Course Syllabus

Export

Il corso si propone di fornire agli studenti una preparazione nell’utilizzo delle informazioni statistiche a supporto delle decisioni aziendali, con particolare riferimento all’analisi delle performance economico-finanziarie, alla valutazione dei processi aziendali e alle attività di controllo e audit.
Attraverso un approccio metodologico e applicativo, il corso mira a sviluppare competenze quantitative e critiche utili all’interpretazione dei fenomeni economico-gestionali e alla gestione dei dati provenienti da fonti interne ed esterne all’impresa.

Al termine del corso lo studente sarà in grado di:

  • comprendere il ruolo delle informazioni statistiche nei processi decisionali aziendali, distinguendo tra diverse fonti di dati (interne, esterne, statistiche ufficiali, Big Data) e valutandone qualità, attendibilità e limiti di utilizzo;

  • interpretare e confrontare correttamente dati e indicatori statistici riferiti a fenomeni aziendali, utilizzando rapporti statistici, numeri indici e altri strumenti di sintesi per l’analisi delle dinamiche economico-gestionali;

  • analizzare le performance economico-finanziarie delle imprese attraverso l’uso degli indici di bilancio e di tecniche statistiche multivariate, quali l’analisi in componenti principali e l’analisi cluster, al fine di supportare valutazioni comparative e giudizi di performance;

  • comprendere e applicare i principali concetti statistici alla base delle attività di audit delle operazioni, con particolare riferimento alla definizione della popolazione, alla selezione del campione, alla stima dell’errore e alla valutazione della precisione e del livello di confidenza;

  • utilizzare e confrontare le principali tecniche di campionamento impiegate nell’audit (campionamento casuale semplice e campionamento per unità monetaria), valutandone le condizioni di applicabilità e interpretando correttamente i risultati ottenuti;

  • sviluppare autonomia critica nell’aggiornamento delle competenze statistiche acquisite, adattandole a diversi contesti aziendali, di controllo e di rendicontazione.

Il corso tratta l’utilizzo delle informazioni statistiche a supporto delle decisioni aziendali, analizzando le fonti dei dati, la loro qualità e le principali tecniche di interpretazione e confronto dei fenomeni aziendali. Viene approfondita la valutazione delle performance economico-finanziarie delle imprese attraverso l’analisi degli indici di bilancio e l’impiego di tecniche statistiche multivariate. Il corso affronta inoltre i concetti e le tecniche di campionamento statistico a supporto delle attività di controllo e audit delle operazioni.
L’approccio teorico è integrato da attività pratiche in ambiente R, volte a sviluppare capacità operative su dati aziendali (reali o simulati).

Parte metodologica (27 ore)
1 DISPONIBILITÀ E PRODUZIONE DELLE INFORMAZIONI STATISTICHE
1.1 Le informazioni statistiche per l’azienda: concetti generali e definizioni
1.2 Fonti interne: il sistema informativo aziendale
1.3 Fonti esterne. Statistica ufficiale e statistica privata
1.4 I siti web di Istat ed Eurostat
1.5 Qualità della statistica e statistica ufficiale
1.6 I Big Data: tipologie, caratteristiche e loro utilizzo in azienda e da parte dei produttori di statistiche ufficiali
1.7 La produzione di dati ad hoc: l’indagine campionaria
1.8 Alcuni casi di studio

2 INTERPRETAZIONE E COMPARAZIONE DEI DATI RIFERITI A FENOMENI AZIENDALI
2.1 Interpretazione e comparazione dei dati statistici: criteri generali
2.2 Rapporti statistici
2.3 I numeri indici semplici

3 VALUTAZIONE DELLE PRESTAZIONI ECONOMICO-FINANZIARIE DELLE IMPRESE
3.1 Valutazione delle performance dell’impresa: concetti generali
3.2 Bilancio e indici di bilancio
3.3 Analisi statistica degli indici di bilancio
3.4 Analisi in componenti principali
3.5 Analisi cluster

4 CONCETTI STATISTICI CONNESSI ALL'AUDIT DELLE OPERAZIONI
4.1 Metodo di campionamento
4.2 Metodo di selezione
4.3 Proiezione (stima)
4.4 Precisione (errore di campionamento)
4.5 Popolazione
4.6 Unità di campionamento
4.9 Rilevanza
4.10 Errore tollerabile e precisione pianificata
4.11 Variabilità
4.12 Intervallo di confidenza e limite superiore dell'errore
4.13 Livello di confidenza
4.14 Tasso di errore

5 TECNICHE DI CAMPIONAMENTO PER L'AUDIT DELLE OPERAZIONI
5.1 Quadro generale
5.2 Condizioni di applicabilità dei metodi di campionamento
5.3 Notazione

