- Oggetto:
- Oggetto:
BUSINESS INTELLIGENCE (LAUREA MAGISTRALE)
- Oggetto:
BUSINESS INTELLIGENCE
- Oggetto:
Anno accademico 2013/2014
- Codice dell'attività didattica
- SCP0486
- Docente
- Dott. Federica Cena (Titolare dell'insegnamento)
- Corso di studi
- Corso di studio magistrale in Produzione e organizzazione della comunicazione e della conoscenza (Classe LM-59)
- Anno
- 1° anno 2° anno 3° anno
- Periodo didattico
- Secondo semestre
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- INF/01 - informatica
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Facoltativa
- Tipologia d'esame
- Orale
- Modalità d'esame
- Orale con discussione di un progetto
- Prerequisiti
- Basi di Dati
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
L'obiettivo del corso è quello di fornire una panoramica delle metodologie e applicazioni informatiche avanzate maggiormente utilizzate oggi nel mondo delle imprese per analisi di dati a supporto dei processi di decisione. In particolare, i temi che verranno analizzati in questo corso saranno: Data warehousing, OLAP e Data mining - Knowledge management - Uso di datawarehouse e data mining per il supporto alle decisioni - Applicazioni in ambito economico e aziendaleVerrà utilizzato in laboratorio un SW applicativo per datawarehousing e datamining, per realizzare un progetto di analisi di dati per decisioni di marketing.
The aim of the course is to offer a wide view on the most important methodologies and techniques used by industries to analyse data in order to support the decision process. In particolar, the topic discussed in the course will be the following ones: Data warehousing, OLAP e Data mining - Knowledge management - how to use datawarehouse and data mining in order to support decisions - Applications for business. In the laboratory, the students will use a software for datawarehousing and datamining, in order to design and develop a project of data analysis in order to support marketing decision.
- Oggetto:
Risultati dell'apprendimento attesi
Risultati dell'apprendimento:
- Conoscenze:
Conoscenza delle metodologie e applicazioni informatiche avanzate maggiormente utilizzate oggi nel mondo delle imprese per analisi di dati a supporto dei processi di decisioi.
- Abilità e competenze:
Capacità di applicare tecniche di analisi di data mining a grandi quantità di dati a supporto di un processo decisionale strategico.
GOALS
- knowledge:
to know the most important methodologies and techniques used by industries to analyse data in order to support the decision process.
- skills:
to be able to apply methodologies and techniques to analyse data
- Oggetto:
Modalità di verifica dell'apprendimento
Modalita' di verifica:
La verifica finale rappresenta una valutazione sommativa in forma orale e consiste in progetto applicativo di alcune tecniche e nozioni apprese durante il laboratorio. In particolare, agli studenti sarà richiesta la realizzazione di un progetto inerente i temi trattati durante il corso, nonchè una parte di verifica dell'acquisizione delle nozioni teoriche. La valutazione del progetto terrà conto della comprensione e della capacità di elaborazione critica dimostrata dallo studente nei confronti dei temi affrontati.
VERIFICATION MODALITIES:
Final assessment is a summative evaluation in oral form and consists of project application of techniques and concepts learned during the course. In particular, students will be asked to create a project dealing with the topics covered during the course, as well as a part of verification of the acquisition of theoretical knowledge. The project evaluation will take into account the understanding and ability to critically process exhibited by the student in respect of the issues addressed.
- Oggetto:
Attività di supporto
le lezioni si divideranno in una parte frontale, in cui verranno presentati i principali concetti teorici, le metodologie e le tecniche di analisi dei dati, e in una parte pratica di laboratorio, in cui gli studenti saranno chiamati alla realizzazione di un progetto utilizzando gli strumenti visti nelle lezioni teoriche.
Parte delle lezioni saranno rese disponibili come dispense agli studenti.
The lessons will be contituted by both class lessons (where the main theoretical concepts, metodologies and techniques of analysis will be presented) and laboratory lessons (where the students will be asked to develop a project implementing such techniques). Part of the lessons will be made available to the students.
- Oggetto:
Contenuti
- Oggetto:
Programma
1 parte: Data warehouse.
Introduzione al data warhouse e principi di CRM. Ciclo di vista di un data warehouse. Analisi e riconciliazione delle fonti. Progettazione concettuale e logica di un data warehouse. Modello multidimensionale.
2 parte: Data Mining.
Introduzione al data mining, analisi OLAP, clustering, alberi decisionali, reti neurali. Use case di applicazioni aziendali.
1 part: Data warehouse. Introduction to datawarhouse. CRM. datawarehouse life’s cicle. Source analysis. Conceptual and logical design of a datawarehouse. Multidimensional model.
2 part: Data Mining. Introduction to data mining. OLAP. Clustering. Decistion tree. Neural network. Practical use cases.
informazioni aggiuntive sul corso si trovano all'indirizzo http://www.di.unito.it/~cena/teaching_dss.html
Testi consigliati e bibliografia
- Oggetto:
C. Todman: Designing a Data warehouse, Prentice Hall 2001
C. Berry, B. Linoff: Data mining, Apogeo 2003
C. Todman: Designing a Data warehouse, Prentice Hall 2001
C. Berry, B. Linoff: Data mining, Apogeo 2003
- Oggetto:
Note
- Oggetto: