DATA ANALYSIS AND DATA VISUALIZATION

Anno accademico
2025/2026 Programmi anni precedenti
Titolo corso in inglese
DATA ANALYSIS AND DATA VISUALIZATION
Codice insegnamento
EM1703 (AF:570402 AR:319141)
Lingua di insegnamento
Inglese
Modalità
In presenza
Crediti formativi universitari
6
Livello laurea
Laurea magistrale (DM270)
Settore scientifico disciplinare
SECS-S/06
Periodo
2° Periodo
Anno corso
1
Sede
VENEZIA
L'insegnamento ha lo scopo di introdurre gli studenti ad alcune tecniche statistiche di marketing research utili a supporto delle decisioni aziendali.
Ci si concentrerà, in particolare, su tecniche di segmentazione e posizionamento dando spazio ad esempi pratici per applicare i metodi discussi.
1. CONOSCENZA E COMPRESIONE
1.1 Capire e distinguere le principali tipologie di approccio quantitativo alla marketing research
1.2 Conoscere le principali modalità di acquisizione dei dati (in particolare tramite una indagine campionaria)
1.3 Capire le principali tecniche di analisi statistica dei dati acquisiti
2. CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE
2.1 Saper inquadrare il problema aziendale ed individuare le basi di dati necessarie per affrontare una analisi quantitativa
2.2 Saper costruire un questionario per acquisire dati finalizzati all’analisi
2.3 Sapere elaborare i dati con la procedura statistica adeguata
3. CAPACITA’ DI GIUDIZIO
3.1 Saper individuare, dato un problema aziendale, qual è l’approccio statistico adeguato
3.2 Saper distinguere le fonti dei dati e riconoscere la qualità del dato
3.3 Saper interpretare i risultati statistici ottenuti e riflettere sulle implicazioni aziendali
Statistica (statistica descrittiva di base, inferenza di base).
Cos'è il Data Mining?
Visualizzazione dei dati
Valutazione delle prestazioni di classificazione e previsione
Metodi del vicino più prossimo e di Naive Bayes
Alberi di classificazione e regressione
Revisione della regressione e selezione delle variabili
Regressione logistica
Analisi discriminante
Reti neurali
Analisi dei cluster
Bagging e Boosting
Riduzione della dimensione e metodi di penalizzazione
Shmueli, Bruce, Yahiv, Patel, and Lichtendahl, "Data Mining for Business Analytics: Concepts, Techniques, and Applications with R", 1st Edition (2017)
Ch. Balakrishna, B. Santhosh Kumar, S. Sathishkumar, Gopika G S, "Beginning Data Science in R Data Analysis, Visualization, and Modelling: Hands-On Tutorials".
Modalità di esame: La prova di verifica finale consiste in un esame scritto teorico e pratico, a risposte aperte e a crocette, sui contenuti svolti durante il corso.
scritto
Per quanto riguarda la gradazione del voto (modalità con cui saranno assegnati i voti), a prescindere dalla modalità frequentante o non frequentante:
A. punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
- sufficiente capacità di applicare conoscenza e comprensione e capacità di giudizio;
- sufficienti abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico che attiene alla materia;
B. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- buona conoscenza e capacità di comprensione applicata in riferimento al programma;
- buona capacità di applicare conoscenza e comprensione e capacità di giudizio;
- buona abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico che attiene alla materia;
C. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- ottima capacità di applicare conoscenza e comprensione e capacità di giudizio;
- ottima abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico che attiene alla materia.
Lezioni teoriche alternate ad esempi pratici.
Inglese
Programma definitivo.
Data ultima modifica programma: 20/03/2025