 |
Stefano BORDONI
Ricercatore Universitario
Dipartimento di Economia "Marco Biagi"
|
Insegnamento: Business intelligence
Direzione e consulenza d'impresa (Offerta formativa 2024)
Obiettivi formativi
Comprendere le 3-4 fasi di un processo di BI e le best practice in termini di rappresentazione grafiche dei KPI aziendali. Confronto tra soluzioni costruite in diversi ambienti di sviluppo quali Tableau, Ms Excel and Zoho. Sviluppare cruscotti informativi efficienti professionali. Elementi di Data Mining in termini di processi, algoritmi, tecniche. Sviluppo applicazioni di DM tramite esempi, tutorial, esercitazioni sulle diverse tecniche base (Link Analysis, Cluster Analysis and Predictive Analysis). BI e DM sono entrambi strumenti di Business Insights in grado di fornire informazioni critiche sulla propria attività e di supportare le decisioni aziendali. Mentre la prima è orientata alla misurazione, al controllo e alle analisi delle performance aziendali e fornisce i propri risultati al Sistema Informativo Direzionale, l’uso aziendale del Data Mining trova tipicamente impiego nelle analisi dei clienti potenziali o attivi e produce risultati di CRM Analitico e Marketing Intelligence. Sfruttando diversi tools di BI e la componente aggiuntiva Data Mining Add-ins for Microsoft Office, questo corso vuole offrire agli studenti gli strumenti teorici e pratici per sviluppare ed integrare con facilità soluzioni di Self-Service Business Intelligence e di Data Mining.
Prerequisiti
Insegnamento di Informatica (qualsiasi corso di Laurea del Dipartimento di Economia), equivalente ai moduli base + avanzato di MS-Excel
Programma del corso
Introduction to Visual Analytics, Business Intelligence and Data Mining. Highlights. Subscribe 4 account: Zoho, Tableau Public, Google Site, One Drive. Slides Show dash. Build a Tableau dashboard
Self-service BI process. How to develop a dashboard in 3 different environment: Zoho, Excel and Tableau. Course structure. Documentation and text books. Data sources (Sample superstore) https://public.tableau.com/s/resources
Data connections: mybi.mdb, sample superstore, custbase.csv
Small, Large, Rank, CountIf, SumIf, Lookup, VLookup, Match, Index
SumProduct 1-2, Offset 1-2
Offset 3-4, Date, Left, Right, Mid
Table, Pivot table
Sparkline, other techniques, conditional formatting
Speedometer, thermometer
Dashboard in Excel
Dashboard in Excel
Google site and object embedding
Getting Started Fundamentals -Highlights
Connecting to Data
Visual Analytics
Mapping
Dashboards and Stories
Calculations
How to -Special charts
Publishing: Server – Online –Public – Embedding
Link Analysis
Cluster Analysis
Predictive Analysis
FAQ and assessment
Metodi didattici
Il corso si svolge interamente in Laboratorio informatico e alterna lezioni frontali teoriche ad esercitazioni ed esperienze applicative dei temi trattati.
Testi di riferimento
Tableau module
Tableau http://www.tableau.com/learn/classroom
http://mkt.tableau.com/files/Desktop-9-QA-Prep-Guide.pdf
Desktop I: Fundamentals
http://www.tableau.com/learn/classroom/fundamentals
http://mkt.tableau.com/files/Desktop_I_Course_Description.pdf
Desktop II: Intermediate
http://www.tableau.com/learn/classroom/advanced
http://mkt.tableau.com/files/Desktop_II_Course_Description.pdf
Publishing contents. Tableau Server – Tableau Online – Tableau Public – Embedding snippet
http://onlinehelp.tableau.com/current/online/en-us/help.htm#welcome.htm
https://public.tableau.com/s/resources
All topics are covered by Free Training Videos:
http://www.tableau.com/learn/training
Excel module
https://support.office.com/en-us/excel
Excel File -> Help or Help online (any topic: functions, connections, techniques)
Data mining module
Excel Data mining functions and commands
“DMAddins_SampleData.xlsx”
“DMAddins_SampleData modificato per libro.xlsx”
https://technet.microsoft.com/en-us/library/bb510516.aspx
Verifica dell'apprendimento
La verifica dell’apprendimento viene effettuata attraverso una prova intermedia informale (self-assessment exam) ed una finale basata su un software proprietario per la somministrazione di 21 domande a risposta chiusa (multiple choice). Una versione dimostrativa del software utilizzato in sede d'esame può essere scaricato dalla pagina docente con basi di circa 500 domande di esercitazione create dal docente e/o dagli studenti.
Risultati attesi
Secondo gli indicatori di Dublino:
Conoscenza e comprensione:
conoscenza delle principali tecnologie di analisi, dei differenti scenari economici, delle diverse esigenze aziendali in relazione a dimensioni e risorse disponibili, dei principali player e strumenti di BI.
Capacità di applicare conoscenza e comprensione:
Comprensione del contesto e definizione di un coerente progetto di analisi, declinato in relazione alla raccolta, l'elaborazione e la presentazione dei dati, con la finalità di supportare le azioni di controllo e le decisioni aziendali. il processo di analisi comprenderà l'utilizzo di una o più tecnologie di analisi dei dati, quali MDS, Data Mining, Text Mining e Sistemi Esperti
Autonomia di giudizio:
tramite lo studio, le esercitazioni e lo sviluppo in aula di diversi casi e modelli di analisi, lo studente è in grado di raccogliere le peculiarità del contesto per organizzare un corretto processo di analisi.
Abilità comunicative:
la capacità di comunicare viene espressa attraverso la raccolta delle informazioni rilevanti, la modellazione dei dati grezzi e dall'elaborazione di questi in conoscenza per determinare il significato delle situazioni e le indicazioni su come gestirla