Ti interessa specializzarti in Data Science? Con TECH, potrai accedere a 10 Master class uniche e aggiuntive, tenute da un celebre docente di grande fama internazionale"

Perché studiare in TECH?

TECH è la più grande scuola di business 100% online del mondo.

Si tratta di una Business School d'élite, con un modello dotato dei più alti standard accademici. Un centro internazionale ad alto rendimento per la formazione intensiva di competenze manageriali.     

TECH è l’università all'avanguardia della tecnologia, che agglomera tutte le risorse a sua disposizione con l’obiettivo di aiutare lo studente a raggiungere il successo aziendale”

In TECH Università Tecnologica

Innovazione

L'università offre un modello di apprendimento online che combina le ultime tecnologie educative con il massimo rigore pedagogico Un metodo unico con il più alto riconoscimento internazionale che fornirà allo studente le chiavi per inserirsi in un mondo in costante cambiamento, in cui l'innovazione è concepita come la scommessa essenziale di ogni imprenditore.

“Caso di Successo Microsoft Europa” per aver incorporato l'innovativo sistema multi-video interattivo nei nostri programmi.

Massima esigenza

Il criterio di ammissione di TECH non è economico. Non è necessario investire eccessivamente per studiare in questa università. Tuttavia, per ottenere un titolo rilasciato da TECH, i limiti dell'intelligenza e della capacità dello studente saranno sottoposti a prova.I nostri standard accademici sono molto alti.

Il 95% ddegli studenti di TECH termina i suoi studi con successo.

Networking

In TECH partecipano professionisti provenienti da tutti i Paesi del mondo al fine di consentire allo studente di creare una vasta rete di contatti utile per il suo futuro. 

+100.000 manager specializzati ogni anno, +200 nazionalità differenti.

Empowerment

Lo studente cresce di pari passo con le migliori aziende e professionisti di grande prestigio e influenza. TECH ha instaurato alleanze strategiche e una preziosa rete di contatti con i principali esponenti economici provenienti dai 7 continenti. 

+500 Accordi di collaborazione con le migliori aziende.

Talento

Il nostro programma è una proposta unica per far emergere il talento dello studente nel mondo imprenditoriale. Un'opportunità unica di affrontare i timori e la propria visione relativi al business.

TECH si propone di aiutare gli studenti a mostrare al mondo il proprio talento grazie a questo programma.

Contesto Multiculturale

Gli studenti che intraprendono un percorso con TECH possono godere di un'esperienza unica. Studierai in un contesto multiculturale. Lo studente, inserito in un contesto globale, potrà addentrarsi nella conoscenza dell’ambito lavorativo multiculturale mediante una raccolta di informazioni innovativa e che si adatta al proprio concetto di business.

Gli studenti di TECH provengono da più di 200 nazioni differenti.  

Impara dai migliori del settore

Il personale docente di TECH contribuisce a mostrare agli studenti il proprio bagaglio di esperienze attraverso un contesto reale, vivo e dinamico.  Si tratta di docenti impegnati in una specializzazione di qualità che permette allo studente di avanzare nella sua carriera e distinguersi in ambito imprenditoriale.

Professori provenienti da 20 nazionalità differenti.

TECH punta all'eccellenza e dispone di una serie di caratteristiche che la rendono unica:   

Analisi

In TECH esploriamo il tuo lato critico, la tua capacità di affrontare le incertezze, la tua competenza nel risolvere i problemi e risaltare le tue competenze interpersonali.  

Eccellenza accademica

TECH fornisce allo studente la migliore metodologia di apprendimento online. L’università unisce il metodo Relearning (una metodologia di apprendimento post-laurea che ha ottenuto un’eccellente valutazione a livello internazionale) al Metodo Casistico. Un difficile equilibrio tra tradizione e avanguardia, visto l’esigente contesto accademico nel quale è inserito.

Economia di scala

TECH è la più grande università online del mondo. Possiede più di 10.000 titoli universitari. Nella nuova economia, volume + tecnologia = prezzo dirompente.In questo modo, garantiamo che lo studio non sia eccessivamente costoso rispetto ad altre università.   

In TECH avrai accesso ai casi di studio più rigorosi e aggiornati del mondo accademico”  

Questo Master specialistico coprirà una vasta gamma di contenuti, progettati per fornire ai professionisti una comprensione completa dell'intersezione tra gestione aziendale e scienza dei dati. Saranno inclusi i fondamenti di analisi dei dati, apprendimento automatico, data mining e statistiche avanzate. Gli studenti saranno anche immersi in argomenti relativi al processo decisionale basato sui dati, alle strategie di visualizzazione dei dati e ai metodi di modellazione predittiva. Inoltre, verranno affrontati aspetti cruciali della gestione come leadership, comunicazione efficace, etica e allineamento delle strategie di dati agli obiettivi aziendali.

Ti doterai di un set completo di competenze, fondendo l'esperienza nella scienza dei dati con le capacità di gestione aziendale, essenziali per guidare nell'era dell'informazione"

Piano di studi

Il Master specialistico MBA in Data Science Management (DSO, Chief Data Science Officer) di TECH Università Tecnologica è un programma intensivo che prepara gli studenti ad affrontare le sfide e le decisioni imprenditoriali, a livello internazionale. Il suo contenuto è pensato per favorire lo sviluppo delle competenze direttive che consentono un processo decisionale più rigoroso in contesti incerti.

Durante 3.600 ore di studio, lo studente analizzerà una moltitudine di casi pratici attraverso il lavoro individuale, ottenendo un apprendimento di alta qualità che potrà essere applicato successivamente alla sua pratica quotidiana. Si tratta quindi di una vera e propria immersione in situazioni reali di business.

Questo programma tratta in profondità le caratteristiche della scienza dei dati da applicare a ogni reparto dell'azienda ed è progettato per consentire ai manager di comprendere la gestione aziendale da una prospettiva strategica, internazionale e innovativa.  

Un piano pensato per gli studenti, incentrato sul loro miglioramento professionale e che li prepara a raggiungere l'eccellenza nella gestione del Data Science e della direzione aziendale. Un programma che capisce le tue esigenze e quelle della tua azienda attraverso contenuti innovativi basati sulle ultime tendenze, supportati dalla migliore metodologia educativa e da un claustro eccezionale, che conferirà loro competenze per risolvere situazioni critiche in modo creativo ed efficiente.

Modulo 1. Leadership, Etica e Responsabilità Sociale d’Impresa
Modulo 2. Direzione strategica e Management Direttivo 
Modulo 3. Direzione del personale e gestione del talento
Modulo 4. Direzione economico-finanziaria
Modulo 5. Direzione di operazioni e logistica
Modulo 6. Direzione dei sistemi informativi
Modulo 7. Gestione Commerciale, Marketing Strategico e Comunicazione Corporativa
Modulo 8. Ricerche di mercato, pubblicità e direzione commerciale
Modulo 9. Innovazione e Direzione di Progetti
Modulo 10. Management Direttivo
Modulo 11. Analitica dei dati nell'organizzazione aziendale  
Modulo 12. Gestione e manipolazione di dati e informazioni per la Data Science  
Modulo 13. Dispositivi e piattaforme IoT come base per la Data Science
Modulo 14. Rappresentazione grafica per l'analisi dei dati   
Modulo 15. Strumenti di Data Science   
Modulo 16. Data Mining Selezione, pre-elaborazione e trasformazione  
Modulo 17. Prevedibilità e analisi dei fenomeni stocastici 
Modulo 18. Progettazione e sviluppo di sistemi intelligenti 
Modulo 19. Consulenza e ricerca turistica 
Modulo 20. Applicazione pratica della Data Science nei settori di attività imprenditoriale

Dove, quando e come si realizza?

