Caricamento in corso...
Data Engineering for Economics and Innovation Studies
01HWTUQ
A.A. 2024/25
Course Language
Inglese
Degree programme(s)
Doctorate Research in Ingegneria Gestionale E Della Produzione - Torino
Course structure
| Teaching | Hours |
|---|---|
| Lezioni | 20 |
Lecturers
| Teacher | Status | SSD | h.Les | h.Ex | h.Lab | h.Tut | Years teaching |
|---|---|---|---|---|---|---|---|
| Caviggioli Federico | Professore Associato | IEGE-01/A | 10 | 0 | 0 | 0 | 2 |
Co-lectures
Context
| SSD | CFU | Activities | Area context | *** N/A *** |
|---|
L’insegnamento è progettato per fornire agli studenti di dottorato le competenze e le conoscenze necessarie per raccogliere, analizzare e interpretare i dati che più frequentemente supportano gli studi negli ambiti di Economia, Management, Imprenditorialità e Innovazione.
La capacità di raccogliere e analizzare i dati è una competenza essenziale per gli studenti di dottorato che sono interessati a condurre ricerche empiriche in Economia, Management, Imprenditoria e Innovazione.
La capacità di identificare schemi ricorrenti, rilevare correlazioni significative, scoprire tendenze e trovare anomalie nei dati è un prerequisito per molte analisi statistiche e influenza la qualità della successiva modellizzazione econometrica e l'interpretazione finale dei risultati. Inoltre, quando applicata in un ambiente professionale, una solida comprensione e gestione dei dati può ridurre la complessità e portare a decisioni aziendali più informate.
In questo corso, gli studenti impareranno a identificare la fonte di dati adatta ai loro obiettivi di ricerca e ad applicare l'approccio più utile nella preparazione dei dati, per diverse unità di analisi: organizzazioni, individui o aree geografiche.
Miglioreranno la loro comprensione delle principali problematiche nella gestione dei dati e impareranno come operazionalizzare misure di prestazioni economiche e attività innovativa nel proprio ambito di ricerca, come realizzare analisi statistiche di base e selezionare la rappresentazione visiva appropriata.
Il corso si basa su esempi pratici da database esistenti e introduce gli studenti all'uso di software specifici per analisi statistiche, geografiche e del testo (ad esempio Excel, Stata, Tableau).
The ability to collect and analyse data is an essential skill for PhD students that rely on empirical research in Economics, Management, Entrepreneurship and Innovation.
The ability to identify recurring patterns, detect significant correlations, discover trends, and find anomalies in data is a prerequisite for many statistical analyses and affect the quality of the subsequent econometric modeling and final interpretation of the results. Furthermore, when applied in a professional environment, a solid understanding and management of the data can reduce complexity and lead to better informed business decisions.
In this course, the students will learn to identify the suited data source for their research goals and apply the most useful approach in data preparation, whether their focus is on organizations, individuals or geographical areas.
They will improve their understanding of the main issues in data management and learn how to operationalize measures of economic performance and innovative activity in their research framework, how to summarize basic statistical analyses and select the appropriate visual representation.
The course relies on practical examples from existing databases and introduces the students to the use of specific software for statistical, geographical and text analyses (e.g., Excel, Stata, Tableau).
Le seguenti competenze e abilità sono richieste:
- Comprensione dei concetti economici e dei fondamenti della gestione aziendale: contabilità (ricavi e costi), valutazione degli investimenti, finanza aziendale.
- Calcolo delle probabilità e statistica.
The following competences and skills are required:
- Understanding of Economic concepts and fundamentals of Business Management: accounting (revenues and costs), investment appraisal, corporate finance.
- Statistics and probability calculus.
Il corso è organizzato secondo i seguenti moduli:
1. Introduzione (2 ore).
Gli studenti apprenderanno le definizioni e le caratterizzazioni di base dei dati in relazione al loro obiettivo finale (ad esempio, analisi esplorative, di causalità), il tipo di fonti (primarie, secondarie), l'unità di analisi (individuo, organizzazione, geografica) e i diversi tipi di dati (qualitativi, quantitativi, continui, binari, rating-ranking, categorici, testuali ...).
2. Dati per Finanza e Imprenditorialità (4 ore).
In questo modulo, l'attenzione è rivolta alla spiegazione delle fonti di dati disponibili per la finanza aziendale e l'imprenditoria (ad esempio, bilanci aziendali, dati sui fondatori e gli investitori) e alle principali problematiche nella comprensione (ad esempio, identificazione, selezione) e nell'organizzazione dei dati (pulizia e preelaborazione). Gli studenti impareranno a generare statistiche riassuntive pertinenti.
3. Dati per l'Innovazione e Output Intellettuale (6 ore).
Il modulo si concentra sulle fonti di dati relativi ai diritti di proprietà intellettuale (brevetti, marchi registrati, ecc.) e alle pubblicazioni scientifiche. Gli studenti comprenderanno le specificità dei patentometrics e della bibliometria, le tabelle di concordanza tra tecnologie e settori industriali e saranno introdotti all'analisi del testo.
4. Dati per l'analisi geografica (5 ore).
Il modulo affronta le principali specificità delle analisi geografiche: l'uso di unità di analisi rilevanti (ad esempio NUTS), misure di distanza, concentrazione, diversificazione e come combinare i dati geografici e tecnologici. Gli studenti saranno introdotti a strumenti specifici per la rappresentazione dei dati.
5. Assegnazione: revisione e presentazione (3 ore).
The course is organized along the following modules:
1. Introduction (2h).
The students will get to understand definitions and basic characterizations of data with respect to their final objective (e.g., exploratory, causality analyses), the type of sources (e.g., primary, secondary), the unit of analysis (e.g., individual, organizational, regional), and other types of data (e.g., qualitative, quantitative, continuous, binary, rating-ranking, categorical, text ...)
2. Data for Finance and Entrepreneurship (4h).
In this module, the focus is on the explanation of the available data sources for company financials and entrepreneurship (e.g., company balance sheets, data on founders and investors) and on the main issues in understanding (e.g., identification, selection) and organizing the data (cleaning and preprocessing). The students will learn how to generate relevant summary statistics.
3. Data for Innovation and Intellectual output (6h).
The module focuses on the sources of data about Intellectual Property Rights (patents, trademarks, etc.) and scientific publications. The students will understand the specificities of patentometrics and bibliometrics, the concordance tables between technologies and industrial sectors and introduced to text analyses.
4. Data for Geographical analysis (5h).
The module addresses the main specificities of geographical analyses: the use of relevant units of analysis (e.g., NUTS), measures of distance, concentration, diversification and how to combine geographical and technological data. The students will be introduced to specific tools for data representation.
5. Assignment: review and presentation (3h).
In presenza
On site
Presentazione orale - Presentazione report scritto
Oral presentation - Written report presentation
P.D.2-2 - Marzo
P.D.2-2 - March