2. Docenti
  3. RARITA' Luigi
  4. Didattica

LABORATORIO DI ALGORITMI E PREVISIONI DI MARKETING

Luigi RARITA' LABORATORIO DI ALGORITMI E PREVISIONI DI MARKETING

0323200015
DIPARTIMENTO DI SCIENZE POLITICHE E DELLA COMUNICAZIONE
CORSO DI LAUREA MAGISTRALE
DIGITAL MARKETING
2025/2026

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2024
PRIMO SEMESTRE
CFUOREATTIVITÀ
945LABORATORIO
LUIGI RARITA' T Curriculum
Obiettivi
IL CORSO SI PROPONE DI FORNIRE AGLI STUDENTI METODI, METODOLOGIE E TECNICHE CHE CONSENTANO DI ELABORARE ED INTERPRETARE DATI RELATIVI AI COMPORTAMENTI, ALLE PREFERENZE E AI BISOGNI DEI CLIENTI.
GLI STUDENTI ACQUISIRANNO COMPETENZE PRATICHE SU TECNICHE QUANTITATIVE E MODELLI DI RICERCA OPERATIVA PER ANALIZZARE DATI DIGITALI, IMPLEMENTARE STRATEGIE DI MARKETING PREDITTIVO, EFFETTUARE INDAGINI SUL COMPORTAMENTO DEL CONSUMATORE UTILI A COMPRENDERE I PROBLEMI DI MERCATO, IDENTIFICARE TENDENZE EMERGENTI E VARIAZIONI NELLA DOMANDA DEI CONSUMATORI, FORNENDO INFORMAZIONI UTILI PER L’ADATTAMENTO DELLE STRATEGIE DI MARKETING E LA PIANIFICAZIONE DELLE ATTIVITÀ FUTURE.
IL CORSO SI CONCENTRERÀ SULL’APPLICAZIONE PRATICA DI TALI METODI ATTRAVERSO L’UTILIZZO DI STRUMENTI SOFTWARE E CASI DI STUDIO DEL MONDO REALE.

CONOSCENZE E CAPACITÀ DI COMPRENSIONE
LO STUDENTE ACQUISIRÀ CONOSCENZE SU TECNICHE E MODELLI VOLTI ALLO STUDIO DEL CONSUMATORE E ACQUISIRÀ LA CAPACITÀ DI RACCOGLIERE E SINTETIZZARE DATI QUANTITATIVI RELATIVI A PROBLEMI DI MARKETING.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
LO STUDENTE SARÀ IN GRADO DI:
-APPLICARE LE CONOSCENZE ACQUISITE IN CONTESTI REALI;
-SCEGLIERE LE TECNICHE PIÙ IDONEE ALLA RISOLUZIONE DEI PROBLEMI PROPOSTI;
-RAGGRUPPARE ELEMENTI CON CARATTERISTICHE SIMILI COSTRUENDO E INTERPRETANDO MODELLI DI CLUSTER ANALYSIS;
-IMPLEMENTARE STRATEGIE DI MARKETING PREDITTIVO;
-EFFETTUARE INDAGINI SUL COMPORTAMENTO DEL CONSUMATORE;
-ESEGUIRE ANALISI ATTRAVERSO SOFTWARE STATISTICI.

AUTONOMIA DI GIUDIZIO
LO STUDENTE SARÀ IN GRADO DI:
-INDIVIDUARE I METODI PIÙ APPROPRIATI PER RISOLVERE IN MANIERA EFFICIENTE PROBLEMI IN UN CONTESTO LAVORATIVO;
-ESPRIMERE VALUTAZIONI AUTONOME RISPETTO ALLA VALIDITÀ E ALLA FATTIBILITÀ DI DIVERSE TECNICHE E COMPRENDERE IL LORO IMPATTO SUI RISULTATI DELLE ANALISI.

ABILITÀ COMUNICATIVE
LO STUDENTE SARÀ IN GRADO DI COMUNICARE I RISULTATI DELL’INTERPRETAZIONE DEI DATI E DELLE ANALISI CONDOTTE SIA AI PROFESSIONISTI DEL SETTORE CHE AI NON ESPERTI DELLA MATERIA.

