ECONOMICS FOR DATA SCIENCE

Scheda dell'insegnamento

Anno accademico di regolamento: 
2017/2018
Anno di corso: 
2
Anno accademico di erogazione: 
2018/2019
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Secondo Semestre
Ore di attivita' didattica: 
42
Prerequisiti: 

Big Data in Economics

Principi di econometria applicata e metodi quantitativi di statistica applicata.

------------------**********--------------

Digital Economy

Aver partecipato con successo al corso “Juridical and Social Issues in Information Society”

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Big Data in Economics

Per gli studenti che frequentano almeno il 60% delle lezioni:
· Presentazione (40%) nella settimana 6. Individualmente o in un gruppo di 2-3 studenti, presentazione di 20-30 minuti (domanda di ricerca e motivazione, metodologia utilizzata nell'analisi, principali risultati, valutazione critica e discussione dei principali risultati).

· Esame scritto (60%). L' esame consiste in due domande aperte ciascuna delle quali costituita da tre sottodomande sugli argomenti discussi durante il corso.

Per gli studenti che non frequentano almeno il 60% delle lezioni:

· Esame scritto (100%).

------------------**********--------------

Digital Economy

La valutazione si basa su un test scritto, sulla partecipazione in aula e sui blog post. Lo studente che non è soddisfatto con la valutazione può sostenere un esame orale per migliorare il voto.

Valutazione: 
Voto Finale

Obiettivi formativi

Big Data in Economics

Al termine del corso, gli studenti avranno imparato come:

· Costruire un modello economico per identificare e stimare un impatto causale.

· Confrontare e valutare diverse strategie di econometria applicata per stimare un impatto causale.

· Usare big data e machine learning per la stima di un impatto causale.

· Capire vantaggi e valore aggiunto dell'utilizzo di big data per ricerca applicata nelle scienze sociali.

Al termine del corso, gli studenti sapranno:

· Utilizzare le tecniche di program evaluation per rispondere a domande di ricerca che pongono problemi di policy-relevance.

· Utilizzare in modo efficacie i big data per rispondere a importante domande di ricerca economica.

------------------**********--------------

Digital Economy

Il corso Economia Digitale si propone di affrontare i fondamenti economici del nuovo mondo digitale e di aiutare gli studenti sia ad elaborare, guidare e implementare con maggiore sicurezza iniziative nell’ambito dell’innovazione digitale sia a sviluppare nuovi modelli di business per imprese nuove o già esistenti. Il corso si basa sulla premessa che la rivoluzione digitale stia rapidamente trasformando la natura di molte imprese in tutti i settori, rendendo necessario per gli studenti che usciranno dall’università comprendere i principi economici, i paradigmi tecnologici e le practice manageriali dell’innovazione in ambiti di business sempre più digitali, così da assicurare il loro successo personale e lavorativo. Il corso è rivolto a studenti che vogliono intraprendere carriere in cui le tecnologie digitali saranno critiche per lo sviluppo di nuovi prodotti e servizi, ad esempio nell’ambito delle start up, della consulenza e della R&S, così come nei dipartimenti marketing, operations e strategy di grandi imprese. Gli interventi di protagonisti ed esperti di settore permetteranno agli studenti di comprendere meglio i percorsi di carriera in questi ambiti in rapida evoluzione.

Contenuti

Big Data in Economics

Questo corso introduce il field emergente che nasce dalla fusione di Economia e Data Science per rispondere a domande di policy-relevance. L'obiettivo principale del corso e' discutere le piu' importanti tecniche di machine learning e di econometria applicata per stimare un impatto causale, e i vantaggi dell'utilizzo di big data per rispondere a importanti domande di ricerca in diverse applicazioni.

Discuteremo i seguenti quattro argomenti principali:

1) Validta' del Modello e Inferenza Causale.

2) Machine Learning and Inferenza Causale.

3) Modelli Strutturali, Esperimenti e Machine Learning.

4) Applicazioni Empiriche che usano Big Data.

------------------**********--------------

Digital Economy

Il corso guida gli studenti nell’apprendere:

I fattori economici e tecnologici che sono al centro della rivoluzione digitale che sta trasformando il panorama economico
La natura dell’informazione in quanto asset economico e le leggi che governano il suo comportamento in quanto bene economico
Lo scontro tra i modelli di business esistenti e i nuovi modelli guidati dal digitale che si basano sui concetti di Piattaforma e Ecosistema
Le interazioni competitive tra imprese con diversi modelli di business digitali
Le strategie dei “winner”: Amazon, Google, Facebook e Netflix
Come stanno prendendo forma i nuovi ecosistemi: E-commerce, Mobility, Energy, Servizi Finanziari
Come organizzare e guidare al meglio iniziative di innovazione di prodotto e di servizio nell’ambito digitale e come fare leva su queste conoscenze per avere successo nel mondo del lavoro.

Programma esteso

Big Data in Economics

Topic 1: Model’s Validity and Causal Inference.

- Internal and external validity

- Big data: new frontiers for economic analysis

Topic 2: Machine Learning and Causal Inference.

- Program evaluation and the “missing” counterfactuals

- Causal inference and machine learning

Topic 3: Structural Models, Experiments and Machine Learning

- Developing, estimating and using structural models

- Comparing experiments, structural models and machine learning methods for causal inference

Topic 4: Empirical Applications Using Big Data

- Students’ presentations: present your own work, one of the papers from a list of suggested papers that will be provided, or a paper of your choice that uses machine learning methods, possibly replicating the results of the paper you choose to present.

