Docente
|
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, S., & Cerioli, A. (2007). Analisi dei dati e data mining per le decisioni aziendali. Giuffrè editore. Azzalini, A., & Scarpa, B. (2009). Analisi dei dati e data mining. Springer Science & Business Media.
|