Info
Foto sezione
Logo Bocconi

Course 2022-2023 a.y.

20486 - FONDAMENTI DI BUSINESS ANALYTICS / PRINCIPLES OF BUSINESS ANALYTICS

All Programs
Department of Decision Sciences

For the instruction language of the course see class group/s below

Go to class group/s: 1 - 2 - 3 - 4 - 5 - 6 - 7 - 99

M (6 credits - I sem. - OB  |  3 credits SECS-S/01  |  3 credits SECS-S/06)
Course Director:
ELENA POLI

Classi: 1 (I sem.) - 2 (I sem.) - 3 (I sem.)
Docenti responsabili delle classi:
Classe 1: GABRIELE GURIOLI, Classe 2: FABIO TONOLI, Classe 3: JACOPO GIUSEPPE DE TULLIO

Classe/i impartita/e in lingua italiana

Class-group lessons delivered  on campus

Mission e Programma sintetico
MISSION

In questi anni stiamo assistendo alla rivoluzione della data driven economy. L’aumento della connettività, l’aumento esponenziale dei dati generati da utenti privati e aziende sta cambiando il modo di pensare alle attività economiche. La stessa Comunità Europea, in una comunicazione al Parlamento Europeo già il 2 luglio 2014 comunica la necessità di formare una generazione di managers che sappia utilizzare in modo naturale le informazioni derivanti dai dati e dai modelli quantitativi a supporto delle decisioni. Tali metodi vengono comunemente chiamati metodi di business analytics. Lo scopo del corso è quindi quello di fornire agli studenti una prima introduzione ai temi della business analytics ed è diviso in due parti. Nella prima parte si analizzano metodi di prescriptive analytics, con lo scopo di avvicinare gli studenti all’uso di modelli e alla traduzione di problemi di business in termini di un corrispondente modello matematico. Nella seconda parte, si trattano metodi di descriptive analytics, che consentono agli studenti di ottenere le informazioni contenute in dataset e rilevanti per decisioni di business.

PROGRAMMA SINTETICO
  • Decision analysis: diagrammi di influenza e alberi decisionali.
  • Valore dell'informazione: EVSI e EVPI.
  • Programmazione lineare.
  • Modelli predittivi per risposta numerica: regressione lineare.
  • Diagnostiche del modello di regressione lineare (multicollinearità, eteroschedasticità, analisi dei residui).
  • Modelli predittivi per risposta categorica: regressione logistica.

Risultati di Apprendimento Attesi (RAA)
CONOSCENZA E COMPRENSIONE
Al termine dell'insegnamento, lo studente sarà in grado di...
  • Riconoscere modelli appropriati per la soluzione di problemi di business e di gestione.
  • Identificare la corretta metodologia per la soluzione di problemi di business e di gestione.
  • Distinguere tra modelli deterministici e non deterministici.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine dell'insegnamento, lo studente sarà in grado di...
  • Organizzare le informazioni per costruire un modello quantitativo coerente con le ipotesi poste.
  • Tradurre un problema di decisione in un corrispondente modello quantitativo.
  • Utilizzare i software Excel (Solver), TreePlan, R al fine di determinare le soluzioni del problema.
  • Interpretare le soluzioni derivate dall'implementazione del modello prescelto al fine di definire le decisioni ottimali.
  • Analizzare i modelli con strumenti di analisi di sensibilità per ottenere "managerial insights".

Modalità didattiche
  • Lezioni frontali
  • Lezioni online
  • Esercitazioni (esercizi, banche dati, software etc.)
DETTAGLI

L'attività di insegnamento-apprendimento di questo corso si articola in lezioni frontali in cui vengono esposti problemi manageriali e vengono proposti e discussi modelli di soluzione mediante metodi quantitativi. Lo studente viene guidato:

  • Alla identificazione del modello quantitativo, di cui vengono illustrati principi e proprietà.
  • All'implementazione tramite software dedicato.
  • Alla soluzione del problema.
  • All'interpretazione della soluzione.
  • All'analisi della variabilità delle soluzioni in funzione dei parametri in input.

