STATISTICA AZIENDALE AVANZATA | Università degli studi di Bergamo

STATISTICA AZIENDALE AVANZATA

Attività formativa monodisciplinare
Codice dell'attività formativa: 
91019

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2021/2022
Insegnamento (nome in italiano): 
STATISTICA AZIENDALE AVANZATA
Insegnamento (nome in inglese): 
BUSINESS STATISTICS (ADVANCED)
Tipo di attività formativa: 
Attività formativa Caratterizzante
Tipo di insegnamento: 
Opzionale
Settore disciplinare: 
STATISTICA ECONOMICA (SECS-S/03)
Anno di corso: 
1
Anno accademico di offerta: 
2021/2022
Crediti: 
9
Responsabile della didattica: 
Mutuazioni

Altre informazioni sull'insegnamento

Modalità di erogazione: 
Didattica Convenzionale
Lingua: 
Italiano
Ciclo: 
Secondo Semestre
Obbligo di frequenza: 
No
Ore di attività frontale: 
72
Ore di studio individuale: 
153
Ambito: 
Statistico-matematico
Prerequisiti

Nessuno

Obiettivi formativi

Al termine del corso, lo studente avrà acquisito conoscenze e competenze metodologiche e operative per la raccolta/il reperimento, il trattamento, l’analisi di dati e la presentazione di informazioni che possano supportare processi decisionali tanto nelle principali aree aziendali, quanto in svariati altri contesti (servizi, pubblica amministrazione, consulenza e comunicazione, e così via).

In primo luogo, lo studente avrà una panoramica delle principali fonti di dati disponibili per differenti ambiti di studio, anche in ottica di un loro utilizzo integrato. In aggiunta, avrà occasione di padroneggiare i principali criteri per valutare la qualità dei dati disponibili in relazione al contesto analizzato. L’introduzione delle diverse fasi di una indagine campionaria (piani di campionamento, redazione di un questionario, tecniche di rilevazione e metodi di partecipazione, errori e loro tipologie) gli consentirà anche di pianificare progetti di raccolta dati ad hoc.

Inoltre, a fine corso lo studente sarà in grado di produrre/predisporre e presentare le informazioni necessarie a risolvere problematiche che comunemente si affrontano tanto in azienda quanto in altri contesti lavorativi. In particolare, sarà in grado di trattare opportunamente dati grezzi, trasformandoli in informazioni a supporto di decisioni pratiche ed azioni.

In questa prospettiva, lo studente apprenderà come analizzare i fenomeni di interesse in ottica univariata (scegliendo opportune statistiche di sintesi, tabelle, report e tecniche di data visualization). Apprenderà, inoltre, come analizzare i dati in ottica sia bivariata (associazione / correlazione tra fenomeni) che in ottica multivariata (analisi di regressione semplice e multipla, cluster analysis). Tali tecniche gli consentiranno, ad esempio, di studiare la relazione tra le differenti variabili studiate (indici di bilancio e performance, dati strutturali, dati di mercato e così via) e/o il posizionamento dell’azienda nel mercato di riferimento (anche in ottica di benchmarking).

Lo studente, inoltre, acquisirà approfondite competenze per l’analisi della qualità di processi (produttivi o meno). Apprenderà come la qualità di prodotti e processi, in qualsiasi ambito, pur essendo legata ad inevitabili costi, sia un elemento di valore che consenta di perseguire l’eccellenza nelle attività in cui l’azienda / l’ente di riferimento sono attivi. In quest’ottica, lo studente acquisirà piena padronanza nella scelta e nell’utilizzo ed interpretazione dei principali strumenti a sua disposizione (test statistici, carte di controllo, indicatori di capacità). In aggiunta, arriverà ad affinare le proprie capacità critiche e di giudizio nel trasformare le informazioni disponibili in decisioni ed interventi pratici volti all’ottimizzazione di prodotti e/o processi o alla massimizzazione della soddisfazione del cliente/utente di riferimento.

Infine, lo studente avrà modo di apprendere come utilizzare uno dei più diffusi, apprezzati e potenti software statistici: SAS. Utilizzando l’interfaccia user-friendly SAS Studio/SAS Enterprise Guide, lo studente avrà modo di mettere immediatamente in pratica quanto appreso nelle lezioni teoriche. In particolare, usando dati reali e/o simulati, imparerà come implementare praticamente le tecniche di analisi più opportune al contesto considerato ed affinerà le proprie doti di ragionamento interpretando gli output ottenuti in ottica decisionale / pratica.

