06445 - STATISTICA AZIENDALE

Anno Accademico 2025/2026

  • Docente: Andrea Guizzardi
  • Crediti formativi: 8
  • SSD: SECS-S/03
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea in Scienze statistiche (cod. 8873)

Conoscenze e abilità da conseguire

Al termine del corso lo studente conosce le tematiche introduttive connesse ai modelli quantitativi per il supporto alle decisioni aziendali. In particolare lo studente è in grado di: - migliorare l'analisi dell'ambiente competitivo attraverso l'utilizzo di metodi statistici - conoscere, interpretare e valutare i principali modelli di analisi della performance - prevedere le vendite e la quota di mercato delle imprese

Contenuti

Le informazioni statistiche per l’azienda

Statistiche nazionali, internazionali ufficiali e non ufficiali; i big data dal web; i dati dai sistemi gestionali; sondaggi interni (limiti ed opportunità della raccolta diretta di informazioni su dipendenti fornitori e consumatori).

L’organizzazione e la validazione dell’informazione (richiami)

Qualità dei dati. Analisi preliminari: trattamento di missing data, identificazione e trattamente dei dati anomali, tecniche di standardizzazione.

Metodi statistici per le decisioni aziendali (approccio descrittivo)

Key performance indicators (KPI) base: valori medi, medie mobili, livellamento esponenziale. KPI basti sul rischio: grafici media deviazione standard, indicatori di momentum (oscillatori), RiskMetrics (cenni).

Key performance indicators (KPI) per fenomeni complessi: gli ndicatori compositi per l’azienda e la finanza. La costruzione di un indicatore composito: modello concettuale, e tecniche statistiche di ponderazione (aggregazione) degli indicatori elementari.

Comunicare i KPI alle diverse funzioni aziendali

Metodi statistici per le decisioni aziendali (approccio inferenziale)

Estraiamo i trend: funzioni matematiche - regressione lineare – vs. modelli per trend stocastici. La valutazione del rischio di credito (regressione logistica). Tecniche di classificazione e previsone non lineari (supervised machine learning tecniques).  Il metodo Delphi

La valutazione dei modelli statistici in azienda (la misura della capacità previsiva)

Perdita attesa e propensione al rischio del decision maker. La valutazione della capacità previsiva: previsori, errori di previsione, funzioni di perdita/costo, ottimalità del previsore sotto funzione di perdita soggettiva. Il ranking della capacità previsiva: approccio descrittivo e test inferenziali.

Testi/Bibliografia

Materiale del docente

Metodi didattici

Il corso è tenuto sia in aula (dove vengono trattati gli aspetti teorici) sia in laboratorio dove si realizzano simulazioni e casi aziendali/di studio).

Per gli studenti che intendono frequentare in presenza i laboratori è necessario svolgere in via preventiva la formazione sul tema della sicurezza nei luoghi di studio, [https://elearning-sicurezza.unibo.it/] in modalità e-learning (moduli 1 e 2 ).

OPZIONALE (i.e., per un numero limitato di studenti) è possibile candidarsi per discutere con il docente (in aula) un caso di studio (nessuna perdita o profitto attesi).

Modalità di verifica e valutazione dell'apprendimento

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:

- conoscenza a degli strumenti statistici illustrati durante le lezioni frontali

- capacità di impiegare tali strumenti

- capacità di impiegare i risultati ottenuti al fine di interpretare il fenomeno oggetto di studio e di realizzare processi di decisione.

La prova d'esame è svolta in forma orale, normalmente preceduta da una prova scritta che prevede alcune domande sui metodi (“domande di teoria”), ed esercizi in cui gli studenti dimostrano di saper applicare gli strumenti acquisiti. Per ogni domanda è previsto un punteggio da 0 a 36. 6 punti per la mancata risposta. Il punteggio finale della prova scritta si ottiene come media dei voti.

Durante la prova non è ammesso l'uso di materiale di supporto quale libri di testo, dispense, appunti, supporti informatici.

Per sostenere la prova d'esame è necessaria l'iscrizione tramite bacheca elettronica, nel rispetto delle scadenze previste. Coloro che non riuscissero ad iscriversi entro la data prevista, sono tenuti a comunicare tempestivamente (e comunque prima della chiusura ufficiale delle liste di iscrizione) il problema alla segreteria didattica. Sarà facoltà del docente ammetterli a sostenere la prova.

La verbalizzazione della valutazione avviene nella data fissata ed indicata in Almaesami. E' possibile prendere visione del compito e chiedere chiarimenti prima dell'esame orale. La possibilità di utilizzare orari alternativi di ricevimento per prendere visione del compito è riservata a casi eccezionali, con una valida motivazione. La verbalizzazione può avvenire in assenza dello studente.

Strumenti a supporto della didattica

Slide del docente. Sessioni al computer utilizzando i software: Excel, Gretl e R.

Orario di ricevimento

Consulta il sito web di Andrea Guizzardi

SDGs

Lavoro dignitoso e crescita economica Imprese innovazione e infrastrutture Consumo e produzione responsabili

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.