Fornire strumenti statistici di natura multivariata per le ricerche di marketing.

Conoscenza e comprensione: Metodi statistici e Ricerche di Mercato. Apprendimento statistico: supervisionato, non supervisionato. Metodi parametrici e non parametrici Campionamento. Rappresentazioni matriciali di dati multidimensionali. Rappresentazioni grafiche di dati multidimensionali. Apprendimento non supervisionato. Cluster Analysis e Segmentazione. Analisi in Componenti Principali e Posizionamento. Apprendimento supervisionato. Regressione Lineare multivariata. Regressione Logistica. Metodi ad albero. Alberi di Regressione e di Classificazione. Applicazione di AI e AI generativa alle ricerche di mercato. Capacità di applicare conoscenza e comprensione: disegni di ricerca e capacità di selezione di opportune tecniche di elaborazione dei dati per l’ambito aziendale e di marketing. Autonomia di giudizio: capacità di raccogliere, elaborare ed interpretare criticamente dati di natura quantitativa e qualitativa, relativi a fenomeni aziendali e di marketing. Abilità comunicative: capacità di comunicazione efficace delle analisi dei dati - conseguita attraverso presentazione di risultati di ricerche su dati empirici. Capacità di apprendimento: capacità di apprendere autonomamente tecniche di analisi dei dati in attività professionali o studi successivi.

Apprendimento Statistico e ricerche di mercato. Supporti informativi, campionamento statistico e tecniche per la raccolta dei dati nelle ricerche di mercato. Database: concetti di base. Rappresentazioni matriciali di dati multidimensionali: matrice dei dati, data cleaning; data pre-processing; matrici di covarianza e di correlazione; matrici di prossimità. Rappresentazioni grafiche di dati multidimensionali. Apprendimento non supervisionato. Tecniche statistiche multivariate per il marketing: Cluster Analysis (gerarchica, non gerarchica) e Segmentazione; Analisi in Componenti Principali e Posizionamento. Apprendimento supervisionato. Modello di Regressione lineare multipla ed estensioni, Regressione Logistica, Alberi di decisione (alberi di Classificazione e di Regressione) Applicazioni di Intelligenza Artificiale e Intelligenza Artificiale generativa alle ricerche di mercato. Applicazioni a dati reali con il software statistico R. Casi di studio.

- Appunti delle lezioni - Introduzione all'apprendimento statistico. Con applicazioni in R di Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani. Piccin-Nuova Libraria, 2020. - Versione in inglese disponibile online: https://www.statlearning.com/ Analisi di Mercato. Proietti. Disponibile sul sito docente

Didattica frontale, Esercitazioni con uso del PC, Analisi di casi, Seminari. Durante il corso gli studenti avranno a disposizione una GEM (assistente AI di supporto allo studio), sviluppata dal docente sui materiali della cattedra, per la risoluzione guidata degli esercizi. Integrata nelle attività didattiche e utilizzabile autonomamente, favorisce un apprendimento attivo e progressivo, consentendo agli studenti di esercitarsi in modo continuo, consolidare la preparazione all’esame e sviluppare competenze nella risoluzione e nella rappresentazione grafica.

ESAME SOLO SCRITTO Studentesse e studenti con partecipazione ad almeno il 70% delle lezioni. PROVA INTERMEDIA in presenza (peso 30%). Esercizi inclusivi di quesiti a risposta multipla e di lettura di output di codice R. PROVA IN PRESENZA (peso 70%) esercizi inclusivi di quesiti a risposta multipla e di lettura di output di codice R (60%); discussione Project Work (10%). Il Project Work consiste nell’applicazione delle tecniche apprese ad una ricerca di mercato su dati reali. Studentesse e studenti con partecipazione a meno dell 70% delle lezioni, o esentati dall’obbligo di frequenza. PROVA IN PRESENZA (100%). Esercizi inclusivi di quesiti a risposta multipla (70%) e verifica di capacità di utilizzare R per analisi di dati (30%). L’esame si baserà su un carico didattico adeguato a compensare la mancata partecipazione alle attività in aula.

Da concordare con il docente