Contenuti dell'insegnamento

Il corso affronta le seguenti tematiche principali:

• La Statistica in azienda ed il suo ruolo.
• Importanza di fonti ed informazioni statistiche di qualità per le imprese / enti: dove trovarle, come giudicarle.
• Principali fonti di dati ed indicatori disponibili (statistica ufficiale ed altre fonti per diversi scopi).
• Pianificare una indagine campionaria dalla A alla Z: tecniche di campionamento, tipologie di errore, tecniche di rilevazione dati, redazione di un questionario.
• Problematiche legate alla qualità dei dati e come affrontarle: dati mancanti e metodi di imputazione.
• Analisi preliminari di un dataset in ottica univariata: analisi sui profili colonna (statistiche di riepilogo, tabelle e report grafici).
• Analisi bivariate: associazione / correlazione tra variabili.
• Come valutare la somiglianza tra due unità in ottica multivariata: calcolo delle distanze e loro proprietà.
• Analisi dei gruppi (cluster analysis: metodi gerarchici agglomerativi, divisivi e non gerarchici) e come interpretarne i risultati (dendrogramma e scree plot).
• Modelli di regressione semplici: impostare l’analisi e leggere l’output.
• Regressione multipla: assunzioni, stima dei modelli e loro interpretazione / valutazione.
• Data visualization e analisi grafiche: grafici per variabili quantitative, qualitative e per rappresentare processi (come sceglierli, come costruirli, come leggerli).
• Test chi-quadrato e suoi utilizzi: indipendenza tra due fenomeni, bontà di adattamento, test per proporzioni e per la varianza campionaria.
• Carte di controllo per variabili e per attributi: regole di progettazione, costruzione, interpretazione e conseguenti decisioni pratiche.
• Indici di capacità di processo per la valutazione di prodotti e/o servizi: come rendere il cliente / utente finale più soddisfatto.

Metodi didattici

La didattica per il corso è improntata all’insegna dell’interattività e della “praticità” (con frequenti esempi che riprendono situazioni vere o verosimili da analizzare). È prevista una alternanza di lezioni frontali finalizzate ad introdurre concetti teorici ed incontri in laboratorio con l’utilizzo dell’interfaccia user-friendly SAS Studio/SAS Enterprise Guide (che non richiede l’apprendimento di alcun linguaggio di programmazione).
La frequenza, seppur fortemente consigliata, non è obbligatoria: la preparazione può essere effettuata in completa autonomia, da parte dello studente.

Sono previsti anche incontri di tutorato (sia tradizionali, in aula, che in laboratorio) che consentiranno allo studente di affinare le proprie competenze nell’elaborazione di dati (implementando le metodologie introdotte durante il corso) e nella interpretazione dei risultati ottenuti in chiave pratica.

Potrebbero essere proposti anche attività “extra” collaterali (seminari, workshop, svolgimento di esercizi, brevi test, presentazioni ai compagni e/o progetti di gruppo) che possono consentire allo studente di accumulare un punteggio integrativo ai fini dell’esame. Tra tali attività “extra”, è in genere previsto un workshop di introduzione a SAS tenuto da docenti ufficiali del SAS Institute (i partecipanti all’incontro potranno riceveranno un attestato).

Modalità verifica profitto e valutazione

L’esame finale è organizzato in due parti: 1) teoria+pratica e 2) Test SAS.

1) La parte d’esame teoria+pratica è un test che sarà erogato tramite Moodle (in laboratorio). Questa parte include domande a test, domande aperte o altri tipi di domande teoriche (per la parte “teoria”) e brevi applicazioni / esercizi (per la parte “pratica”). Il test consentirà allo studente di raggiungere fino a 23 punti ed è prevista una soglia per la sufficienza. Se la soglia viene raggiunta o superata, si potrà sostenere la seconda parte dell’esame: il Test SAS (parte che è comunque obbligatorio superare positivamente per poter verbalizzare il voto).

2) Il Test SAS, effettuato successivamente all’esame teoria+pratica, consentirà allo studente di raggiungere fino ad 8 punti ed includerà non solo la parte di elaborazione dati, ma anche l’interpretazione degli output ottenuti. Il superamento della soglia relativa al Test SAS è condizione indispensabile per poter verbalizzare il voto completo.

Al punteggio dell’esame teoria+pratica e/o del Test SAS potranno essere aggiunti punteggi integrativi che saranno abbinati ad attività svolte dagli studenti durante il corso, volte ad incoraggiare uno studio progressivo ed una frequenza assidua delle lezioni e degli incontri di tutorato.

