Il corso è tenuto per 6 CFU dalla prof.ssa Laura Grassini e per 3 CFU dalla prof.ssa Francesca GIAMBONA.
PARTE 1. Laura Grassini (3 CFU)
Metodi statistici per la valutazione della capacità di processo e per il controllo on line.
PART 2. Francesca GIAMBONA (3 CFU)
Indicatori di performance aziendale da dati di bilancio. Produttività ed efficienza.
PART 3 (3 CFU) Laura Grassini
Data mining e machine learning.
Analisi dei logfile. Sentiment analysis.
Il materiale didattico sarà messo a disposizione sulla piattaforma Moodle.
Testi:
Biggeri L., Bini M., Coli A., Grassini L., Maltagliati M. (2012) Statistica per le decisioni aziendali. Ed. Pearson, Milano.
Il testo contiene informazioni per il link ad aree riservate contenenti materiale ulteriore.
Montgomery D. C. (2006) Controllo statistico della qualità, McGraw Hill Italia
Obiettivi Formativi
CONOSCENZE: Misure e indicatori significativi per l'attività aziendale: per il controllo di qualità di processo, per il benchmarking, efficienza, produttività e valutazione delle performance aziendali da dati di bilancio. Analisi multivariata per l'azienda: data mining e machine learning. Questionari on line. conoscenza di software per l'analisi statistica.
COMPETENZE: Essere in grado di valutare le prestazioni in vari contesti aziendali: qualità del processo produttivo, efficienza, produttività, redditività. Saper impostare uno studio per la valutazione della performance aziendale. Saper condurre analisi multivariate supervisionate e non supervisionate anche su dati prodotti dal web o da sistemi di generazione di big data (scanner data, Twitter data, logfile). Saper interpretare gli output di packages statistici relativamente ai temi affrontati. Essere in grado di predisporre un questionario via web e gestire la raccolta dei dati e la loro predisposizione per l'analisi statistica.
Prerequisiti
INSEGNAMENTO PROPEDEUTICO: STATISTICA I
Metodi Didattici
Lezioni frontali, esercitazioni al computer, progetto.
Altre Informazioni
Materiale su piattaforma Moodle
https://e-l.unifi.it/course/view.php?id=4465
Modalità di verifica apprendimento
Prova orale parte 1 e 2 (6 CFU): 70%
Progetto e orale sulla parte 3: 30%
Programma del corso
Il corso si propone di preparare lo studente a raccogliere ed elaborare informazioni per la costruzione di misure e indicatori significativi per l'attività aziendale
Argomenti del corso.
Il processo produttivo: concetto di qualità, misure di capacità di processo e tecniche di monitoraggio on line (control chart per variabili: x-bar chart, S-chart, S2-chart, Rchart, MR-chart e attributi). Non normalità e control chart.
p-chart,c-chart,uchart.
Analisi di efficienza e produttività. Efficienza tecnica: metodi parametrici e non parametrici. Produttività parziale e globale.
Indicatori di performance aziendale da dati di bilancio.
Predisposizione di un questionario per le indagini via web.
Data mining e machine learning. Metodi supervisionati (alberi classificatori, CART, kNN, naive Bayes) e non supervisionati (regole associative, clustering). Ambiti di analisi: grossi dataset, dati derivati da Twitter, analisi dei logfiles. In questa parte del corso, verrà usata lo strumento offerto da
R-data mining (http://www.rdatamining.com/)