L’accelerazione nello sviluppo di tecnologie per la gestione di grandi moli di dati ha profondamente trasformato gli scenari di business, dando un forte vantaggio competitivo alle aziende in grado di mettere al centro della propria strategia la “Digital Transformation”.
La Digital Transformation richiede una forte necessità di cambiamento a chi lavora nelle aziende e nelle istituzioni e la necessità di figure professionali che sappiano gestire questo cambiamento portando al contempo valore.
La chiave di volta della creazione di valore in questo campo è l’interdisciplinarietà: avere competenze che spazino dalla conoscenza delle tecnologie a quella dei modelli economico-statistici e degli algoritmi con cui essi vanno implementati, alla padronanza dei processi aziendali. È inoltre fondamentale avere capacità di interpretare, sintetizzare, comunicare e rendere fruibili le informazioni ottenute dall’analisi dei dati ,  permettendo di incrementare l’efficienza aziendale e di basare le scelte strategiche su solide basi quantitative.

DESTINATARI

Il corso è pensato per chi ha abbia già esperienza operativa di gestione di processi di business e voglia comprendere come essi possano essere modificati, arricchiti, ottimizzati, attraverso l’utilizzo di tecnologie Big Data e di algoritmi di Machine Learning.

  • Responsabili Marketing
  • Responsabili Risorse Umane
  • Responsabili IT
  • Responsabili Finance
  • Altri Responsabili funzionali o di Business Unit
  • Project Manager e Program Manager

Prerequisiti

I candidati oltre ad avere una passione per i Dati e l’analisi degli stessi, devono possibilmente conoscere i fondamenti della programmazione e della statistica. Non è richiesta una pratica recente nel loro utilizzo, in quanto il corso ha l’obiettivo principale di fornire gli strumenti manageriali per l’utilizzo dei dati. E’ comunque prevista un modulo dedicato a fornire le basi di programmazione in R, in modo da poter efficacemente seguire i moduli pratici successivi.

Durante il corso verranno presentati esempi e svolte esercitazioni che richiedono competenze basiche in tali ambiti, e saranno affrontati i necessari approfondimenti per comprendere al meglio gli strumenti analitici utilizzati. (es. approfondimenti sul linguaggio R; Modelli supervisionati e non supervisionati). Oltre ad R, verranno utilizzati SPSS durante le lezioni teoriche di Machine Learning, e Rapid Miner nel corso di alcuni dei workshop di applicazione del machine learning ai processi di business.

Aree di Interesse

  • Distributed Data Bases and File Systems
  • Data Governance
  • Cloud
  • Lean project Management
  • Supervised and Unsupervised Machine Learning
  • Decision Making
  • Change management