Alla fine del corso, gli studenti saranno in grado di: - Acquisire le informazioni di base relative alle principali tecnologie emergenti nell’ambito della funzione dell’AFC quali ad esempio Artificial Intelligence, Data Analytics, Intelligence Automation - Comprendere i principi e i concetti di base relativi alla gestione dei dati e delle informazioni aziendali - Acquisire gli strumenti metodologici per calcolare il ritorno degli investimenti a fronte di un progetto che prevede l’adozione di tecnologie oggetto di studio Comprendere il quadro normativo di riferimento rispetto i temi di risk e compliance con impatto le tecnologie oggetto di studio.

Conoscenza e comprensione: lo studente avrà acquisito la conoscenza degli strumenti e dei metodi di utilizzo delle tecnologie oggetto del corso all’interno dei contesti aziendali. Capacità di applicare conoscenza e comprensione: lo studente avrà conseguito la capacità di analizzare comprendere la modalità di selezione e adozione più opportuna degli strumenti a fronte di esigenze/problemi aziendali. Autonomia di giudizio: lo studente avrà sviluppato la capacità di formulare giudizi critici circa l’applicazione delle tecnologie emergenti ai processi aziendali e alle funzioni AFC tramite l’analisi e la modellazione di key performance e key risk indicators. Abilità comunicativa: lo studente sarà in grado di sviluppare modalità comunicative di alto livello attraverso l’utilizzo di dashboard executive. Capacità di apprendimento: lo studente avrà acquisito la capacità di apprendimento necessaria alla prosecuzione e conclusione degli studi in autonomia.

Introduzione alle Tecnologie Emergenti: Panoramica delle tecnologie emergenti e Impatto delle tecnologie emergenti su Amministrazione, Finanza e Controllo Concetti di Base delle Basi di Dati Introduzione alle basi di dati e alle principali tecniche di gestione e manipolazione delle informazioni Artificial Intelligence (AI) • Introduzione all'Artificial Intelligence e alla Gen AI e applicazioni di AI in AFC. • Quadro normativo dell’AI Data Analytics • Introduzione al Data Analytics • Tipi di analisi: descrittiva, predittiva e prescrittiva • Visualizzazione dei dati: strumenti e tecniche • Introduzione al Machine Learning • Algoritmi di apprendimento supervisionato • Algoritmi di apprendimento non supervisionato • Applicazioni pratiche di Data Analytics in AFC Robotic Process Automation (RPA) Introduzione alla RPA e panormaica delle principali soluzioni di automazione. Metodologia di calcolo del ritorno dell’investimento di un progetto di Automazione. Cloud Computing • Introduzione al Cloud Computing, principali livelli di servizio e casi pratici.

Data Analytics for Accounting | J. Richardson, Ryan Teeter, K.L. Terrel | Editore McGraw-Hill Education (edizione 23 maggio 2018) | Lingua inglese

-Lezioni frontali. -Laboratori pratici. - Continuous Learning

La valutazione dello studente avverrà tramite: -prova scritta d’esame, peso 100%.

Attitudine alla ricerca.