TECH ti offre la possibilità di sviluppare questo Master specialistico MBA in Data Science Management (DSO, Chief Data Science Officer) online. Durante i 2 anni della specializzazione, lo studente potrà accedere a tutti i contenuti di questo programma in qualsiasi momento, permettendogli di gestire autonomamente il suo tempo di studio. 

Modulo 1. Leadership, Etica e Responsabilità Sociale d’Impresa

1.1. Globalizzazione e Governance

1.1.1. Governance e Corporate Governance
1.1.2. Fondamenti della Corporate Governance nelle imprese
1.1.3. Il Ruolo del Consiglio di Amministrazione nel quadro della Corporate Governance

1.2. Leadership

1.2.1. Leadership: Un approccio concettuale
1.2.2. Leadership nelle imprese
1.2.3. L'importanza del leader nella direzione di imprese

1.3. Cross Cultural Management

1.3.1. Concetto di Cross Cultural Management
1.3.2. Contributi alla conoscenza delle culture nazionali
1.3.3. Gestione della Diversità

1.4. Sviluppo manageriale e leadership

1.4.1. Concetto di Sviluppo Direttivo
1.4.2. Concetto di leadership
1.4.3. Teorie di leadership
1.4.4. Stili di leadership
1.4.5. L’intelligenza nella leadership
1.4.6. Le sfide del leader nell’attualità

1.5. Etica d’impresa

1.5.1. Etica e Morale
1.5.2. Etica Aziendale
1.5.3. Leadership ed etica nelle imprese

1.6. Sostenibilità

1.6.1. Sostenibilità e sviluppo sostenibile
1.6.2. Agenda 2030
1.6.3. Le imprese sostenibili

1.7. Responsabilità Sociale d’Impresa

1.7.1. Dimensione internazionale della Responsabilità Sociale d’Impresa
1.7.2. Implementazione della Responsabilità Sociale d’Impresa
1.7.3. Impatto e misurazione della Responsabilità Sociale d’Impresa

1.8. Sistemi e strumenti di gestione responsabile

1.8.1. RSC: Responsabilità sociale corporativa
1.8.2. Aspetti essenziali per implementare una strategia di gestione responsabile
1.8.3. Le fasi di implementazione di un sistema di gestione della responsabilità sociale d'impresa
1.8.4. Strumenti e standard della RSC

1.9. Multinazionali e diritti umani

1.9.1. Globalizzazione, imprese multinazionali e diritti umani
1.9.2. Imprese multinazionali di fronte al diritto internazionale
1.9.3. Strumenti giuridici per le multinazionali in materia di diritti umani

1.10. Ambiente legale e Corporate Governance

1.10.1. Regolamenti internazionali di importazione ed esportazione
1.10.2. Proprietà intellettuale e industriale
1.10.3. Diritto internazionale del lavoro

Modulo 2. Direzione strategica e Management Direttivo 

2.1. Analisi e progettazione organizzativa

2.1.1. Quadro concettuale
2.1.2. Fattori chiave nella progettazione organizzativa
2.1.3. Modelli organizzativi di base
2.1.4. Progettazione organizzativa: Tipologie

2.2. Strategia corporativa

2.2.1. Strategia aziendale competitivi
2.2.2. Strategie di crescita: Tipologie
2.2.3. Quadro concettuale

2.3. Pianificazione e formulazione strategica

2.3.1. Quadro concettuale
2.3.2. Elementi della pianificazione strategica
2.3.3. Formulazione strategica: Processo della pianificazione strategica

2.4. Pensieri strategici

2.4.1. L’impresa come sistema
2.4.2. Concetto di organizzazione

2.5. Diagnosi finanziaria

2.5.1. Concetto di diagnosi finanziaria
2.5.2. Fasi della Diagnosi Finanziaria
2.5.3. Metodi di Valutazione per la Diagnosi Finanziaria

2.6. Pianificazione e Strategia

2.6.1. Il Piano Strategico
2.6.2. Posizionamento Strategico
2.6.3. La Strategia nell’Impresa

2.7. Modelli e Schemi Strategici

2.7.1. Quadro Concettuale
2.7.2. Modelli Strategici
2.7.3. Modelli Strategici: le Cinque P della Strategia

2.8. Strategia Competitiva

2.8.1. Il Vantaggio Competitivo
2.8.2. Scelta di una Strategia Competitiva
2.8.3. Strategie secondo il Modello dell'Orologio Strategico
2.8.4. Tipi di Strategia secondo il ciclo di vita del settore industriale

2.9. Direzione strategica

2.9.1. Il concetto di strategia
2.9.2. Il processo di direzione strategica
2.9.3. Approcci della direzione strategica

2.10. Implementazione della Strategia

2.10.1. Sistema di Indicatori e Approccio mediante Processi
2.10.2. Mappa Strategica
2.10.3. Allineamento Strategico

2.11. Management Direttivo

2.11.1. Quadro concettuale del Management Direttivo
2.11.2. Management Direttivo: Il Ruolo del Consiglio di Amministrazione nel quadro della Corporate Governance

2.12. Comunicazione Strategica

2.12.1. Comunicazione interpersonale
2.12.2. Capacità di comunicazione e influenza
2.12.3. La comunicazione interna
2.12.4. Barriere per la comunicazione aziendale

Modulo 3. Direzione del personale e gestione del talento 

3.1. Comportamento Organizzativo

3.1.1. Comportamento Organizzativo: Quadro concettuale
3.1.2. Principali fattori del comportamento organizzativo

3.2. Le persone nelle organizzazioni

3.2.1. Qualità di vita lavorativa e benessere psicologico
3.2.2. Team di lavoro e conduzione di riunioni
3.2.3. Coaching e gestione di team
3.2.4. Gestione dell'uguaglianza e della diversità

3.3. Direzione Strategica di persone

3.3.1. Direzione Strategica e risorse umane
3.3.2. Management strategico del personale

3.4. Evoluzione delle Risorse: Una visione d’insieme

3.4.1. L'importanza delle Risorse Umane.
3.4.2. Un nuovo ambiente per la gestione e la direzione delle persone
3.4.3. Direzione strategica di Risorse Umane.

3.5. Selezione, dinamiche di gruppo e assunzioni delle risorse umane.

3.5.1. Approccio al reclutamento e alla selezione
3.5.2. Il reclutamento
3.5.3. Il processo di selezione

3.6. Gestione delle risorse umane basata sulle competenze

3.6.1. Analisi del potenziale
3.6.2. Politiche di retribuzione
3.6.3. Piani di avanzamento di carriera/successione

3.7. Valutazione e gestione del rendimento lavorativo

3.7.1. Gestione del rendimento
3.7.2. Gestione della prestazione lavorativa: Obiettivi e processo

3.8. Gestione della formazione

3.8.1. Le teorie di apprendimento
3.8.2. Individuazione e mantenimento dei talenti
3.8.3 Gamification e gestione dei talenti
3.8.4.  Corsi di aggiornamento e obsolescenza professionale

3.9. Gestione del talento

3.9.1. Elementi chiave della gestione positiva
3.9.2. Origine concettuale del talento e coinvolgimento nell'impresa
3.9.3. Mappa dei talenti nell'organizzazione
3.9.4. Costo e valore aggiunto

3.10. Innovazione nella gestione dei talenti e del personale

3.10.1. Modelli di gestione del talento strategico
3.10.2. Identificazione, aggiornamento professionale e sviluppo dei talenti
3.10.3. Fedeltà e fidelizzazione
3.10.4. Proattività e innovazione

3.11. Motivazione

3.11.1. La natura della motivazione
3.11.2. Teoria delle aspettative
3.11.3. Teoria dei bisogni
3.11.4. Motivazione e compensazione economica

3.12. Employer Branding

3.12.1. Employer Branding per le Risorse Umane
3.12.2. Personal Branding per il personale delle Risorse Umane.

3.13. Sviluppo di team ad alte prestazioni

3.13.1. Team ad alte prestazioni: team autogestiti
3.13.2. Metodologie per la gestione di team autogestiti ad alte prestazioni

