME, preparazione dei dati e composizione di workflow di analisi
Applicare la regressione lineare per ottimizzare l'allocazione delle risorse di marketing, analizzare l'elasticità, predire eventi
Applicare la cluster analysis per segmentare i clienti e il pubblico social
Analisi di contenuto testuale e dei social media applicando tecniche di sentiment analysis e topic extraction.