• Edizioni di altri A.A.:
  • 2019/2020
  • 2020/2021
  • 2021/2022
  • 2022/2023
  • 2023/2024
  • 2024/2025

  • 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.
    Per informazioni contattare Sarra Annalina: annalina.sarra@unich.it 
  • 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