Dipartimento di Ingegneria Civile, dell'Energia, dell'Ambiente e dei Materiali - Università Mediterranea di Reggio Calabria - Didattica

Questo sito utilizza cookie tecnici propri e di terze parti, necessari al suo funzionamento, e, con il tuo consenso, cookie di profilazione ed altri strumenti di tracciamento di terze parti, utili per esporre video ed analizzare il traffico al fine di misurare l'efficacia delle attività di comunicazione istituzionale. Puoi rifiutare i cookie non necessari e di profilazione cliccando su "Solo cookie tecnici". Puoi scegliere di acconsentirne l'utilizzo cliccando su "Accetta tutti" oppure puoi personalizzare le tue scelte cliccando su "Personalizza".
Per maggiori informazioni consulta la nostra privacy policy.

Solo cookie tecnici Personalizza Accetta tutti

DATA SCIENCE

Corso

Economia

Curriculum

Curriculum unico

Orientamento

Orientamento unico

Anno Accademico

2018/2019

Crediti

Settore Scientifico Disciplinare

ING-INF/05

Anno

Primo anno

Unità temporale

Secondo semestre

Ore aula

Attività formativa

Attività formative affini ed integrative

Canale unico

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

Frequenza obbligatoria

Valutazione prova scritta

Valutazione prova orale

Valutazione test attitudinale

Valutazione progetto

Valutazione tirocinio

Valutazione in itinere

Prova pratica

Ulteriori informazioni

Materiale didattico
Ricevimento
Avvisi
Orario lezioni
Codice insegnamento

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)

Nessun avviso pubblicato

Nessuna lezione pubblicata

Codice insegnamento online non pubblicato