CAPACITÀ DI APPRENDIMENTO
LO STUDENTE SARÀ IN GRADO DI APPROCCIARSI IN MODO CRITICO AI PROBLEMI, E DI APPLICARE LE CONOSCENZE E LE COMPETENZE ACQUISITE NELL’USO DEGLI STRUMENTI TECNOLOGICI IN CONTESTI DIVERSI DA QUELLI PRESENTATI DURANTE IL CORSO.
Prerequisiti
PER UNA PIÙ AGEVOLE COMPRENSIONE DEI CONTENUTI DEL CORSO SONO RICHIESTE CONOSCENZE E ABILITÀ MATEMATICHE DI BASE RIGUARDANTI L’ANALISI MATEMATICA, L’ALGEBRA LINEARE, LA TEORIA DELLA PROBABILITÀ E STATISTICA.
PROPEDEUTICITÀ
NESSUNA.
Contenuti
TECNICHE DI ANALISI DEI DATI
REGRESSIONE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/3/4)
REGRESSIONE LINEARE SEMPLICE E MULTIPLA: STIMA DEI PARAMETRI FONDAMENTALI, VALUTAZIONE DEL GRADO DI BONTÀ DEL MODELLO. REGRESSIONE LOGISTICA SEMPLICE E MULTIPLA: STIMA DEI PARAMETRI FONDAMENTALI, VALUTAZIONE DEL GRADO DI BONTÀ DEL MODELLO. APPLICAZIONI PRATICHE IN PROBLEMI DI PREVISIONE DEL MARKETING.
CLUSTER ANALYSIS
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/3/4)
GENERALITÀ. MATRICE DELLE DISTANZE. CLUSTER ANALYSIS STEPWISE. ALGORITMI DI CLUSTER ANALYSIS E SOFTWARE. ALGORITMI PARTIZIONALI: CLUSTERING SEQUENZIALE, CENTER-BASED CLUSTERING, MODEL BASED CLUSTERING. ALGORITMI GERARCHICI AGGLOMERATIVI: COMPLETE LINK, SINGLE LINK. UTILIZZO DI TECNICHE DI CLUSTER ANALYSIS PER IDENTIFICARE GRUPPI OMOGENEI DI CONSUMATORI.
TECNICHE DI PREVISIONE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/3/4)
I METODI DI PREVISIONE: GENERALITÀ; ELEMENTI DI SCELTA DEL METODO PREVISIONALE; I METODI DI PREVISIONE DELLE VENDITE; MODELLI AUTOPROIETTIVI FONDAMENTALI.
ANALISI DELLE SERIE STORICHE: GENERALITÀ; LE FASI DI SCOMPOSIZIONE DI UNA SERIE STORICA.
I PRINCIPALI MODELLI DI RICERCA OPERATIVA
I MODELLI DESCRITTIVI
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/3/4)
MODELLO DI PROCESSO MARKOVIANO: GENERALITÀ; METODOLOGIA; APPLICAZIONE ALLE ANALISI DI MERCATO.
MODELLO DELLE FILE D’ATTESA: GENERALITÀ; LA DISTRIBUZIONE DEGLI ARRIVI E DEI TEMPI DI SERVIZIO; STIMA DEI PARAMETRI DELLA CODA.
MODELLI DECISIONALI
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/3/4)
LA PROGRAMMAZIONE MATEMATICA: GENERALITÀ; PROGRAMMAZIONE LINEARE; PROGRAMMAZIONE NON LINEARE; PROGRAMMAZIONE DINAMICA; TEORIA DEI GRAFI; APPLICAZIONI.

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 10/15/20
Metodi Didattici
IL CORSO SARÀ STRUTTURATO ATTRAVERSO LEZIONI TEORICHE, SESSIONI DI ESERCITAZIONI, SESSIONI PRATICHE DI LABORATORIO CON L’UTILIZZO DI SOFTWARE SPECIALIZZATO, E CASI DI STUDIO. AGLI STUDENTI SARÀ RICHIESTO DI LAVORARE IN GRUPPO PER APPLICARE I CONCETTI APPRESI A SITUAZIONI DI MARKETING DEL MONDO REALE.
LA FREQUENZA DELLE LEZIONI IN AULA E DELLE ESERCITAZIONI, PUR NON ESSENDO OBBLIGATORIA, È FORTEMENTE CONSIGLIATA AI FINI DEL PIENO RAGGIUNGIMENTO DEGLI OBIETTIVI DI APPRENDIMENTO.
Verifica dell'apprendimento
LA PROVA DI ESAME, A CUI È ATTRIBUITA UNA VALUTAZIONE IN TRENTESIMI, CONSISTE NELL’ELABORAZIONE E PRESENTAZIONE DI UN PROGETTO DA SVILUPPARE E RISOLVERE CON GLI STRUMENTI MATEMATICI E STATISTICI PRESENTATI NEL CORSO.
GLI STUDENTI SARANNO VALUTATI IN TERMINI DI:
-CORRETTEZZA DEL LINGUAGGIO TECNICO;
-FORMALIZZAZIONE DI ADEGUATE CONCLUSIONI PER L’ANALISI DI CASI REALI DI STUDIO;
-QUALITÀ DEI CONTENUTI OGGETTO DEL COLLOQUIO.
LA LODE SARÀ ATTRIBUITA AGLI STUDENTI CHE DIMOSTRANO UN’ECCELLENTE CONOSCENZA DEI CONTENUTI DEL CORSO, UN’OTTIMA CAPACITÀ DI ESPOSIZIONE ED ABILITÀ NELL’APPLICAZIONE DELLE CONOSCENZE ACQUISITE PER RISOLVERE PROBLEMI NON AFFRONTATI DURANTE IL CORSO.
Testi
IL MATERIALE DIDATTICO DEL CORSO SARÀ DISPONIBILE NELLA SEZIONE DEDICATA DELL’INSEGNAMENTO ALL’INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT), ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO.
Altre Informazioni
L’INSEGNAMENTO È EROGATO IN ITALIANO.
Orari Lezioni

  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2025-09-14]