Questo sito utilizza cookie tecnici e di terze parti. Se vuoi saperne di più o negare il consenso consulta l'informativa sulla privacy. Proseguendo la navigazione o cliccando su "Chiudi" acconsenti all'uso dei cookie. Chiudi
| Corso | Economia |
| Curriculum | Curriculum unico |
| Orientamento | Orientamento unico |
| Anno Accademico | 2018/2019 |
| Crediti | 9 |
| Settore Scientifico Disciplinare | ING-INF/05 |
| Anno | Primo anno |
| Unità temporale | Secondo semestre |
| Ore aula | 54 |
| Attività formativa | Attività formative affini ed integrative |
| Docente | ANTONIO VIOLI |
| Obiettivi | Il corso intende fornire una panoramica sull’utilizzo efficiente delle informazioni nelle aziende in modo da ottenere un supporto decisionale efficace. Inizialmente affronta il tema della gestione dei dati, con particolare attenzione rivolta ai Big Data ed alla Big Data Analytics; in questo contesto applicativo vengono introdotti la Business Intelligence, il Data Warehousing e il Data Mining. Dopo di ciò illustra i Key Performance Indicator e il modo con cui si definiscono e si misurano. La seconda parte del corso si concentra sulla definizione ed utilizzo di modelli matematici a supporto delle decisioni, capaci di utilizzare la meglio le informazioni disponibili e di rappresentare anche condizioni di incertezza. A tal fine, vengono presentati due problemi applicativi concreti, il Portfolio Management e la valutazione comparativa di unità organizzativa, trattati mediante l’utilizzo di metodologie quantitative avanzate. Infine, vengono introdotti i concetti base del Project Management, con particolare attenzione rivolta alla metodologia PRINCE 2, che rappresenta lo standard per i professionisti del settore. |
| Programma | Parte I – Business Intelligence e data management (3 CFU) 1) Business Intelligence • Dati, informazioni e conoscenza • Architetture di business intelligence • Rappresentazione dei processi decisionali • Sistemi di supporto alle decisioni 2) Data Warehousing • Introduzione al data warehousing • Architetture di data warehouse • Cubi e analisi multidimensionali 3) Data Mining • Definizione di data mining • Rappresentazione dei dati in ingresso • Processo di data mining • Metodologie di analisi 4) Big Data • Introduzione • Caratteristiche dei dati • Business process management e data analytics • Strumenti e metodi per i big data 5) Key Performance Indicator • Definizione • Calcolo dei KPI • Analisi e reportistica 6) Blockchain • Definizione e prospettive • Componenti basilari • Come funziona la Blockchain Parte II – Modelli matematici per le decisioni (4 CFU) 7) Modelli matematici per le decisioni • Struttura dei modelli • Fasi di sviluppo di un modello • Classi principali 8) Applicazioni di Business Intelligence: • Portfolio Management i. Caratteristiche di un portafoglio ii. Diversificazione iii. Frontiera efficiente iv. Modello di Markovitz e sue limitazioni v. Scenario-based asset allocation vi. Modelli dinamici e stocastici vii. Risk measures viii. Scenario generation • Data Envelopment Analysis i. Diversi tipi di efficienza ii. Frontiera efficiente iii. Metodologia DEA iv. Modello CCR v. Formulazioni duali vi. Modello BCC Parte III – Project Management (2 CFU) 9) Fondamenti di Project Management • Fondamenti • Conoscenze di contesto • Conoscenze tecniche e metodologiche • Conoscenze manageriali di base • Conoscenze comportamentali 10) Metodologia PRINCE 2 • Introduzione • Componenti e processi in PRINCE2. |
| Testi docente | • C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, J. Wiley and Sons, 2009. • T. Erl, W. Khattak, P. Buhler, “Big Data Fundamentals – Concepts, Drivers & Techniques”, Prentice Hall, 2015 • C. Bentley, “I Principi Essenziali di PRINCE2”, Edizione 2008 – Colin Bentley, 2008 • D. Parmenter, “Key Performance Indicators”, John Wiley & Sons, 2007 |
| Erogazione tradizionale | Sì |
| Erogazione a distanza | No |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | No |
| Valutazione test attitudinale | No |
| Valutazione progetto | No |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
| Descrizione | Descrizione |
|---|---|
| 01 - Introduzione al corso (dispensa) | 
|
| 02 - Business Intelligence (dispensa) |
|
| 03 - Sistemi di supporto alle decisioni (dispensa) |
|
| 04 - Data Warehouse (dispensa) |
|
| 05 - Data Mining (dispensa) |
|
| 06 - Classificazione (dispensa) |
|
| 07 - Introduzione alla teoria del portafoglio (dispensa) |
|
| 08 - Modello di Markovitz (dispensa) |
|
| 09 - Modelli dinamici (dispensa) |
|
| 10 - Two stage Markovitz model (dispensa) |
|
| 11 - Two-stage Markovitz model 2 (dispensa) |
|
| 12 - Multistage SP (dispensa) |
|
| 13 - Modello di Markovitz multistadio (dispensa) |
|
| 14 - Open Data (dispensa) |
|
| 15 - Big Data 1 (dispensa) |
|
| 16 - Big Data 2 (dispensa) |
|
| 17 - Project Management 1 (dispensa) |
|
| 18 - Project Management 2 (dispensa) |
|
| 19 - Project Management 3 - Prince 2 (dispensa) |
|
| DEA 1 (dispensa) |
|
| DEA 2 (dispensa) |
|
| Esercitazione Lab 1 (dispensa) |
|
| GAMS 1 (dispensa) |
|
| GAMS 2 (dispensa) |
|
| Input prezzi modello dinamico (dispensa) | 
|
| Richiami dualità (dispensa) |
|
| Richiami dualità (dispensa) |
|
| Dati Modello Markovitz (esercitazioni) | 
|
| Esempi GAMS (esercitazioni) |
|
| Input prezzi modello dinamico doc (esercitazioni) |
|
| Input scenari Two-Stage (esercitazioni) |
|
Cerca nel sito
Posta Elettronica Certificata
Direzione
Tel +39 0965.1695510
Fax +39 0965.1695343
Biblioteca
Tel +39 0965.1695306-7-8
Fax +39 0965.1695345
Orientamento
Tel +39 0965.1695364
Fax -
Segreteria studenti
Tel +39 0965.655293
Fax +39 0965.654177
Didattica
Giurisprudenza - +39 0965.1695402
Economia - +39 0965.1695368
Scienze Umane - +39 0965.1695404
Social
