Course Syllabus
Obiettivi
L'insegnamento si propone di fornire allo studente le conoscenze e competenze professionalizzanti riguardanti:
- Analisi delle principali funzioni nell'organizzazione e gestione di un’azienda
- Lettura e interpretazione dei documenti finanziari di un’azienda.
- Tecniche di marketing data analytics basate su Machine Learning.
- Aanalisi di problemi specifici con sviluppo di applicativi di data analytics in R.
In laboratorio lo studente acquisirà competenze sugli aspetti di business analytics più rilevanti per la funzione “marketing” dell’azienda, approfondendo in particolare il linguaggio R per la modellazione dei dati e gli aspetti computazionali.
Rilievo particolare sarà dato all'analisi di problemi specifici nell'ambito marketing, alla presentazione di set specifici di dati, allo sviluppo di applicativi di machine learning per marketing data analysis in R e alla valutazione dei risultati.
Contenuti sintetici
Il corso si articola in quattro moduli:
- Organizzazione e gestione aziendale
- Tecniche di Marketing analytics
- Analisi di problemi specifici nell'ambito marketing e sviluppo di applicativi in R
- Analisi delle scelte del consumatore.
I contenuti principali del corso
- Organizzazione e gestione aziendale
- Elementi di economia e organizzazione aziendale
- La contabilità e il bilancio
- La finanza aziendale
- Tecniche di Marketing analytics
- Key Performance Indicators (KPIs)
- Product /Consumer analytics
- Marketing mix and attribution modelling
- Sistemi di recommendation
- Economia
- Determinazione dei prezzi di equilibrio
- Elasticità di prezzo
- Decisioni del consumatore.
- Esercitazioni e laboratorio: analisi di problemi specifici nell'ambito marketing e sviluppo di applicativi in R
- Presentazione e discussione di casi specifici di problemi di marketing
- Preparazione, visualizzazione e elaborazione del dato con tecniche di machine learning
- Sviluppo applicativi di machine learning in R
Programma esteso
1. Organizzazione e gestione aziendale
- Elementi di economia e organizzazione aziendale
- La contabilità e il bilancio
- La finanza aziendale
2. Tecniche di Marketing analytics
- Key Performance Indicators (KPIs)
- Product /Consumer analytics
- Marketing mix and attribution modelling
- Sistemi di recommendation
3. Elementi di microeconomia
- Prezzi di equilibrio
- Elasticità di prezzo
- Decisioni del consumatore
4. Esercitazioni: Analisi di problemi specifici nell'ambito marketing
- Presentazione e discussione di casi specifici di problemi di marketing
- Preparazione e visualizzazione del dato: Business Intelligence (BI) e Data Modelling in ambito aziendale
- Elaborazione del dato: introduzione alle principali tecniche di machine learning per l'analisi dati marketing (es. regressione, classificazione, clustering)
5. Laboratorio: sviluppo di applicativi in R
- Introduzione a R
- Analisi esplorativa/descrittiva di dataset relativi a problemi di marketing
- Sviluppo applicativi di machine learning in R
Prerequisiti
- Probabilità e statistica per l'Informatica
- Analisi e progettazione del software
Modalità didattica
L'attività formativa si articolerà in:
- lezioni frontali: in cui verranno presentati gli argomenti relativi ai punti 1,2 e 3.
- esercitazioni e laboratori: in cui verranno approfonditi gli argomenti di marketing data analytics con sviluppo in R di applicazioni specifiche con dati reali. Queste attività saranno propedeutiche all'impostazione e allo sviluppo del progetto di fine corso che per esempio potrà consistere nella realizzazione di un sistema di raccomandazione.
Materiale didattico
I libri di testo sono i seguenti
- Digital marketing. Data, analytics, tecnologie e canali digitali, Nico Di Domenica, Attilio Redivo, Edoardo Rozzoni, Gianluca Crippa, Pearson Education Italia
- Hands-On Data Science for Marketing, Yoon Hyup Hwang, Packt
- R for Marketing Research and Analytics, Chris N. Chapman, Elea McDonnell Feit Chapman, Elea
Inoltre, viene reso disponibile il seguente materiale didattico:
- Slide realizzate dai docenti
- materiale aggiuntivo es. link a news, forum, risorse web specifiche sugli argomenti trattati a lezione
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
- Tradizionale: prova orale a fine corso che verte sugli argomenti svolti a lezione dai due docenti del corso. La prova orale per quanto riguarda gli argomenti dei punti 1,2 e 3 non verrà richiesta per gli studenti che hanno superato la verifica intermedia.
- Verifica Intermedia: (verso la metà di Dicembre): la verifica consiste in un test con un insieme di domande (al massimo 10) a risposta aperta riguardanti gli argomenti presentati nei punti 1,2 e 3. Ad ogni domanda sarà associato un punteggio, da 3 a 5. Lo studente può rispondere ad un qualsiasi numero di domande. La valutazione del parziale sarà espressa attraverso un giudizio quali-quantitativo: Insufficiente [<18], Sufficiente [18->22], Buono [23->26], Eccellente [27->30], Top [ >30]
Progetto di Laboratorio in R:
Il progetto si articola in:
- Realizzazione di un applicativo in R per l'analisi di dati di marketing.