------------------**********--------------

Digital Economy

TECNOLOGIA, COMPETIZIONE E STRUTTURA DI MERCATO

Internet e la trasformazione digitale dell’Economia
La domanda e l’offerta nell’era digitale
I principali modelli di business nell’Economia Digitale
I principali Internet Market
Digital Disruption e Sharing Economy
Economy of Things, IoT e IA
Smart Working e Industria 4.0
Mobile Economy e Start-up
L’INFORMAZIONE COME ASSET STRATEGICO DI BUSINESS

Differenziazione di prodotti e servizi
Le Sette “Leggi” dell’Informazione
Switching cost e lock-in
Le economie di scale supply-side e demand-side
Gli standard
I Systems Effect
I Mercati Data-rich
Verso i Radical Market
PLATFORM ECONOMY – PRINCIPI PER DISEGNARE UNA PIATTAFORMA DI SUCCESSO

Come catturare il valore creato dagli effetti network
Come le piattaforme cambiano la competizione
Piattaforme digitali e nuovi ecosistemi
Costruire nuovi ecosistemi digitali
Strategie, pivot e driver
Standard, governance, processi e infrastrutture
Modelli di business e cooperazione pubblico- privato
Come stanno prendendo forma i nuovi ecosistemi digitali: E-commerce, Mobility, Media, Servizi Finanziari
Big Data Marketing
Le strategie dei “winner”: Amazon, Google, Facebook e Netflix

Bibliografia consigliata

Big Data in Economics
Libri di testo: per questo corso non c'e' un libro di testo di riferimento. Testi di riferimento per alcuni degli argomenti di econometria che verranno trattati sono:
Avanzato:

· W. H. Greene. Econometric Analysis, 5th Edition, Prentice Hall International, 2003.

Semplice/meno tecnico:

· J. Wooldridge. Introductory Econometrics: A Modern Approach, 5th Edition, South-Western Cengage Learning, 2013. (Chapter 15 for IV and 2 stage least squares)

· Stock and Watson, Introduction to Econometrics, 3rd Edition. (Basic statistics and regression analysis; companion website with datasets and files to replicate empirical results: http://wps.aw.com/aw_stock_ie_3/178/45691/11696965.cw/index.html)

· Angrist and Pischke, Mostly Harmless Econometrics, Princeton and Oxford University Press, 2009. (Excellent for concept of causality, experiments, diff-in-diff, and RD)

Articoli e capitoli di libro: la discussione di ciascuno dei quattro argomenti di cui discuteremo nel corso fara' riferimento ai seguenti principali articoli:

Topic 1: Model’s Validity and Causal Inference.

· Angrist and Pischke, Mostly Harmless Econometrics, Princeton and Oxford University Press, 2009, Chapter 1 pages 3-8.

· Athey, Susan, 2017. “Beyond prediction: Using big data for policy problems”, Science, 355, 483-485.

· Einav L., and J. Levin. 2014. “Economics in the Age of Big Data”, Science, Vol 346, Issue 6210: 1243089.

· Kleinberg, John, Jens Ludwig, Sendhil Mullainathan, and Ziad Obermeyer. 2015. “Prediction Policy Problems” American Economic Review, 105(5): 491–95.

· Kleinberg, John, Jens Ludwig, and Sendhil Mullainathan. 2016. “A Guide to Solving Social Problems with Machine Learning”, Harvard Business Review.

· Shmueli, G. 2010. “To Explain or to Predict?”, Statistical Science, Vol. 25, No. 3, 289-310.

· Varian, H. 2014. “Big Data: New Tricks for Econometrics”, Journal of Economic Perspective 28, 3-28

Topic 2: Machine Learning and Causal Inference.

· Athey S. and G. Imbens. 2015. “Machine Leaning Methods in Economics and Econometrics”, American Economic Review: Papers and Proceedings, 105(5): 476-480.

· Varian, H. (2016) “Causal Inference in Economics and Marketing”, PNAS, Vol. 113, No. 27, pages 7310-7315.

· Angrist and Pischke, Mostly Harmless Econometrics, Princeton and Oxford University Press, 2009, Chapter 2 pages 11-24, Chapter 6 pages 251-267.

Topic 3: Structural Models, Experiments and Machine Learning.

· Attanasio O., Costas Meghir and Ana Santiago. 2011. "Education choices in Mexico: using a structural model and a randomised experiment to evaluate Progresa", Review of Economic Studies.

· Todd, Petra, and Kenneth, I. Wolpin. 2006. "Assessing the Impact of a School Subsidy Program in Mexico: Using a Social Experiment to Validate a Dynamic Behavioural Model of Child Schooling and Fertility”, American Economic Review, Vol. 96, Issue 5, pages 1384-1417.

Topic 4: Empirical Applications Using Big Data.
References: a list of papers will be provided.
------------------**********--------------
Digital Economy

Paolo Cellini, “La Rivoluzione Digitale”, Luiss University Press, 2018

Metodi didattici

Big Data in Economics

Lezioni frontale e presentazioni degl studenti (individuali o di gruppo).

------------------**********--------------

Digital Economy

Lezioni frontali

Interventi dei protagonisti e degli esperti del settore

Interazione attraverso il Blog di classe