6 METODI DI CAMPIONAMENTO
6.1 CAMPIONAMENTO CASUALE SEMPLICE
6.1.1 Approccio convenzionale
6.1.1.1 Introduzione
6.1.1.2 Dimensioni del campione
6.1.1.3 Errore proiettato
6.1.1.4 Precisione
6.1.1.5 Valutazione
6.1.1.6 Esempio
6.2 CAMPIONAMENTO PER UNITÀ MONETARIA
6.2.1 Approccio convenzionale
6.2.1.1 Introduzione
6.2.1.2 Dimensioni del campione
6.2.1.3 Selezione del campione
6.2.1.4 Errore proiettato
6.2.1.5 Precisione
6.2.1.6 Valutazione
6.2.1.7 Esempio
6.2.2 Approccio conservativo
6.2.2.1 Introduzione
6.2.2.2 Dimensioni del campione
6.2.2.3 Selezione del campione
6.2.2.4 Errore proiettato
6.2.2.5 Precisione
6.2.2.6 Valutazione
6.2.2.7 Esempio

Laboratorio con R (8 ore)

  • Introduzione all’ambiente R: struttura, comandi base, pacchetti
  • Importazione e gestione dei dati
  • Campionamento
  • Analisi delle componenti principali
  • Analisi dei cluster

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.

Il modulo prevede 27 ore di didattica frontale in aula e 8 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.

L’esame prevede una prova scritta ed un project work/una prova orale.

PROVA SCRITTA
La prova scritta consiste in quattro esercizi da svolgere in 2 ore:

  • due esercizi sul campionamento;
  • due esercizi sulla parte di analisi multivariata.
    Lo studente dovrà scegliere e svolgere un esercizio sul campionamento e un esercizio di analisi multivariata.
    Ciascun esercizio prevede un punteggio massimo di 15 punti.

PROJECT WORK
Per gli studenti che intendono svolgere il project work, l’elaborato dovrà essere consegnato entro il 17/01/2025. La votazione ottenuta nel project work concorrerà alla votazione finale del modulo con un peso del 30%.
La votazione finale sarà quindi così composta:

  • 30%: voto del project work;
  • 70%: voto dell’esame scritto.
    Al punteggio finale così ottenuto verranno aggiunti eventuali punti bonus derivanti dalle consegne dei compiti svolti durante l’anno.

PROVA ORALE
Gli studenti che intendono svolgere la prova orale dovranno sostenere un esame orale su tutto il programma.
La votazione ottenuta nella prova orale concorrerà alla votazione finale del modulo con un peso del 30%.
La votazione finale sarà quindi così composta:

  • 30%: voto della prova orale;
  • 70%: voto dell’esame scritto.
    Al punteggio finale così ottenuto verranno aggiunti eventuali punti bonus derivanti dalle consegne dei compiti svolti durante l’anno.
  • 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. (Cap. 1, 2, 3.1-3.3, 8.1-8.5)
  • Commissione Europea (2017). Guida ai metodi di campionamento per le autorità di audit (Cap. 1, 2, 3, 4.1-4.5, 5, 6.1.1, 6.3.1, 6.3.5)

Primo semestre

Italiano

IMPRESE, INNOVAZIONE E INFRASTRUTTURE
Export

The course aims to provide students with training in the use of statistical information to support business decision-making, with particular reference to the analysis of economic and financial performance, the evaluation of business processes, and control and audit activities.
Through a methodological and applied approach, the course seeks to develop quantitative and critical skills useful for interpreting economic and managerial phenomena and for managing data from both internal and external sources of the firm.

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

  • understand the role of statistical information in business decision-making processes, distinguishing among different data sources (internal, external, official statistics, Big Data) and assessing their quality, reliability, and limits of use;

  • correctly interpret and compare data and statistical indicators related to business phenomena, using statistical ratios, index numbers, and other summary measures for the analysis of economic and managerial dynamics;

  • analyze firms’ economic and financial performance through the use of financial statement ratios and multivariate statistical techniques, such as principal component analysis and cluster analysis, in order to support comparative evaluations and performance assessments;

  • understand and apply the main statistical concepts underlying operational audit activities, with particular reference to the definition of the population, sample selection, error estimation, and the assessment of precision and confidence levels;

  • use and compare the main sampling techniques employed in auditing (simple random sampling and monetary unit sampling), assessing their conditions of applicability and correctly interpreting the results obtained;

  • develop critical autonomy in updating the statistical skills acquired, adapting them to different business, control, and reporting contexts.

The course addresses the use of statistical information to support business decision-making, analyzing data sources, their quality, and the main techniques for interpreting and comparing business phenomena. It explores the evaluation of firms’ economic and financial performance through the analysis of financial statement ratios and the application of multivariate statistical techniques. The course also covers the concepts and methods of statistical sampling in support of control and operational audit activities.
The theoretical approach is complemented by practical activities in the R environment, aimed at developing operational skills using business data (real or simulated).