3.14. Sviluppo delle competenze manageriali

3.14.1. Cosa sono le competenze manageriali?
3.14.2. Elementi delle competenze
3.14.3. Conoscenza
3.14.4. Capacità di direzione
3.14.5. Atteggiamenti e valori nei dirigenti
3.14.6. Abilità manageriali

3.15. Gestione del tempo

3.15.1. Benefici
3.15.2. Quali possono essere le cause di una cattiva gestione del tempo?
3.15.3. Tempo
3.15.4. Le illusioni del tempo
3.15.5. Attenzione e memoria
3.15.6. Stato mentale
3.15.7. Gestione del tempo
3.15.8. Proattività
3.15.9. Avere chiaro l'obiettivo
3.15.10. Ordine
3.15.11. Pianificazione

3.16. Gestione del cambiamento

3.16.1. Gestione del cambiamento
3.16.2. Tipo di processi di gestione del cambiamento
3.16.3. Tappe o fasi nella gestione del cambiamento

3.17. Negoziazione e gestione dei conflitti

3.17.1. Negoziazione
3.17.2. Gestione dei Conflitti
3.17.3. Gestione delle Crisi

3.18. Comunicazione direttiva

3.18.1. Comunicazione interna ed esterna nel settore delle imprese
3.18.2. Dipartimento di comunicazione
3.18.3. Il responsabile di comunicazione di azienda. Il profilo del Dircom

3.19. Gestione di Risorse Umane e team di Prevenzione dei Rischi Professionali

3.19.1. Gestione delle risorse umane e strumentazione
3.19.2. Prevenzione dei rischi sul lavoro

3.20. Produttività, attrazione, mantenimento e attivazione del talento

3.20.1. La produttività
3.20.2. Leve di attrazione e ritenzione del talento

3.21. Compensazione monetaria vs. Non monetaria

3.21.1. Compensazione monetaria vs. non monetaria
3.21.2. Modelli di categorie salariali
3.21.3. Modelli di compensazione non monetaria
3.21.4. Modelli di lavoro
3.21.5. Comunità aziendale
3.21.6. Immagine dell’impresa
3.21.7. Retribuzione emotiva

3.22. Innovazione nella gestione dei talenti e del personale II

3.22.1. Innovazione nelle Organizzazioni
3.22.2. Nuove sfide del dipartimento di Risorse Umane
3.22.3 Nuove sfide del dipartimento di Risorse Umane
3.22.4 Gestione dell’Innovazione
3.22.5 Strumenti per l’Innovazione

3.23. Gestione della conoscenza e del talento

3.23.1. Gestione della conoscenza e del talento
3.23.2. Implementazione della gestione della conoscenza

3.24. Trasformazione delle risorse umane nell’era digitale

3.24.1. Il contesto socioeconomico
3.24.2. Nuove forme di organizzazione aziendale
3.24.3. Nuove metodologie

Modulo 4. Direzione economico-finanziaria 

4.1. Contesto Economico

4.1.1. Contesto macroeconomico e sistema finanziario nazionale
4.1.2. Istituti finanziari
4.1.3. Mercati finanziari
4.1.4. Attivi finanziari
4.1.5. Altri enti del settore finanziario

4.2. Il finanziamento dell'azienda

4.2.1. Fonti di finanziamento
4.2.2. Tassi di costo del finanziamento

4.3. Contabilità direttiva

4.3.1. Concetti di base
4.3.2. L’Attivo aziendale
4.3.3. Il Passivo aziendale
4.3.4. Il Patrimonio Netto dell'azienda
4.3.5. Il Conto Economico

4.4. Dalla contabilità generale alla contabilità dei costi

4.4.1. Elementi di calcolo dei costi
4.4.2. Le spese nella contabilità generale e nella contabilità dei costi
4.4.3. Classificazione dei costi

4.5. Sistemi informativi e Business Intelligence

4.5.1. Concetto e classificazione
4.5.2. Fasi e metodi della ripartizione dei costi
4.5.3. Scelta del centro di costi ed effetti

4.6. Bilancio di previsione e controllo di gestione

4.6.1. Il modello di bilancio
4.6.2. Bilancio di Capitale
4.6.3. Bilancio di Gestione
4.6.4. Bilancio del Tesoro
4.6.5. Controllo del bilancio

4.7. Gestione della tesoreria

4.7.1. Fondo di Manovra Contabile e Fondo di Manovra Necessario
4.7.2. Calcolo dei Bisogni Operativi dei Fondi
4.7.3. Credit Management

4.8. Responsabilità fiscale delle imprese

4.8.1. Nozioni fiscali di base
4.8.2. L'imposta sulle società
4.8.3. L'imposta sul valore aggiunto
4.8.4. Altre imposte connesse con l'attività commerciale
4.8.5. L'impresa come facilitatore del lavoro di Stato

4.9. Sistemi di controllo delle imprese

4.9.1. Analisi dei rendiconti finanziari
4.9.2. Il Bilancio aziendale
4.9.3. Il Conto di Perdite e Profitti
4.9.4. Lo Stato del Flusso di Cassa
4.9.5. Analisi di Ratio

4.10. Direzione finanziaria

4.10.1. Decisioni finanziarie dell'azienda
4.10.2. Dipartimento finanziario
4.10.3. Eccedenza di tesoreria
4.10.4. Rischi associati alla direzione finanziaria
4.10.5. Gestione dei rischi della direzione finanziaria

4.11. Pianificazione Finanziaria

4.11.1. Definizione della pianificazione finanziaria
4.11.2. Azioni da effettuare nella pianificazione finanziaria
4.11.3. Creazione e istituzione della strategia aziendale
4.11.4. La tabella Cash Flow
4.11.5. La tabella di flusso

4.12. Strategia Finanziaria d’Impresa

4.12.1. Strategia aziendale e fonti di finanziamento
4.12.2. Prodotti finanziari di finanziamento aziendale

4.13. Contesto Macroeconomico

4.13.1. Contesto macroeconomico
4.13.2. Indicatori economici rilevanti
4.13.3. Meccanismi per il controllo di grandezze macroeconomiche
4.13.4. Cicli economici

4.14. Finanziamento strategico

4.14.1. Autofinanziamento
4.14.2. Aumento dei fondi propri
4.14.3. Risorse ibride
4.14.4. Finanziamenti tramite intermediari finanziari

4.15. Mercati monetari e di capitali

4.15.1. Il mercato monetario
4.15.2. Mercato a Reddito Fisso
4.15.3. Mercato a Reddito Variabile
4.15.4. Mercato Valutario
4.15.5. Mercati dei Derivati

4.16. Analisi e pianificazione finanziaria

4.16.1. Analisi dello Stato Patrimoniale
4.16.2. Analisi del Conto Economico
4.16.3. Analisi del Rendimento

4.17. Analisi e risoluzione di casi/problemi

4.17.1. Informazioni finanziarie di Industria di Disegno e Tessile, S.A. (INDITEX)

Modulo 5. Gestione di operazioni e logistica 

5.1. Direzione e Gestione Operazioni

5.1.1. La funzione delle operazioni
5.1.2. L'impatto delle operazioni sulla gestione delle imprese
5.1.3. Introduzione alla strategia di operazioni
5.1.4. La direzione delle operazioni

5.2. Organizzazione industriale e logistica

5.2.1. Dipartimento di Organizzazione Industriale
5.2.2. Dipartimento di logistica

5.3. Struttura e tipi di produzione (MTS, MTO, ATO, ETO, ecc.)

5.3.1. Sistemi di produzione
5.3.2. Strategia di produzione
5.3.3. Sistema di gestione di inventario
5.3.4. Indici di produzione

