DIMA

Lingua Insegnamento:

ITALIANO
Testi di riferimento:

Levine D.M., Krehbiel T.C., Berenson M.L. (2018). Statistica. Apogeo, Milano. Per la parte sui modelli di regressione.
Zani S., Cerioli A. (2007). Analisi dei dati e data mining per le decisioni aziendali. Giuffrè, Milano. Capitoli:
I – Le matrici dei dati e le analisi univariate
VI – L’analisi delle componenti principali
VIII – Distanze e indici di similarità
IX – L’analisi dei gruppi

Approfondimenti

Chapman C., McDonnell Feit E. (2015). R for Marketing Research and Analytics. Springer.
Di Battista T. (2014). Metodi statistici per la valutazione. Franco Angeli, Milano.

Il materiale didattico integrativo per le esercitazioni in R, compresi script guidati per lo studio autonomo dell’ambiente R, sarà pubblicato dalla docente sulla piattaforma e-learning di Ateneo fad.unich.it
Obiettivi formativi:

Il corso illustra le principali tecniche statistiche per il trattamento di informazioni di interesse aziendale che coinvolgono più variabili contemporaneamente: il modello di regressione lineare, la regressione logistica, l'analisi delle componenti principali e la cluster analysis gerarchica e non gerarchica. I dati possono provenire da fonti interne all'azienda (ad esempio le vendite di beni o servizi), da indagini campionarie (ricerche di mercato) o dal Web. L'obiettivo dell'analisi dei dati multidimensionali è fornire un supporto conoscitivo razionale alle decisioni sulle strategie di marketing.
Le competenze comprendono sia gli aspetti metodologici, essenziali per la comprensione delle tecniche e l'interpretazione dei risultati, sia un approccio learning by doing. Le esercitazioni in R, integrate nelle lezioni, accresceranno la capacità dello studente di elaborare autonomamente dati rilevanti per problemi di marketing e digital marketing. Al termine del corso lo studente sarà in grado di condurre analisi descrittive e predittive, individuare segmenti di clientela e analizzare dati comportamentali per prevedere e prevenire l'abbandono dei clienti (churn).
Prerequisiti:

Non sono previste propedeuticità; si raccomanda la conoscenza dei concetti fondamentali di statistica di base.
Metodi didattici:

L’insegnamento prevede 36 ore di didattica assistita (6 CFU × 6 ore), così articolate:
• Didattica erogativa (DE) – 24 ore: lezioni frontali dedicate alla presentazione teorica delle tecniche statistiche, accompagnate da dimostrazioni in R svolte dalla docente.
• Didattica interattiva (DI) – 12 ore: laboratori con il software R in cui gli studenti applicano le tecniche a casi di studio di marketing, esercitazioni guidate, discussione dei risultati.
Modalità di verifica dell'apprendimento:

La valutazione si basa su una parte teorica e una parte pratica.

Parte teorica: prova orale volta a valutare la conoscenza delle tecniche statistiche trattate nel corso.

Parte pratica (project work): presentazione di un lavoro di gruppo svolto in R, volta a verificare l’applicazione delle tecniche a casi di studio di marketing, l’interpretazione dei risultati e la conoscenza dei principali oggetti con cui R lavora. Al project work è attribuito un punteggio che concorre alla determinazione del voto finale.

Gli studenti che non svolgono il project work sostengono la sola prova orale, che in tal caso verterà anche sull’utilizzo del software R.
Sostenibilità:
Obiettivi Agenda 2030 per lo sviluppo sostenibile:

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 concordare il proprio programma di studio. Inoltre, gli studenti ERASMUS hanno la possibilità di sostenere 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 dati di marketing, anche di grandi dimensioni, con il software statistico R;
◦ trarre informazioni a supporto delle strategie di marketing attraverso metodologie statistiche multivariate.
2. Autonomia di giudizio:
◦ scegliere autonomamente il tipo di analisi più idoneo in base al contesto di riferimento e al tipo di dato disponibile;
◦ interpretare autonomamente i risultati di un'analisi statistica senza dover ricorrere a 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 efficacemente i risultati di un'analisi statistica in base agli obiettivi da perseguire e al destinatario del report.

Matrici di dati e sintesi statistiche multivariate; introduzione all'ambiente R; prime analisi di dati multidimensionali
Regressione lineare semplice e multipla: stime dei minimi quadrati, bontà di adattamento, diagnostica dei residui, inferenza sui parametri. Laboratorio: previsione vendite sulla base di spese pubblicitarie.
Regressione logistica. Laboratorio: churn prevention nell'online marketing
Riduzione della dimensionalità: analisi delle componenti principali. Laboratorio: dati performance aziendale
Cluster analysis: metodi gerarchici e non gerarchici (k-means). Laboratorio: segmentazione nel digital marketing