MANAGERIAL ANALYTICS
- Anno accademico
- 2019/2020 Programmi anni precedenti
- Titolo corso in inglese
- MANAGERIAL ANALYTICS
- Codice insegnamento
- EM1305 (AF:317084 AR:170602)
- Modalità
- Crediti formativi universitari
- 6
- Livello laurea
- Laurea magistrale (DM270)
- Settore scientifico disciplinare
- SECS-S/06
- Periodo
- 1° Periodo
- Anno corso
- 1
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Risultati di apprendimento attesi
La frequenza e la partecipazione alle lezioni, le attività di studio sia individuali che a gruppi proposte in itinere tramite la piattaforma Moodle, nonché lo studio individuale consentiranno allo studente di acquisire le seguenti conoscenze e capacità di comprensione:
apprendere e classificare alcuni tra i principali metodi analitici (descrittivi, predittivi e prescrittivi);
apprendere come utilizzare tali metodi per rappresentare, esaminare e proporre soluzioni a problemi decisionali tipici delle imprese;
apprendere e comprendere le principali tecniche utili a trasporre un problema decisionale complesso in modelli trattabili analiticamente anche tramite la suddivisione in problemi più semplici integrati tra loro opportunamente;
conoscere e saper utilizzare alcune importanti tecniche di base in supporto alle decisioni aziendali quali i metodi multicriteriali per le decisioni, i metodi ad albero, le recenti tecniche della blockchain, l’intelligenza artificiale al servizio dei metodi decisionali prescrittivi.
Capacità di applicare conoscenza e comprensione
Attraverso lo studio individuale, la lettura dei materiali suggeriti dal docente, la discussione di casi aziendali, il lavoro dedicato alla preparazione e all’esposizione di lavori di gruppo, lo svolgimento di esercitazioni su software e di homework basati su esempi pratici, lo studente avrà acquisito le seguenti capacità di applicare le conoscenze apprese:
saper utilizzare le principali tecniche predittive e/o prescrittive a supporto delle decisioni aziendali, basate su strumenti analitici e concettuali, utili per esaminare e risolvere problemi gestionali;
saper utilizzare i fogli elettronici di calcolo per visualizzare, analizzare e risolvere casi pratici di decisioni complesse;
saper interpretare i dati e i risultati forniti dall’utilizzo di tecniche matematico-statistiche e software dedicati con riferimento a problemi decisionali complessi;
saper utilizzare tecniche innovative quali la blockchain e l’intelligenza artificiale per condurre analisi prescrittiva a servizio di sistemi di supporto alle decisioni semi-automatici.
Capacità di giudizio, abilità comunicative, capacità di apprendimento
Per quanto concerne l'autonomia di giudizio, le abilità comunicative e le capacità di apprendimento, sempre attraverso la discussione di casi aziendali e l’interazione con il docente e i pari lo studente apprenderà come:
saper formulare giustificazioni razionali a supporto dei propri giudizi, comprendendone i relativi punti di forza e i limiti sulla base di ipotesi, dati e modelli (critical thinking e analytical thinking);
saper formulare e comunicare un'adeguata analisi e interpretazione economico-finanziaria dei fatti aziendali anche tramite l'utilizzo di software.
Prerequisiti
Contenuti
1. Cosa significa “Managerial analytics”? Descriptive, Predictive and Prescriptive analytics.
2. Prescriptive analytics: ottimizzazione e metodi basati su strutture ad albero
3. Metodi decisionali multicriteriali e applicazioni reali
4. Alberi decisionali: rappresentazione classica, simulazioni e recenti sviluppi di Machine Learning
5. Intelligenza artificiale al servizio delle moderne sfide del management
Testi di riferimento
Letture integrative suggerite
Oakshott L. (2016) Essential Quantitative Methods for Business, Management and Finance VI Ed. Palgrave (also available in ebook).
Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding machine learning: From theory to algorithms. Cambridge university press.
Modalità di verifica dell'apprendimento
Partecipazione in aula (10%): il docente monitora e valuta la partecipazione degli studenti durante le attività in aula e su Moodle.
Quiz/Esercitazioni Moodle (20%): agli studenti verranno proposti quiz e/o esercitazioni tramite la piattaforma Moodle da svolgere in autonomia.
Lavoro di Gruppo (30%): gli studenti verranno divisi in gruppi di lavoro. Ad ogni gruppo sarà assegnato un argomento in cui alcune delle metodologie viste in classe devono essere implementate al fine di prendere una "buona" decisione. Il gruppo deve riconoscere, organizzare ed elaborare i dati significativi disponibili al fine di ottenere risultati utili per risolvere il problema proposto.
Esame orale (40%): agli studenti verranno proposte domande teoriche o brevi esercizi relativi ai materiali analizzati in classe. Verrà anche richiesto di argomentare rispetto al lavoro di gruppo svolto.
Valutazione degli studenti non frequentanti.
Seppur altamente consigliata, la partecipazione alle lezioni non è obbligatoria. Agli studenti non frequentanti verrà richiesto di svolgere le attività su Moodle (20% voto finale), un assignment individuale con report finale scritto (30%) e un esame orale (50%).
Metodi didattici
Altre informazioni
Ca’ Foscari applica la Legge Italiana (Legge 17/1999; Legge 170/2010) per i servizi di supporto e di accomodamento disponibili agli studenti con disabilità o con disturbi specifici dell’apprendimento. Studenti con disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o con un disturbo specifico dell’apprendimento (Legge 170/2010) che necessitano di supporto (assistenza in aula, ausili tecnologici per lo svolgimento di esami o esami individualizzati, materiale in formato accessibile, recupero appunti, tutorato specialistico a supporto dello studio, interpreti o altro) possono contattare l’ufficio Disabilità e DSA disabilita@unive.it.