Insegnamento BUSINESS ANALYTICS

Nome del corso di laurea	Engineering management
Codice insegnamento	A005333
Curriculum	Comune a tutti i curricula
Docente responsabile	Andrea Genovese
Docenti	Andrea Genovese
Ore	48 Ore - Andrea Genovese
CFU	6
Regolamento	Coorte 2025
Erogato	Erogato nel 2026/27
Erogato altro regolamento
Attività	Caratterizzante
Ambito	Ingegneria gestionale
Settore	ING-IND/35
Anno	2
Periodo	Secondo Semestre
Tipo insegnamento	Obbligatorio (Required)
Tipo attività	Attività formativa monodisciplinare
Lingua insegnamento	INGLESE
Contenuti	Il modulo offre una prospettiva di Analytics applicata all'Ingegneria Gestionale, focalizzata sul supporto alle decisioni in contesti reali caratterizzati da obiettivi multipli, incertezza e interessi conflittuali. Il corso introduce i fondamenti del decision making organizzativo, le teorie della razionalità limitata e le tecniche di strutturazione dei problemi decisionali (Value-Focused Thinking). Vengono affrontati i concetti di trade-off, dominanza, efficienza paretiana e frontiera di Pareto. La parte centrale è dedicata ai metodi Multi-Criteria Decision Making (MCDM): AHP, TOPSIS, PROMETHEE ed ELECTRE. Per ciascun metodo vengono discussi assunzioni, vantaggi e limiti, con applicazioni a supplier selection, technology assessment, supply chain design e sostenibilità. Una sezione specifica è dedicata alle decisioni in condizioni di incertezza, con introduzione a sensitivity analysis, scenario analysis e simulazione Monte Carlo. Nella parte finale, gli studenti applicano i metodi studiati a problemi reali di procurement, supply chain management, valutazione della sostenibilità e transizione verso l'economia circolare.
Testi di riferimento	Testi principali di riferimento: Goodwin, P. & Wright, G. (2014). Decision Analysis for Management Judgment. Wiley. (recommended supplementary reading for the decision making and cognitive biases part) Wang, Z. & Rangaiah, G.P. (2026). Multi-Criteria Decision-Making: Principles, Methods and Programs. CRC Press. Ulteriori letture saranno selezionate dalla letteratura scientifica internazionale, con particolare riferimento ai contributi di Herbert Simon, Bernard Roy e Thomas Saaty. Materiale didattico aggiuntivo (slide, casi studio, esercizi, dataset, script Python) sarà fornito dal docente durante il corso e reso disponibile sulla piattaforma e-learning dell'Ateneo.
Obiettivi formativi	Al termine del corso, lo studente sarà in grado di: 1. Strutturare problemi decisionali complessi identificando stakeholder, obiettivi, criteri e alternative, applicando i principi del Value-Focused Thinking. 2. Applicare i principali metodi Multi-Criteria Decision Making (AHP, TOPSIS, PROMETHEE) per valutare e classificare alternative in presenza di criteri conflittuali. 3. Valutare la robustezza delle decisioni attraverso analisi di sensitività e scenario analysis. 4. Selezionare criticamente gli strumenti analitici più appropriati e comunicare raccomandazioni manageriali basate su analisi quantitative.
Prerequisiti	Competenze di base in algebra lineare, statistica descrittiva e probabilità elementare. Conoscenza dei fondamenti della Ricerca Operativa, inclusa la capacità di riconoscere e formulare un problema di ottimizzazione lineare. Familiarità con linguaggi di programmazione (a livello base).
Metodi didattici	Il modulo si articola in lezioni frontali ed esercitazioni guidate per un totale di 48 ore di didattica. Le lezioni combinano spiegazioni teoriche, discussione di casi ed esempi applicativi, supportate da presentazioni in PowerPoint, utilizzo della lavagna e di software applicativi. Le esercitazioni sono incentrate sulla risoluzione di problemi quantitativi, sull'analisi di casi di studio reali e su laboratori pratici. Dal punto di vista software, il corso utilizza principalmente: Excel per applicazioni MCDM di base; Python (Jupyter Notebook) per attività di simulazione, visualizzazione e analisi di sensitività (con script già predisposti); Decision Radar (strumento web) per esercitazioni rapide su TOPSIS, ELECTRE e altri metodi MCDM. Tutti i materiali didattici, incluse slide, esercizi, dataset, script Python e letture integrative, saranno resi disponibili attraverso la piattaforma di e-learning dell'Ateneo.