I tempi di svolgimento sono, orientativamente: 90 minuti max per l’esame teoria+pratica; 60 minuti max per il Test SAS (verranno indicati in modo più preciso in eLearning all’avvicinarsi dell’esame). Date/orari ed eventuali link per la partecipazione e/o gruppi saranno indicato in eLearning.

Maggiori informazioni di dettaglio su punteggi, tempistiche e modalità di svolgimento dell’esame sono indicate in eLearning.

I voti dell’esame, espressi in trentesimi, saranno pubblicati sullo sportello-studente (online) e comunicati agli studenti via email (in seguito alla pubblicazione sarà facoltà dello studente rifiutare il voto online entro la scadenza indicata). Le valutazioni di dettaglio saranno pubblicate sulla pagina eLearning del corso.

Altre informazioni

Il materiale didattico (slide) viene messo a disposizione, durante il corso, in ambiente eLearning.

Ulteriori informazioni (ad esempio: avvisi, calendario delle lezioni, variazioni di orario, soluzioni esercizi, presentazioni dei compagni, altro materiale di supporto allo studio e così via) saranno pubblicate sulla pagina eLearning del corso (per la chiave di iscrizione, contattare il docente: daniele.toninelli@unibg.it).

Bacheca online del corso: www.unibg.it > Studia con noi > Elenco insegnamenti > Dipartimento di Scienze Aziendali > “91019 – Statistica Aziendale Avanzata” (link: https://www.unibg.it/ugov/degreecourse/66974)

Per ulteriori informazioni e /o dubbi, contattare il docente: daniele.toninelli@unibg.it.

Orari di ricevimento docente: www.unibg.it > Rubrica > Daniele Toninelli; calendario: https://www.unibg.it/ugov/person/1582

Nota importante: Qualora l'insegnamento venisse impartito in modalità mista o a distanza, potranno essere introdotte modifiche rispetto a quanto dichiarato nel syllabus per rendere il corso e gli esami fruibili anche secondo queste modalità.

Prerequisites

None

Educational goals

At the end of the course, the student will acquire methodological and operational knowledge in order to properly collect/retrieve, process and analyse data. He will also be able to present the obtained information supporting decision-making processes both in the main business areas, as well as in various other contexts (services, public administration, consulting and communication, and so forth).

First, the student will obtain an overview of the main data sources available for different fields of study (also in the perspective of their integrated use). In addition, it will be able to use the main criteria for assessing the quality of the data available, also in relation to the context analyzed. The introduction of the different phases of a sample survey (sampling plans, drafting of a questionnaire, collection techniques and participation methods, type of errors) will also allow him/her to plan ad-hoc data collection projects.

Moreover, at the end of the course the student will be able to produce and present the information necessary to solve problems commonly faced both in the businesses and in other work contexts. In particular, he/she will become able to properly process raw data, transforming them into information aimed at supporting practical decisions and actions.

In this perspective, the student will learn how to analyze the phenomena of interest in a univariate perspective (properly choosing statistics, tables, reports and data visualization techniques). He will also learn how to analyze the data in both a bivariate perspective (association / correlation between phenomena) and in a multivariate perspective (simple and multiple regression analysis). These techniques will allow him/her, for example, to study the relationship between the different variables studied (balance sheet and performance indices, structural data, market data and so on) and/or the positioning of a company in the reference market (also within a benchmarking framework).

The student will also acquire an in-depth skill for the analysis of the quality of processes (productive or not). He will learn how the quality of products and of processes is an element of value that allows to pursue excellence in any activity involving the company / institution, in any field (despite this is linked to unavoidable costs). With this in mind, the student will acquire full mastery in the choice, use and interpretation of the main tools at his disposal (statistical tests, control charts, capability indicators). In addition, it will refine its critical and judgmental ability in transforming the available information into decisions and practical interventions that are aimed at optimizing products and/or processes or at maximizing the customers / users satisfaction.

Finally, the student will have the opportunity to learn how to use one of the most popular, appreciated and powerful statistical software: SAS. Using the user-friendly SAS Studio/SAS Enterprise Guide interface, the student will have the chance to immediately put into practice what has been learned in the theoretical lectures. In particular, using real and/or simulated data, he/she will learn how to implement practically the most appropriate analysis techniques for the context considered. He/she will also refine his reasoning skil by interpreting the outputs obtained from a decision-making / practical perspective.

