Il corso insegna i principali metodi di analisi statistica multivariata e di data mining, il cui utilizzo nel marketing si è notevolmente diffuso negli ultimi anni. In particolare verranno studiate la segmentazione del mercato, le mappe percettive, la ricerca delle eccellenze, l’analisi delle criticità, la soddisfazione del consumatore e le reti sociali.

The course teaches the main multivariate statistical methods, which have been used more and more often  in the last years. More precisely, it teaches market segmentation, perceptual maps, outlier detection, customer satisfaction and social networks.

1.  Richiami di statistica di base. Media, varianza, asimmetria, curtosi, correlazione, regressione semplice, frequenze marginali, frequenze congiunte, frequenze condizionate.

2.  Richiami di algebra lineare. Vettori, matrici, relazioni, operazioni, casi notevoli, sistemi lineari, rango, determinante.

3.  Complementi di algebra lineare. Matrici a blocchi, spazi lineari, matrici ortogonali, autovalori, autovettori, forme quadratiche, valori singolari, approssimazioni di matrici, prodotti di matrici.

4.  Elaborazioni preliminari. Matrice dei dati, matrice delle distanze, vettore media, matrice varianza, matrice correlazione, asimmetria e curtosi multivariate, matrici a più vie.

5.  Metodi orientati alle unità. Analisi dei gruppi, analisi della varianza, analisi discriminante, graduazione multidimensionale.

6.  Metodi orientati alle variabili. Regressione multivariata, componenti principali, analisi delle corrispondenze, correlazioni canoniche.

7.  Applicazioni al marketing: segmentazione del mercato, mappe percettuali, conjoint analysis, previsione della domanda, customer satisfaction, reti sociali.

- Conoscenza e capacità di comprensione: lo studente conoscerà i principali metodi di statistica multivariata ed il loro utilizzo nel marketing.  

- Conoscenza e capacità di comprensione applicate: lo studente potrà esplorare quantitativamente dati complessi, per individuarne le strutture latenti.

- Autonomia di giudizio: lo studente potrà scegliere la metodologia più adatta all'esplorazione dei dati e valutare la qualità dei risultati ottenuti.

- Abilità comunicative: lo studente imparerà a comunicare i risultati delle analisi esplorative tramite grafici, tabelle, presentazioni e relazioni.

- Capacità di apprendere: lo studente riuscirà ad integrare quanto appreso con le metodologie apprese in altri corsi oppure tramite studio personale.

Il materiale didattico predisposto dalla/dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni della/del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it

Modalità didattiche

Il corso prevede l'utilizzo di diverse modalità didattiche:

1.  Lezioni. Esposizione della teoria, discussione di casi reali, verifica informale dei risultati di apprendimento. La modalità didattica è interattiva, per stimolare e la partecipazione attiva degli studenti.

2.  Esercitazioni. Organizzazione dei dati ed elaborazione degli stessi tramite EXCEL. In particolare verranno spiegate ed utilizzate le principali funzioni statistiche di EXCEL.

3.  Ricevimenti. Durante il corso c’è  un ricevimento settimanale, il cui orario è fissato prima dell’inizio del corso stesso. Negli altri periodi il ricevimento viene concordato con il docente tramite posta elettronica.

Obblighi

Le modalità dell’esame sono dettagliatamente descritte nel materiale didattico.

Testi di studio

1.  Il libro di Mary Fraire e Alfredo Rizzi : Analisi dei Dati per il Data Mining, edito da Carocci, che risulta particolarmente utile per approfondire i punti 4, 5, 6 e 7 elencati nei Risultati di Apprendimento.

2.   Il libro di Alfredo Rizzi: Il Linguaggio delle Matrici, edito da Carocci, che risulta particolarmente utile per approfondire i punti 2 e 3 elencati nei Risultati di Apprendimento.

3.  Dispense messe a disposizione dal docente sulla piattaforma Moodle › blended.uniurb.it., inclusive di esercizi risolti, esercizi svolti, tabelle riassuntive, modalità di esame, esempi di esame.

Modalità di
accertamento

La valutazione avviene tramite una prova scritta che consiste in trenta affermazioni estratte casualmente dal materiale didattico. Lo studente deve stabilire la veridicità o la falsità di ogni affermazione. Ogni risposta corretta corrisponde ad un punto e la somma dei punti costituisce il voto dell’esame. Lo studente ha a disposizione un’ora di tempo per completare l’esame.

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.

Modalità didattiche

Ricevimento, anche telefonico, previo accordo con il docente via posta elettronica.

Obblighi

Identici a quelli dei frequentanti

Testi di studio

Studio individuale dei testi di esame indicati sopra e del materiale presente sulla piattaforma blended.

Modalità di
accertamento

La valutazione degli studenti non frequentanti è la stessa degli studenti frequentanti.

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.

L'esame e la bibliografia potranno essere in lingua inglese su richiesta dello studente.

The student can request to sit the final exam in English with an alternative bibliography.