BIG DATA IN CORPORATE FINANCE AND BANKING

L’insegnamento “BIG DATA IN CORPORATE FINANCE AND BANKING” permette agli studenti di comprendere le connessioni tra alcune tematiche fondamentali del corso di laurea: argomenti tecnologici (BIG DATA & ANAYTICS), Corporate finance and banking. In particolare, tramite lezioni frontali, casi studio, applicazioni, si comprende come si passa da aspetti concettuali (di prodotto e processo) alle strutture dati e ai processi di tipo analitico. Obiettivo del corso è apprendere metodi statistici e tecniche operative per analizzare dati finanziari, in ambito mercati, azienda, rischio, anche grazie all’utilizzo di software specialistici.

Il corso è caratterizzato da 3 parti: lezioni frontali, casi studio e applicazioni guidate dal docente, attività di laboratorio (con software di data Analytics: QLIK and KNIME).
A fine del corso lo studente è in possesso delle seguenti
Conoscenze
• Datawarehouse (basi e modellazione)
• Data Analytics: metodi descrittivi e predittivi
• BIG DATA: definizioni, applicazioni, strumenti
• Metodi statistici avanzati: Regressione
• Strutture dati per l finanza e il banking
• Concetti di ETL e di data cleaning
• Ambito di applicazione di BIG DATA e Analytics

Abilità Operative
• Progettare un modello dati per le analisi (datawarehouse)
• Conoscere le principali tecniche di analisi dei dati quantitativi e qualitativi
• Impostare semplici tecniche di ETL dei dati
• Progettare KPI di analisi dei dati
• Realizzare semplici report e dashboard di analisi dei dati
• Utilizzare un software di data Analytics: Power BI
Utilizzare un software di Data Mining: KNIME

Per frequentare il corso è consigliato possedere le seguenti conoscenze ed abilità:
• concetti di base di modellazione dati (database relazionale)
• metodi statistici di base
• buona propensione all’utilizzo di software
• buone conoscenze di finanza aziendale
• buone conoscenze sui mercati finanziari

• Progettazione di basi dati: richiami
• Datawarehouse: obiettivi, strutture, modelli dati
• Le dimensioni: piatte e gerarchiche
• Le misure o metriche (additive e non additive)
• Business Intelligence e data Analytics: principi e definizioni
• La Business Intelligence base: Reporting e analisi OLAP
• La Business Intelligence avanzata: Data Mining e Simulazione What if
• Rassegna sul mercato software
• BIG DATA: dimensione, varietà e velocità
• Applicazioni alla finanza aziendale
• Applicazioni al banking
• Laboratorio: organizzazione di dati finanziari tramite Database Relazionale
• Laboratorio: apprendimento di Power BIe KNIME
• Laboratorio: costruzione di dashboard di analisi

Testi Obbligatori

- Dispense a cura del docente


Testi facoltativi
- Data Analytics For Beginners – Autore Victor Finch
- Performance Dashboards: Measuring, Monitoring, and Managing Your Business – Autore Wayne W. Eckerson
WIKIPEDIA
Siti Web

La prova scritta è divisa in due parti, ed è finalizzata a misurare le conoscenze teoriche e applicative.
Un prima parte è caratterizzata da test a risposta multipla, la seconda consiste nella realizzazione di un set di KPI di analisi di dati finanziari utilizzando QLIK Sense

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

Il voto è comporto per 14/30 da parte teorica, per 18/30 da parte pratica

Lezioni teoriche e pratiche
Applicazioni utilizzando QLIK