Vengono in particolare utilizzati in aula EXCEL (Solver), TreePlan, R. Sono previste esercitazioni in aula durante le quali gli studenti svolgono con il loro portatile attività sia individuale sia di gruppo finalizzate al percorso descritto (identificazione del modello, implementazione dei dati, soluzione e analisi di sensibilità). Tali esercitazioni servono come autovalutazione dell’apprendimento degli aspetti indicati. 


Metodi di valutazione dell'apprendimento
  Accertamento in itinere Prove parziali Prova generale
  • Prova individuale scritta (tradizionale/online)
  •     x
  • Assignment individuale (relazione, esercizio, dimostrazione, progetto etc.)
  • x    
    STUDENTI FREQUENTANTI E NON FREQUENTANTI

    È possible sostenere l'esame con due diverse modalità:

    • Modalità A: assignment multipli (4 test in itinere) + test finale
    • Modalità B: assignment singolo + test finale

    Modalità A: 4 assignment multipli+ test finale.

    I 4 assignment riguarderanno ciascuno gli argomenti svolti nelle 3 settimane precedenti del corso: il primo riguarderà gli argomenti delle settimane 1-3, il secondo delle settimane 4-6 ecc. Gli assignment conterranno domande quantitative a cui rispondere utilizzando il software illustrato in classe. Gli assignment saranno disponibili sulla piattaforma Blackboard. Per completare l'esame, gli studenti dovranno sostenere il test finale alla data dell'esame.

    Modalità B: assignment singolo + test finale.

    L'assignment unico conterrà domande sull'intero programma del corso e sarà reso disponibile il giorno prima della data ufficiale dell'esame. Conterrà domande quantitative a cui rispondere utilizzando il software illustrato in classe. L'assignment sarà disponibile sulla piattaforma Blackboard.

    Per completare l'esame, gli studenti dovranno sostenere il test finale alla data dell'esame (è lo stesso test che si applica anche per la modalità A).

    Nota. È possibile utilizzare i risultati della modalità A nella prima o nella seconda sessione d'esame. Dopo aver sostenuto uno o più assignment in modalità A è possible passare alla modalità B. Tuttavia, se uno studente inizia l'assignment della modalità B (formalmente: clicca su "Begin" del singolo assignment il giorno prima della data d'esame), i punti guadagnati con gli assignment nella modalità A verranno annullati.

    Test finale (obbligatorio per entrambe le modalità A o B). Questo test avrà luogo il giorno stabilito dell'esame. Il test inizierà con l'appello (procedura di attendance) in cui si conferma la presenza. Dopo la chiusura della procedura di attendance sarà reso disponibile il test sulla piattaforma Blackboard. Il test si svolgerà in aula, sul computer personale dello studente. Il test conterrà domande a risposta chiusa e durerà 20 minuti. Nel test finale non è consentito usare calcolatrici, software, appunti o libri: il test è closed book.

    Nota 1. L'appello inizia 15 minuti prima dell'inizio ufficiale dell'esame e sarà chiuso 10 minuti dopo. Si prega di essere puntuali.

    Nota 2. Mentre gli assignment (multipli o singolo, in entrambe le modalità A o B) non richiedono l'iscrizione, per sostenere il test finale è indispensabile iscriversi alla data dell'esame. In caso di mancata iscrizione non sarà possibile completare l'esame e avere un voto registrato.

    Il calcolo del voto finale sarà il seguente. Ogni test viene valutato su una scala compresa tra 0 e 100.
    Modalità A: PunteggioEsame=(somma dei punteggi degli assignment+punteggio del test finale)/5;
    Modalità B: PunteggioEsame=4/5*Punteggio dell'Assignment unico+1/5*Punteggio del test finale.
    Quindi i punteggi saranno convertiti nella scala 0-30 usando la curva Erasmus.

    Dopo l'esame, il test rimarrà visibile nel Grade Center. Per qualsiasi domanda, si prega di inviare le richieste entro e non oltre 3 giorni lavorativi dopo la data dell'esame.

    Ritiro. È possibile ritirarsi al test finale. In Modalità A il ritiro al test finale implica automaticamente il passaggio alla modalità B e i punteggi dei 4 test saranno annullati.