5.4. Struttura e tipi di approvvigionamento

5.4.1. Ruolo dell'approvvigionamento
5.4.2. Gestione dell’approvvigionamento
5.4.3. Tipi di acquisto
5.4.4. Gestione degli acquisti di un'azienda in modo efficiente
5.4.5. Fasi del processo decisionale dell’acquisto

5.5. Controllo economico degli acquisti

5.5.1. Influenza economica degli acquisti
5.5.2. Centro di costo
5.5.3. Bilancio
5.5.4. Preventivo vs spesa reale
5.5.5. Strumenti di controllo del preventivo

5.6. Controllo delle operazioni di magazzinaggio

5.6.1. Controllo dell'inventario
5.6.2. Sistema di localizzazione
5.6.3. Tecniche di gestione dello stock
5.6.4. Sistemi di stoccaggio

5.7. Gestione strategica degli acquisti

5.7.1. Strategia aziendale
5.7.2. Pianificazione strategica
5.7.3. Strategia degli acquisti

5.8. Tipologie della Catena di Approvvigionamento (SCM)

5.8.1. Catena di approvvigionamento
5.8.2. Benefici della gestione della catena approvvigionamento
5.8.3. Gestione logistica della catena di approvvigionamento

5.9. Supply Chain Management

5.9.1. Concetto di Gestione della Catena di Approvvigionamento (SCM)
5.9.2. Costi ed efficienza della catena di operazioni
5.9.3. Modelli di domanda
5.9.4. Strategia di trading e cambiamento

5.10. Interazioni della SCM con tutte le aree

5.10.1. Interazione della catena di approvvigionamento
5.10.2. Interazione della catena di approvvigionamento. Integrazione per parti
5.10.3. Problemi di integrazione della catena di approvvigionamento
5.10.4. Catena di approvvigionamento 4.0

5.11. Costi della Logistica

5.11.1. Costi logistici
5.11.2. Problemi dei costi logistici
5.11.3. Ottimizzazione dei costi logistici

5.12. Redditività ed efficacia delle catene logistiche: KPIS

5.12.1. Catena logistica
5.12.2. Redditività ed efficacia delle catene logistiche
5.12.3. Indici di redditività ed efficacia delle catene logistiche

5.13. Gestione dei processi

5.13.1. La gestione dei processi
5.13.2. Approccio basato sul processo: Mappa dei processi
5.13.3. Miglioramenti nella gestione dei processi

5.14. Distribuzione e logistica di trasporto

5.14.1. Distribuzione della catena di approvvigionamento
5.14.2. Logistica dei Trasporti
5.14.3. Sistemi di informazione geografica a supporto della logistica

5.15. Logistica e clienti

5.15.1. Analisi della domanda
5.15.2. Previsione della domanda e delle vendite
5.15.3. Pianificazione delle vendite e delle operazioni
5.15.4. Pianificazione partecipativa, previsione e rifornimento (CPFR)

5.16. Logistica internazionale

5.16.1. Processi di esportazione e importazione
5.16.2. Dogana
5.16.3. Modalità e Metodi di Pagamento Internazionali
5.16.4. Piattaforme logistiche a livello internazionale

5.17. Outsourcing delle operazioni

5.17.1. Gestione delle operazioni e Outsourcing
5.17.2. Attuazione dell'outsourcing in ambienti logistici

5.18. Competitività nelle operazioni

5.18.1. Gestione delle Operazioni
5.18.2. Competitività operativa
5.18.3. Strategia delle operazioni e vantaggi competitivi

5.19. Gestione della qualità

5.19.1. Cliente interno e cliente esterno
5.19.2. Costi di qualità
5.19.3. Il miglioramento continuo e la filosofia di Deming

Modulo 6. Direzione di sistemi informativi

6.1. Ambienti tecnologici

6.1.1. Tecnologia e globalizzazione
6.1.2. Ambiente economico e tecnologia
6.1.3. Ambiente tecnologico e il suo impatto nelle imprese

6.2. Sistemi e tecnologie dell'informazione dell’azienda

6.2.1. Evoluzione del modello di IT
6.2.2. Organizzazione e dipartimento IT
6.2.3. Tecnologie dell’informazione e contesto economico

6.3. Strategia aziendale e tecnologica

6.3.1. Creazione di valore per clienti e azionisti
6.3.2. Decisioni strategiche di SI/TI
6.3.3. Strategia aziendale vs strategia tecnologica e digitale

6.4. Direzione di Sistemi Informativi

6.4.1. Corporate governance della tecnologia e i sistemi di informazione
6.4.2. Gestione dei sistemi informativi nelle imprese
6.4.3. Dirigenti esperti di sistema di informazione: Ruoli e funzioni

6.5. Pianificazione strategica delle tecnologie d’informazione

6.5.1. Sistemi di informazione e strategia aziendale
6.5.2. Pianificazione strategica dei sistemi di informazioni
6.5.3. Fasi della pianificazione strategica dei sistemi informativi

6.6. Sistemi di informazione per il processo decisionale

6.6.1. Business Intelligence
6.6.2. Data Warehouse
6.6.3. BSC o Scheda di Valutazione Integrale

6.7. Esplorando le informazioni

6.7.1. SQL Database relazionali Concetti di base
6.7.2. Reti e comunicazioni
6.7.3. Sistema operativo: Modello di dati standardizzati
6.7.4. Sistema strategico: OLAP, modello multidimensionale e dashboard grafico
6.7.5. Analisi strategica di database e reporting

6.8. Business Intelligence Aziendale

6.8.1. Il mondo del dato
6.8.2. Concetti rilevanti
6.8.3. Principali caratteristiche
6.8.4. Soluzioni nel mercato di oggi
6.8.5. Architettura globale di una soluzione BI
6.8.6. Sicurezza informatica in BI e Data Science

6.9. Nuovo concetto aziendale

6.9.1. Perché BI?
6.9.2. Ottenere informazioni
6.9.3. BI nei diversi reparti dell'azienda
6.9.4. Ragioni per investire in BI

6.10. Strumenti e soluzioni di BI

6.10.1. Come scegliere lo strumento migliore?
6.10.2. Microsoft Power BI, MicroStrategy e Tableau
6.10.3. SAP BI, SAS BI e Qlikview
6.10.4. Prometeus

6.11. Pianificazione e direzione di un Progetto BI

6.11.1. Primi passi nella definire un progetto di BI
6.11.2. Soluzione BI per l'azienda
6.11.3. Requisiti e obiettivi

6.12. Applicazioni di gestione aziendale

6.12.1. Sistemi di informazione e gestione aziendale
6.12.2. Applicazioni per la gestione aziendale
6.12.3. Sistemi Enterpise Resource Planning o ERP

6.13. Trasformazione Digitale

6.13.1. Quadro concettuale della trasformazione digitale
6.13.2. Trasformazione digitale: Elementi chiave, vantaggi e svantaggi
6.13.3. Trasformazione digitale nelle aziende

6.14. Tecnologie e tendenze

6.14.1. Principali tendenze nel settore della tecnologia che stanno cambiando i modelli di business
6.14.2. Analisi delle principali tecnologie emergenti

6.15. Outsourcing di TI

6.15.1. Quadro concettuale di outsourcing
6.15.2. Outsourcing di TI e il suo impatto nel business
6.15.3. Le chiavi per implementare progetti di outsourcing di TI

Modulo 7. Gestione Commerciale, Marketing Strategico e Comunicazione Corporativa

7.1. Direzione commerciale

7.1.1. Quadro concettuale della Direzione Commerciale
7.1.2. Strategia e pianificazione aziendale
7.1.3. Il ruolo dei direttori commerciali

7.2. Marketing

7.2.1. Concetto di Marketing
7.2.2. Elementi base del Marketing
7.2.3. Attività di Marketing aziendale

7.3. Gestione strategica del Marketing

7.3.1. Concetto di Marketing strategico
7.3.2. Concetto di pianificazione strategica di marketing
7.3.3. Fasi del processo di pianificazione strategica di Marketing

