Management e Consulenza Aziendale LM-77

Modalità di erogazione del corso: Il corso di data management è erogato in modalità a distanza e si articola nelle seguenti attività. Attività didattica erogativa: •          Videolezioni della durata di 30 minuti circa, sempre disponibili in piattaforma Attività didattica interattiva: •          Lezioni sincrone in videoconferenza. •          Forum di approfondimento tematici. •          Attività di autoapprendimento. Attività didattiche previste Le attività di didattica, suddivise tra didattica erogativa (DE) e didattica interattiva (DI), saranno costituite da 7 ore per CFU e ripartite secondo una struttura di almeno 2,5 ore di DE (tenuta in considerazione la necessità di riascolto) e di 2 ore di DI sincrona per ciascun CFU. Attività didattica erogativa (35 ore): 20 lezioni frontali videoregistrate, (prof.ssa Scarpato) e 15 lezioni frontali videoregistrate (prof. Ruscello) della durata di circa 30 minuti ciascuna (tenuta in considerazione la necessità di riascolto) sempre disponibili in piattaforma. Attività didattica interattiva (16 ore): Prof.ssa Scarpato: N°4 lezioni di didattica interattiva dalla durata di 2 ore che saranno erogate secondo il seguente calendario: Lezione N.1 Approfondimenti sugli argomenti del corso Settembre/Novembre 2025 Lezione N.2 Approfondimenti sugli argomenti del corso Dicembre 2025/Febbraio 2026 Lezione N.3 Approfondimenti su AI Generativa Marzo/Maggio 2026 Lezione N.4 Approfondimenti su AI Generativa Maggio/Giugno 2026 Prof. Ruscello: N°4 lezioni di didattica interattiva dalla durata di 2 ore che saranno erogate secondo il seguente calendario: Lezione N.1 Approfondimenti sugli argomenti del corso Settembre/Novembre 2025 Lezione N.2 Approfondimenti sugli argomenti del corso Dicembre 2025/Febbraio 2026 Lezione N.3 Approfondimenti su Jamovi (R) Marzo/Maggio 2026 Lezione N.4 Approfondimenti su SPSS Maggio/Giugno 2026 Attività di autoapprendimento: Glossario di organizzazione della conoscenza L'articolazione tra DE e DI, per ciascuna unità didattica, sarà organizzata coerentemente con gli obiettivi formativi specifici dell’insegnamento.

Il corso si propone di fornire le competenze di base nell’acquisizione e nella gestione dei dati e della conoscenza con riferimento alle tecnologie informatiche esistenti per la creazione e gestione delle basi di dati e della conoscenza. Gli obiettivi specifici del corso sono: Identificare e descrivere i dati in modo strutturato funzionale al loro utilizzo. Descrivere le caratteristiche dei dati raccolti e delle loro relazioni. Descrivere lo schema generale di un dominio. Comprendere il funzionamento dei principali software per la gestione dei dati e della conoscenza. Descrivere come creare valore ed estrarre valore dai dati tradizionali e dai big data Descrivere le caratteristiche principali delle tecniche big data e data analytics (Hadoop, R) Descrivere le caratteristiche principali delle tecniche di Descriptive, Predictive e Prescriptive Analytics  

