Obiettivi formativi
Il corso illustra l’analisi dei dati multidimensionali, con particolare riguardo al trattamento delle grandi basi di dati qualitativi e quantitativi, sia disponibili all’interno dell’azienda (datawarehouse) sia di fonte esterna (banche dati e ricerche di mercato). Con il termine "data mining" si indica, infatti, il processo atto a scoprire relazioni e tendenze nuove e significative esaminando grandi quantità di dati, con l’impiego di adeguati metodi statistici e di strumenti informatici. Lo scopo è quello di fornire un supporto informativo razionale per le decisioni aziendali e per le strategie di marketing.
Prerequisiti
<br />
Il corso rappresenta la naturale prosecuzione dell’insegnamento di “Analisi dei dati per il Marketing” della laurea triennale in Marketing, per cui si presume che lo studente conosca questi argomenti.<br />
Contenuti dell'insegnamento
― Il data mining ed il suo ruolo nell’azienda. Cenni al text mining ed al web mining. <br />
― Le analisi esplorative e la preparazione del data set. <br />
― Gli indici di associazione ed il loro impiego nelle ricerche di mercato, nella market basket analysis e nel web mining. <br />
― L’analisi delle corrispondenze per lo studio del posizionamento delle marche. <br />
― Metodi multidimensionali per la segmentazione dei prodotti e dei clienti: gli indici di similarità ed i metodi non gerarchici di cluster analysis. <br />
― Gli alberi decisionali per l’analisi del comportamento dei consumatori <br />
<br />
Nel corso si seguirà un approccio orientato alle applicazioni, partendo da problemi di concreto interesse nell’ambito del marketing e mostrando le elaborazioni dei dati e le soluzioni fornite dai metodi statistici. Particolare attenzione sarà dedicata alle esercitazioni pratiche sul computer, con l’uso di software specifici. <br />
<br />
Bibliografia
<p> </p>
<p>TESTO D'ESAME:<br />
ZANI S. – CERIOLI A., Analisi dei dati e Data Mining per le decisioni aziendali, Giuffrè Editore, Milano, 2007, capitoli 3, 4, 7, 9, 11. <br />
<br />
Per eventuali approfondimenti metodologici e per esempi di applicazioni in ambito aziendale si suggerisce di consultare:<br />
T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning. Data Mining, Inference and Prediction, Springer-Verlag, New York, 2001.<br />
A. Azzalini, B. Scarpa, Analisi dei dati e data mining, Springer, Milano, 2004.<br />
P. Giudici, Data mining. Metodi informatici, statistici e applicazioni, seconda edizione, McGraw-Hill Italia, Milano, 2005.<br />
</p>
Metodi didattici
Lezioni orali ed esercitazioni pratiche sul computer, con l’uso di software specifici.<br />
<br />
Modalità d’esame<br />
<br />
Prova scritta. Gli studenti che lo desiderano potranno svolgere una ricerca, con relazione scritta, che concorrerà alla determinazione del voto finale.<br />
