ITALIANO

Questo corso si propone di descrivere metodi e modelli statistici per l’analisi delle ricerche di mercato. In particolare si analizzano le caratteristiche del mercato e le molteplici fonti d’informazione (es. big data) che orientano l’azione aziendale in funzione delle preferenze dei clienti, acquisiti o da acquisire. Nel corso sarà data enfasi alla fase di raccolta dei dati (costruzione dei questionari e tecniche di campionamento), all’organizzazione e codifica dei dati di tipo qualitativo e quantitativo, alla selezione ed applicazione delle tecniche di Statistica Multivariata e dell’ Analisi esplorativa dei dati, anche attraverso il software open source R.
Saranno presentate ed approfondite tutte le fasi di costruzione ed interpretazione della Ricerca di Mercato, focalizzandosi sulla formulazione dei modelli, sulle ipotesi retrostanti, sui metodi esplorativi di analisi dei dati sui risultati generati e sulla loro corretta interpretazione.

Gherghi M., Lauro N.C. Analisi Multidimensionale dei Dati. Ed. EDISU
D’Ambra L. Lezioni d’Inferenza Statistica, RCE editore, ultima edizione.
Durante il corso saranno rilasciate alcune dispense integrative

Il corso intende favorire negli studenti:
a) lo sviluppo delle conoscenze degli strumenti statistici, la capacità di analisi statistiche per lo studio di problemi concreti. La capacità di utilizzo di pacchetti di software statistico e la conoscenza di un ambiente di programmazione lineare. La capacità dell’utilizzo di tecniche e metodi e/o strategie di analisi utili a prendere decisioni aziendali.
b) lo sviluppo di autonomia di giudizio nella scelta appropriata della tecnica/modello statistico per l’elaborazione dei dati, la capacità critica d’interpretare la bontà dei risultati dei modelli/metodi applicati su database aziendali pubblici o privati;
c) la sperimentazione dei metodi e modelli statistici con l’utilizzo di pacchetti di software statistico, la capacità di comunicazione dei risultati delle analisi effettuate e delle soluzioni proposte;
d) lo sviluppo di capacità di apprendimento utili per interpretare in maniera autonoma - grafici, tabelle, test d’ipotesi, mappe fattoriali, alberi di classificazione, utilizzati nelle imprese per descrive fenomeni multivariati.
Nel corso si affrontano i seguenti argomenti:
Campionamento, Raccolta dati, Codifica dati, Qualità dei dati, Magazzini e Fonti dati, Analisi esplorativa dei dati, Modelli della Dipendenza.
In dettaglio
• Campionamento
• Raccolta ed organizzazione dei dati: questionario e codifica
• Analisi esplorativa dei dati:
o Analisi delle Componenti Principali
o Analisi delle Corrispondenze per variabili nominali ed ordinali
o Modelli di Regressione: la Regressione logistica
o La classificazione automatica, metodi gerarchici e non-gerarchici.

Statistica

La didattica si basa sulla seguente articolazione:
- Lezioni frontali partecipate finalizzate al miglioramento delle conoscenze e capacità di comprensione degli studenti mediante l’esposizione di teorie, modelli e metodi statistici multivariati; gli studenti sono invitati a partecipare alla lezione con autonomia di giudizio, formulando domande, presentando esempi e casi studio.
- Laboratorio informatico-statistico e case study: gli studenti utilizzano i PC del laboratorio informatico e iniziano l’apprendimento dell’ambiente di programmazione R - http://cran.r-project.org/ e affrontano un case study, dal questionario alla codifica e organizzazione delle informazioni sotto forma di una matrice dati, nella quale sono presenti alcune informazioni “critiche” (variabili miste, di natura qualitativa e quantitativa). Gli studenti in gruppo elaborano i dati, simulando un intervento professionale e/o consultivo degli “operatori del mercato”, nel quale, applicando i modelli e/o metodi statistici multivariati, espongono in maniera critica le analisi effettuate, i risultati ottenuti e le soluzioni proposte.
- Presentazioni e esposizione in aula delle analisi statistiche dei dati: alcuni studenti presentano in aula le elaborazioni svolte con il coordinamento del docente, si avvia così una discussione e un confronto fra le diverse metodologie di analisi possibili. Particolare enfasi viene dedicata alla capacità di critica dei metodi statistici considerati e alle abilità comunicative.
- Studio individuale: agli studenti sono suggeriti alcuni libri di testo, siti-web sul funzionamento di pacchetti di funzioni statistiche disponibili in R, funzionali allo sviluppo di autonome capacità di apprendimento.

La prova finale consiste
-applicazione pratica al PC delle tecniche, metodi e modelli teorici illustrati durante il corso, viene illustrata una matrice dati e si invita lo studente ad applicare una precisa tecnica d’analisi statistica, utilizzando i comandi in R disponibili su una dispensa predisposta dal docente
-Domande di teoria sui metodi e modelli multivariati oggetti di studio.
In entrambi i casi i candidati dovranno dimostrare:
a) il possesso di adeguate conoscenze e capacità di comprensione delle problematiche esposte o indicate, applicando in maniera pertinente le teorie e i modelli concettuali oggetto del programma;
b) il possesso di adeguate conoscenze e capacità di elaborazione e comunicazione di soluzioni coerenti con le problematiche affrontate nel corso, applicando in maniera pertinente gli strumenti e i modelli concettuali oggetto del programma.
Modalità di svolgimento dell’esame:
orale e applicazioni dei metodi/modelli su dati concreti utilizzando l’ambiente di programmazione R.

