DATA SCIENCE LAB IN BUSINESS AND MARKETING

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: 
50
Prerequisiti: 

Big Data in Business, Economics and Society

Non sono previsti prerequisiti formali, ma è necessaria una conoscenza delle tecniche di base della statistica inferenziale, dell'analisi multivariata e di data mining, nonché la conoscenza di base della programmazione R.

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

Big data in behavioural psycology

Basic knowledge of R (https://www.r-project.org)

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Big Data in Business, Economics and Society

L'apprendimento verrà verificato attraverso:

1. Una valutazione progressiva del modo in cui gli studenti affronteranno le difficoltà nella conduzione dei progetti.

2. Una presentazione orale del lavoro ai docenti, con discussione critica

Questa modalità di verifica dell'apprendimento è motivata dall'obiettivo di mettere gli studenti nelle condizioni operative tipiche dell'attività lavorativa e di farne in particolare emergere le abilità soft (organizzative, comunicative, creative...).

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

Big data in behavioural psycology

Computerized written examination on the theoretical concepts (with open and closed questions)
and

Final project, based on a work in small groups of up to 3 participants. Note that each member of the group will deliver his/her own individual written final project and give an oral presentation based on this work (collective projects, or copy-and-paste of projects between group members, will not be allowed)

Valutazione: 
Voto Finale

Obiettivi formativi

Big Data in Business, Economics and Society

Rendere gli studenti in grado di affrontare l'impostazione, la conduzione e la gestione di progetti di data science ed estrazione di informazioni da sistemi complessi di dati, in ambiti sociali, economici e aziendali.

Il corso si concentra in particolare sull'impostazione e conduzione di progetti di estrazione dell'informazione in ambiti "aperti", cioè in assenza di obiettivi analitici precisi, come avviene invece nella pratica statistica "classica", ponendosi nelle condizioni tipiche dei contesti socio-economici attuali, dove i flussi dati costituiscono la base per l'ideazione, il design e l'implementazione di nuovi servizi, richiedendo al "data scientist" capacità creative, abilità organizzativa e comunicativa e solidità metodologica.

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

Big data in behavioural psycology

This module tackles the prediction of behavior with an approach that integrates sound psychological theories in the data driven development of predictive models.

A sound theory on human behavior can be useful in many ways: it can suggest possible useful predictors, hence enhancing our chances to develop an effective predictive model. Furthermore, it can help understand why our model is effective. This helps avoid the risk, for instance, to the use of a model with a spurious relationship between predictor and criterion, doomed to fail (see Google flu trends).

But a theory-free analysis of mere correlations is inevitably fragile. If you have no idea what is behind a correlation, you have no idea what might cause that correlation to break down. (Harford, 2014).

Various practical topics (e.g., “Which of the many clients of a company will terminate their contract?”) will be used to exemplify this approach.

Contenuti

Big Data in Business, Economics and Society

Il corso illustra e introduce alla tipologia di attività che il data scientist è chiamato a svolgere nel contesto attuale, affronta la tematica della natura e della gestione di progetti di data science in ambito socio-economico e aziendale e si concreta nell'assegnazione di progetti di elaborazione dei dati (presi da ambiti reali) e generazione di contenuti informativi, che gli studenti, suddivisi in gruppi, devono condurre a termine nel periodo del corso, con la supervisione del docente.

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

Big data in behavioural psycology

We will address the prediction of human behavior in various fields:

Consumer behavior (churn, cross-selling)
Brand perception
Political choices
Personality

by way of heterogeneous data coming from various sources (social media; open data projects; clickstream data; .)

Programma esteso

Big Data in Business, Economics and Society

Il corso si suddivide in due parti, Nella prima, più breve, si svolgeranno alcuni seminari per illustrare le caratteristiche tipiche dei progetti di data science nei contesti socio-economici e di business; nella seconda, più ampia, gli studenti verranno suddivisi in gruppi (di 3-4 unità), ai quali saranno assegnati progetti basati su dati reali, da sviluppare e completare durante il corso.

PARTE I

1. Il contesto tecnologico ed economico attuale: complessità dei processi socio-economici e nuove esigenza conoscitive e di servizi a valore aggiunto.

2. Complessità dei dati e nuove fonti: web, e-commerce, Internet of Things, Smartphone...

3. Processi basati sui dati in ambito aziendale: marketing, crm, operations...

4. Esempi di progetti di data science in ambiti aziendali e istituzionali.

5. Elementi di project management e caratteristiche/criticità dei progetti di data science: obiettivi, qualità dei dati, scelte tecnologiche.

6. Computabilità e limiti del machine learning.

PARTE II
Identificazione e assegnazione di progetti di data science (i contenuti dei progetti saranno definiti durante il corso).

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

Big data in behavioural psycology

Each of the topics will be addressed with an initial theoretical focus on the main drivers of the behavior at hand.

Next, we will discuss an existing empirical application and work on its emprical development

Bibliografia consigliata

Big Data in Business, Economics and Society

Computers Ltd. What they really can't do, Harel D. =xfordUniversity Press, 2000

Documenti e slide fornite dal docente.

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

Big data in behavioural psycology

Slides and scientific papers will be made available on the e-learning page.

Metodi didattici

Big Data in Business, Economics and Society

Lezioni frontali e supervisione periodica dei progetti di elaborazione dei dati.

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

Big data in behavioural psycology

Each topic will be introduced by a lecture, followed by extensive lab practice.