Corso di studio in Direzione d'Impresa, Marketing e Strategia

La crescente quantità di dati oggi disponibile rappresenta una delle più grandi rivoluzioni nella recente storia dell’uomo. Una parte essenziale di questa rivoluzione è rappresentata dalla trasformazione di queste immense moli di dati in preziose intuizioni, che vengono utilizzate dai decision-maker di tutto il mondo per identificare la strategia migliore da intraprendere. Il marketing non è esente da questo cambiamento, nell’ambito del quale l’utilizzo di avanzate tecniche di machine learning ha consentito a molti brand di fornire messaggi più mirati ed efficaci incrementando in modo significativo il ritorno sull'investimento.

Questo insegnamento si pone essenzialmente due obiettivi: da una parte fornire gli strumenti analitico-statistici oggi più frequentemente utilizzati nel marketing digitale e tradizionale. Dall’altra parte, l'insegnamento mira a favorire la formazione di una capacità di modellazione della realtà, necessaria per l’analisi quantitativa di fenomeni economici e sociali. La presentazione dei vari argomenti è illustrata attraverso la discussione pratica di numerosi casi relativi a diverse applicazioni aziendali, con un particolare focus nel marketing.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE

Al termine dell’insegnamento, fornire le competenze per:

• Comprendere la diversa natura di campioni di dati di grandi dimensioni.
• Identificare la metodologia corretta da utilizzare per risolvere il problema oggetto di studio.
• Riconoscere e interpretare correttamente i risultati di analisi statistiche applicate a problemi aziendali.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE

Al termine dell’insegnamento, fornire le competenze per:

• Sintetizzare in modo appropriato un insieme di dati mediante grafici e indici.
• Interpretare i risultati di elaborate analisi statistiche effettuate tramite l’uso di software avanzati di analytics.
• Confrontare metodi alternativi di analisi e individuare il metodo migliore per il problema in esame.
• Creare report analitici per diverse applicazioni aziendali, principalmente in ambito marketing.

AUTONOMIA DI GIUDIZIO

• Apprendimento dei concetti statistici indispensabili per lavorare autonomamente nella ricerca, selezione ed elaborazione dei dati aziendali e nello sviluppo di report analitici.

ABILITÀ COMUNICATIVE

• Apprendimento della terminologia e di metodologie statistiche avanzate indispensabili per implementare e comunicare in modo appropriato i risultati delle analisi condotte in diversi contesti aziendali.

Le lezioni frontali hanno una durata di 48 ore complessive (6 CFU) e si svolgono in aula con l’ausilio di proiezioni; sono previsti anche casi pratici.

La prova d'esame è svolta mediante piattaforma Moodle ed è composta da 15 domande a risposta multipla: ognuna di esse ha un valore di 2 punti se corretta, 0 se bianca o errata. L’esame si riterrà superato se il voto finale sarà maggiore o uguale a 18/30.

L’esame riguarderà tutto il materiale presentato durante le lezioni in aula e disponibile alla pagina Moodle dell'insegnamento. Durante l’esame è ammesso l'utilizzo di una calcolatrice non programmabile.

In particolare, l'esame mira a verificare tramite opportune domande:

• la capacità di identificare la metodologia corretta per risolvere un dato problema.
• la comprensione della logica sottostante una determinata procedura.

In aggiunta, durante le lezioni verranno proposti uno o più esercizi in itinere, da risolvere in gruppi, di applicazione ed uso degli strumenti presentati: lo svolgimento è facoltativo, ma verranno assegnati fino a tre punti bonus che andranno a sommarsi al punteggio ottenuto nella prova scritta. Il punteggio bonus sarà valido per tutti e soli gli appelli della sessione invernale (dicembre 2022, gennaio e febbraio 2023), anche in caso di rifiuto del voto del test. Se il totale così ottenuto sarà pari ad almeno 31/30 verrà assegnata la lode.

Il relativo voto verrà comunicato tramite i canali istituzionali. Trascorsi 5 giorni dalla comunicazione, il voto dell’esame si intende accettato e sarà registrato d’ufficio. In caso contrario, entro lo stesso termine si dovrà esplicitamente manifestare la propria intenzione di rifiutare il voto attraverso le procedure stabilite dall’Ateneo.

Parte di ogni lezione sarà dedicata all'approfondimento pratico dei temi affrontati durante l'insegnamento.

L'insegnamento si articola nei seguenti argomenti:

1. Review di descriptive analytics.
• Sintesi dei dati mediante l’uso di visualizzazioni grafiche.
• Sintesi dei dati mediante l’uso di indici numerici.
2. Review di statistica inferenziale.
• Variabilità campionaria. Il concetto di distribuzione campionaria.
• Stima puntuale e per intervallo per alcuni casi notevoli.
• Introduzione alla verifica di ipotesi e presentazione di alcuni casi notevoli. P-value di un test.
3. Riduzione della complessità di un data set: l’analisi delle componenti principali.
4. Principali metodi di predictive analytics.
• Il modello di regressione lineare. Esempi (previsione dei comportamenti di acquisto).
• Il modello di regressione logistica per risposta binaria. Esempi (modelli di credit scoring e di churn).

Il materiale didattico verrà fornito durante le lezioni; in aggiunta sono disponibili alcuni testi consigliati per l'approfondimento personale.