7.4. Digital Marketing e e-commerce

7.4.1. Obiettivi di Marketing digitale e e-commerce
7.4.2. Marketing Digitale e media che utilizza
7.4.3. E-commerce: Contesto generale
7.4.4. Categorie dell’e-commerce
7.4.5. Vantaggi e svantaggi dell’E-commerce rispetto al commercio tradizionale

7.5. Managing Digital Business

7.5.1. Strategia competitiva di fronte alla crescente digitalizzazione dei media
7.5.2. Progettazione e creazione di un piano di Marketing Digitale
7.5.3. Analisi del ROI in un piano di Marketing Digitale

7.6. Marketing digitale per rafforzare il marchio

7.6.1. Strategie online per migliorare la reputazione del tuo marchio
7.6.2. Branded Content & Storytelling

7.7. Strategia di Marketing Digitale

7.7.1. Definire la strategia del Marketing Digitale
7.7.2. Creazione di una strategia di Marketing Digitale

7.8. Marketing Digitale per captare e fidelizzare clienti

7.8.1. Strategie di fidelizzazione e creazione di un vincolo mediante internet
7.8.2. Visitor Relationship Management
7.8.3. Ipersegmentazione

7.9. Gestione delle campagne digitali

7.9.1. Che cos'è una campagna pubblicitaria digitale?
7.9.2. Passi per lanciare una campagna di marketing online
7.9.3. Errori nelle campagne pubblicitarie digitali

7.10. Piano di Marteking Online

7.10.1. Che cos'è un piano di Marketing Online?
7.10.2. Step per creare un piano di Marketing Online
7.10.3. Vantaggio di un piano di Marketing Online

7.11. Blended Marketing

7.11.1. Cos’è il Blended Marketing?
7.11.2. Differenze tra Marketing Online e Offline
7.11.3. Aspetti da considerare nella strategia di Blended Marketing
7.11.4. Caratteristiche di una strategia di Blended Marketing
7.11.5. Raccomandazioni in Blended Marketing
7.11.6. Vantaggi del Blended Marketing

7.12. Strategie di vendita

7.12.1. Strategie di vendita
7.12.2. Metodi di vendite

7.13. Comunicazione aziendale

7.13.1. Concetto
7.13.2. Importanza della comunicazione nell’organizzazione
7.13.3. Tipo della comunicazione nell’organizzazione
7.13.4. Funzioni della comunicazione nell’organizzazione
7.13.5. Elementi della comunicazione
7.13.6. Problemi di comunicazione
7.13.7. Scenari di comunicazione

7.14. Strategia di comunicazione corporativa

7.14.1. Programmi di motivazione, azione sociale, partecipazione e allenamento con Risorse Umane
7.14.2. Strumenti e di comunicazione interna
7.14.3. Il piano di comunicazione interna

7.15. Comunicazione e reputazione online

7.15.1. La reputazione online
7.15.2. Come misurare la reputazione digitale?
7.15.3. Strumenti di reputazione online
7.15.4. Rapporto sulla reputazione online
7.15.5. Branding online

Modulo 8. Ricerche di mercato, pubblicità e direzione commerciale

8.1. Ricerche di Mercato

8.1.1. Ricerche di mercato: Origine storica
8.1.2. Analisi ed evoluzione del quadro concettuale della ricerca di mercato
8.1.3. Elementi chiave e apporto di valore della ricerca di mercato

8.2. Metodi e tecniche di ricerca quantitativa

8.2.1. Dimensione del campione
8.2.2. Campioni
8.2.3. Tipi di Tecniche Quantitative

8.3. Metodi e tecniche di ricerca qualitativa

8.3.1. Tipi di ricerca qualitativa
8.3.2. Tecniche di ricerca qualitativa

8.4. Segmentazione dei mercati

8.4.1. Concetto di segmentazione del mercato
8.4.2. Utilità e requisiti della segmentazione
8.4.3. Segmentazione dei mercati di consumo
8.4.4. Segmentazione dei mercati industriali
8.4.5. Strategie di segmentazione
8.4.6. Segmentazione in base ai criteri del marketing mix
8.4.7. Metodologia di segmentazione del mercato

8.5. Gestione di progetti di ricerca

8.5.1. La ricerca di mercato come processo
8.5.2. Le fasi di pianificazione della ricerca di marketing
8.5.3. Fasi di esecuzione della ricerca di marketing
8.5.4. Gestione di un progetto di ricerca

8.6. La ricerca di mercati internazionali

8.6.1. Ricerca di Mercati Internazionali
8.6.2. Processo di ricerca di mercati internazionali
8.6.3. L'importanza delle fonti secondarie nella ricerca di mercati internazionali

8.7. Studi di fattibilità

8.7.1. Concetto e utilità
8.7.2. Schema di studio di fattibilità
8.7.3. Sviluppo di studio di fattibilità

8.8. Pubblicità

8.8.1. Contesto storico della pubblicità
8.8.2. Quadro concettuale della Pubblicità: Principi, concetto di briefing e posizionamento 
8.8.3. Agenzie pubblicitarie, agenzie di media e professionisti della pubblicità
8.8.4. Importanza della pubblicità nel mondo degli affari
8.8.5. Tendenze e sfide della pubblicità

8.9. Sviluppo del piano di marketing

8.9.1. Concetto del Piano di Marketing
8.9.2. Analisi e diagnosi della situazione
8.9.3. Decisioni strategiche di marketing
8.9.4. Decisioni operative di marketing

8.10. Strategie di promozione e merchandising

8.10.1. Comunicazione di marketing integrato
8.10.2. Piano di comunicazione pubblicitaria
8.10.3. Il Merchandising come tecnica di Comunicazione

8.11. Pianificazione dei media

8.11.1. Origine ed evoluzione della pianificazione dei media
8.11.2. Mezzi di comunicazione
8.11.3. Piano dei media

8.12. Fondamenti di direzione commerciale

8.12.1. Il ruolo della direzione commerciale
8.12.2. Sistemi di analisi della situazione concorrenziale commerciale impresa/mercato
8.12.3. Sistemi di pianificazione aziendale dell'azienda
8.12.4. Principali strategie competitive

8.13. Negoziazione commerciale

8.13.1. Negoziazione commerciale
8.13.2. Le questioni psicologiche della negoziazione
8.13.3. Principali metodi di negoziazione
8.13.4. Il processo di negoziazione

8.14. Processo decisionale nella gestione commerciale

8.14.1. Strategia commerciale e strategia competitiva
8.14.2. Modelli di processo decisionale
8.14.3. Analitica e strumenti per il processo decisionale
8.14.4. Comportamento umano nel processo decisionale

8.15. Direzione e gestione della rete di vendite

8.15.1. Sales Management. Direzione delle vendite
8.15.2. Reti al servizio dell’attività commerciale
8.15.3. Politiche di selezione e formazione di venditori
8.15.4. Sistemi di remunerazione delle reti commerciali interne ed esterne
8.15.5. Gestione del processo commerciale: Controllo e assistenza alle attività di marketing sulla base delle informazioni

8.16. Attuazione della funzione commerciale

8.16.1. Contrattazione di imprese proprie e agenti commerciali
8.16.2. Controllo dell'attività commerciale
8.16.3. Il codice deontologico del personale commerciale
8.16.4. Adempimento Normativo
8.16.5. Norme commerciali generalmente accettate

8.17. Gestione dei conti chiave

8.17.1. Concetto di gestione dei conti chiave
8.17.2. Il Key Account Manager
8.17.3. Strategia di Gestione dei Conti Chiave

8.18. Gestione finanziaria e di budget

8.18.1. Il punto di pareggio
8.18.2. Controllo di gestione e piano annuale delle vendite Controllo di gestione e del piano annuale di vendite
8.18.3. Impatto finanziario delle decisioni strategiche commerciali
8.18.4. Gestione del ciclo, rotazioni, redditività e liquidità
8.18.5. Conto dei risultati

