Syllabus del corso
Obiettivi formativi
L'obiettivo del corso è quello di fornire agli studenti le competenze per strutturare, elaborare, analizzare dati e comunicare efficacemente informazioni, nella soluzione di problemi economici, finanziari e di management, e in supporto ai processi di decision-making.
Contenuti sintetici
Il corso è diviso in due sezioni che evidenziano altrettante aree di competenza, integrate tra loro in funzione dell’obiettivo finale del corso:
- Elaborare e analizzare i dati: approfondire dal punto di vista applicativo il foglio elettronico (Excel) per importare, strutturare, analizzare ed elaborare i dati, comprendendo le logiche e l’uso delle funzioni nella risoluzione di problemi professionali;
- Business Intelligence e data science: introduzione alla BI e ai principali strumenti di Data Visualization. Utilizzo di un linguaggio di programmazione (Python) e delle relative librerie per l’analisi dati.
Programma esteso
Il corso è articolato in una parte introduttiva e in tre sezioni che corrispondono ad altrettante aree di competenza, integrate tra loro in funzione dell'obiettivo finale.
Parte introduttiva – Fondamenti di informatica
Definizione ed evoluzione delle ICT; il concetto di dato e di informazione; il codice binario; evoluzione dei linguaggi di programmazione; introduzione al pensiero algoritmico (algorithmical thinking).
Sezione 1 – Elaborare e analizzare i dati con il foglio elettronico (Excel)
Costruzione di un foglio di calcolo; strutturazione ed elaborazione dei dati; analisi dei problemi; analisi di simulazione; analisi dei dati con il foglio elettronico; funzioni di ricerca e riferimento. La parte teorica è affiancata da esercitazioni pratiche applicative su casi reali.
Sezione 2 – Business Intelligence e Data Science
Introduzione alla programmazione e fondamenti di Python; strutture di controllo (control flow statements); funzioni; sequenze e non-sequenze (stringhe, liste, tuple, dizionari); Introduzione alla Business Intelligence e alla data science; applicazioni di analisi dei dati: regressione, classificazione, clustering e analisi delle serie storiche (time series). La parte teorica è affiancata da esercitazioni pratiche di applicazione a problemi professionali.
Prerequisiti
nessuno
Metodi didattici
12 ore di didattica erogativa in presenza
24 ore di didattica interattiva da remoto
Modalità di verifica dell'apprendimento
Non sono previste prove in itinere.
L'esame si compone di un project work e di una prova orale individuale.
Il project work può essere svolto individualmente o in gruppo (massimo 4-5 partecipanti) e richiede l'applicazione delle tecniche di strutturazione, elaborazione e analisi dei dati esercitate durante il corso (Excel, Python, strumenti di Business Intelligence e data visualization) alla soluzione di un problema economico-aziendale. Il project work costituisce il punto di partenza della prova orale.
La prova orale si svolge in gruppi, corrispondenti a quelli costituiti per il project work: prende avvio dalla discussione del project work e si estende agli argomenti, ai metodi e agli strumenti trattati nel corso.
È consentito l'uso di strumenti di intelligenza artificiale nello svolgimento del project work, a condizione che ne venga esplicitato l'utilizzo, indicando come e per quali attività sono stati impiegati.
Competenze valutate: capacità di strutturare, elaborare e analizzare dati a supporto delle decisioni aziendali; padronanza degli strumenti applicativi (Excel, Python, strumenti di BI e data visualization); capacità di interpretazione manageriale dei risultati; capacità critica di individuare errori, limiti e bias nelle analisi, comprese quelle generate con il supporto dell'AI; capacità di comunicare in modo chiaro ed efficace le informazioni.
Criteri di valutazione: correttezza e completezza dell'analisi; appropriatezza metodologica e nell'uso degli strumenti; qualità dell'interpretazione e della comunicazione dei risultati; autonomia nel motivare e giustificare le scelte adottate. Il voto finale è espresso in trentesimi ed è graduato in funzione del livello raggiunto in ciascuno di questi criteri.
Testi di riferimento
Materiale didattico (slide, notebook, file di lavoro ed esercizi) fornito dal docente e reso disponibile sulla piattaforma e-learning di Ateneo (Moodle). Non è previsto un libro di testo obbligatorio.
Periodo di erogazione dell'insegnamento
secondo semestre
Lingua di insegnamento
Italiano
Sustainable Development Goals
Learning objectives
The aim of the course is to provide students with the skills to structure, process, analyse data and communicate information effectively, in the solution of economic, financial and management problems, and in support of decision-making processes.
Contents
The course is divided into three sections highlighting as many areas of competence, integrated with each other according to the course's final objective:
- Processing and analysing data: delving into the spreadsheet (Excel) from an application point of view to import, structure, analyse and process data, understanding the logic and use of functions in professional problem solving;
- Business Intelligence and Data Science: introduction to BI and the main Data Visualisation tools. Use of a programming language (Python) and related libraries for data analysis.
Detailed program
The course is organised in an introductory part and three sections corresponding to as many areas of competence, integrated with one another according to the final objective of the course.
Introductory part – Fundamentals of computer science
Definition and evolution of ICT; the concepts of data and information; the binary code; evolution of programming languages; introduction to algorithmical thinking.
Section 1 – Processing and analysing data with the spreadsheet (Excel)
Building a spreadsheet; structuring and processing data; problem analysis; what-if/simulation analysis; data analysis with the spreadsheet; lookup and reference functions. The theoretical part is complemented by hands-on practice sessions on real cases.
Section 2 – Business Intelligence and Data Science
Introduction to programming and Python basics; control flow statements; functions; sequences and non-sequences (strings, lists, tuples, dictionaries); Introduction to Business Intelligence and data science; data analysis applications: regression, classification, clustering and time series analysis. Learning to program (Python)
The theoretical part is complemented by practice sessions applying the concepts to professional problems.
Prerequisites
none
Teaching methods
12 hours of frontal classes (in presence)
24 hours of interactive learning (remotely)
Assessment methods
There are no intermediate (in itinere) tests.
The exam consists of a project work and an individual oral examination.
The project work may be carried out individually or in groups (maximum 4-5 participants) and requires applying the data structuring, processing and analysis techniques practised during the course (Excel, Python, Business Intelligence and data visualization tools) to the solution of a business/economic problem. The project work is the starting point of the oral examination.
The oral examination is organized by groups, following the composition of the project work teams: it starts from the discussion of the project work and extends to the topics, methods and tools covered in the course.
The use of artificial intelligence tools is allowed in carrying out the project work, provided that such use is made explicit, indicating how and for which activities the tools were employed.
Assessed competences: ability to structure, process and analyse data in support of business decisions; command of the applied tools (Excel, Python, BI and data visualization tools); ability to provide a managerial interpretation of the results; critical ability to identify errors, limits and biases in the analyses, including those produced with the support of AI; ability to communicate information clearly and effectively.
Assessment criteria: correctness and completeness of the analysis; methodological appropriateness and proper use of the tools; quality of the interpretation and communication of the results; autonomy in motivating and justifying the choices made. The final mark is expressed out of thirty and is graduated according to the level achieved for each of these criteria.
Textbooks and Reading Materials
Teaching materials (slides, notebooks, working files and exercises) provided by the lecturer and made available on the University e-learning platform (Moodle). No compulsory textbook is required.
Semester
second semester
Teaching language
Italian
Sustainable Development Goals
Staff
-
Andrea Biancini
