Corso Vittorio Emanuele II, 39 - Roma 0669207671

Gestion d’Entreprise technologies numériques (Academic Year 2021/2022) - Gestione d'impresa e tecnologie digitali

Big Data e basi di dati aziendali


CFU: 9
Langue du contenu:Anglais
Description du cours

Il corso si propone di approfondire la costruzione di “web-intelligence” basate sui big data aziendali e sulle tecnologie digitali. Negli ultimi anni si è infatti assistito al successo delle applicazioni e delle tecniche di intelligenza artificiale e di analisi statistiche su quelle che sono comunemente denominate piattaforme di big data aziendali. L'analisi su questi dati sono infatti ormai necessari per raggiungere e mantenere un vantaggio competitivo nel tempo e per supportare, più in generale, il processo decisionale aziendale.

Le applicazioni interessano in particolare le grandi imprese nei settori commerciali, marketing e nelle catene di produzione e fornitura. Nel corso saranno quindi esplorate le applicazioni delle tecniche statistiche e dei big data aziendali e delle relative piattaforme web-intelligence.

Connaissances requises
Nozioni di statistica descrittiva e probabilità
Objectifs

Il percorso fornisce una visione completa dei metodi e degli strumenti indispensabili in azienda per la gestione e l’analisi dei dati. Al completamento del corso, gli studenti saranno in grado di interfacciarsi con le diverse funzioni aziendali per avere uno sguardo trasversale alle attività, senza perdere di vista la lettura corretta del dato a supporto delle decisioni.

Programme

Peculiarità e caratteristiche dei Big Data, Caratteristiche delle infrastrutture IT per la raccolta e la gestione dei Big Data, Modelli e tecniche statistiche applicate ai Big Data.

Textes
BIGGERI L. - BINI M. - COLI A. -GRASSINI L. - MALTAGLIATI M. (2012), Statistica per le decisioni aziendali, Pearson-Prentice Hall, ISBN 9788871926254; 1-416
Entraînements

Casi di studio relativi all'applicazione delle tecniche statistiche presentate durante il corso

Professeur/Tuteur responsable enseignement
Luigi Biggeri
Liste des leçons
    •  Leçon n. 1: Introduction  Go to this lesson
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
    •  Leçon n. 8: Data mining  Go to this lesson
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
    •  Leçon n. 14: Hadoop  Go to this lesson
Barbara Dinter
Barbara Dinter
    •  Leçon n. 16: Text mining  Go to this lesson
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter
Barbara Dinter