Informazioni, dati e modelli quantitativi caratterizzano sempre di più il moderno processo decisionale. Sapere interpretare e leggere efficacemente i dati a disposizione di un’impresa e creare modelli appropriati per l’individuazione delle strategie ottimali sono spesso la chiave per una maggiore competitività. Con Business Analytics si intendono le competenze, tecnologie e i metodi che consentono di analizzare dati, sia attuali sia relativi alle performance aziendali del passato, al fine di orientare il processo decisionale e la pianificazione. Il corso fornisce un’ampia introduzione alla Business Analytics, consentendo agli studenti di acquisire familiarità con varie tipologie di problemi e con i metodi quantitativi che sono maggiormente utilizzati nella soluzione di problemi economico-gestionali e alla elaborazione di strategie decisionali. Sarà privilegiato un approccio orientato alle applicazioni. Un'attenzione specifica sarà dedicata all'implementazione pratica delle metodologie proposte attraverso pacchetti software di comune utilizzo nella pratica aziendale (Excel),una introduzione all'uso di Python con applicazioni a casi manageriali sul campo.
Descrittori di Dublino:
Elementi di Matematica e Statistica
Lezioni frontali, Attività laboratoriale presso il Decision LAB, Seminari e Workshop
La prova di esame prevede il sostenimento di un test scritto e previo superamento, una prova orale riguardanti entrambe tutti gli argomenti previsti in programma.
PARTE 1
- Peccati L., Salsa S., Squellati A.,: "Matematica per l’ Economia e l’ Azienda", Ed. Egea, ISBN - 978-8823822696 - Milano, 2018. Capitoli: 8-9-10
- Bertini C., Gambarelli G., Stach I.,: "STRATEGIE" , G. Giappichelli Editore, ISBN - 9788892104136 - Torino, 2019. Capitoli: 1-2-3-4-6-11
PARTE MONOGRAFICA
Iozzi F., "An introduction to Mathematical Models in Management", Bocconi University, Milano, 2015
PARTE I - Algebra lineare avanzata, Programmazione matematica lineare e nonlineare
1. Approfondimenti di Algebra Lineare: spazi metrici e distanza Euclidea, spazi vettoriali, sottospazi, sistemi di generatori e basi, funzioni lineari, autovalori e autovettori, forme quadratiche, diagonalizzazione.
2.La Programmazione lineare: teoria delle soluzioni, il metodo del simplesso, il duale. Modelli e applicazioni gestionali.
3.Funzioni di più variabili: intorno sferico, limiti e continuità, Derivata parziale, funzioni differenziabili, piano tangente, matrice Hessiana.
4.Ottimizzazione in Rn: esistenza di soluzioni, Teorema di Weierstrass, condizione del primo ordine, condizione del secondo ordine, modelli.
5.Ottimizzazione Vincolata con Vincoli Rigidi: Teorema di Lagrange, condizione del secondo ordine (Hessiano Orlato), applicazioni economiche. La Programmazione Nonlineare. Le condizioni di Kuhn-Tucker e problemi connessi
PARTE II - MATHEMATICAL MODELS IN MANAGEMENT (IN INGLESE)
· Introduction to Advanced Probability
· Decision under Uncertainty: Influence Diagrams, Decision Trees, Utility
Criteri di valutazione:
