Solo pochi attimi di attesa

Posizione corrente:

Ti trovi in: Home » Scuola di Formazione Aziendale » Analisi dei dati » Analisi dei Dati con Excel o R Studio

Analisi dei Dati con Excel o R Studio

Introduzione all’Analisi dei Dati con Excel e/o R Studio: comprensione, pretrattamento, analisi temporale, analisi predittiva, segmentazione

A cosa serve l’Analisi dei Dati

L’Analisi dei Dati include un vasto insieme di tecniche per estrarre dai dati informazioni non immediatamente visibili, ma ad alto valore aggiunto. In generale, si tratta di trovare “regole” nascoste nei dati e utili in problemi di vario genere.

E’ opinione comune (specie in ambito aziendale) che l’impiego di queste tecniche richieda competenze specialistiche difficili da acquisire rapidamente e a basso costo. In realtà, molte tecniche di base sono alla portata di tutti e la loro implementazione con software di uso comune, come Excel o R Studio, è relativamente poco impegnativa. Di contro, esse consentono di impostare razionalmente problemi complessi e rilevanti, ai quali offrono risposte spesso illuminanti!

L’applicazione di queste tecniche, tuttavia, costituisce solo l’ultima fase del processo di esplorazione dei dati. Prima di essa, è cruciale la fase della comprensione dei dati, perché le loro caratteristiche spesso orientano il lavoro successivo. Il corsista imparerà semplici tecniche analitiche e grafiche, utili a individuare, con poco sforzo, criticità come dati mancanti, anomali, ecc.

Una volta compresi, i dati dovranno essere preparati per potervi applicare le tecniche esplorative più avanzate. Infatti, senza opportune correzioni e trasformazioni dei dati, molti metodi esplorativi sono inutilizzabili, o generano risultati non attendibili. Il corsista imparerà, tra l’altro, a migliorare la qualità dei dati, a creare variabili più informative, a selezionare solo alcune variabili a discapito di altre.

Giunti alla fase esplorativa vera e propria, la scelta tra i numerosi metodi dovrà tener conto degli obiettivi dell’analisi e dei dati disponibili. Se l’aspetto dinamico è importante in una serie di dati, l’analisi temporale può far luce su caratteristiche quali trend, ciclo, stagionalità. Se l’obiettivo è previsionale, l’analisi predittiva può essere di grande aiuto, sia per dati quantitativi che qualitativi. In altri casi interessa segmentare i dati in base alla loro affinità e allora le tecniche di clustering sono la risposta.

Destinatari, didattica e calendario

Il campo di applicazione dell’Analisi dei dati è sterminato. Questo corso, che non assume conoscenze pregresse di alcun genere, è destinato a chi voglia muovere i primi passi in questo affascinante settore, per studio o professione, gettando le basi per eventuali approfondimenti successivi. Le lezioni combinano gli elementi teorici con esempi e applicazioni pratiche e illustrative, sfruttando software di uso comune quali Excel e/o R Studio.

Sono previste 20 ore di lezione erogate da uno o più Tutor della SFA; si suggerisce un minimo di 2-3 ore a settimana. Giorni e orari di lezione vanno concordati con i Tutor; si assicura ogni sforzo per accomodare le preferenze dei partecipanti, entro la finestra 8:00 – 23:00, lun – dom.

Quota di partecipazione

700,00€.

La quota di partecipazione può variare in caso di personalizzazione del programma e si riferisce all’erogazione a un solo partecipante, in aula virtuale tramite la nostra piattaforma (Tutoring Room). Contatta il nostro Staff per informazioni sul costo del corso in caso di erogazione a due o più partecipanti e/o in aula tradizionale.

Attestato

Al termine del corso si rilascia un attestato di partecipazione riportante il programma svolto e firmato dal corpo docente. Si può anche richiedere la certificazione delle conoscenze acquisite previo superamento di una prova d’esame.


Analisi dei Dati

Programma

  1. Il processo di esplorazione dei dati

    Verranno illustrate le idee fondamentali dell’esplorazione dei dati, collocandole nello schema CRISP-DM (CRoss Industry Standard Process for Data Mining) elaborato da un consorzio di grandi società del settore Data Science.

  2. La comprensione dei dati

    Verranno presentati principi e metodi per migliorare la comprensione dei dati grezzi: la loro natura, la loro organizzazione e accessibilità, la loro qualità, le relazioni (elementari) che li legano, sono di fondamentale importanza per orientare le fasi successive del processo data analysis.

  3. La preparazione dei dati

    Verranno discusse le principali operazioni da eseguire sui dati grezzi per risolvere alcuni dei problemi rilevati in fase di comprensione dei dati, aumentarne il potere informativo e potervi applicare i metodi dell’Analisi dei Dati limitando il rischio di ottenere risultati poco attendibili.

  4. Introduzione all’analisi temporale: serie storiche deterministiche

    Una variabile osservata nel corso del tempo produce una serie temporale o storica. Si mostrerà come scomporne l’andamento in componenti di trend, ciclo e stagionalità. Verranno discussi modelli interpretativi di tipo polinomiale, esponenziale, a media mobile, con livellamento esponenziale e si introdurranno le principali tecniche di destagionalizzazione.

  5. Introduzione all’analisi predittiva: regressione e alberi

    Verrà introdotto il modello di regressione lineare, per valutare se tra una variabile-risposta e una o più variabili-predittori esiste un legame lineare e, nel caso, quali siano le sue caratteristiche. Oltre che misurare l’impatto dei predittori sulla risposta, si potrà prevedere la risposta in un nuovo data object i cui predittori siano noti. Verranno poi presentati gli alberi di classificazione, molto utili quando la variabile-risposta è di tipo qualitativo.

  6. Introduzione alla segmentazione dei dati: clustering gerarchico e k-means

    Verranno trattati metodi che separano i dati in gruppi sempre più piccoli, creando una gerarchia di cluster visualizzabile in una struttura ad albero che ne agevola l’interpretazione e l’utilizzo. Verranno poi discussi metodi che formano i cluster aggregando gli oggetti intorno a un certo numero di “centri”, in modo da assicurare massima compattezza nei cluster ma massima separazione tra i cluster.

Personalizzazioni

La SFA è disponibile a valutare richieste di personalizzazione del programma del corso sotto vari profili. Puoi aggiungere argomenti funzionali agli obiettivi formativi, anche in sostituzione di argomenti in programma valutati di minor interesse. Puoi aggiungere prerequisiti, qualora tu ritenga di non avere le conoscenze di base necessarie per affrontate uno o più argomenti. Possiamo anche calibrare la didattica dando maggiore attenzione agli aspetti teorici o, viceversa, a quelli operativi.

Vuoi maggiori informazioni?

Scopri di cosa parliamo

Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et dolore magnam aliquam keywords.