Al termine del corso lo studente dovrà aver acquisito: Modulo 1) - Prof.ssa Noemi Scarpato Conoscenza e capacità di comprensione Aver acquisito la conoscenza della teoria relativa alla definizione di una base di dati. Aver acquisito la conoscenza della teoria relativa alla definizione di una base di conoscenza. Aver acquisito la conoscenza dei principali strumenti e linguaggi per la gestione di una base di dati. Aver acquisito la conoscenza dei principali strumenti e linguaggi per la gestione di una base di conoscenza. Aver acquisito la capacità di comprensione dei concetti presentati allo scopo di progettare una base di dati. Aver acquisito la capacità di comprensione dei concetti presentati allo scopo di progettare una base di conoscenza. Capacità di applicare conoscenza e comprensione Lo studente dovrà dimostrare la capacità di applicare le conoscenze acquisite agli ambiti applicati relativi alla gestione dei dati aziendali dimostrando la comprensione dei fenomeni inerenti all’analisi dei dati e la sua applicazione in contesti pratici per la risoluzione di problemi nuovi o complessi. Abilità di giudizio Lo studente dovrà dimostrare la capacità di gestire la complessità della gestione dei dati in ambito aziendale e formulare giudizi fondati, anche con informazioni parziali. Abilità di comunicare Lo studente dovrà essere in grado di comunicare i concetti appresi sia ad utenti esperti che non in modo chiaro ed efficace. Capacità di apprendimento Lo studente dovrà dimostrare di saper gestire autonomamente il processo di apprendimento individuando gli strumenti più efficaci per la propria crescita professionale.   Modulo 2) - Prof. Bruno Ruscello Conoscenza e capacità di comprensione ·         Acquisizione del lessico specifico della disciplina. Capacità di individuare le caratteristiche distintive di uno studio in ambito informatico e tecnologico, applicato al management aziendale. ·         Possesso di alcune conoscenze di base per pervenire alla descrizione sintetica – anche grazie all’uso della statistica, descrittiva ed inferenziale - di misure prese in ambito aziendale/industriale. ·         Vengono richieste conoscenza e comprensione dei temi specifici della disciplina (p.es. tecniche big data, data analytics, ecc.). ·         Gli studenti conseguono questo obiettivo adattando (o acquisendo ex novo) le pregresse conoscenze universitarie attraverso la partecipazione alle lezioni e/o la consultazione dei materiali didattici forniti. Capacità di applicare conoscenza e comprensione ·         La capacità di applicare quanto appreso deve permettere di affrontare efficacemente situazioni astratte (consultazione ed uso della letteratura scientifica di riferimento) e pratiche (gestione ed elaborazione dei dati raccolti, riferiti al processo di management aziendale). Le competenze sono acquisite attraverso un lavoro di esercitazione individuale e eventualmente coordinato dal Docente, attraverso gli incontri di didattica interattiva. Autonomia di giudizio ·         Le capacità di giudizio e di riflessione devono permettere scelte autonome sulle impostazioni da seguire sia in occasione della consultazione della letteratura scientifica di riferimento sia nella gestione pratica – raccolta, elaborazione ed analisi - dei dati provenienti dallo studio della performance aziendale, anche in mancanza di una guida diretta. ·         Data la vastità e la rilevanza di tale materia presso la comunità scientifica di riferimento, sarà parte importante di tale capacità quella di saper correttamente giungere alla consultazione delle fonti di formazione/informazione corrette e certificate, a livello nazionale ed internazionale. ·         Gli studenti dovranno maturare la consapevolezza dell’importanza e della necessità dell'uso di linguaggi specifici e rigorosi, caratteristici di ogni disciplina formalizzata. ·         Allo stesso tempo, data la natura applicativa del dato trattato in questo campo professionale (p.es. controllo della performance aziendale) sarà stimolata la capacità di comunicare efficacemente le risultanze più significative riscontrate in fase di analisi anche ad una platea di non professionisti del settore.  L'abitudine al linguaggio e lo scambio di informazioni dovranno avvenire forzandosi nell'uso delle forme corrette della comunicazione scientifica. Abilità di comunicare ·         L'obiettivo di apprendimento è sviluppare competenze avanzate nella comunicazione dei dati, comprendendo l'importanza della chiarezza e precisione nella trasmissione delle informazioni. Gli studenti impareranno a presentare analisi complesse in modo comprensibile per diversi destinatari, utilizzando strumenti e tecniche efficaci per visualizzare e interpretare i dati in contesti accademici e professionali.     Capacità di apprendimento ·         Gli studenti saranno costantemente stimolati ad acquisire una visione critica sulle problematiche oggetto di insegnamento e studio, tale da permettere il passaggio dalle competenze teoriche acquisite all'applicazione pratica delle stesse nella maniera più autonoma possibile, secondo un percorso che vede centrale il paradigma: “dalla conoscenza alla competenza, tramite esperienza”. ·         Il confronto dialettico con i compagni e con il Docente sarà utilizzato per il potenziamento di quest'abilità, in occasione delle sessioni di didattica interattiva e nel ricevimento studenti.  

I docenti consigliano l’integrazione del materiale fornito (videolezioni, slides, esercitazioni) con riferimenti bibliografici e materiale disponibile gratuitamente in rete forniti di volta in volta all’interno delle lezioni.

https://www.uniroma5.it/magistrale/piano-degli-studi-2024-data-management/management-e-consulenza-aziendale.html

