crescenzi federico
(programma)
Dati mancanti e valori anomali L’analisi preliminare e la pulizia dei dati è fondamentale prima di procedere ogni analisi statistica. Lo studente imparerà le nozioni base per ricostruire valori mancanti ed identificare valori anomali Modelli di scelta Costruzione di modelli che siano in grado di prevedere la scelta di un consumatore, ad esempio scelta tra due marchi di prodotti Analisi delle componenti principali L’obiettivo è costruire indici di sintesi potenzialmente non misurabili direttamente come indici di customer satisfaction Elementi di analisi dei gruppi Avendo a disposizione dati rilevati sulla un certo tipo di clientela lo studente imparerà le più comuni tecniche per la sua segmentazione sulla base delle caratteristiche rilevate Market basket analysis e regole di associazione A partire dall’analisi delle transazioni di un punto vendita (i.e. scontrini) o sito di e-commerce, lo studente imparerà ad indentificare pattern di acquisto. Ad esempio quali prodotti vengono venduti più frequentemente insieme. Questa tipo di analisi è storicamente usata nei supermercati per una più accurata esposizione delle merci
(testi)
Materiale fornito dal docente.
Zani, Cerioli. Analisi dei dati e data mining per le decisioni aziendali
Azzalini, Scarpa. Data Mining
|