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 corso si pone essenzialmente due obiettivi: da una parte fornire allo studente gli strumenti analitico-statistici oggi più frequentemente utilizzati nel marketing digitale e tradizionale. Dall’altra parte, il corso mira a favorire nello studente 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, lo studente sarà in grado di:

• 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, lo studente sarà in grado di:

• 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.

• Lezioni frontali

L’esame, svolto in modo tradizionale (carta e penna), consente di ottenere un punteggio massimo di 31/30. Il testo dell’esame conterrà sia esercizi pratici sia domande teoriche (definizioni) secondo due possibili modalità: 1) domande a risposta multipla e 2) domande con risposta aperta.

L’esame si riterrà superato se il voto finale sarà maggiore o uguale a 18/30. Un punteggio finale di 31/30 equivale ad un voto di 30 e lode.

L’esame potrà essere sostenuto in tutti gli appelli a partire da maggio in poi e riguarderà tutto il materiale presentato durante il corso.

Lo studente ha diritto a sostenere al massimo tre prove a partire dal semestre in cui l'insegnamento è erogato (per questo corso quindi da maggio a febbraio inclusi). Durante l’esame è ammesso l'utilizzo di una calcolatrice non programmabile.

Gli studenti apprendono il relativo voto 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 lo studente dovrà esplicitamente manifestare la propria intenzione di rifiutare il voto attraverso le procedure stabilite dall’Ateneo.

Per ciascuna prova verrà comunicata, insieme al voto conseguito, un’unica data per prendere visione del compito.

Entrambe le modalità mirano 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.

MODIFICHE E INTEGRAZIONI ALLE MODALITA' D'ESAME PER EMERGENZA COVID

Si comunica che a causa delle regole di distanziamento sociale attualmente in vigore, l’esame per il corso di Statistica per l’Azienda sarà organizzato come segue:

1. Gli studenti si devono regolarmente iscrivere all’esame seguendo le solite regole definite dall’Università.
2. Nella data prevista a calendario per l’esame, gli studenti dovranno sostenere una sola prova scritta della durata (massima) di un’ora che si svolgerà attraverso la piattaforma Moodle. La prova consisterà in una serie di domande a cui lo studente dovrà rispondere fornendo la risposta corretta sempre attraverso la piattaforma Moodle. Per superare la prova scritta sarà necessario rispondere correttamente ad un numero minimo di domande, che verrà comunicato all’inizio della prova. Al termine della prova scritta gli studenti conosceranno il numero di risposte corrette fornite, ma non il voto conseguito, il quale sarà invece reso noto entro alcune ore dalla conclusione della prova stessa. Lo studente potrà ritirarsi dalla prova scritta in qualsiasi momento seguendo le modalità che saranno comunicate il giorno della prova. In caso di ritiro durante la prova scritta, l’esame non conterà come prova sostenuta. Le domande della prova scritta verteranno sugli argomenti presentati durante il corso. Nelle prossime settimane saranno caricati su Moodle alcuni esempi di domande nello stile delle domande che saranno incluse nella prova scritta.
3. Per l’erogazione della prova scritta, gli studenti saranno divisi in gruppi e convocati tramite invito Webex. Gli studenti saranno convocati 30 minuti prima della prova per consentire lo svolgimento dell’attività di riconoscimento tramite Smart card. Gli studenti dovranno sempre rimanere connessi alla riunione Webex fino alla fine dell’esame, con la webcam e il microfono sempre accesi, altrimenti l’esame verrà invalidato. Comportamenti fraudolenti perpetrati attraverso l’uso improprio di telefoni cellulari, computer o altri mezzi saranno causa di annullamento dell’esame a discrezione del docente del corso. Gli studenti dovranno connettersi a Webex utilizzando il loro nome e cognome per esteso.
4. Si tenga presente che, in base al numero di studenti iscritti, è possibile che l’esame venga erogato su più turni (verosimilmente due). Gli studenti conosceranno a quale turno dovranno partecipare attraverso l’invito Webex.
5. Ulteriori dettagli sull’organizzazione della prova orale saranno comunicati nei giorni precedenti la data dell’esame.

IMPORTANTE: poiché entrambe le prove richiedono l’utilizzo di un computer e di una connessione ad internet, è fondamentale che lo studente verifichi con largo anticipo se il proprio computer e la propria connessione internet siano di qualità minima da consentire lo svolgimento delle prove senza problemi. Si sottolinea quindi fin d’ora che la verifica del corretto funzionamento del computer e della connessione internet è di esclusiva responsabilità dello studente. Consigliamo pertanto di effettuare tale controllo il prima possibile per evitare ritardi e problemi durante l’esame. Eventuali problemi relativi a questi aspetti che si potranno verificare durante l’esame non potranno in alcun modo essere imputati ai docenti e/o all’Università.

Queste regole rimarranno in vigore fino a quando non sarà ufficialmente dichiarato concluso dall’Università il periodo di emergenza.

Il corso 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 modello di regressione logistica per risposta multinomiale. Esempi (modelli di scelta del consumatore).
• Approcci avanzati di predictive analytics:
• Modelli ad albero
• Reti neurali e introduzione al deep learning
5. Metodi per la segmentazione della clientela: analisi di clustering.
6. Text mining e analisi del sentiment di mercato.
7. Introduzione ai metodi per lo sviluppo di recommendation systems.

Il materiale corso sarà fornito dal docente attraverso la piattaforma Moodle.

Per ulteriori approfondimenti si consiglia di consultare i seguenti testi:

• Chapman, C., McDonnell Feit, E., R for Marketing Research and Analytics. 2^a Springer-Verlag, 2019.
• James, G., Witten, D., Hastie, T., Tibshirani, R., An Introduction to Statistical Learning. Springer-Verlag, 2013.
• Kuhn, M., Johnson, K. Applied Predictive Modeling. Springer-Verlag, 2013.
• Kwartler, T. Text Mining in Practice with R. Wiley, 2017.
• Russell, M. A., Klassen, M., Mining the Social Web. 3a edizione. O’Reilly, 2019.

1. Le regole sopra descritte si applicano indistintamente a tutti gli studenti, compresi quelli in debito d’esame.
2. Il corso presuppone che lo studente abbia dimestichezza con alcuni strumenti matematici di base (potenze, logaritmi, concetti di funzione).
3. Orario e luogo di ricevimento saranno messi a disposizione sulla pagina personale del docente, consultabile sul sito http://www.unito.it/.