Modulo 1) - Prof.ssa Noemi Scarpato Unità didattica: Sistemi di basi di dati Introduzione: Introduzione ai sistemi di basi di dati. Gestione dei dati. File system e DBSM. Vantaggi di un DBMS. Interrogazioni in un DBMS. Gestione delle transazioni. Struttura di un DBMS. Il modello Entità-Relazione: Progettazione di basi di dati e diagrammi ER. Entità, attributi e insiemi di entità. Relazioni e insiemi di relazioni. Estensioni del modello ER. Vincoli di chiave. Modello relazionale: Introduzione al modello relazionale. Chiavi e Vincoli di integrità sulle relazioni. Applicazione dei vincoli di integrità. Interrogazione di basi di dati relazionali. Introduzione alle viste. La progettazione logica: dallo schema ER al relazionale. Da insiemi di entità e relazioni a tabelle. Traduzione di insiemi di relazioni con vincoli di chiave. Introduzione ad SQL: Interrogazioni SQL di base. Strumenti software per la gestione delle basi di dati.  Unità didattica: Rappresentazione della Conoscenza e Sistemi basati su Conoscenza Introduzione: Basi di conoscenza e ragionamento logico. Rappresentazione della Conoscenza e Reasoning. La logica proposizionale. Logica dei predicati. Inferenza. Costruzione di basi di conoscenza: Organizzazione della conoscenza. Ontologie. Ontologie e lessici. Sistemi a frame e reti semantiche. RDF. OWL. Linked Data. Introduzione a SPARQL: Interrogazioni SPARQL di base. Strumenti software per la gestione delle basi di conoscenza. Modulo 2) - Prof. Bruno Ruscello Parte 1 - Creare valore ed estrarre valore dai dati tradizionali e dai big data •          Attori Aziendali e Dati •          Big Data •          L’Architettura Data Lake •          Le Tecniche di Analisi Parte 2: - Tecniche Big Data: Hadoop •          Hadoop •          Gli strumenti per la “data ingestion” Parte 3: Software per l’analisi dei dati: R •          Introduzione a R e R Studio •          Approfondimenti su alcuni aspetti di R Studio Parte 4: Metodi per la Predictive Analytics •          Metodologia per la predictive e prescriptive analytics •          Presentazione dei Dati Parte 5: Case Studies •          L’utilizzo dei dati in una realtà sportiva d’élite. MODALITÀ DI ESAME, PREREQUISITI, ESAMI PROPEDEUTICI Modalità di accertamento dei risultati di apprendimento acquisiti dallo studente L'acquisizione dei risultati di apprendimento previsti viene accertata attraverso la prova di esame. Tutti i contenuti trattati nell’ambito dell’insegnamento costituiscono oggetto di valutazione. La prova d’esame per la valutazione delle competenze acquisite “in itinere” dallo studente avverrà attraverso un colloquio orale o in forma scritta nelle date d’appello previste dall’Ateneo e pubblicate in piattaforma. La valutazione prevede l’identificazione del raggiungimento degli obiettivi previsti ed in particolare per ogni argomento saranno valutati: -           il grado di acquisizione della conoscenza degli argomenti trattati -           la capacità di sintesi e correlazione tra i vari argomenti -           la comprensione e la capacità di interpretazione dei meccanismi e fenomeni La valutazione finale avverrà nelle date d’appello previste dall’Ateneo e pubblicate in piattaforma, in modalità scritta e /o orale.   Modalità di esame L’esame scritto sarà composto da 16 domande a risposta multipla con un valore di due punti per la risposta corretta e nessuna penalità per la risposta errata. Il voto sarà espresso in trentesimi e la lode sarà attribuita solo nel caso in cui avendo risposto correttamente alle prime 15 domande si risponda correttamente anche alla sedicesima. L’esame orale consisterà in un colloquio inerente agli argomenti del corso, durante il quale potrà essere chiesto allo studente sia di illustrare i concetti studiati che di applicarli a casi reali proposti dal docente. Durante la prova la Commissione esaminatrice valuterà la capacità di apprendimento da parte dello Studente nonché la capacità di applicare le conoscenze e si assicurerà che le competenze siano adeguate a sostenere e risolvere problemi relativi alla disciplina (50% del punteggio). Saranno inoltre valutati: autonomia di giudizio (25% del punteggio) e le abilità comunicative (25% del punteggio) secondo quanto indicato nei descrittori di Dublino. Propedeuticità Come da regolamento di Corso di studi non sono previste propedeuticità per l’esame di Data Management Prerequisiti Lo studente necessita di conoscere i concetti base dell’informatica e della logica matematica.

 Previo appuntamento nella sede di Roma o in modalità telematica (zoom, meet). Prof.ssa Noemi Scarpato, PhD noemi.scarpato@uniroma5.it     Prof. Bruno Ruscello, PhD bruno.ruscello@uniroma5.it