logo-polimi
Loading...
Risorse bibliografiche
Risorsa bibliografica obbligatoria
Risorsa bibliografica facoltativa
Scheda Riassuntiva
Anno Accademico 2004/2005
Facoltà Scuola di Ingegneria dei Sistemi
Insegnamento 072457 - BUSINESS INTELLIGENCE
Docente Vercellis Carlo
Cfu 10.00 Tipo insegnamento Monodisciplinare

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (2 liv.)(ord. 509) - CO (174) INGEGNERIA GESTIONALE* AZZZZ072457 - BUSINESS INTELLIGENCE

Programma dettagliato e risultati di apprendimento attesi

Obiettivi
L'insegnamento Business intelligence si propone di fornire agli studenti la capacità di utilizzare metodologie e strumenti di business intelligence rivolti al supporto alle decisioni e alla gestione della conoscenza, con particolare riferimento a contesti di e-business. Verranno illustrati i recenti progressi delle tematiche su cui si fondano le tecniche di business intelligence, quali teoria delle decisioni, data warehousing, sistemi di supporto alle decisioni, data mining, modelli di e-business, modelli analitici. Il corso illustra numerosi ambiti di applicazione delle tecniche di business intelligence, dal customer relationship management, alla valutazione delle prestazioni interne di un'azienda, all'ottimizzazione della catena logistica. Tali tematiche vengono affrontate in una prospettiva multidisciplinare, che investe aspetti modellistici, informatici e organizzativi.

Programma del corso
Parte I: Il processo decisionale e le architetture per l'analisi dei dati Teoria delle decisioni; analisi e rappresentazione dei processi decisionali. Data warehousing (DWH) e data mart; sistemi informativi direzionali; OLAP e modelli di dati multi-dimensionali. Sistemi di supporto alle decisioni (DSS); componenti e realizzazione di un DSS; scelta delle piattaforme; valutazione economica; impatto organizzativo.
Parte II: Marketing intelligence e customer relationship management Le strategie e il processo di CRM; modelli analitici per l'analisi esplorativa, la profilazione, la segmentazione, la conquista, la fidelizzazione della customer base; modelli per cross-selling e up-selling; modelli di automazione della forza di vendita (SFA); modelli per l'ottimizzazione delle campagne di marketing.
Parte III: Data mining Applicazioni e funzionalità; il processo e le tecniche principali: alberi di classificazione, regole di associazione, clustering, reti neurali; modelli esplicativi; tecniche di visualizzazione e esplorazione grafica dei dati; metodi di raccolta e analisi dei dati attraverso il Web; text-mining.
Parte IV: Manufacturing intelligence Modelli di ottimizzazione della catena logistica; modelli integrati di pricing e produzione; revenue management (RM).
Parte V: Business intelligence e prestazioni aziendali Sistemi di misura e analisi delle performance; sistemi di visualizzazione e reporting direzionale; modelli di benchmarking; data envelopment analysis (DEA).


Note Sulla Modalità di valutazione
 

Bibliografia

Bibliografia
Decision support systems:
E.G. Mallach, 2000. Decision support and data warehouse systems, McGraw Hill (cap. 1,2,12,13)
C. Vercellis. I sistemi di supporto alle decisioni: evoluzioni e prospettive. Sistemi & Impresa, sett. 1989.
Customer relationship management:
F. Tourniaire, 2002. CRM. La guida completa per l'analisi e il miglioramento dei processi CRM, McGraw Hill (cap. 1)
M. Berry, G.S. Linoff, 2002. Data mining, Apogeo (cap. 3,4)
Data mining:
R.J. Roiger, M.W. Geatz, 2003. Introduzione al data mining, McGraw Hill (cap. 2,3,4,8)
Manufacturing intelligence:
C. Vercellis, 1999. L'ottimizzazione della catena logistica integrata: il caso Barilla Alimentare. Logistica e Management 102.
J. F. Shapiro, 1993. Mathematical programming models and methods for production planning and scheduling. Management Science 4, pp. 371-390.
S. C. Graves, 1982. Using Lagrangean techniques to solve hierarchical production planning problems. Management Science 28, pp. 260-274.
P. J. Billington, J. O. McClain, L. J. Thomas, 1983. Mathematical programming approaches to capacity-constrained MRP systems: review, formulation and problem reduction. Management Science 29, pp. 1126-1141.
G. R. Bitran, D. Tirupati, 1993. Hierarchical production planning. Handbooks in Operations Research and Management Science 4, pp. 523-536.
C. Vercellis, 1991. Multi-criteria models for capacity analysis and aggregate planning in manufacturing systems. International Journal of Production Economics, pp. 261-272.
Revenue mangement:
J. Eliashberg, R. Steinberg, 1993. Marketing-production joint decision-making. Handbooks in Operations Research and Management Science 5, pp. 827-837.
J. Thomas, 1970. Price-production decisions with deterministic demand. Management Science 16, pp. 747-750.
A.G. Sogomonian, C. S. Tang, 1993. A modeling framework for coordinating promotion and production decisions within a firm. Management Science 39, pp. 191-203.
Salesforce automation:
M.B. Vanderbosch, C. B. Weinberg, 1993. Salesforce operations. Handbooks in Operations Research and Management Science 5, pp. 654-694.
Data envelopment analysis:
A. Boussofiane, R. G. Dyson, E. Thanassoulis, 1991. Applied data envelopment analysis. European Journal of Operational Research 52, pp. 1-15.


Mix Forme Didattiche
Tipo Forma Didattica Ore didattiche
lezione
60.0
esercitazione
40.0
laboratorio informatico
0.0
laboratorio sperimentale
0.0
laboratorio di progetto
0.0

Informazioni in lingua inglese a supporto dell'internazionalizzazione
Insegnamento erogato in lingua Inglese
schedaincarico v. 1.6.5 / 1.6.5
Area Servizi ICT
17/06/2021