Corso Vittorio Emanuele II, 39 - Roma 0669207671

Gestione d'impresa e tecnologie digitali (Ακαδημαϊκό έτος 2019/2020)

Big Data e basi di dati aziendali



Μαγνητοσκοπημένο μάθημα

ν. μαθήματος 1: Che cosa sono i Big Data
   Esempi, metafore e altri strumenti per pensare

   I dati nella vita d’impresa

   Dati, informazione, conoscenza (e big data)
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 2: La statistica a sostegno delle decisioni
   La statistica nei processi aziendali

   Dati amministrativi e dati statistici

   Dati primari e dati secondari

   La qualità dei dati
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 3: I sistemi informativi aziendali e le principali fonti statistiche
   I sistemi informativi aziendali

   Le principali fonti statistiche
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 4: Interpretazione e comparazione dei dati statistici
   Caratteristiche dei dati: una panoramica

   Usare i dati a fini di comparazione: rapporti statistici
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 5: Rapporti statistici e loro interpretazione
   I rapporti statistici

   Rapporti di coesistenza, di densità e di derivazione

   L’interpretazione dei rapporti generici
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 6: Numeri indici
   I numeri indici elementari

   Indici sintetici

   I principali indici per l’analisi economica
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 7: Analisi e interpretazione degli indici
   Analisi degli indici sintetici

   Variazioni nominali e reali

   Variazioni nel tempo delle grandezze economiche

   Mobilità delle unità di un collettivo
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 8: Le relazioni tra variabili
   I presupposti logici

   Correlazione semplice: analisi e misura
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 9: La regressione semplice
   I presupposti logici

   Il modello lineare

   La regressione lineare semplice
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 10: Stima e impiego della regressione
   Stima e impiego del modello

   La significatività delle stime

   Un esempio concreto

   La regressione lineare multipla
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 11: Produzione di dati ad hoc
   Le indagini aziendali

   Tecniche di rilevazione
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 12: Controllo statistico della qualità
   Concetti generali

   Qualità di processo

   L’obiettivo Sei-Sigma
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 13: Produttività ed efficienza
   La produttività

   L’efficienza

   Data Envelopment Analysis
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 14: Le serie storiche
   Previsioni e serie storiche

   Analisi preliminari

   Metodi di scomposizione
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 15: Indici di bilancio e performance
   Il bilancio d’impresa come fonte informativa

   Gli indici di bilancio

   Analisi statistica degli indici di bilancio
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 16: Analisi multivariate
   Introduzione all’analisi multivariata

   L’analisi in componenti principali
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri
ν. μαθήματος 17: Analisi dei gruppi
   Scopi dell’analisi dei gruppi

   Misurare la somiglianza

   Un metodo non gerarchico

   Un metodo gerarchico
Πηγαίνετε στο μαγνητοσκοπημένο μάθημα Giovanni Alfredo Barbieri