    Registrazione: Come da regole Bocconi relativamente alla registrazione agli appelli d'esame, è necessario registrarsi al Test Finale tramite agenda You@B.


    Materiali didattici
    STUDENTI FREQUENTANTI E NON FREQUENTANTI
    • G.E. MONAHAN, Management Decision Making, Cambridge University Press, 2000.
    • F.S. HILLIER and G.J. LIEBERMAN, Introduction to Operations Research, 2001, Second Edition.
    • F. IOZZI, Un'introduzione ai modelli matematici nel management, 2015 (disponibile in pdf sull'e-learning del corso).
    • D.J. CAMM, J.J. COCHRAN, M.J. FRY, et al., Essentials of Business Analytics, Cengage, 2015.
    • J. FOX, Using the R Commander: A Point-and-Click Interface for R, Chapman and Hall CRC, 2016
    • Note distribuite dai docenti.
    Modificato il 07/06/2022 10:18

    IM (6 credits - I sem. - OB  |  3 credits SECS-S/01  |  3 credits SECS-S/06)
    Course Director:
    EMANUELE BORGONOVO

    Classes: 6 (I sem.) - 7 (I sem.) - 99 (I sem.)
    Instructors:
    Class 6: DOVID FEIN, Class 7: EMANUELE BORGONOVO, Class 99: TO BE DEFINED

    Class group/s taught in English

    Class-group lessons delivered  on campus

    Mission & Content Summary
    MISSION

    In recent years, we have been witnessing the revolution of the data-driven economy. Through increased connectivity and digitalization, private users and companies are generating an unprecedented amount of data which is changing the way we think about the economy. In a communication to the European Parliament on 2 July 2014, the European Community communicated the need of training a generation of managers who know how to naturally use information derived from data and quantitative models to support decisions. These methods are commonly called methods of business analytics. The aim of the course is to provide students with a first introduction to the topics of business analytics and is divided into two parts. In the first part, methods of prescriptive analytics are analyzed, with the aim of allowing students to approach the use of models and translating business problems in terms of a corresponding mathematical model. In the second part, descriptive analytics methods are discussed, which allow students to extract the information contained in datasets that is significant for business decisions.

    CONTENT SUMMARY
    • Decision analysis: influence diagrams and decision trees.
    • Value of information: EVSI and EVPI.
    • Linear programming.
    • Predictive models for a continuous response: linear regression.
    • Diagnostics of the linear regression model (multicollinearity, heteroscedasticity, residual analysis).
    • Predictive models for a categorical response: logistic regression.

    Intended Learning Outcomes (ILO)
    KNOWLEDGE AND UNDERSTANDING
    At the end of the course student will be able to...
    • Recognize appropriate models to solve business and management problems.
    • Identify the correct methodology for solving business and management problems.
    • Discern between deterministic and non-deterministic models.
    APPLYING KNOWLEDGE AND UNDERSTANDING
    At the end of the course student will be able to...
    • Organize information to build a quantitative model in line with the input posed.
    • Translate a decision problem into a corresponding quantitative model.
    • Use the software Excel (Solver), TreePlan, R in order to determine solutions to a problem.
    • Interpret solutions derived from implementing the chosen model in order to make optimal decisions.
    • Analyze models with sensitivity analysis tools to obtain "managerial insights".

    Teaching methods
    • Face-to-face lectures
    • Online lectures
    • Exercises (exercises, database, software etc.)
    • Individual assignments
    DETAILS

    Teaching and learning activities for this course are divided into face-to-face lectures during which management problems are explained and solution models through quantitative methods are proposed and discussed. Students are assisted in:

    • Identifying the quantitative model, whose principles and properties are described.
    • Implementation through dedicated software.
    • The solution to the problem.
    • Interpreting the solution.
    • Analysis of the variability of solutions on the basis of input parameters.

    In particular, Excel (Solver), TreePlan and R are used in the classroom. Two in-class exercise sessions are held during which students complete both individual and group activities with their laptops, aimed at the described procedure (identifying a model, implementing data, solutions and sensitivity analysis). These exercises are used as self-assessment of learning of the aspects indicated.  


