Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • My Media
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Magistrale
  3. Scienze Economico-Aziendali [F7703M - F7701M]
  4. Insegnamenti
  5. A.A. 2025-2026
  6. 1° anno
  1. Analisi Statistiche per I Processi Aziendali
  2. Introduzione
Unità didattica Titolo del corso
Analisi Statistiche per I Processi Aziendali
Codice identificativo del corso
2526-1-F7703M006-F7703M006-1
Descrizione del corso SYLLABUS

Blocchi

Torna a Metodi Quantitativi

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

l corso si propone di fornire agli studenti una solida preparazione metodologica e applicativa nell’uso di strumenti statistici per l’analisi e la valutazione dei processi aziendali. Le tecniche affrontate permetteranno di interpretare fenomeni economico-gestionali, valutare relazioni tra variabili, monitorare l’evoluzione temporale di indicatori e supportare decisioni operative, strategiche e di controllo.
L’approccio è orientato allo sviluppo di competenze quantitative applicabili in contesti reali, con particolare attenzione a tematiche di valutazione delle performance, previsione e analisi dei rischi aziendali.

Al termine del corso lo studente sarà in grado di:

  • comprendere i principali strumenti statistici applicabili ai processi aziendali e riconoscere il ruolo della statistica nei contesti decisionali, gestionali e di controllo, con particolare riferimento alla regressione, all’analisi delle relazioni tra variabili, allo studio di fenomeni temporali e alla valutazione della performance;

  • applicare tecniche statistiche appropriate a dati aziendali (reali o simulati), utilizzando il software R per costruire modelli, analizzare output e trarre informazioni utili alla pianificazione, al monitoraggio e al supporto delle decisioni aziendali;

  • valutare criticamente l’idoneità, l’accuratezza e i limiti dei modelli statistici utilizzati, giustificando le scelte metodologiche compiute in funzione degli obiettivi dell’analisi e del contesto aziendale;

  • comunicare in modo chiaro ed efficace i risultati delle analisi statistiche, redigendo report interpretativi completi e utilizzando rappresentazioni grafiche adeguate, anche per interlocutori non specialisti o appartenenti a diverse funzioni aziendali;

  • aggiornare e approfondire in autonomia le conoscenze statistiche acquisite, adattando le competenze sviluppate a nuovi strumenti e contesti, con particolare attenzione alle esigenze dell’analisi economico-aziendale, della rendicontazione e del controllo.

Contenuti sintetici

Il corso introduce metodi statistici fondamentali per l’analisi e la valutazione dei processi aziendali, con riferimento a contesti operativi, strategici e di controllo. Vengono trattate tecniche per l’analisi delle relazioni tra variabili, la stima e la validazione di modelli previsivi e la costruzione di indicatori per la valutazione delle performance.
L’approccio teorico è integrato da attività pratiche in ambiente R, volte a sviluppare capacità operative su dati aziendali (reali o simulati).

Programma esteso

Parte metodologica (25 ore)

  1. Statistica per la comprensione e il controllo dei processi aziendali
  • Il ruolo dell’analisi statistica nei processi decisionali
  • Tipologie di variabili e strutture dei dati aziendali
  • Indicatori sintetici e misura della variabilità
  • Valutazione e rappresentazione di fenomeni economico-gestionali
  1. Analisi delle relazioni tra variabili e modelli previsivi
  • Regressione lineare multipla: interpretazione e applicazioni aziendali
  • Verifica delle ipotesi e valutazione della bontà del modello
  • Selezione dei predittori e multicollinearità
  1. Valutazione delle performance economico-finanziarie
  • Indicatori di bilancio e loro significato statistico
  • Costruzione di cruscotti informativi
  • Analisi comparativa (benchmarking) tra imprese o reparti
  • Utilizzo degli indicatori a supporto del controllo di gestione

Laboratorio con R (10 ore)

  • Introduzione all’ambiente R: struttura, comandi base, pacchetti
  • Importazione e gestione dei dati
  • Implementazione di modelli di regressione
  • Analisi grafica e diagnostica dei modelli
  • Modelli per la vautazione delle performance economico-finanziario

Prerequisiti

È richiesta una conoscenza preliminare di statistica descrittiva (univariata e bivariata), di probabilità (variabili casuali e principali distribuzioni) e di inferenza statistica, con particolare riferimento alla stima puntuale e intervallare, alla verifica di ipotesi su media e proporzione, alla regressione lineare semplice e a nozioni introduttive di regressione multipla.

