MANAGERIAL DECISION MAKING AND MODELLING
- Anno accademico
- 2024/2025 Programmi anni precedenti
- Titolo corso in inglese
- MANAGERIAL DECISION MAKING AND MODELLING
- Codice insegnamento
- EM1407 (AF:506446 AR:293003)
- Modalità
- In presenza
- Crediti formativi universitari
- 6
- Livello laurea
- Laurea magistrale (DM270)
- Settore scientifico disciplinare
- MAT/09
- Periodo
- 3° Periodo
- Anno corso
- 1
- Sede
- VENEZIA
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Il corso Managerial Decision Modeling applica strumenti e metodologie di management science per l'analisi e la risoluzione dei problemi che emergono in ambito economico e commerciale. Il corso è progettato per sviluppare capacità analitiche di problem-solving e per insegnarvi le tecniche decisionali. Il corso copre le metodologie dell'ottimizzazione che è un campo della matematica applicata i cui principi e metodi sono utilizzati per risolvere problemi quantitativi.
Risultati di apprendimento attesi
In particolare, gli studenti dovrebbero:
1. Conoscenza e comprensione
- conoscere la terminologia e i concetti di base di un processo decisionale.
- sapere come formulare un modello e come usare e interpretare le informazioni che un modello produce.
- saper usare e interpretare le informazioni che un modello produce.
2. Capacità di applicare la conoscenza e la comprensione
- comprendere ed essere in grado di applicare il ragionamento quantitativo di base e le metodologie ai problemi reali del business.
3. Formulare giudizi
- essere in grado di comprendere l'uso appropriato dei modelli nel mondo degli affari e le potenziali insidie derivanti da un uso scorretto o inappropriato dei modelli.
- essere in grado di valutare le informazioni disponibili nelle situazioni di vita reale in modo efficace e appropriato.
4. Comunicazione
- sapere come raccogliere le informazioni necessarie dalle parti interessate per sviluppare modelli validi.
- saper argomentare le decisioni aziendali dal punto di vista quantitativo utilizzando modelli matematici.
Prerequisiti
In particolare, si presume che gli studenti siano in grado di applicare le loro conoscenze e la loro comprensione dei concetti e dei metodi che li riguardano:
sistemi di uguaglianza e disuguaglianze lineari; algebra matriciale; tassi di interesse; minimi e massimi delle funzioni; regole generali di probabilità; variabili Si presume che gli studenti abbiano raggiunto gli obiettivi di apprendimento dei corsi di laurea in matematica e statistica.
In particolare, si presume che gli studenti siano in grado di applicare le loro conoscenze e la loro comprensione dei concetti e dei metodi che li riguardano:
sistemi di uguaglianza e disuguaglianze lineari; algebra a matrice; tassi di interesse; minimi e massimi delle funzioni; regole generali di probabilità; variabili casuali e distribuzioni; elementi di statistica inferenziale; modelli statistici di base.
Contenuti
1.1 fasi di un processo decisionale e il data-driven decision making
1.2 business analytics
1.3 analitica prescrittiva e automazione
2. Il processo di modellazione:
2.1. L'analisi del problema.
2.2. La formulazione di un modello
a. La raccolta dati
b. La semplificazione le ipotesi e e la loro documentazione
c. la determinazione delle variabili e delle unità di misura
d. L'identificazione delle relazioni tra variabili e dei sottomodelli
e. La determinazione di equazioni e funzioni
2.3. La risoluzione del modello
2.4. La verifica e l'interpretazione della soluzione del modello
2.5. La domentazione del modello
2.6. La manutenzione del modello
3. Casi di studio.
Testi di riferimento
Testi per approfondimenti:
- G. Ghiani, G. Laporte, R. Musmanno, Introduction to Logistics Systems Management: With Microsoft Excel and Python Examples, Wiley Series in Operations Research and Management Science, John Wiley & Sons, Inc., Hoboken, NJ (anche in Italiano, Introduzione alla gestione dei sistemi logistici, Isedi, Milano, I)
- D.-S. Chen, R. G. Batson, Y. Dang. Applied integer programming: modeling and simulation, John Wiley & Sons, Inc., Hoboken, NJ
- M. Watson, S. Lewis, P. Cacioppi, J. Jayaraman. Supply Chain Network Design: Applying Optimization and Analytics to the Global Supply Chain, Pearson FT Press, Boston, 212
- D. Bertsimas, A. O'Hair and B. Pulleyblank. The Analytics Edge, Dynamic Ideas, Charlestown, MA
- M. L. Pinedo. Planning and Scheduling in Manufacturing and Services. Springer, Berlin, D
Modalità di verifica dell'apprendimento
Durante il corso, gli studenti sono incoraggiati ad autovalutare il loro apprendimento rispondendo agli esercizi e ai test proposti sulla piattaforma e-learning.
Alla fine del corso gli studenti dovranno sostenere l'esame finale.
L'esame consiste in una prova orale/pratica della durata di circa 45 minuti, che ha lo scopo di verificare che gli studenti abbiano acquisito le capacità analitiche di problem-solving e che abbiano familiarità con le tecniche decisionali.
Nell'esame finale gli studenti sono tenuti ad implementare, risolvere e analizzare un modello matematico a supporto delle decisioni manageriali relative ad un tipico problema operativo aziendale.
Ad esempio, agli studenti può essere chiesto:
- di argomentare le ipotesi che presumono siano vere
- discutere il ruolo, lo scopo e i limiti di un modello che hanno sviluppato in quanto rappresentazione semplificata di una situazione reale
- dimostrare la validità dei risultati ottenuti e in particolare discutere la loro efficacia economica
Problemi simili a quelli proposti durante l'esame finale si possono trovare nella piattaforma e-learning dell'università.
Per raggiungere la sufficienza all’esame è necessario che lo studente dimostri di essere capace di formulare matematicamente il problema assegnato, in particolare, ma non solo, individuando correttamente: obiettivo, vincoli e variabili decisionali.
Per raggiungere un voto intermedio (fino a 26) è necessario che lo studente sappia sviluppare un programma in python che risolva il problema proposto.
Per raggiungere il voto massimo è necessario che lo studente sappia commentare dal punto di vista economico/aziendale i risultati forniti dal programma python.
Metodi didattici
Questi moduli propongono allo studente di risolvere dei casi di studio di problemi reali e gli permettono di confrontare, a volte anche attraverso dei filmati, le proprie soluzioni con quelle proposte dal docente o quelle utilizzate nella pratica.
Durante il corso sono anche presentati e risolti dei casi di studio con il supporto di strumenti software al fine di stimolare gli studenti alla discussione e alla riflessione critica su quanto appreso a lezione.
In particolare, ma non solo, il docente:
- sottolinea i passi dell'approccio sistemico che utilizza nell'affrontare i problemi considerati ed evidenzia i concetti matematici che stanno alla base dei metodi risolutivi utilizzati
- discute le difficoltà inerenti alla modellizzazione di un problema reale, eg, quelle legate alla raccolta di dati
- mostra come utilizzare i risultati forniti dal modello matematico, eg, per negoziare un prestito alla luce delle caratteristiche di un contratto standard
Lingua di insegnamento
Altre informazioni
2) Accessibilità, Disabilità e Inclusione
Accomodamenti e Servizi di Supporto per studenti con disabilità o con disturbi specifici dell’apprendimento
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. Se hai una disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o un disturbo specifico dell’apprendimento (Legge 170/2010) e richiedi 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) contatta l’ufficio Disabilità e DSA disabilita@unive.it.