Altre informazioni	Frequenza: La frequenza non è obbligatoria ma è fortemente consigliata, data la natura progressiva e cumulativa dei contenuti e l'importanza delle attività laboratoriali. Ricevimento studenti: Il docente è a disposizione degli studenti per ricevimento e consulenza. Gli orari di ricevimento saranno comunicati all'inizio del corso e pubblicati sulla pagina web del docente.
Modalità di verifica dell'apprendimento	1. Esame Finale Scritto (50% del voto finale): Una prova scritta della durata di 2 ore, composta da domande aperte volte a verificare la comprensione dei concetti teorici e la capacità di selezionare criticamente gli strumenti più appropriati per supportare una decisione complessa. 2. Individual Coursework (50% del voto finale): Applicazione individuale di un metodo MCDM a un problema manageriale assegnato dal docente. L'elaborato include la strutturazione del problema, l'applicazione del metodo scelto, l'analisi dei risultati e una riflessione critica sui limiti dell'approccio adottato. È prevista una prova orale, che prende avvio dalla presentazione dei risultati del progetto.
Programma esteso	Il modulo sarà articolato secondo la seguente struttura indicativa. Settimana 1: Introduzione ai processi decisionali nelle organizzazioni. Management Science e Decision Support Systems. Herbert Simon e la razionalità limitata. Strutturazione dei problemi decisionali: identificazione di stakeholder, obiettivi e criteri. Introduzione al Value-Focused Thinking. Settimana 2: Trade-off tra obiettivi conflittuali. Dominanza, efficienza paretiana e frontiera di Pareto. Introduzione ai modelli multi-obiettivo: formulazione a somma pesata. Goal Programming: formulazione di base e applicazioni. Settimana 3: Panoramica dei metodi Multi-Criteria Decision Making (MCDM). Classificazione dei metodi: approcci compensatori e non compensatori. Introduzione all'Analytic Hierarchy Process (AHP). Costruzione della gerarchia, giudizi pairwise e calcolo dei pesi. Verifica della consistenza. Settimana 4: Esercitazione su AHP con Excel. Applicazione a un caso di supplier selection o technology assessment. Discussione dei risultati e analisi di sensitività sui pesi. Esercitazione guidata con strumenti software. Settimana 5: Il metodo TOPSIS (Technique for Order Preference by Similarity to Ideal Solution). Assunzioni, algoritmo e interpretazione dei risultati. Vantaggi e limiti rispetto ad AHP. Esercitazione su TOPSIS con Excel e software dedicati. Settimana 6: I metodi di outranking: PROMETHEE e ELECTRE. Assunzioni teoriche e differenze metodologiche. Flussi di preferenza, grafici e indici di outranking. Quando usare PROMETHEE vs. ELECTRE. Criteri per la selezione del metodo MCDM appropriato. Settimana 7: Esercitazione su PROMETHEE. Applicazione a un caso di supply chain design o valutazione di sostenibilità. Discussione dei risultati e analisi di sensitività. Settimana 8: Decisioni in condizioni di incertezza. Rischio vs. incertezza. Analisi di sensitività. Scenario analysis. Introduzione alla simulazione Monte Carlo per la valutazione della robustezza delle decisioni. Settimana 9: Esercitazione su analisi di sensitività e scenario analysis. Utilizzo di Python (Jupyter Notebook) con script pre-configurati per visualizzare l'impatto dell'incertezza sui risultati MCDM. Simulazione Monte Carlo semplice. Settimane 10 e 11: Applicazioni integrate a problemi di management. Strategic procurement: selezione di fornitori con criteri multipli. Supply chain design: valutazione di configurazioni alternative. Sostenibilità e circular economy: valutazione di iniziative green. Discussione di casi reali.
Obiettivi Agenda 2030 per lo sviluppo sostenibile	Il corso contribuisce al raggiungimento dei seguenti Obiettivi Agenda 2030: Goal 4 (Istruzione di qualità): fornendo competenze metodologiche avanzate per la strutturazione e risoluzione di problemi decisionali complessi; Goal 9 (Imprese, innovazione e infrastrutture): sviluppando capacità di valutazione di investimenti in tecnologie e infrastrutture innovative attraverso metodi MCDM; Goal 12 (Consumo e produzione responsabili): applicando i metodi studiati a problemi di sostenibilità, circular economy e supply chain responsabile.