Modulo 9. Innovazione e Direzione dei Progetti

9.1. Innovazione

9.1.1. Introduzione all’innovazione
9.1.2. Innovazione nell'ecosistema delle imprese
9.1.3. Strumenti per il processo di innovazione aziendale

9.2. Strategia di innovazione

9.2.1. Intelligenza strategica dell’innovazione
9.2.2. Strategia di innovazione

9.3. Project Management nelle Start-up

9.3.1. Concetto di startup
9.3.2. Filosofia Lean Startup
9.3.3. Fasi dello sviluppo di una startup
9.3.4. Il ruolo di un project manager in una startup

9.4. Pianificazione e verifica del modello di business

9.4.1. Marco concettuale di un modello di business
9.4.2. Progettazione della valutazione del modello aziendale

9.5. Direzione e Gestione di Progetti

9.5.1. Project Management identificazione delle opportunità per sviluppare progetti aziendali di innovazione
9.5.2. Fasi principali o fasi di direzione e gestione di progetti innovativi

9.6. La gestione del cambiamento nell'industria: Gestire l’aggiornamento professionale del personale

9.6.1. Concetto di gestione del cambiamento
9.6.2. Processi di gestione del cambiamento
9.6.3. Implementazione del cambiamento

9.7. Gestione della comunicazione di progetti

9.7.1. Gestione della comunicazione di progetti
9.7.2. Concetti chiave per la gestione della comunicazione
9.7.3. Tendenze emergenti
9.7.4. Adattamento alla squadra
9.7.5. Pianificare la gestione delle comunicazioni
9.7.6. Gestire le comunicazioni
9.7.7. Monitorare le comunicazioni

9.8. Metodologie tradizionali e innovative

9.8.1. Metodologie di innovazione
9.8.2. Principi di base dello Scrum
9.8.3. Differenze tra gli aspetti principali dello Scrum e delle metodologie tradizionali

9.9. Creazione di una startup

9.9.1. Creazione di una startup
9.9.2. Organizzazione e cultura
9.9.3. I dieci principali motivi per cui falliscono le startup
9.9.4. Aspetti legali

9.10. Pianificazione della gestione dei rischi nei progetti

9.10.1. Pianificazione dei rischi
9.10.2. Elementi per creare un piano di gestione dei rischi
9.10.3. Strumenti per creare un piano di gestione di rischi
9.10.4. Contenuto del piano di gestione dei rischi

Modulo 10. Management Direttivo

10.1. General Management

10.1.1. Concetto di General Management
10.1.2. L’azione del General Management
10.1.3. Il direttore generale e le sue funzioni
10.1.4. Trasformazione del lavoro della direzione

10.2. Il direttivo e le sue funzioni: La cultura organizzativa e i suoi approcci

10.2.1. Il direttivo e le sue funzioni: La cultura organizzativa e i suoi approcci

10.3. Direzione di operazioni

10.3.1. Importanza della direzione
10.3.2. La catena di valore
10.3.3. Gestione della qualità

10.4. Oratoria e preparazione dei portavoce

10.4.1. Comunicazione interpersonale
10.4.2. Capacità di comunicazione e influenza
10.4.3. Barriere nella comunicazione

10.5. Strumenti di comunicazioni personali e organizzative

10.5.1. Comunicazione interpersonale
10.5.2. Strumenti della comunicazione interpersonale
10.5.3. La comunicazione nelle imprese
10.5.4. Strumenti nelle imprese

10.6. Comunicazione in situazioni di crisi

10.6.1. Crisi
10.6.2. Fasi della crisi
10.6.3. Messaggi: Contenuti e momenti

10.7. Preparazione di un piano di crisi

10.7.1. Analisi dei potenziali problemi
10.7.2. Pianificazione
10.7.3. Adeguatezza del personale

10.8. Intelligenza emotiva

10.8.1. Intelligenza emotiva e comunicazione
10.8.2. Assertività, empatia e ascolto attivo
10.8.3. Autostima e comunicazione emotiva

10.9. Branding personale

10.9.1. Strategie per sviluppare il brand personale
10.9.2. Leggi del branding personale
10.9.3. Strumenti per la costruzione di brand personali

10.10. Leadership e gestione di team

10.10.1. Leadership e stile di leadership
10.10.2. Capacità e sfide del Leader
10.10.3. Gestione dei Processi di Cambiamento
10.10.4. Gestione di Team Multiculturali

Modulo 11. Analitica dei dati nell'organizzazione aziendale 

11.1. Analisi di business  

11.1.1. Analisi di business 
11.1.2. Struttura del dato 
11.1.3. Fasi e elementi

11.2. Analisi dei dati nell'impresa

11.2.1. Schede di valutazione e KPI per dipartimento
11.2.2. Rapporto operativo, tattico e strategico
11.2.3. Analisi dei dati applicata a ciascun dipartimento

11.2.3.1. Marketing e comunicazione
11.2.3.2. Commerciale
11.2.3.3. Servizio clienti
11.2.3.4. Acquisti
11.2.3.5. Amministrazione
11.2.3.6. Risorse Umane
11.2.3.7. Produzione
11.2.3.8. IT

11.3. Marketing e comunicazione 

11.3.1. KPI da misurare, applicazioni e benefici 
11.3.2. Sistemi di Marketing e Data Warehouse 
11.3.3. Implementazione di una struttura di analisi dei dati nel marketing 
11.3.4. Piano di marketing e comunicazione 
11.3.5. Strategia, previsione e gestione delle campagne 

11.4. Commerciale e vendite  

11.4.1. Contributi dell'analisi dei dati nell'area commerciale  
11.4.2. Esigenze del dipartimento di vendite 
11.4.3. Studi di mercato  

11.5. Servizio clienti

11.5.1. Fidelizzazione
11.5.2. Qualità personale e intelligenza emotiva
11.5.3. Soddisfazione del cliente

11.6. Acquisti

11.6.1. Analisi dei dati per le ricerche di mercato
11.6.2. Analisi dei dati per le ricerche di concorrenza
11.6.3. Altre applicazioni

11.7. Amministrazione

11.7.1. Esigenze del dipartimento di amministrazione
11.7.2. Data Warehouse e analisi di rischio finanziario
11.7.3. Data Warehouse e analisi di rischio di credito

11.8. Risorse umane

11.8.1. Risorse umane e benefici dell’analisi dei dati
11.8.2. Strumenti di analisi dei dati nel reparto HR.
11.8.3. Applicazioni di analisi dei dati nel dipartimento di Risorse Umane

11.9. Produzione

11.9.1. Analisi dei dati nel dipartimento di produzione
11.9.2. Applicazioni
11.9.3. Benefici

11.10. IT

11.10.1. Dipartimento di IT
11.10.2. Analisi dei dati e trasformazione digitale
11.10.3. Innovazione e produttività

Modulo 12. Gestione e manipolazione dei dati e delle informazioni per la Data Science 

12.1. Statistica. Variabili, indici e rapporti

12.1.1. La Statistica
12.1.2. Dimensioni statistiche
12.1.3. Variabili, indici e rapporti

12.2. Tipologia del dato

12.2.1. Qualitativi
12.2.2. Quantitativi
12.2.3. Caratterizzazione e categoria

12.3. Conoscenza dei dati delle misurazioni

12.3.1. Misure di centralizzazione
12.3.2. Misure di dispersione
12.3.3. Correlazione

12.4. Conoscenza dei dati dei grafici

12.4.1. Visualizzazione in funzione al tipo di dato
12.4.2. Interpretazione dell’informazione grafica
12.4.3. Personalizzazione della grafica con R