    Assessment methods
      Continuous assessment Partial exams General exam
  • Written individual exam (traditional/online)
  •     x
  • Individual assignment (report, exercise, presentation, project work etc.)
  • x    
    ATTENDING AND NOT ATTENDING STUDENTS

    Assessment, both for attending and non-attending students, is based entirely (100% of the grade) on an assessment on an online platform with problems to solve and through data analysis, divided into open-ended numerical questions and multiple-choice questions. The exam aims to verify:

    • The ability to identify a model in line with the hypothesys theories and data assigned.
    • The ability to implement the model with the appropriate software.
    • The ability to interpret the software’s output.
    • The ability to assess the sensitivity of the solutions compared to the input parameters.

    Teaching materials
    ATTENDING AND NOT ATTENDING STUDENTS
    • G.E. MOMAHAN, Management Decision Making, Cambridge University Press, 2000.
    • F. IOZZI,  Un'introduzione ai modelli matematici nel management, 2015 (disponibile in pdf sull'e-learning del corso).
    • F.S. HILLIER and G.J. LIEBERMAN, Introduction to Operations Research, 2001, Second Edition.
    • D.J. CAMM, J.J. COCHRAN, M.J. FRY, et al., Essentials of Business Analytics, Cengage, 2015.
    • J. FOX, Using the R Commander: A Point-and-Click Interface for R, Chapman and Hall CRC, 2016.
    • Notes provided by the teachers.
    Last change 29/08/2022 11:44

    M (6 credits - I sem. - OB  |  3 credits SECS-S/01  |  3 credits SECS-S/06)
    Course Director:
    ELENA POLI

    Classes: 4 (I sem.) - 5 (I sem.)
    Instructors:
    Class 4: MATTEO ROCCA, Class 5: GIOVANNI CRESPI

    Class group/s taught in English

    Class-group lessons delivered  on campus

    Mission & Content Summary
    MISSION

    In recent years, we have been witnessing the revolution of the data-driven economy. Through increased connectivity and digitalization, private users and companies are generating an unprecedented amount of data which is changing the way we think about the economy. In a communication to the European Parliament on 2 July 2014, the European Community communicated the need of training a generation of managers who know how to naturally use information derived from data and quantitative models to support decisions. These methods are commonly called methods of business analytics. The aim of the course is to provide students with a first introduction to the topics of business analytics and is divided into two parts. In the first part, methods of prescriptive analytics are analyzed, with the aim of allowing students to approach the use of models and translating business problems in terms of a corresponding mathematical model. In the second part, descriptive analytics methods are discussed, which allow students to extract the information contained in datasets that is significant for business decisions.

    CONTENT SUMMARY
    • Decision analysis: influence diagrams and decision trees.
    • Value of information: EVSI and EVPI.
    • Linear programming.
    • Predictive models for a continuous response: linear regression.
    • Diagnostics of the linear regression model (multicollinearity, heteroscedasticity, residual analysis).
    • Predictive models for a categorical response: logistic regression.

    Intended Learning Outcomes (ILO)
    KNOWLEDGE AND UNDERSTANDING
    At the end of the course student will be able to...
    • Recognize appropriate models to solve business and management problems.
    • Identify the correct methodology for solving business and management problems.
    • Discern between deterministic and non-deterministic models.
    APPLYING KNOWLEDGE AND UNDERSTANDING
    At the end of the course student will be able to...
    • Organize information to build a quantitative model in line with the input posed.
    • Translate a decision problem into a corresponding quantitative model.
    • Use the software Excel (Solver), TreePlan, R in order to determine solutions to a problem.
    • Interpret solutions derived from implementing the chosen model in order to make optimal decisions.
    • Analyze models with sensitivity analysis tools to obtain "managerial insights".

    Teaching methods
    • Face-to-face lectures
    • Online lectures
    • Exercises (exercises, database, software etc.)
    DETAILS

    Teaching and learning activities for this course are divided into face-to-face lectures during which management problems are explained and solution models through quantitative methods are proposed and discussed. Students are assisted in:

    • Identifying the quantitative model, whose principles and properties are described.
    • Implementation through dedicated software.
    • The solution to the problem.
    • Interpreting the solution.
    • Analysis of the variability of solutions on the basis of input parameters.

