20843 - MARKET RESEARCH AND BUSINESS FORECASTING / MARKET RESEARCH AND BUSINESS FORECASTING
Dipartimento di Scienze delle Decisioni / Department of Decision Sciences
Orario di ricevimento / Student consultation hours
Orario delle lezioni / Class timetable
Calendario esami / Exam timetable
Per la lingua del corso verificare le informazioni sulle classi/
For the instruction language of the course see class group/s below
LUCA MOLTENI
Classe/i impartita/e in lingua italiana
Conoscenze pregresse consigliate
Mission e Programma sintetico
MISSION
PROGRAMMA SINTETICO
-
Fonti dei dati (interni e di ricerca)
-
Fasi e processo di ricerca quantitativa estensiva per sondaggio. Richiami all'analisi univariata e bivariata nell'ambito dell'analisi dei dati provenienti da sondaggio.
-
Introduzione all'analisi statistica multivariata nell'ambito dell'analsi di questionari.
-
Gli approcci quantitativi alla segmentazione della domanda: modello classico e modello flessibile (analisi fattoriale, cluster).
Le tecniche attribute based e non attribute based per lo studio del posizionamento competitivo (Analisi discriminante lineare, Analisi delle corrispondenze, Multidimensional scaling).
-
-
Analisi delle serie storiche: modelli univariati (decomposizione stagionale, exponential smoothing e ARIMA) e modelli multivariati (regressione lineare e logistica).
Il corso è caratterizzato da un alternarsi di lezioni di natura metodologica e di lezioni di natura più applicativa, mediante ricorso a una serie di casi aziendali e all'uso di specifici software diffusi sul mercato. In particolare, si vuole mettere in grado lo studente di replicare in autonomia tutte le analisi proposte durante il corso.
Risultati di Apprendimento Attesi (RAA)
CONOSCENZA E COMPRENSIONE
comprendere i processi di ricerca quantitativa estensiva e di costruzione delle previsioni di business sulle principali dinamiche aziendali e di settore
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
realizzare autonomanente o collaborare alla realizzazione di una ricerca quantitativa estensiva e costruire modelli di previsione basati sulle serie storiche adeguati all'affidabilità richiesta nei processi decisionali aziendali
Modalità didattiche
- Lezioni frontali
- Testimonianze (in aula o a distanza)
- Esercitazioni (esercizi, banche dati, software etc.)
- Lavori/Assignment di gruppo
DETTAGLI
Interverranno per le eventuali testimonianze marketing manager heavy user delle metodologie presentate.
Le esercitazioni saranno realizzate su dati reali e mostreranno l'uso operativo delle tecniche illustrate nelle lezioni frontali.
I lavori di gruppo saranno parte rilevante della prova d'esame.
Metodi di valutazione dell'apprendimento
Accertamento in itinere | Prove parziali | Prova generale | |
---|---|---|---|
|
x | ||
|
x | ||
|
x |
STUDENTI FREQUENTANTI
Per gli studenti frequentanti la valutazione del corso sarà basata su due lavori di gruppo (con gruppi composti al massimo da 3 persone), uno relativo a una ricerca quantitativa estensiva (peso 70%) e una relativa ad un'analisi di serie storiche (peso 30%)
STUDENTI NON FREQUENTANTI
Per gli studenti non frequentanti è prevista una prova finale scritta relativa a tutit gli argomenti affrontati nel corso
Materiali didattici
STUDENTI FREQUENTANTI E NON FREQUENTANTI
Testo d'esame:
L. Molteni e G. Troilo, "Le ricerche di marketing" - II edizione - Egea, Milano, 2022
Class group/s taught in English
Suggested background knowledge
Mission & Content Summary
MISSION
CONTENT SUMMARY
Data sources (internal and research)
Phases and process of extensive quantitative survey by survey. References to univariate and bivariate analysis in the context of the analysis of survey data.
Introduction to multivariate statistical analysis in the context of questionnaire analysis.
Quantitative approaches to demand segmentation: classical model and flexible model (factor analysis, cluster analysis).
The attribute based and non attribute based techniques for the study of competitive positioning (linear discriminant analysis, correspondence analysis, multidimensional scaling).
Time series analysis: univariate models (seasonal decomposition, exponential smoothing and ARIMA) and multivariate models (linear and logistic regression).
The course is characterized by alternating lessons of a methodological nature and lessons of a more applicative nature, through the use of a series of business cases and the use of specific software available on the market. In particular, the aim is to enable the student to autonomously replicate all the analyzes proposed during the course.
Intended Learning Outcomes (ILO)
KNOWLEDGE AND UNDERSTANDING
understand the processes of extensive quantitative research and the construction of business forecasts on the main company and sector dynamics
APPLYING KNOWLEDGE AND UNDERSTANDING
setup autonomously or collaborate in the realization of an extensive quantitative research and build forecast models based on historical series suitable for the reliability required in corporate decision-making processes
Teaching methods
- Face-to-face lectures
- Guest speaker's talks (in class or in distance)
- Exercises (exercises, database, software etc.)
- Group assignments
DETAILS
Marketing manager heavy user will be invited as testimonials of the methodologies presented in the face to face lectures.
The exercises will be carried out on real data and will show the operational use of the techniques illustrated in the lectures.
Group work will be an important part of the exam.
Assessment methods
Continuous assessment | Partial exams | General exam | |
---|---|---|---|
|
x | ||
|
x | ||
|
x |
ATTENDING STUDENTS
For attending students, the evaluation of the course will be based on two group works (with groups composed of a maximum of 3 people), one relating to an extensive quantitative research (weight 70%) and one relating to an analysis of a time series (weight 30%)
NOT ATTENDING STUDENTS
For non-attending students there is a final written test on all the topics covered in the course
Teaching materials
ATTENDING AND NOT ATTENDING STUDENTS
- K. MALHOTRA NARESH, Marketing Research: An Applied Orientation, Pearson Education.