Course content

The course deals with the following main themes:

• Statistics in a business and its role.
• Importance of sources and of statistical information of high quality for enterprises/institutions: where to find them, how to judge them.
• Main data and indicators sources available (official statistics and other sources for different purposes).
• Planning a sample survey from A to Z: sampling techniques, types of errors, data collection techniques, how to draft a questionnaire.
• Data quality issues and how to address them: missing data and imputation methods.
• Preliminary analysis of a dataset from a univariate perspective: analysis on columns (summary statistics, tables and graphical display).
• Bivariate analysis: association /correlation between variables.
• How to evaluate the similarity between two units in a multivariate perspective: distances and their properties.
• Cluster analysis (agglomerative and divisive hierarchical methods and non-hierarchical methods) and how to interpret its results (dendrograms and scree plots).
• Simple regression models: how to set up the analysis and read the output.
• Multiple regression: assumptions, how to estimate, interpret and evaluate obtained models.
• Data visualization and graphic analysis: plots for quantitative and qualitative variables and to represent processes (how to choose, build and read them).
• Chi-square test and its uses: independence between two phenomena, goodness of fit, tests for proportions and for the sample variance.
• Control charts for variables and attributes: how to project, construct and interpret them; how to make practical decisions on their basis.
• Capability indexes for the evaluation of processes, products and/or services: how to make the final customer / user more satisfied.

Teaching methods

The teaching style for the course is based on interactivity and is fully "practical" (with frequent examples that propose real or likely situations to analyze). There is an alternation of lectures aimed at introducing theoretical concepts and meetings in the laboratory with the use of the user-friendly interface SAS Studio/SAS Enterprise Guide (which does not require any programming language to be learned).
Attendance of live lectures, although strongly recommended, is not mandatory: the preparation can be carried out in complete autonomy, by the student.

Tutoring meetings are also planned (both traditional, in the classroom, and in the laboratory). These activities will allow the student to refine his skills in data processing (implementing the methodologies introduced during the course) and in the interpretation of the results obtained in a practical key.

"Extra" collateral activities (seminars, workshops, exercises, short tests, presentations to mates and/or group projects) could also be proposed. These activities allow the student to accumulate an additional score for the exam. Among these "extra" activities, there is usually a workshop to introduce SAS held by official professors from the SAS Institute (participants in the meeting will be able to receive a certificate).

Assessment and Evaluation

The final exam is organized into two parts: 1) theory+practice and 2) SAS Test.

1) The theory+practical exam part is a test that will be delivered via Moodle (in the laboratory). This part includes test questions, open questions or other types of theoretical questions (for the "theory" part) and short applications/exercises (for the "practical" part). The test will allow the student to reach up to 23 points and there is a threshold for obtaining a positive evaluation. If the threshold is reached or exceeded, the student can take the second part of the exam: the SAS Test (obtaining a positive evaluation for this last part is still mandatory in order to record the grade).

2) The SAS Test, carried out after the theory+practical exam, will allow the student to reach up to 8 points. It will include not only the data processing part, but also the interpretation of the obtained outputs. Exceeding the threshold for the SAS Test is an essential condition to be obtain the final mark officially registered.

An additional score can be added to the score of the theory+practical exam and/or to the SAS Test. This will include activities carried out by students during the course, aimed at encouraging a progressive study and an assiduous attendance of lectures and of tutoring meetings.

The running times are, approximately: 90 minutes max for the theory+practical exam; 60 minutes max for the SAS Test (they will be indicated more precisely in eLearning as the exams approach). More information about dates/times, links for participation and/or groups will be published in eLearning.

More detailed information on scores, timing and how to conduct the exam are provided in the course eLearning page.

The exam final mark, expressed in thirtieths, will be published on the “sportello studenti” (online) and will be sent to students by email (following the publication, the student can reject online the obtained grade within the given deadline). Detailed scores will be published on the eLearning page of the course.

Further information

The teaching material (slides) will be published, during the course, on its eLearning page.

Further information (e.g. news, schedule updates, exercises and solutions, presentation slides, other material supporting the study, and so forth) will be published on the eLearning page of the course (in order to get the access, please contact the teacher: daniele.toninelli@unibg.it).

Web page of the course: http://en.unibg.it/ > Study > Courses list > Dipartimento di Scienze Aziendali > “91019 – Statistica Aziendale Avanzata” (link: https://www.unibg.it/ugov/degreecourse/66974)

For further information and/or doubts, please contact the teacher: daniele.toninelli@unibg.it.

Teacher’s office hour calendar: http://en.unibg.it/ > Contacts > Daniele Toninelli; link: https://www.unibg.it/ugov/person/1582

Important note: if the course will take place (partially or fully) online, some changes can be introduced in the course syllabus. This will happen in order to adapt both the course and the exam to an online attendance.