- Relazione scritta
- Discussione orale del progetto avvalendosi di un set di slide, con possibili domande sugli argomenti svolti in aula 4,5.
Orario di ricevimento
I due docenti sono disponibili a incontrare gli studenti o subito dopo le lezioni oppure su appuntamento.
Nel periodo di emergenza COVID gli esami orali saranno
solo telematici.
Verranno svolti utilizzando la piattaforma Webex e nella pagina e-learning
dell’insegnamento verrà riportato un link pubblico per l’accesso all’esame di
possibili spettatori virtuali.
Aims
The course aims at providing the student with the following professional skills:
- analysis of the main tasks in the organization and management of a company
- reading and interpretation of a company balance sheet
- Machine Learning based techniques for data analytics.
- analysis of specific problems with development of machine learning applications in R.
During the labs, business analytics skills are acquired, specifically focusing on the R language for marketing data modelling and analysis.
Particular emphasis will be given to the analysis of
specific problems in the marketing field, to the presentation of specific data
sets, to the development of machine learning applications for marketing data
analysis in R and to the evaluation of the results.
Contents
The course is divided into four modules:
- Organization and business management
- Marketing analytics techniques
- Analysis of specific marketing problems and development of R applications
- Analysis of consumer choices
The main contents of the course are:
- Organization and business management
- Elements of economy and business organization
- financial statements
- Business finance
- Marketing analytics techniques
- Key Performance Indicators ; Monitoring and Reporting
- Product and customer analytics
- Marketing mix and attribution modelling
- Recommender systems
- Economics
- Equilibrium prices
- Price elasticity
- Modelling consumer decisions
- Analysis of specific problems in the marketing and development of applications in R
- Presentation and discussion of specific cases of marketing problems
- Data preparation, visualization and analysis with machine learning techniques
- Development of machine learning application in R
Detailed program
- Organization and business management
- Financial statement
- Corporate finance
- Marketing analytics techniques
- Key Performance Indicators ; Monitoring and Reporting
- Product and customer analytics
- Marketing mix and attribution modelling
- Recommender systems
- Elements of economics
- Equilibrium prices
- Price elasticity
- Modelling consumer decisions
- Analysis of specific marketing problems
- Presentation and discussion of specific cases of marketing problems
- Preparation and visualization of the data: Business Intelligence (BI) and Data Modeling in the company environment
- Data processing: introduction to the main machine learning techniques for marketing data analysis (e.g. regression, classification, clustering)
- Lab:development of applications in R
- Introduction to R
- Explorative / descriptive analysis of datasets
- Application development of machine learning in R
Prerequisites
- Probability and statistics for IT
- Software analysis and design
Teaching form
- lectures: in which the topics of microeconomics and organization and business management will be presented
- tutorials and laboratories: in which marketing data analytics topics will be presented with specific applications with real data. These activities will be preparatory to the planning and development of the end-of-course project which, for example, may consist in the implementation of a recommender system.may consist in the implementation of marketing analytics applications.
Textbook and teaching resource
- Digital marketing. Data, analytics, tecnologie e canali digitali, Nico Di Domenica, Attilio Redivo, Edoardo Rozzoni, Gianluca Crippa, Pearson Education Italia
- Hands-On Data Science for Marketing, Yoon Hyup Hwang, Packt
- R for Marketing Research and Analytics, Chris N. Chapman, Elea McDonnell Feit Chapman, Elea
- Slides for all the course topics prepared and distributed by the instructor.
- Additional material eg links to news, forums, specific web resources on the topics covered in class
Semester
First semester
Assessment method
The exam will be organized as follow:
Oral exam:
- Traditional: oral exam at the end of the course that focuses on the topics covered in class by the two teachers. The oral exam regarding the topics of points 1,2 and 3 will not be required for students who have passed the intermediate test.
- Intermediate Check: (mid-December): the test consists of a test with a set of questions (maximum 10) with open answers regarding the topics presented in points 1, 2 and 3 . Each question will be associated with a score, from 3 to 5. The student can answer any number of questions. The evaluation of the partial will be expressed through a quali-quantitative judgment: Insufficient [<18], Sufficient [18-> 22], Good [23-> 26], Excellent [27-> 30], Top [> 30]
- Implementation of an application in R for the analysis of marketing data.
- Report
- Oral discussion of the project using a set of slides, with possible questions on the topics covered in the classroom on points 4,5.
Delivery times will be communicated on Moodle.
Office hours
The two instructors are available for meet students or immediately after the lectures or setting up a meeting anytime in office hours by email.
During the COVID emergency period oral examinations will take place remotely through thr Webex platform.On the e-learning page of the coursethere will be apublic linkfor accessing to the examination of possible virtual spectators.