MARKETING ANALYTICS

Il corso "Marketing Analytics" consente agli studenti di comprendere e applicare la data analytics e l’AI nel mondo reale del business, con particolare attenzione alle applicazioni di marketing. Integrando conoscenze teoriche con competenze pratiche, il corso preparerà gli studenti a progettare e prototipare in autonomia capacità analitiche. Gli studenti acquisiranno esperienza pratica con strumenti low-code come KNIME, Langflow e Power BI, migliorando la loro capacità di condurre analisi e presentare in modo efficace risultati quantitativi e insight. Inoltre, il corso svilupperà le capacità degli studenti di comunicare insight e raccomandazioni basati sui dati sia a un pubblico tecnico che non tecnico, promuovendo un set di competenze completo e bilanciato per le loro future carriere.

È preferibile avere conoscenze di base in statistica, machine learning e management.

Alla fine del corso, gli studenti saranno in grado di: - Comprendere i concetti chiave della data analytics e l'importanza di utilizzare algoritmi appropriati per estrarre trend e pattern dai dati. - Acquisire competenze pratiche nell'uso di strumenti low-code come KNIME, Langflow e Power BI per la business e marketing analytics. - Sviluppare la capacità di applicare algoritmi di AI, inclusi il machine learning supervisionato e non supervisionato, in scenari di marketing reali. - Imparare a comunicare efficacemente insight e raccomandazioni basati sui dati sia a un pubblico tecnico che non tecnico. - Acquisire esperienza pratica con la Generative AI, migliorando la comprensione delle sue opportunità, dei suoi limiti e delle sue implicazioni etiche. - Promuovere il pensiero critico e la capacità di lavorare sia in modo indipendente che collaborativo su progetti analitici.

- Framework e strumenti di Data Analytics: introduzione ai framework di data analytics, agli strumenti low-code (tra cui KNIME, Power BI e Langflow) e ai concetti fondamentali di machine learning. - Machine Learning supervisionato e non supervisionato: tecniche di regressione, classificazione, algoritmi di clustering e segmentazione della clientela, adattate per applicazioni di marketing. - Generative AI: comprensione dei principi, delle opportunità, dei limiti e delle implicazioni etiche della Generative AI e dei modelli linguistici di grandi dimensioni (LLM). - Visualizzazione e comunicazione dei dati: costruzione di dashboard e utilizzo della visualizzazione dei dati per comunicare efficacemente gli insight e supportare il processo decisionale nei contesti di marketing.

Testi fondamentali: - Andrea De Mauro: Data Analytics Made Easy: Analyze and present data to make informed decisions without writing any code. Packt, Birmingham, 2021. ISBN: 9781801074155. - Andrea De Mauro, Michele Pacifico: The Financial Times Guide to Data Transformation: How to drive substantial business value with data analytics. Pearson UK, 2024. ISBN: 9781292462141. - Andrea De Mauro: Grokking AI Applications: An illustrated guide for programmers and other curious people. Manning, 2026. ISBN: 9781633435872. Consigliati: - Andrea De Mauro: Data Analytics per tutti: Imparare ad analizzare, visualizzare e raccontare i dati. Apogeo, 2022. ISBN: 9788850335947. - Roberto Cadili, Francisco Villarroel Ordenes: Meet Your Customers: The Marketing Analytics Collection, KNIME Press, 2023.

Lezioni, discussioni, laboratori e progetti di gruppo su tematiche empiriche rilevanti saranno altamente interattivi e basati su esempi e dataset reali. La partecipazione degli studenti durante le lezioni è fortemente incoraggiata e può influire sul voto finale.

Si raccomanda di frequentare il corso. Gli studenti che preferiscono non frequentare o non possono farlo (status di non frequentante) devono comunicarlo alla Segreteria Studenti e al docente entro la fine della prima settimana del corso; trascorso tale termine, tutti gli studenti sono considerati frequentanti. Per mantenere lo status di frequentante, gli studenti devono risultare presenti nel sistema di rilevazione per almeno il 70% delle lezioni e devono completare tutte le prove di continuous assessment previste durante il corso: scendere sotto la soglia del 70% di presenze, oppure non sostenere anche una sola di tali prove, comporta la perdita dello status di frequentante. Per gli studenti frequentanti, il continuous assessment svolto durante il corso corrisponde a un terzo (1/3) della valutazione complessiva e può comprendere esercitazioni pratiche, progetti di gruppo, presentazioni, prove o elaborati individuali e altre forme di verifica volte a monitorare l'apprendimento progressivo e l'acquisizione delle competenze. Nelle sessioni d'esame, gli studenti frequentanti sostengono poi una prova finale scritta individuale che corrisponde ai due terzi (2/3) della valutazione complessiva. I voti del continuous assessment restano validi solo per gli studenti frequentanti che sostengono la prova finale negli appelli dello stesso semestre. Gli studenti non frequentanti devono sostenere una prova orale individuale sull'intero programma del corso; la preparazione dovrebbe basarsi sul materiale condiviso sulla piattaforma del corso e sui testi di riferimento consigliati. Gli studenti sono tenuti a svolgere tutte le esercitazioni pratiche relative a questi strumenti — sia durante le lezioni sia come parte della preparazione all'esame — e a familiarizzare pienamente con le funzionalità di KNIME, Power BI e Langflow. Gli esami possono comprendere domande su questi strumenti. Tutti gli appelli di recupero sono considerati esami da non frequentante (prova orale individuale sull'intero programma del corso).

Gli studenti che dimostrano una profonda comprensione della materia, ottengono un voto finale eccellente e desiderano svolgere una tesi pienamente sperimentale con un concreto potenziale di pubblicazione sono incoraggiati a presentare una proposta di tesi. Le linee guida dettagliate sulla tesi saranno presentate durante il corso.