BUSINESS INTELLIGENCE

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: 
Primo Semestre
Ore di attivita' didattica: 
46
Prerequisiti: 

Nessuno

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

La modalità di verifica si basa su una prova scritta e una prova orale.

La prova scritta si svolge al computer ed è composta da domande aperte e chiuse e risposta multipla su tutti gli argomenti del corso.

In sede di valutazione viene considerata la capacità dello studente di rispondere a quesiti specifici facendo riferimento agli aspetti teorici e pratici (mediante esempi) connessi all'argomento richiesto.

La prova scritta è comune sia per gli studenti frequentanti sia per i non frequentanti.

La prova orale è mirata ad accertare la conoscenza teorica dello studente sugli argomenti del corso. Saranno quindi valutate le capacità di ragionare e approfondire le tematiche proposte in sede di esame e il rigore metodologico del loro sviluppo.

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso intende fornire gli strumenti (metodologici e tecnici) per la comprensione e la realizzazione di soluzioni di BI - incluso il ciclo di vita del dato KDD - in contesti applicativi reali, individuando e definendo i criteri per la valutazione dei processi realizzati

Contenuti

Introduction to BI and Big Data Analytics

BI Architectures

Knowledge Discovery in Databases – KDD

Programma esteso

1. Introduction to BI and Big Data Analytics

a. Goal and rationale of BI systems

b. The value of knowledge – digital economy and data driven decision making

c. The Structure and subsequent evolution of BI and Big Data Analytics systems

2. BI Architectures

a. The Evolution of BI Architectures (towards Big Data)

b. Decision Models on the basis of business functions

c. Definition, selection and metrics for computing directional indicators (KPI – CSF)

3. Knowledge Discovery in Databases – KDD

a. Phases, methodologies and the value for business purposes (Data as value)

b. Models for data quality evaluation – structured data vs (unstructured) Big data

c. Models for data management and analytics – relational vs schema free (i.e., graph db)

d. Models and techniques for data analysis – how to use data for fact-based decision making

e. Visualisation models for decision making – selecting the proper model for each stakeholder – data story telling and indicators

Bibliografia consigliata

Lezioni con l'ausilio di slide, laboratorio e casi applicativi. Articoli scientifici di riferimento saranno forniti dal docente. Il Software utilizzato sarà open-source

Metodi didattici

Lezioni frontali, seminari monotematici, esercitazioni, assegnamenti da svolgere a casa.