Methodological Part (27 hours)

1 AVAILABILITY AND PRODUCTION OF STATISTICAL INFORMATION
1.1 Statistical information for firms: general concepts and definitions
1.2 Internal sources: the corporate information system
1.3 External sources: official statistics and private statistics
1.4 The ISTAT and Eurostat websites
1.5 Statistical quality and official statistics
1.6 Big Data: types, characteristics, and their use in firms and by producers of official statistics
1.7 Ad hoc data production: sample surveys
1.8 Selected case studies

2 INTERPRETATION AND COMPARISON OF DATA RELATED TO BUSINESS PHENOMENA
2.1 Interpretation and comparison of statistical data: general criteria
2.2 Statistical ratios
2.3 Simple index numbers

3 EVALUATION OF FIRMS’ ECONOMIC AND FINANCIAL PERFORMANCE
3.1 Evaluation of firm performance: general concepts
3.2 Financial statements and financial ratios
3.3 Statistical analysis of financial ratios
3.4 Principal component analysis
3.5 Cluster analysis

4 STATISTICAL CONCEPTS RELATED TO OPERATIONAL AUDITING
4.1 Sampling method
4.2 Selection method
4.3 Projection (estimation)
4.4 Precision (sampling error)
4.5 Population
4.6 Sampling unit
4.9 Materiality
4.10 Tolerable error and planned precision
4.11 Variability
4.12 Confidence interval and upper error limit
4.13 Confidence level
4.14 Error rate

5 SAMPLING TECHNIQUES FOR OPERATIONAL AUDITING
5.1 General framework
5.2 Conditions for the applicability of sampling methods
5.3 Notation

6 SAMPLING METHODS
6.1 SIMPLE RANDOM SAMPLING
6.1.1 Conventional approach
6.1.1.1 Introduction
6.1.1.2 Sample size
6.1.1.3 Projected error
6.1.1.4 Precision
6.1.1.5 Evaluation
6.1.1.6 Example

6.2 MONETARY UNIT SAMPLING
6.2.1 Conventional approach
6.2.1.1 Introduction
6.2.1.2 Sample size
6.2.1.3 Sample selection
6.2.1.4 Projected error
6.2.1.5 Precision
6.2.1.6 Evaluation
6.2.1.7 Example

6.2.2 Conservative approach
6.2.2.1 Introduction
6.2.2.2 Sample size
6.2.2.3 Sample selection
6.2.2.4 Projected error
6.2.2.5 Precision
6.2.2.6 Evaluation
6.2.2.7 Example

R Laboratory (8 hours)
Introduction to the R environment: structure, basic commands, packages
Data import and management
Sampling
Principal component analysis
Cluster analysis

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.

The course includes 27 hours of traditional classroom teaching and 8 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.

The exam consists of a written test and either a project work or an oral examination.

WRITTEN TEST
The written test consists of four exercises to be completed in 2 hours:

  • two exercises on sampling;
  • two exercises on multivariate analysis.
    Students must choose and complete one sampling exercise and one multivariate analysis exercise.
    Each exercise is worth a maximum of 15 points.

PROJECT WORK
Students who choose to complete the project work must submit the assignment by 17/01/2025. The grade obtained in the project work contributes to the final module grade with a weight of 30%.
The final grade will therefore be composed as follows:

  • 30%: project work grade;
  • 70%: written exam grade.
    Any bonus points earned through the submission of coursework during the academic year will be added to the final score.

ORAL EXAMINATION
Students who choose to take the oral examination must sit an oral exam covering the entire syllabus.
The grade obtained in the oral examination contributes to the final module grade with a weight of 30%.
The final grade will therefore be composed as follows:

  • 30%: oral examination grade;
  • 70%: written exam grade.
    Any bonus points earned through the submission of coursework during the academic year will be added to the final score.
  • 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. Seconda edizione, Pearson. (Chap. 1, 2, 3.1-3.3, 8.1-8.5)
  • Commissione Europea (2017). Guida ai metodi di campionamento per le autorità di audit (Chap. 1, 2, 3, 4.1-4.5, 5, 6.1.1, 6.3.1, 6.3.5)

First semester

Italian language

INDUSTRY, INNOVATION AND INFRASTRUCTURE
Enter

Key information

Field of research
SECS-S/01
ECTS
5
Term
Annual
Activity type
Mandatory
Course Length (Hours)
35
Degree Course Type
2-year Master Degreee
Language
Italian

Staff

    Teacher

  • MZ
    Mariangela Zenga

Enrolment methods

Manual enrolments
Self enrolment (Student)

Sustainable Development Goals

INDUSTRY, INNOVATION AND INFRASTRUCTURE - Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation