Course Syllabus
Obiettivi formativi
L'obiettivo principale di questo modulo sarà imparare ad applicare metodi quantitativi per analizzare i dati e supportare un processo decisionale basato sui dati.
- Conoscenza e capacità di comprensione. Le studentesse e gli studenti comprenderanno il ruolo dell'analisi aziendale nel processo decisionale e conosceranno i principali metodi quantitativi (descrittivi, predittivi e prescrittivi) utilizzati per analizzare i dati aziendali.
- Applicazione di conoscenze e comprensione. Le studentesse e gli studenti applicheranno tecniche statistiche a set di dati reali, tradurranno i problemi aziendali in quesiti analitici e costruiranno, interpreteranno e visualizzeranno modelli quantitativi a supporto delle decisioni manageriali.
- Autonomia di giudizio. Le studentesse e gli studenti valuteranno criticamente la qualità dei dati e i risultati analitici, valuteranno la validità di diversi metodi tenendo conto dei vincoli aziendali ed etici e formuleranno raccomandazioni basate su dati concreti in condizioni di incertezza.
- Abilità comunicaztive: Le studentesse e gli studenti presenteranno i risultati analitici in modo chiaro a un audience tecnico e non tecnico, producendo report strutturati che colleghino l'analisi dei dati a informazioni aziendali concrete.
- Capacità di apprendimento. Le studentesse e gli studenti svilupperanno autonomamente le proprie capacità analitiche, si confronteranno in modo critico con l'analisi statistica avanzata (modelli di regressione) e applicheranno un approccio strutturato e basato sull'evidenza alla risoluzione dei problemi in altri contesti professionali.
Contenuti sintetici
- Introduzione all'analisi aziendale (Business Analytics)
- Gestione dei dati (raccolta, qualità, pulizia)
- Analisi descrittiva e visualizzazione dei dati
- Analisi di regressione
- Lavoro di gruppo:
a. Analisi di un dataset
b. Creazione di una presentazione e di un report
c. Discussione critica dei risultati
Programma esteso
- Introduzione alla Business Analytics
a. Cos'è la Business Analytics
b. Analisi descrittiva, prescrittiva e predittiva
c. Utilizzo dei dati per il processo decisionale: etica, limiti e comunicazione - Gestione dei dati (raccolta, qualità, pulizia)
a. Tipologie di dati (a livello aziendale, di settore, a livello nazionale, brevetti, dati commerciali) e dove reperirli
b. Importazione e pulizia dei dati (valori mancanti, outlier, normalizzazione, unione dei dati) - Analisi descrittiva e visualizzazione dei dati
a. Statistiche descrittive, grafici, matrici
b. Correlazione
c. Dashboard - Analisi di regressione
a. Relazioni causali
b. Tipologie di variabili dipendenti e di controllo
c. Interpretazione e previsioni
d. Relazioni non lineari (interazioni, a forma di U, a forma di S) - Progetto:
a. Analisi di un dataset
b. Creazione di una presentazione e di una relazione
c. Discussione critica dei risultati
Prerequisiti
Aver frequentato "Quantitative Methods for Decision-Making" (primo anno, primo semestre), o un insegnamento equivalente di statistica avanzata.
Frequenza di "Econometrics" (primo anno, secondo semenstre), o un insegnamento equivalente di econometria.
Metodi didattici
Lezioni frontali, laboratorio, lavoro di gruppo.
Testimoninza aziendale.
Nel dettaglio:
- 14 lezioni frontali, da 2 ore;
- 6 lezioni di laboratorio, da 2 ore.
Modalità di verifica dell'apprendimento
Partecipazione in aula, tesina finale di gruppo con presentazione alla classe, ed esame orale individuale.
Nel dettaglio:
- voto finale di gruppo (40% tesina, 10% presentazione)
- voto finale individuale (50%)
- fino a 2 punti extra per la partecipazione in classe (0 per bassa frequenza e/o partecipazione, 1 per frequenza e partencipazione discontinua, 2 per frequenza constante e partecipazione attiva).
Testi di riferimento
Cameron, A.C. & Trivedi, P. K. (2009) "Microeconometrics using Stata". College Station: Stata press.
Camm ,J. D. Cochran, J. J., Fry M. J., Ohlmann, J. W. (2026), "Business Analytics", Cengage International Edition, 6th Edition.
Articoli, banche dati e altro materiale verrà reso disponibile durante il corso.
Periodo di erogazione dell'insegnamento
Secondo semestre
Lingua di insegnamento
Inglese
Sustainable Development Goals
Learning objectives
The main objective of this module will be to learn how to apply quantitative methods to analyse data and support a data-driven decision making.
- Knowledge and understanding. Students will understand the role of business analytics in decision-making and know the main quantitative methods (descriptive, predictive, and prescriptive) are used to analyse business data.
- Applying knowledge and understanding: Students will apply statistical techniques to real datasets, translate business problems into analytical questions, and build, interpret, and visualize quantitative models to support managerial decisions.
- Making judgements: Students will critically evaluate data quality and analytical outputs, assess the validity of different methods given business and ethical constraints, and formulate evidence-based recommendations under uncertainty.
- Communication skills: Students will present analytical results clearly to technical and non-technical audiences, producing structured reports that link data analysis to actionable business insights.
- Learning skills. Students will independently develop their analytical skills, critically engage with advanced statitistical analytics, and transfer a structured, evidence-based problem-solving approach to other professional contexts.
Contents
- Introduction to BA
- Data management (collection, quality, cleaning)
- Descriptive analytics and data visualization
- Regression analysis
- Project work
Detailed program
- Introduction to BA
a. what is business analytics
b. descriptive, prescriptive and predictive analytics
c. using data for decision: ethics, limits, and communication - Data management (collection, quality, cleaning)
a. types of data (firm-level, industry-level, country-levels, patents, trade data) and where to find them
b. import and cleaning data (missing values, outliers, normalizing, merging data) - Descriptive analytics and data visualization
a. descriptive statistics, graphs, matrices
b. correlation
c. dashboards - Regression analysis
a. causal relations
b. types of dependent variables and controls
c. intepretation and predictions
d. non-linear relation (interactions, u-shaped, s-shaped) - Project work:
a. Analyzing a dataset
b. Creation of a presentation and a report
c. Critical discussion of the results
Prerequisites
"Quantitative Methods for Decision-Making" (first year, first semester), or an equivalent course of advanced statistics.
Attendace of "Econometrics" (first year, second semester), or an equivalent course of econometrics.
Teaching methods
Lectures, labs, and group work.
Business guest lecture.
In detail:
- 14 frontal lectures, 2-hour duration;
- 6 labs, 2-hour duration.
Assessment methods
Class participation, final group essay with presentation to the class, and individual oral exam.
Details:
- Group grade (40% essay, 10% presentation)
- Individual grade (50%)
- Up to 2 extra points for class participation (0 for low attendance and/or participation, 1 for inconsistent attendance and participation, 2 for consistent attendance and active participation).
Textbooks and Reading Materials
Cameron, A.C. & Trivedi, P. K. (2009) "Microeconometrics using Stata". College Station: Stata press.
Camm ,J. D. Cochran, J. J., Fry M. J., Ohlmann, J. W. (2026), "Business Analytics", Cengage International Edition, 6th Edition.
Articles, databases, and other relevant sources will be available during the course.
Semester
Second semester
Teaching language
English
