Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
LUCA VIRGILI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [EM11] DATA SCIENCE PER L'ECONOMIA E LE IMPRESE Master Degree (2 years) - [EM11] DATA SCIENCE FOR ECONOMICS AND BUSINESS
Dipartimento: [040002] Dipartimento Scienze Economiche e SocialiDepartment: [040002] Dipartimento Scienze Economiche e Sociali
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2022-2023
Obbligatorio
Crediti: 6
Ore di lezioneTeaching hours: 44
TipologiaType: F - Altro
Settore disciplinareAcademic discipline: ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
ITALIANO
Italian
Conoscenza di base relativa ai database e alla Data Analytics
Basic knowledge about databases and Data Analytics
Il corso verrà svolto attraverso esercitazioni e lezioni teoriche.
The course includes both practical and theoretical lessons.
L’obiettivo del corso è lo studio dei principali strumenti per la Data Analytics e la Business Intelligence secondo i Magic Quadrant di Gartner, che sono Qlik, Tableau e Power BI. Per ognuno di essi, si studierà la capacità di supportare l’utente durante il caricamento, l’estrazione, la manipolazione e la successiva analisi dei dati. La presentazione di questi tool avviene principalmente attraverso esercitazioni su dati provenienti da diversi contesti. Nel corso è prevista anche una panoramica dell’analisi delle serie temporali e lo studio di un approccio sia con gli strumenti precedenti e che con il linguaggio di programmazione Python.
Capacità di applicare conoscenze e comprensione.
Al termine del corso, lo studente sarà in grado di lavorare in team per la creazione di progetti di Data Analytics. In particolare, lo studente saprà quale soluzione utilizzare a seconda del contesto e saprà come costruire una dashboard fruibile per l’utente finale. Inoltre, sarà in grado di interpretare i dati e presentare i risultati ottenuti in modo da sostenere la sua discussione.
Competenze trasversali.
Il corso è fortemente basato sulla realizzazione di progetti in gruppo. Questo favorisce la capacità di lavorare con altri colleghi, di gestire i conflitti e di comunicare in maniera efficace. Durante il corso verranno presentati dati di contesti eterogenei che fornirà l’opportunità di confrontarsi con scenari stimolanti.
Knowledge and Understanding.
The aim of the course is to study the main tools for Data Analytics and Business Intelligence according to Gartner's Magic Quadrant, which are Qlik, Tableau and Power BI. For each of them, we will study their ability to support the end user during the loading, extraction, manipulation and analysis of data. These tools are mainly studied through exercises on data from different contexts. In this course, an overview of time series analysis is also included, along with a study of an approach with both the previous tools and Python.
Capacity to apply Knowledge and Understanding.
At the end of the course, the student will be able to work in team to create Data Analytics projects. Specifically, the student will know which solution to use depending on the context and how to build an effective dashboard for the end user. The student will be able to interpret data and present their findings in order to support their discussion.
Transversal Skills.
The course is based on group projects, which fosters the ability to work with other colleagues, manage conflict, and communicate effectively. Data from heterogeneous contexts will be presented throughout the course, which is an opportunity to engage with challenging scenarios.
(1) Introduzione ai tool di Data Analytics e Business Intelligence.
(2) Data Storytelling e Dashboard Design.
(3) Qlik Sense. Studio della piattaforma Qlik Sense Cloud. Creazione di un ambiente collaborativo. Caricamento dei dati tramite la modalità tabella, bolla ed editor di script. Manipolazione dei dati attraverso l’interfaccia di Qlik Sense e lo script di caricamento dati. Creazione di misure e dimensioni. Creazione di visualizzazioni, dashboard e racconti.
(4) Tableau Desktop e Tableau Prep. Caricamento e manipolazione dei dati in Tableau Desktop. Marks, Cards, Show Me. Creazione di Worksheet, Dashboard e Story. Creazione di misure e dimensioni. Analisi dei trend e loro valutazione. Previsioni su serie temporali e calcolo metriche di accuratezza. Caricamento e manipolazione approfondita dei dati tramite Tableau Prep.
(5) Power BI Desktop. Studio delle tre componenti: Power Pivot per la creazione di modelli dei dati, Power Query per l’estrazione e la manipolazione dei dati, Power View per la visualizzazione dei dati. Data Analysis eXpressions (DAX) per la creazione di misure e dimensioni. Integrazione con Python, R e Marketplace. Query con M, Parametri, Funzioni.
(6) Analisi delle serie temporali. Decomposizione della serie tramite scomposizione additiva e moltiplicativa. Serie temporali stazionarie e non-stazionarie. Tecniche di smoothing di una serie temporale. Introduzione ai modelli autoregressivi, a media mobile ed ARIMA. Metriche di valutazione dell’accuratezza delle previsioni.
1) Introduction to Data Analytics and Business Intelligence tools.
(2) Data Storytelling and Dashboard Design.
(3) Qlik Sense. Study of the Qlik Sense Cloud platform. Creation of a collaborative environment. Loading data via table mode, bubble mode, and script editor. Manipulation of data through Qlik Sense interface and data loading script. Create measurements and dimensions. Create visualizations, dashboards, and stories.