12.5. Probabilità

12.5.1. Probabilità
12.5.2. Funzione di probabilità
12.5.3. Distribuzione

12.6. Raccolta di dati

12.6.1. Metodologia di raccolta
12.6.2. Strumenti di raccolta
12.6.3. Canali di raccolta

12.7. Pulizia del dato

12.7.1. Fasi di pulizia dei dati
12.7.2. Qualità del dato
12.7.3. Elaborazione dei dati (con R)

12.8. Analisi dei dati, interpretazione e valutazione dei risultati

12.8.1. Misure statistiche
12.8.2. Indici di relazione
12.8.3. Data Mining

12.9. Magazzino dati (Data Warehouse)

12.9.1. Elementi
12.9.2. Design

12.10. Disponibilità del dato

12.10.1. Accesso
12.10.2. Utilità
12.10.3. Sicurezza

Modulo 13. Dispositivi e piattaforme IoT come base per la Data Science 

13.1. Internet of Things

13.1.1. Internet del futuro, Internet of Things
13.1.2. Il consorzio di internet industriale

13.2. Architettura di riferimento

13.2.1. Architettura di riferimento
13.2.2. Livelli
13.2.3. Componenti

13.3. Sensori e dispositivi IoT

13.3.1. Componenti principali
13.3.2. Sensori e azionatori

13.4. Comunicazioni e protocolli

13.4.1. Protocolli: Modello OSI
13.4.2. Tecnologie di comunicazione

13.5. Piattaforme Cloud per IoT e IIoT

13.5.1. Piattaforme con proposito generale
13.5.2. Piattaforme industriali
13.5.3. Piattaforme con codice aperto

13.6. Gestione dei dati in piattaforme IoT

13.6.1. Meccanismi di gestione di dati: Dati aperti
13.6.2. Scambio e visualizzazione dei dati

13.7. Sicurezza in IoT

13.7.1. Requisiti e aree di sicurezza
13.7.2. Strategie di sicurezza in IIoT

13.8. Applicazioni IoT

13.8.1. Cure intelligenti
13.8.2. Salute e condizione fisica
13.8.3. Casa intelligente
13.8.4. Altre applicazioni

13.9. Applicazioni di IIoT

13.9.1. Fabbricazione
13.9.2. Trasporto
13.9.3. Energia
13.9.4. Agricoltura e allevamento
13.9.5. Altri settori

13.10. Industria 4.0

13.10.1. IoRT (Internet of Robotics Things)
13.10.2. Fabbricazione additiva 3D
13.10.3. Big Data Analytic

Modulo 14. Rappresentazione grafica per l'analisi dei dati 

14.1. Analisi esplorativa

14.1.1. Rappresentazione per l'analisi delle informazioni
14.1.2. Il valore della rappresentazione grafica
14.1.3. Nuovi paradigmi della rappresentazione grafica

14.2. Ottimizzazione per la Data Science

14.2.1. Gamma di colori e design
14.2.2. La Gestalt nella rappresentazione grafica
14.2.3. Errori da evitare e consigli

14.3. Fonti di dati base

14.3.1. Per la rappresentazione della qualità
14.3.2. Per la rappresentazione della quantità
14.3.3. Per la rappresentazione del tempo

14.4. Fonti di dati complessi

14.4.1. Archivi, liste e database (DB)
14.4.2. Dati aperti
14.4.3. Dati di generazione continua

14.5. Tipi di grafici

14.5.1. Rappresentazioni di base
14.5.2. Rappresentazione di blocchi
14.5.3. Rappresentazione per l'analisi della dispersione
14.5.4. Rappresentazioni circolari
14.5.5. Rappresentazioni a bolla
14.5.6. Rappresentazioni geografiche

14.6. Tipi di visualizzazione

14.6.1. Comparativo e relazionale
14.6.2. Distribuzione
14.6.3. Gerarchia

14.7. Progettazione di report con rappresentazione grafica

14.7.1. Applicazione dei grafici nei report di marketing
14.7.2. Applicazione dei grafici in dashboard e KPI
14.7.3. Applicazione dei grafici nei piani strategici
14.7.4. Altri usi Scienza, Salute, Affari

14.8. Narrazione grafica

14.8.1. Narrazione grafica
14.8.2. Evoluzione
14.8.3. Utilità

14.9. Strumenti per la visualizzazione

14.9.1. Strumenti avanzati
14.9.2. Software online
14.9.3. Open Source

14.10. Nuove tecnologie per la visualizzazione dei dati

14.10.1. Sistemi per la virtualizzazione della realtà
14.10.2. Sistemi per l’aumento e il miglioramento della realtà
14.10.3. Sistemi intelligenti

Modulo 15. Strumenti di Data Science 

15.1. Data Science

15.1.1. Data Science
15.1.2. Strumenti avanzati per i Data Scientist

15.2. Dati, informazioni e conoscenza

15.2.1. Dati, informazioni e conoscenza
15.2.2. Tipi di dati
15.2.3. Fonti di dati

15.3. Dai dati all’informazione

15.3.1. Analisi dei dati
15.3.2. Tipi di analisi
15.3.3. Estrazione di informazioni da un Dataset

15.4. Estrazione di informazioni tramite visualizzazione

15.4.1. La visualizzazione come strumento di analisi
15.4.2. Metodi di visualizzazione
15.4.3. Visualizzazione di un insieme di dati

15.5. Qualità dei dati

15.5.1. Dati di qualità
15.5.2. Pulizia di dati
15.5.3. Pre-elaborazione base dei dati

15.6. Dataset

15.6.1. Arricchimento del Dataset
15.6.2. La maledizione della dimensionalità
15.6.3. Modifica di un insieme di dati

15.7. Squilibrio

15.7.1. Squilibrio di classe
15.7.2. Tecniche di mitigazione dello squilibrio
15.7.3. Equilibrio di un Dataset

15.8. Modelli non supervisionati

15.8.1. Modelli non controllati
15.8.2. Metodi
15.8.3. Classificazione con modelli non controllati

15.9. Modelli supervisionati

15.9.1. Modelli controllati
15.9.2. Metodi
15.9.3. Classificazione con modelli controllati

15.10. Strumenti e buone pratiche

15.10.1. Buone pratiche per i data scientist
15.10.2. Il modello migliore
15.10.3. Strumenti utili

Modulo 16. Data Mining: selezione, pre-elaborazione e trasformazione 

16.1. Inferenza statistica

16.1.1. Statistica descrittiva e Inferenza statistica
16.1.2. Procedure parametriche
16.1.3. Procedure non parametriche

16.2. Analisi esplorativa

16.2.1. Analisi descrittiva
16.2.2. Visualizzazione
16.2.3. Preparazione dei dati

16.3. Preparazione dei dati

16.3.1. Integrazione e pulizia di dati
16.3.2. Standardizzazione dei dati
16.3.3. Trasformazione degli attributi

16.4. I valori mancanti

16.4.1. Trattamenti dei valori mancanti
16.4.2. Metodi di imputazione a massima verosimiglianza
16.4.3. Imputazione di valori mancanti mediante apprendimento automatico

16.5. Rumore nei dati

16.5.1. Classi di rumore e attributi
16.5.2. Filtraggio del rumore
16.5.3. Effetto del rumore

16.6. La maledizione della dimensionalità

16.6.1. Oversampling
16.6.2. Undersampling
16.6.3. Riduzione dei dati multidimensionali

16.7. Da attributi continui a discreti

16.7.1. Dati continui vs discreti
16.7.2. Processo di discretizzazione

16.8. I dati

16.8.1. Selezione dei dati
16.8.2. Prospettiva e criteri di selezione
16.8.3. Metodi di selezione

16.9. Selezione di istanze

16.9.1. Metodi per la selezione di istanze
16.9.2. Selezione di prototipi
16.9.3. Metodi avanzati per la selezione di istanze

