Scuola di Economia e Management
Scheda Insegnamento
Anno Accademico 2016/17 Secondo Semestre
|
Obiettivi di apprendimento attesi
Risultati di apprendimento attesi
Al termine del corso lo studente sarà in grado di utilizzare i principali strumenti di analisi statistica di supporto alle decisioni di Marketing strategico ed operativo. In modo particolare sarà in grado di impostare un'analisi finalizzata allo studio predittivo sia con riferimento a variabili target continui che discreti (modelli di churn)
Contenuti dell’insegnamento
Il corso si propone di fornire un quadro del ruolo che i metodi quantitativi possono assumere nelle decisioni di marketing strategico e operativo, con particolare riferimento all’attività di ricerca quantitativa estensiva e all’analisi di dati interni (customer database). In dettaglio, il corso ha per oggetto: la strutturazione di un database di marketing al fine di renderlo un effettiva fonte di informazioni, la gestione del processo dal tato alla conoscenza, le tecniche di analisi statistiche univariate e multivariate di supporto alle decisioni nel Marketing . Il corso è caratterizzato da un alternarsi di lezioni di natura metodologica e applicativa, mediante ricorso a una serie di casi aziendali e all’uso di specifici software in uso sul mercato. In particolare, l’obiettivo è quello di mettere in grado lo studente di replicare, in autonomia, tutte le analisi proposte durante il corso. Con particolare riferimento agli aspetti pratici lo studente avrà modo di approfondire l'utilizzo del software statistico R
Metodologia Didattica
Sessioni teoriche e pratiche focalizzate sull'analisi applicata dati, partendo da problemi di marketing strategico ed operativo, quali lancio di nuovi prodotti, princing, analisi di posizionamento e di segmenatzione del mercato, vengono illustrate le principali tecniche di supporto con particolare attenzione all'interpretazione dei risultati. La sessione pratica si basano sull'uso di dati reali analizzati con software statistici dedicati. Il materiale didattico relativo alle lezioni verrà reso disponibile sul website del corso
Modalità con cui viene accertata l’effettiva acquisizione dei risultati di apprendimento.
Per gli studenti partecipanti alle lezioni sono previste delle esercitazioni durante il corso la cui valutazione complessiva incide per l'80% sulla valutazione finale.
Per i non partecipanti è previsto un esame orale, il materiale di supporto può essere richiesto direttamente al docente, mgnecchi@liuc.it
Syllabus
Lezione 1 Ore di lezione: 4 Docente: | Argomenti Introduzione al corso – Presentazione R e R studio – Creazione Progetto, analisi dati Letture |
Lezione 2 Ore di lezione: 4 Docente: | Argomenti Analisi preliminare dati, esplorazione grafica, individuazione e gestione missing e outlier
Letture |
Lezione 3 Ore di lezione: 4 Docente: | Argomenti I modelli ad Albero Letture |
Lezione 4 Ore di lezione: 4 Docente: | Argomenti I modelli regressivi Letture |
Lezione 5 Ore di lezione: 4 Docente: | Argomenti La trasformazione delle variabili per i modelli regressivi Letture |
Lezione 6 Ore di lezione: 4 Docente: | Argomenti I modelli Neurali Letture |
Lezione 7 Ore di lezione: 4 Docente: | Argomenti Model Assesment e Implementation Letture |
Lezione 8 Ore di lezione: 4 Docente: | Argomenti Verifica globale Letture |