    In particular, Excel (Solver), TreePlan and R are used in the classroom. In-class exercise sessions are held during which students complete both individual and group activities with their laptops, aimed at the described procedure (identifying a model, implementing data, solutions and sensitivity analysis). These exercises are used as self-assessment of learning of the aspects indicated.  


    Assessment methods
      Continuous assessment Partial exams General exam
  • Written individual exam (traditional/online)
  •     x
  • Individual assignment (report, exercise, presentation, project work etc.)
  • x    
    ATTENDING AND NOT ATTENDING STUDENTS

    Students will have the opportunity to take the final exam in two ways:

    • Mode A: Multiple assignment path + final test
    • Mode B: Single assignment path + final test

    Mode A: 4 assignments + final test.

    The 4 assignments  (tests in itinere) will each cover the material explained in the preceding 3 weeks of the course. Thus, the first assignment will cover the material in weeks 1-3, the second in weeks 4-6 etc. They will contain quantitative questions to be answered via computer using the software explained in class. The assignments will be available through the Blackboard platform. To complete the exam, students will be required to take the final test on the exam date.

    Mode B: Single assignment path + final test

    The unique assignment will contain questions on the entire course program. It will be made available the day before the official exam date. It will contain quantitative questions to be answered via computer using the software explained in class. The assignment will be available through the Blackboard platform.

    To complete the exam, students will be required to take the final test on the exam date (this is the same test that applies also for Mode A).

    Note: It is possible to use the results of Mode A in the first or in the second exam date.  After taking some or all the assignments of Mode A, a student is allowed to switch to Mode B. However, if a student  switches to Mode B (formally: by clicking on "Begin" to solve the single assignment the day before the exam date), the points gained through the assignments in Mode A will be canceled.

    Final test (mandatory for both Mode A and Mode B). This part will take place the day of the exam at the exam time. The exam will start with an attendance procedure (appello) in which you confirm your presence. After the attendance procedure is closed, the text of the test will be made available through the Blackboard platform.The test will take place in the classroom on the student's personal computer.  The test will contain "multiple choice style" questions and will last 20 minutes. In the final test, you are not allowed to use calculators or software or books; the final test is closed book.

    Note 1: The attendance will open 15 minutes before the official time of the exam start. It will then be closed 10 minutes after the official exam start. Please be on time.

    Note 2: You need to register for the exam date to take the final test. While the assignments (in both Modes A or B) do not require enrollment, the final test does. Do not miss that, otherwise it will not be possible for you to complete the exam and have your grade assigned.

    The calculation of the final grade will be as follows. Each assignment or test will be graded on a scale between 0 and 100.
    Mode A: ExamScore=(Sum of Assignment Scores + FinalTestScore)/5.
    Mode B: ExamScore=4/5*UniqueAssignmentScore+1/5*FinalTestScore.
    Then we will convert the scores into the 0-30 scale using the Erasmus curve.

    After the exam, the test will remain visible in your Grade Center. For any question, please send your inquiries no later than 3 working days after the exam date.

    Withdrawal: at the final test it is possible to withdraw. Please note that in Mode A withdrawal automatically implies switching to Mode B, i.e. the scores of the 4 assignments will be canceled.

    Registration: As per Bocconi rules regarding the registration for exam dates, it is necessary to register for the Final Test with Respondus via You@B.


    Teaching materials
    ATTENDING AND NOT ATTENDING STUDENTS
    • G.E MONAHAN, Management Decision Making, Cambridge University Press, 2000.
    •  F. IOZZI, Un'introduzione ai modelli matematici nel management, 2015 (disponibile in pdf sull'e-learning del corso).
    • F.S. HILLIER and G.J. LIEBERMAN, Introduction to Operations Research, 2001, Second Edition.
    •  D.J. CAMM, J.J. COCHRAN, M.J. FRY, et al., Essentials of Business Analytics, Cengage, 2015.
    • J. FOX, Using the R Commander: A Point-and-Click Interface for R, Chapman and Hall CRC, 2016.
    • Notes provided by the teachers.
       
    Last change 07/06/2022 11:16