Nel corso si affrontano i seguenti argomenti:
Campionamento, Raccolta dati, Codifica dati, Qualità dei dati, Magazzini e Fonti dati, Analisi esplorativa dei dati, Modelli della Dipendenza.
In dettaglio
• Campionamento
• Raccolta ed organizzazione dei dati: questionario e codifica
• Analisi esplorativa dei dati:
- Analisi delle Componenti Principali
- Analisi delle Corrispondenze per variabili nominali ed ordinali
- Modelli di Regressione: la Regressione logistica
- La classificazione automatica, metodi gerarchici e non-gerarchici.

Italian

This course proposes to describe methods and Statistical Models for the Analysis of Market Research . In particular, you will analyze the Market Characteristics and Multiple Sources of Information ( eg . Big data ) that orient the company 's action in function of the preferences of customers, acquired or to be acquired. In the course you will focus data to the phase of Data Collection (construction of questionnaires and sampling techniques), the organization and coding of qualitative and quantitative data, the selection and application of Multivariate Statistical Techniques and Exploratory Data Analysis, even through the open source software R.
All stages of construction and interpretation of market research will be presented, focusing on the formulation of models, a priori assumptions, the exploratory methods of data analysis, the generated results and their correct interpretation.

Gherghi M., Lauro N.C. Analisi Multidimensionale dei Dati. Ed. EDISU.
D’Ambra L. Lezioni d’Inferenza Statistica, RCE, last edition.

During the course it will be provided supplementary documents.

The course aims to foster in students:
a) the development of statistical tools knowledge, the ability of statistical analysis for the study of concrete problems. The ability to use statistical software packages and knowledge of a linear programming environment. The ability to use techniques, methods and/or analysis strategies useful in marketing.

b) the development of independent evaluation in the appropriate choice of the technique or statistical model for data processing, the critical capacity to interpret the goodness of the models/methods applied results on public and private corporate databases;

c) the testing of methods and statistical models with the use of statistical software packages, the ability to communicate the results of the analyzes and proposed solutions;

d) the development of learning skills for interpreting independently graphs, charts, factorial maps, used in enterprises for describing multivariate phenomena.

The course will cover the following topics:
Sampling, Data Collection, Data coding, Data quality, Data Sources , exploratory data analysis , models of dependence.
In detail
• Sampling
• Collection and organization of data: questionnaire and coding
• Exploratory Data Analysis:
- Principal Component Analysis
- Correspondence Analysis for nominal and ordinal variables
- Regression Models : The Logistic Regression
- The automatic classification, hierarchical and non - hierarchical methods .

Statistics

The teaching is based on the following breakdown:
- Participate Lectures aimed at improving knowledge and understanding of the students through the exposure of theories, models and multivariate statistical methods; students are invited to attend the lecture with independent judgment, asking questions, giving examples.

- Computer-Statistical Laboratory and case studies: students should use the computer lab and start learning the environment R - http://cran.r-project.org/- programming and tackle a case study, in the form of a data matrix, in which there are some "critical" information (mixed variables, qualitative and quantitative nature). Students process data, simulating a professional intervention and/or consulting as "data scientists", in which, applying the models and/or multivariate statistical methods critically expose the analysis findings carried out, the results obtained and the proposed solutions.

- Presentations and exposure in the classroom of the statistical analysis of data: some students present in the classroom the calculations carried out with the coordination of the teacher, so you start a discussion and a comparison between the different possible methods of analysis. Particular emphasis is given to the critical capacity of the statistical results and to the communication skills.

- Individual study: the students are suggested to consider some textbooks, web-sites about the available statistical R functions, functional to the development of autonomous learning ability.

The final exam for students who have followed the course consists
-application of the techniques using R statistical software, students should apply a precise statistical analysis technique, using commands in R available in a document prepared by the teacher.

-Theoretical questions about the multivariate statistical methods and models object of study.

Candidates should show:
a) sufficient knowledge and understanding of the exhibited or shown problems, by applying relevant theories and conceptual models covered by the program;

b) adequate knowledge and ability to process solutions consistent with the issues addressed in the course, applying a pertinent tools and conceptual models covered by the program.

Learning assessment procedures:
Oral and practical application using the programming environment R.

The course will cover the following topics:
Sampling, Data Collection, Data coding, Data quality, Data Sources , exploratory data analysis , models of dependence.
In detail
• Sampling
• Collection and organization of data: questionnaire and coding
• Exploratory Data Analysis:
- Principal Component Analysis
- Correspondence Analysis for nominal and ordinal variables
- Regression Models : The Logistic Regression
- The automatic classification, hierarchical and non - hierarchical methods .