16.10. Pre-elaborazione dei dati negli ambienti Big Data

16.10.1. Big Data
16.10.2. Pre-elaborazione "classica" vs massiva
16.10.3. Smart Data

Modulo 17. Prevedibilità e analisi dei fenomeni stocastici

17.1. Serie temporale

17.1.1. Serie temporale
17.1.2. Utilità e applicabilità
17.1.3. Casi di studio correlati

17.2. Serie temporali

17.2.1. Andamento stagionale della serie temporale
17.2.2. Variazioni tipiche
17.2.3. Analisi dei residui

17.3. Tipologie

17.3.1. Stazionarie
17.3.2. Non stazionarie
17.3.3. Trasformazioni e adattamenti

17.4. Schemi per le serie temporali

17.4.1. Schema additivo (modello)
17.4.2. Schema moltiplicano (modello)
17.4.3. Procedure per determinare il tipo di modello

17.5. Metodi basici di forecast

17.5.1. Media
17.5.2. Naïve
17.5.3. Naïve stagionale
17.5.4. Confronto di metodi

17.6. Analisi dei residui

17.6.1. Autocorrelazione
17.6.2. ACF dei residui
17.6.3. Test di correlazione

17.7. Regressione nel contesto delle serie temporali

17.7.1. ANOVA
17.7.2. Fondamenti
17.7.3. Applicazione pratica

17.8. Modelli predittivi di serie temporali

17.8.1. ARIMA
17.8.2. Livellamento esponenziale

17.9. Manipolazione e analisi delle Serie Temporali con R

17.9.1. Preparazione dei dati
17.9.2. Identificazione dei modelli
17.9.3. Analisi del modello
17.9.4. Previsione

17.10. Analisi grafica combinata con R

17.10.1. Situazioni tipiche
17.10.2. Applicazione pratica per la risoluzione di problemi semplici
17.10.3. Applicazione pratica per la risoluzione di problemi avanzati

Modulo 18. Progettazione e sviluppo di sistemi intelligenti 

18.1. Pre-elaborazione dei dati

18.1.1. Pre-elaborazione dei dati
18.1.2. Trasformazione dei dati
18.1.3. Data Mining

18.2. Apprendimento Automatico

18.2.1. Apprendimento supervisionato e non
18.2.2. Apprendimento per rinforzo
18.2.3. Altri paradigmi di apprendimento

18.3. Algoritmi di classificazione

18.3.1. Apprendimento Automatico Indotto
18.3.2. SVM e KNN
18.3.3. Metriche e punteggi per la classificazione

18.4. Algoritmi di regressione

18.4.1. Regressione lineare, regressione logistica e modelli non lineari
18.4.2. Serie temporali
18.4.3. Metriche e punteggi per la regressione

18.5. Algoritmi di clustering

18.5.1. Tecniche di clustering gerarchico
18.5.2. Tecniche di clustering partizionale
18.5.3. Metriche e punteggi per il clustering

18.6. Tecniche di regole associative

18.6.1. Metodi per l’estrazione di regole
18.6.2. Metriche e punteggi per gli algoritmi di regole associative

18.7. Tecniche di classificazione avanzata: Multiclassificatori

18.7.1. Algoritmi di bagging
18.7.2. Clasificatore “Random Forests”
18.7.3. “Boosting” per alberi decisionali

18.8. Modelli grafici probabilistici

18.8.1. Modelli probabilistici
18.8.2. Reti bayesiane: Proprietà, rappresentazione e parametrizzazione
18.8.3. Altri modelli grafici probabilistici

18.9. Reti neuronali

18.9.1. Apprendimento automatico con reti neuronali artificiali
18.9.2. Reti feedforward

18.10. Deep Learning

18.10.1. Reti feedforward profonde
18.10.2. Reti neurali convoluzionali e modelli di sequenza
18.10.3. Strumenti per l'implementazione di reti neurali profonde

Modulo 19. Architetture e sistemi ad alta intensità di dati

19.1. Requisiti non funzionali: I pilastri delle applicazioni di big data

19.1.1. Affidabilità
19.1.2. Adattamento
19.1.3. Mantenimento

19.2. Modelli di dati

19.2.1. Modello relazionale
19.2.2. Modello documentale
19.2.3. Modello di dati di rete

19.3. Database: Gestione di archiviazione e recupero dei dati

19.3.1. Indici hash
19.3.2. Archiviazione strutturata in log
19.3.3. Alberi B

19.4. Formati di codifica dei dati

19.4.1. Formati specifici di linguaggio
19.4.2. Formati standard
19.4.3. Formati di codifica binari
19.4.4. Flusso di dati tra i processi

19.5. Risposta

19.5.1. Obiettivi di risposta
19.5.2. Modelli di risposta
19.5.3. Problemi di risposta

19.6. Transazioni distribuite

19.6.1. Transazione
19.6.2. Protocolli per le transazioni distribuite
19.6.3. Transazioni serializzabili

19.7. Suddivisione

19.7.1. Forme di suddivisione
19.7.2. Interazione dell'indice secondario e suddiviso
19.7.3. Bilanciamento delle suddivisioni

19.8. Elaborazione dei dati offline

19.8.1. Elaborazione per lotti
19.8.2. File system distribuiti
19.8.3. MapReduce

19.9. Elaborazione dei dati in tempo reale

19.9.1. Tipi di broker di messaggi
19.9.2. Rappresentazione dei database come flussi di dati
19.9.3. Processo dei flussi di dati

19.10. Applicazioni pratiche nell’azienda

19.10.1. Coerenza nelle letture
19.10.2. Approccio olistico ai dati
19.10.3. Scaling di un servizio distribuito

Modulo 20. Applicazione pratica della Data Science nei settori aziendali

20.1. Settore sanitario

20.1.1. Implicazioni dell'IA e dell'analisi dei dati nel settore sanitario
20.1.2. Opportunità e sfide

20.2. Rischi e tendenze nel settore sanitario

20.2.1. Uso nel settore sanitario
20.2.2. Potenziali rischi legati all'utilizzo di IA

20.3. Servizi finanziari

20.3.1. Implicazioni dell'IA e dell'analisi dei dati nel settore dei servizi finanziari
20.3.2. Uso nei servizi finanziari
20.3.3. Potenziali rischi legati all'utilizzo di IA

20.4. Retail

20.4.1. Implicazioni dell'IA e dell'analisi dei dati nel settore del retail
20.4.2. Uso nel settore del retail
20.4.3. Potenziali rischi legati all'utilizzo di IA

20.5. Industria 4.0

20.5.1. Implicazioni dell'IA e dell'analisi dei dati all’Industria 4.0
20.5.2. Uso nell’Industria 4.0

20.6. Rischi e tendenze nell’Industria 4.0

20.6.1. Potenziali rischi legati all'utilizzo di IA

20.7. Pubblica Amministrazione

20.7.1. Implicazioni dell'IA e dell'analisi dei Dati nella Pubblica Amministrazione
20.7.2. Uso nella Pubblica Amministrazione
20.7.3. Potenziali rischi legati all'utilizzo di IA

20.8. Educazione

20.8.1. Implicazioni dell'IA e dell'analisi dei Dati nell’Istruzione
20.8.2. Potenziali rischi legati all'utilizzo di IA

20.9. Silvicoltura e agricoltura

20.9.1. Implicazioni dell'IA e dell'analisi dei dati alla silvicoltura e all’agricoltura
20.9.2. Uso nella silvicoltura e nell’agricoltura
20.9.3. Potenziali rischi legati all'utilizzo di IA

20.10. Risorse umane

20.10.1. Implicazioni dell'IA e dell'analisi dei dati nella gestione di risorse umane
20.10.2. Applicazioni pratiche nel mondo degli affari
20.10.3. Potenziali rischi legati all'uso dell'IA

Questo Master specialistico MBA in Data Science Management (DSO, Chief Data Science Officer) ti formerà a guidare e gestire efficacemente in ambienti aziendali guidati dai dati"