Metodi didattici

Il modulo prevede 25 ore di didattica frontale in aula e 10 ore di attività interattiva in laboratorio statistico, dedicate all’utilizzo del software R.
Nel caso in cui i laboratori non siano disponibili a causa di lavori di ristrutturazione, le attività verranno suddivise tra sessioni in aula e sessioni da remoto, entrambe svolte tramite l’utilizzo del laboratorio virtuale.

Modalità di verifica dell'apprendimento

L’esame si articola in due componenti, ciascuna con pari peso nella determinazione del voto finale:

  • Prova scritta individuale (50% del voto finale): la prova consiste in 3 quesiti, ciascuno composto da domande teoriche e pratiche volte a verificare la comprensione dei concetti statistici trattati durante il corso e la capacità di interpretare correttamente gli output analitici. La durata della prova è di 2 ore. Il punteggio è espresso in trentesimi (minimo 0, massimo 31).

  • Project work (50% del voto finale): realizzazione di un’analisi applicata (individuale o in gruppi di massimo 3 studenti) su un dataset fornito o selezionato, utilizzando il software R. Il lavoro prevede la consegna di una relazione scritta e una presentazione orale dei risultati, da tenersi negli ultimi giorni di lezione. Il punteggio è espresso in trentesimi (minimo 0, massimo 31).

Il voto finale del corso sarà calcolato come media aritmetica dei due punteggi.

Testi di riferimento

  • Materiale didattico fornito a lezione: slide, esercitazioni e dataset a supporto delle attività teoriche e pratiche
  • Biggeri, L., Bini, M., Coli, A., Grassini, L., & Maltagliati, M. (2023). Statistica per le decisioni aziendali. Seconda edizione, Pearson.
  • Giudici, P., & Figini, S. (2009). Applied Data Mining for Business and Industry. Seconda edizione, Wiley, Chichester (UK). Disponibile gratuitamente per gli utenti UniMiB all’indirizzo: https://unimib.on.worldcat.org/discover (accesso con credenziali di ateneo)

Periodo di erogazione dell'insegnamento

Primo semestre

Lingua di insegnamento

Italiano

Sustainable Development Goals

IMPRESE, INNOVAZIONE E INFRASTRUTTURE
Esporta

Learning objectives

The course aims to provide students with a solid methodological and practical foundation in the use of statistical tools for the analysis and evaluation of business processes. The techniques covered will enable students to interpret economic and managerial phenomena, assess relationships between variables, monitor the temporal evolution of key indicators, and support operational, strategic, and control-related decision-making.
The approach is oriented toward developing quantitative skills applicable in real-world contexts, with particular focus on performance evaluation, forecasting, and business risk analysis.

At the end of the course, the student will be able to:

  • understand the main statistical tools applicable to business processes and recognize the role of statistics in decision-making, management, and control contexts, with particular reference to regression, analysis of relationships between variables, time series analysis, and performance assessment;

  • apply appropriate statistical techniques to real or simulated business data, using R software to build models, analyze output, and extract insights useful for planning, monitoring, and supporting business decisions;

  • critically assess the suitability, accuracy, and limitations of the statistical models used, justifying methodological choices in relation to the objectives of the analysis and the business context;

  • communicate statistical analysis results clearly and effectively by producing comprehensive interpretative reports and using appropriate graphical representations, including for non-specialist audiences or professionals from different organizational functions;

  • independently update and deepen the statistical knowledge acquired, adapting developed skills to new tools and contexts, with particular attention to the needs of business analysis, reporting, and control.