(4) Tableau Desktop and Tableau Prep. Load and manipulate data in Tableau Desktop. Marks, Cards, Show Me. Create Worksheets, Dashboards, and Stories. Create measures and dimensions. Trend analysis and evaluation. Time series forecasting and accuracy metrics calculation. Data loading and manipulation using Tableau Prep.
(5) Power BI Desktop. Analysis of the three components: Power Pivot for data modeling, Power Query for data extraction and manipulation, Power View for data visualization. Data Analysis eXpressions (DAX) for creating measures and dimensions. Integration with Python, R and Marketplace. Queries with M, Parameters, Functions.
(6) Time series analysis. Series decomposition by additive and multiplicative decomposition. Stationary and non-stationary time series. Smoothing techniques of a time series. Introduction to autoregressive, moving average and ARIMA models. Metrics for evaluating forecast accuracy.
L’esame prevede la realizzazione di progetti di Data Analytics con relative tesine ed una prova orale in cui si discuteranno i risultati ottenuti. Il lavoro verrà svolto in gruppo e richiederà l’utilizzo di Qlik Sense, Tableau Desktop e Power BI Desktop su più insiemi di dati reali provenienti da contesti scelti dagli studenti.
Per gli di studenti con disabilità/invalidità o disturbo specifico di apprendimento (DSA), che abbiano fatto debita richiesta di supporto per affrontare lo specifico esame di profitto all’Info Point Disabilità/DSA dell’Ateneo, le modalità di esame saranno adattate alla luce di quanto previsto dalle linee guida di Ateneo (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Criteri di valutazione dell'apprendimento.
Per superare l’esame lo studente deve dimostrare, attraverso i progetti, di aver compreso i concetti fondamentali del corso e di aver acquisito competenze sulle principali soluzioni di Data Analytics e Business Intelligence. La valutazione massima è attribuita agli studenti che dimostrino un’ottima conoscenza dei tool, un’ottima capacità di interpretazione e presentazione dei risultati ottenuti dalle analisi.
Criteri di misurazione dell'apprendimento.
Viene attribuito un voto in trentesimi con eventuale lode
Criteri di attribuzione del voto finale.
Il voto complessivo dipende principalmente dalla qualità dei progetti e dal contributo che lo studente dimostrerà di aver dato ad essi. Durante la prova orale, viene presa in considerazione la qualità della presentazione dei progetti e la padronanza degli argomenti del corso.
Learning Evaluation Methods.
The exam involves Data Analytics group projects and an oral test in which these projects will be discussed. The projects will require the use of Qlik Sense, Tableau Desktop and Power BI Desktop on different real-world datasets chosen by the students.
For students with disabilities or Specific Learning Disorder (SLD) who have contacted the University Disability/SLD Info Point to request support for the specific curricular exam, please note that the way the exam is taken can be adapted in accordance with the University Guidelines (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Learning Evaluation Criteria.
Through the developed projects, the student must show the comprehension of the fundamental course concepts and the required skills on the main Data Analytics and Business Intelligence solutions. The highest evaluation is given to students who demonstrate excellent knowledge of the tools, excellent ability to interpret and present the results obtained from the analyses.
Learning Measurement Criteria.
The student learning will be measured with a maximum of 30 points, possibly cum laude.
Final Mark Allocation Criteria.
The evaluation depends mainly on the quality of the projects and the contribution that the student gave to them. During the oral test, the quality of the projects presentation and the knowledge of the course topics are evaluated.
Dispense fornite dal docente
• M. Mahler, J. I. Vitantonio, “Mastering Qlik Sense: Expert techniques on self-service data analytics to create enterprise ready Business Intelligence solutions”. Packt, 2018.
• D. G. Murray, “Tableau Your Data!: Fast and Easy Visual Analysis With Tableau Software”. Wiley, 2015.
• D. Clark, “Beginning Power BI: A Practical Guide to Self-Service Data Analytics”. Apress, 2017.
• C. N. Knaflic “Storytelling With Data: A Data Visualization Guide For Business Professionals”. Wiley, 2015.
• R. H. Shumway, D. S. Stoffer, “Time Series Analysis and Its Applications: With R Examples”. Springer, 2010.
Slides provided by the professor.
• M. Mahler, J. I. Vitantonio, “Mastering Qlik Sense: Expert techniques on self-service data analytics to create enterprise ready Business Intelligence solutions”. Packt, 2018.
• D. G. Murray, “Tableau Your Data!: Fast and Easy Visual Analysis With Tableau Software”. Wiley, 2015.
• D. Clark, “Beginning Power BI: A Practical Guide to Self-Service Data Analytics”. Apress, 2017.
• C. N. Knaflic “Storytelling With Data: A Data Visualization Guide For Business Professionals”. Wiley, 2015.
• R. H. Shumway, D. S. Stoffer, “Time Series Analysis and Its Applications: With R Examples”. Springer, 2010.
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427