Accedi ai Corsi
In evidenza
Laurea Triennale
Amministrazioni, Professioni ed Organizzazioni Sportive con Sole 24 Ore Formazione
Chiamaci
{{ numero_verde }}
Offerta formativa
- Scienze Motorie (L-22)
- Scienze dell'Amministrazione e dell'Organizzazione (L-16)
- Scienze Biologiche (L-13)
- Moda e Design Industriale L-4
- Patrimonio Culturale in Era Digitale L-1
- Lingue e Culture Straniere per l'Era Digitale (L-11)
- Ingegneria Biomedica (L-9)
- Ingegneria Informatica e Intelligenza artificiale (L-8)
- Scienze dell'Alimentazione e Gastronomia (L-26)
- Management e Consulenza Aziendale (LM-77)
- Scienze e Tecniche delle Attività Motorie Preventive e Adattate LM-67
- Scienze della Nutrizione Umana LM-61
- Management, Diritto e Governance della Pubblica Amministrazione LM-63
- Lingue e culture straniere per l'era digitale: scuola, società e professioni LM-37
- Ingegneria Informatica e dell’Intelligenza Artificiale Applicata LM-32
- Doppia Laurea
- Master 1° Livello
- Master 2° Livello
- Aree Master
- Corsi di Formazione
- Corsi di Perfezionamento
- Corsi Singoli
- Formazione Docenti
- PA 110 e lode
Iscrizione
- Richiedi Informazioni
- Agevolazioni Economiche
- Prova la piattaforma
- Valutazione Crediti Formativi e Accessi
- Recupero delle competenze per accesso alle Magistrali
- Immatricolazione
- Doppia Laurea
- Iscrizione Master e Corsi
- Iscrizione ai Dottorati di Ricerca
- Immatricolazione titoli esteri
- Borse di studio Sole 24 Ore Formazione
- Studia con San Raffaele Roma e accedi ai corsi Google sull'Intelligenza Artificiale
Studenti e Aziende
Corsi di Laurea Triennale
Corsi di Laurea Magistrale
Management, Diritto e Governance della Pubblica Amministrazione LM-63
Gestione e analisi dei dati
Management, Diritto e Governance della Pubblica Amministrazione LM-63
Gestione e analisi dei dati
| Settore scientifico disciplinare | Numero crediti formativi (CFU) | Docente |
| SECS-S/01 (STAT-01/A) | 12 | Biagio Simonetti |
Obiettivi
L’insegnamento intende fornire agli studenti competenze informatiche di grado avanzato. In particolare, gli studenti potranno imparare a gestire dati reali comunemente generati dalle pubbliche amministrazioni; utilizzare strumenti statistici per trarne intuizioni rilevanti per la formulazione delle politiche;
interpretare i risultati per prestare supporto al processo decisionale pubblico, concentrando l’attenzione sulle intuizioni basate sui dati per una governance efficace.
ORGANIZZAZIONE DIDATTICA ESAMI 2026/2027
A. Lezioni da studiare per la PROVA INTERMEDIA ONLINE
Introduzione ai Big Data; Processi di esplorazione dei dati; Elaborazione dei dati; Introduzione a R; Gli indicatori statistici; Costruzione di un indicatore composito; Il concetto di qualità; Modelli per la Customer Satisfaction; L’indagine statistica di Customer Satisfaction; La rilevazione dei dati; Il Modello di Regressione lineare Semplice; I modelli statistici di previsione; L’Analisi Multidimensionale dei Dati (AMD); Considerazioni preliminari su scalari e vettori; Algebra delle matrici; L’Analisi delle Componenti Principali (ACP); La matrice dei dati e la matrice di base nella ACP; Il software SPSS; I Big Data nel Turismo. Intervista al prof. Fabrizio Antolini, Presidente della Società; Analisi in Componenti Principali con SPSS; Metodi statistici per il Credit Scoring; L’Analisi Fattoriale Discriminante; I Big Data per la gestione delle Risorse Umane. Intervista a Gilda Antonelli, Professore di Organizzazione Aziendale e Gestione delle Risorse Umane; L’Analisi delle Corrispondenze Binarie (AC); I risultati dell’Analisi delle Corrispondenze Binarie (AC); I Big Data in Sanità.
B. Lezioni da studiare per la PROVA DI PROFITTO FINALE IN PRESENZA
L’Analisi delle Corrispondenze Multiple (ACM); Caso studio: un esempio di ACM; Text mining; I metodi di Classificazione Automatica; La Cluster Analysis; La qualità; I sette strumenti manageriali della qualità; Le Carte di Controllo; I Big Data nella Pubblica Amministrazione. Intervista al Prof. Pasquale Sarnacchiaro; Introduzione alla linguistica computazionale. Intervista con Michele Gallo.
Modalità di accertamento dei risultati di apprendimento acquisiti dallo studente
La prova d’esame mira a verificare la conoscenza dei concetti teorici e la capacità di interpretarli e applicarli nell’analisi dei dati. Attraverso quesiti teorici e casi o problemi di carattere pratico, si valuterà se lo studente è in grado di:
- descrivere le principali fasi dei processi di raccolta, esplorazione, elaborazione e analisi dei dati;
- comprendere e applicare gli indicatori statistici e i metodi per la costruzione di indicatori compositi;
- interpretare i risultati di analisi statistiche, tra cui la regressione, i metodi di previsione, l’Analisi delle Componenti Principali, l’Analisi delle Corrispondenze e la Cluster Analysis;
- riconoscere le principali applicazioni degli strumenti software per l’analisi dei dati, con particolare riferimento a R e SPSS;
- comprendere le tecniche di classificazione automatica e di text mining e individuarne possibili ambiti di applicazione;
- applicare i concetti e gli strumenti di analisi dei dati a problemi relativi alla qualità e alla Customer Satisfaction, interpretandone criticamente i risultati.
Modalità di esame
La prova d'esame, da svolgersi secondo quanto previsto dal calendario didattico di ateneo, potrà svolgersi sulla base di una prova scritta, nella modalità del test a risposta multipla online o in presenza.
Descrizione
Risultati di apprendimento attesi
I risultati di apprendimento attesi sono i seguenti. Conoscenza delle tecniche basilari di analisi dei dati. Capacità di mettere in pratica queste tecniche in autonomia, utilizzando il software di analisi; di presentare e interpretare correttamente i risultati ottenuti; di condurre analisi dei dati mono e bi-variate, di manipolare i dati, di leggere e interpretare l’output delle tabelle e di presentare graficamente i risultati delle analisi; di impostare un'analisi multivariata mediante la regressione lineare multipla. Comprensione della logica dell’inferenza statistica.
Contenuti dell’insegnamento
Introduzione ai Big Data; Processi di esplorazione dei dati; Elaborazione dei dati; Introduzione a R; Gli indicatori statistici; Costruzione di un indicatore composito; Il concetto di qualità; Modelli per la Customer Satisfaction; L’indagine statistica di Customer Satisfaction; La rilevazione dei dati; Il Modello di Regressione lineare Semplice; I modelli statistici di previsione; L’Analisi Multidimensionale dei Dati (AMD); Considerazioni preliminari su scalari e vettori; Algebra delle matrici; L’Analisi delle Componenti Principali (ACP); La matrice dei dati e la matrice di base nella ACP; Il software SPSS; I Big Data nel Turismo. Intervista al prof. Fabrizio Antolini, Presidente della Società; Analisi in Componenti Principali con SPSS; Metodi statistici per il Credit Scoring; L’Analisi Fattoriale Discriminante; I Big Data per la gestione delle Risorse Umane. Intervista a Gilda Antonelli, Professore di Organizzazione Aziendale e Gestione delle Risorse Umane; L’Analisi delle Corrispondenze Binarie (AC); I risultati dell’Analisi delle Corrispondenze Binarie (AC); I Big Data in Sanità; L’Analisi delle Corrispondenze Multiple (ACM); Caso studio: un esempio di ACM; Text mining; I metodi di Classificazione Automatica; La Cluster Analysis; La qualità; I sette strumenti manageriali della qualità; Le Carte di Controllo; I Big Data nella Pubblica Amministrazione. Intervista al Prof. Pasquale Sarnacchiaro; Introduzione alla linguistica computazionale. Intervista con Michele Gallo.
Lezioni
Introduzione ai Big Data
Processi di esplorazione dei dati
Elaborazione dei dati
Introduzione a R
Gli indicatori statistici
Costruzione di un indicatore composito
Il concetto di qualità
Modelli per la Customer Satisfaction
L\'indagine statistica di Customer Satisfaction
La rilevazione dei dati
Il Modello di Regressione lineare Semplice
I modelli statistici di previsione
L'Analisi Multidimensionale dei Dati (AMD)
Considerazioni preliminari su scalari e vettori
Algebra delle matrici
L\'Analisi delle Componenti Principali (ACP)
La matrice dei dati e la matrice di base nella ACP
Il software SPSS
I Big Data nel Turismo. Intervista al prof. Fabrizio Antolini, Presidente della Società
Analisi in Componenti Principali con SPSS
Metodi statistici per il Credit Scoring
L\'Analisi Fattoriale Discriminante
I Big Data per la gestione delle Risorse Umane. Intervista a Gilda Antonelli, Professore di Organizzazione Aziendale e Gestione delle Risorse Umane
L\'Analisi delle Corrispondenze Binarie (AC)
I risultati dell\'Analisi delle Corrispondenze Binarie (AC)
I Big Data in Sanità
L\'Analisi delle Corrispondenze Multiple (ACM)
Caso studio: un esempio di ACM
Text mining
I metodi di Classificazione Automatica
La Cluster Analysis
La qualità
I sette strumenti manageriali della qualità
Le Carte di Controllo
I Big Data nella Pubblica Amministrazione. Intervista al Prof. Pasquale Sarnacchiaro
Introduzione alla linguistica computazionale. Intervista con Michele Gallo