Contents

The course introduces fundamental statistical methods for the analysis and evaluation of business processes, with reference to operational, strategic, and control-related contexts. It covers techniques for analyzing relationships between variables, estimating and validating predictive models, and constructing indicators for performance evaluation.
The theoretical approach is complemented by practical activities in the R environment, aimed at developing operational skills using real or simulated business data.

Detailed program

Methodological Section (25 hours)

  1. Statistics for understanding and controlling business processes
  • The role of statistical analysis in decision-making processes
  • Types of variables and structures of business data
  • Summary indicators and measures of variability
  • Evaluation and representation of economic and managerial phenomena
  1. Analysis of relationships between variables and predictive models
  • Multiple linear regression: interpretation and business applications
  • Hypothesis testing and evaluation of model fit
  • Predictor selection and multicollinearity
  1. Evaluation of economic and financial performance
  • Financial statement indicators and their statistical interpretation
  • Construction of dashboard-style reports
  • Comparative analysis (benchmarking) between companies or business units
  • Use of indicators to support management control

R Lab (10 hours)

  • Introduction to the R environment: structure, basic commands, and packages
  • Data import and data management
  • Implementation of regression models
  • Graphical and diagnostic analysis of models
  • Models for evaluating economic and financial performance

Prerequisites

A basic knowledge of descriptive statistics (univariate and bivariate), probability (random variables and main distributions), and statistical inference is required, with particular reference to point and interval estimation, hypothesis testing on means and proportions, simple linear regression, and introductory concepts of multiple regression.

Teaching methods

The course includes 25 hours of traditional classroom teaching and 10 hours of interactive activities in the statistics lab (using R). If the laboratories are unavailable due to renovation work, the activities will be divided between in-class sessions and remote sessions, both conducted using the virtual lab environment.

Assessment methods

The exam consists of two components, each contributing equally to the final grade:

  • Individual written exam (50% of the final grade): the exam consists of 3 questions, each including both theoretical and practical items aimed at assessing the student’s understanding of the statistical concepts covered in the course and their ability to correctly interpret analytical outputs. The duration of the exam is 2 hours. The score is expressed in 30-ths (minimum 0, maximum 31).

Project work (50% of the final grade): an applied analysis project (individual or in groups of up to 3 students) carried out on a provided or selected dataset using R software. The project includes the submission of a written report and an oral presentation of the results, to be delivered during the final days of the course. The score is expressed in 30-ths (minimum 0, maximum 31).

The final course grade will be calculated as the arithmetic mean of the two scores.

Textbooks and Reading Materials

  • Teaching materials provided during the course: slides, exercises, and datasets to support theoretical and practical activities.
  • Biggeri, L., Bini, M., Coli, A., Grassini, L., & Maltagliati, M. (2023). Statistica per le decisioni aziendali. 2nd edition, Pearson.
  • Giudici, P., & Figini, S. (2009). Applied Data Mining for Business and Industry. 2nd edition, Wiley, Chichester (UK). Freely available to UniMiB users at: https://unimib.on.worldcat.org/discover (login required with university credentials).

Semester

First semester

Teaching language

Italian language

Sustainable Development Goals

INDUSTRY, INNOVATION AND INFRASTRUCTURE
Entra

Scheda del corso

Settore disciplinare
SECS-S/01
CFU
5
Periodo
Annualità Singola
Tipo di attività
Obbligatorio
Ore
35
Tipologia CdS
Laurea Magistrale
Lingua
Italiano

Staff

    Docente

  • MZ
    Mariangela Zenga

Metodi di iscrizione

Iscrizione manuale

Obiettivi di sviluppo sostenibile

IMPRESE, INNOVAZIONE E INFRASTRUTTURE - Costruire una infrastruttura resiliente e promuovere l'innovazione ed una industrializzazione equa, responsabile e sostenibile
IMPRESE, INNOVAZIONE E INFRASTRUTTURE

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche