Angelo MARTELLA

Angelo MARTELLA

Ricercatore Universitario

Settore Scientifico Disciplinare ING-INF/05: SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI.

Dipartimento di Ingegneria dell'Innovazione

Centro Ecotekne Pal. O - S.P. 6, Lecce - Monteroni - LECCE (LE)

Ufficio, Piano terra

Orario di ricevimento

Il ricevimento degli studenti è previsto online (attraverso Google Meet o Microsoft Teams) ogni venerdì dalle 16 alle 17. In ogni caso, è necessario segnalare per tempo la richiesta di ricevimento per email all'indirizzo angelo.martella@unisalento.it, in modo da consentire una corretta e organizzata pianificazione degli incontri, anche rispetto alla piattaforma da utilizzare. Tutto ciò è finalizzato alla fornitura di un servizio adeguato e nel rispetto reciproco.

Visualizza QR Code Scarica la Visit Card

Didattica

A.A. 2023/2024

DATA ENGINEERING AND SECURITY FOR CYBER PHYSICAL SYSTEMS

Degree course ENGINEERING FOR SAFETY OF CRITICAL INDUSTRIAL AND CIVIL INFRASTRUCTURES

Course type Laurea Magistrale

Language INGLESE

Credits 9.0

Owner professor ANGELO MARTELLA

Teaching hours Ore totali di attività frontale: 81.0

  Ore erogate dal docente ANGELO MARTELLA: 45.0

Year taught 2023/2024

For matriculated on 2023/2024

Course year 1

Structure DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Subject matter CIVIL INFRASTRUCTURES

Location Lecce

DATA ENGINEERING AND SECURITY FOR CYBER PHYSICAL SYSTEMS

Degree course ENGINEERING FOR SAFETY OF CRITICAL INDUSTRIAL AND CIVIL INFRASTRUCTURES

Course type Laurea Magistrale

Language INGLESE

Credits 9.0

Owner professor ANGELO MARTELLA

Teaching hours Ore totali di attività frontale: 81.0

  Ore erogate dal docente ANGELO MARTELLA: 45.0

Year taught 2023/2024

For matriculated on 2023/2024

Course year 1

Structure DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Subject matter INDUSTRIAL ENGINEERING SYSTEMS

Location Lecce

GESTIONE DI BIG DATA

Corso di laurea INGEGNERIA INFORMATICA

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 6.0

Docente titolare ANTONELLA LONGO

Ripartizione oraria Ore totali di attività frontale: 54.0

  Ore erogate dal docente ANGELO MARTELLA: 9.0

Anno accademico di erogazione 2023/2024

Per immatricolati nel 2023/2024

Anno di corso 1

Struttura DIPARTIMENTO DI INGEGNERIA DELL'INNOVAZIONE

Percorso PERCORSO COMUNE

Sede Lecce

A.A. 2022/2023

BIG DATA E SISTEMI DI CRM A SUPPORTO ALLE DECISIONI AZIENDALI

Corso di laurea MANAGEMENT AZIENDALE

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 8.0

Ripartizione oraria Ore totali di attività frontale: 64.0

Anno accademico di erogazione 2022/2023

Per immatricolati nel 2021/2022

Anno di corso 2

Struttura DIPARTIMENTO DI SCIENZE DELL'ECONOMIA

Percorso DIGITAL MANAGEMENT

Sede Lecce

A.A. 2021/2022

BIG DATA E SISTEMI DI CRM A SUPPORTO ALLE DECISIONI AZIENDALI

Corso di laurea MANAGEMENT AZIENDALE

Tipo corso di studio Laurea Magistrale

Lingua ITALIANO

Crediti 8.0

Ripartizione oraria Ore totali di attività frontale: 64.0

Anno accademico di erogazione 2021/2022

Per immatricolati nel 2020/2021

Anno di corso 2

Struttura DIPARTIMENTO DI SCIENZE DELL'ECONOMIA

Percorso DIGITAL MANAGEMENT

Sede Lecce

Torna all'elenco
DATA ENGINEERING AND SECURITY FOR CYBER PHYSICAL SYSTEMS

Degree course ENGINEERING FOR SAFETY OF CRITICAL INDUSTRIAL AND CIVIL INFRASTRUCTURES

Subject area ING-INF/05

Course type Laurea Magistrale

Credits 9.0

Owner professor ANGELO MARTELLA

Teaching hours Ore totali di attività frontale: 81.0

  Ore erogate dal docente ANGELO MARTELLA: 45.0

For matriculated on 2023/2024

Year taught 2023/2024

Course year 1

Semestre Primo Semestre (dal 18/09/2023 al 22/12/2023)

Language INGLESE

Subject matter CIVIL INFRASTRUCTURES (A234)

Location Lecce

No previous skills are required. The use of computer and the tools of office automation are welcome

Data engineering is becoming a foundational skill, leveraged by the incremental growth of cyber -physical systems. Critical Infrastructures (i.e. those infrastructures which deliver essential services in the society, like energy infrastructures, mobility, water, data transmission, health, etc.) are more and more based on the use of digital technologies, which sense, monitor and forecast physical behaviours and/or the impact of some risks. The widespread definition of Digital Twins is currently based on the concept of real time exchange of data between the physical asset and the corresponding digital shadow.

The aim of this course is to provide students with the basic skills on how physical systems produce data, which can be collected, transformed and analyze and how complex organizations like critical infrastructures providers govern data.

Starting from the basic concepts related to the digital technologies for the automation of physical infrastructures, the course will provide a complete overview of the data engineering lifecycle. All the aspects related to data analysis will be faced, including data generation, ingestion, orchestration, transformation, storage, and governance. These aspects are critical in any data environment regardless of the underlying technology.

Essentially, the goals of the course are the following:

  1. Provide the foundational knowledge of digital technologies for automating physical systems

  2. Get a concise overview of the entire data engineering landscape, starting with the generation and provisioning of data from the real world to the data analysis and visualization.

  3. Assess data engineering problems, in critical infrastructures’ scenarios

  4. Use the data engineering lifecycle to design and build pipelines of data processing

  5. Incorporate data governance and security across the data engineering lifecycle

Knowledge and understanding. Students must have a solid background related to the basics of data engineering in cyber-physical systems:

  • They must have the basis to think analytically, creativelly and critically and being able to create abstraction and problem solving skills to cope with complex systems
  • They must have a basic knowledge of design and implementation of data management systems
  • They must have the tools to design transactional and analytical databases applied to different contexts
  • They must have the skills to argument data in different scenario, the tools for managing them, together with its impact.

Applying knowledge and understanding. After the course the student will be able to:

  • Describe the model and frameworks of a data engineering; illustrate the main components of data lifecycle from the technical and application perspective and the impact on the critical infrastructures management.
  • Distinguish conceptual, logical and physical models in data management.
  • Model Online Transaction processing systems from a data perspective, distinguishing among ER models, relational models and physical models
  • Model Online Analytical processing systems form a data perspective, distinguishing among DFM, Snowflakes and physical models, being able to describe the relationships among them and the processes
  • Explore data sets, applying proper techniques, including the integration of different data sources

Making judgements. Students are guided to critically approach the topics treated during the class, to compare different solutions to a problem, to identify and propose the most effective or efficient solution in an automous way.

Communication. Students will learn to communicate wiith heterougenoeus audiences, explaining their position, in logical, coherent and effecitve way. During the course students will be provided with domain specific vocabulary and the proper scientific knowledge and methods to expose and argument in precise and formal way the main topics related to data management and information system

Learning skills. Students must acquire the critical ability to autonomously relate to the typical problems of  data management and, in general, cultural issues related to data governance and management. They should be able to develop an approach to independently structure knowledge and methods learnt with a view to possible follow up of studies at higher (doctoral) level or in the broader perspective of cultural and professional self-improvement of lifelong learning. Therefore, students should be able to switch their learning approach according to different learning sources and the objectives they must achieve in terms of results and audience

The course aims to provide students with tools and knowledge for data engineeirng applied to critical infrastructures. The course consists of frontal lessons and classroom hands on exercises. The frontal lessons are aimed at improving students' knowledge and understanding through the presentation of theories, models and methods; students are invited to participate in the lesson with autonomy of judgement, by asking questions and presenting examples. The exercises are aimed at using tools which supports the models and approaches presented

The exam is an interview made up of both practical and descriptive aspects.

The practical part aims at evaluating to what extent the student has: 1) the ability to design data models according to the methodologies presented during the call, 2) reasoning about his/her choices and the capacity to integrate different concepts and tools.

The descriptive part follows the practical part and is aimed to verify to what extent the student has gained knowledge and understanding of selected topics and he is able to communicate them.

Optionally students can develop specific use cases, agreed with the teacher

Office Hours

By appointment; contact the instructor by email or at the end of class meetings.

  1. Introduction to data science: Python 

  2. Exploratory data analysis with SQL and Phyton

  3. Data analysis: from data warehouses to Machine learning

  4. Privacy and security aspects related to data management

  1. “Fundamentals of Database Systems", 6th Edition, Elmasri, Navathe, Addison-Wesley
  2. “Datawarehouse Design - Modern Principles and Methodologies”, Matteo Golfarelli, Stefano Rizzi, McGrawHill
  3. “Information Systems” Paige Baltzan, 4th edition, Mc Graw Hill Education

  4. Teaching materials provided at the course

DATA ENGINEERING AND SECURITY FOR CYBER PHYSICAL SYSTEMS (ING-INF/05)
DATA ENGINEERING AND SECURITY FOR CYBER PHYSICAL SYSTEMS

Degree course ENGINEERING FOR SAFETY OF CRITICAL INDUSTRIAL AND CIVIL INFRASTRUCTURES

Subject area ING-INF/05

Course type Laurea Magistrale

Credits 9.0

Owner professor ANGELO MARTELLA

Teaching hours Ore totali di attività frontale: 81.0

  Ore erogate dal docente ANGELO MARTELLA: 45.0

For matriculated on 2023/2024

Year taught 2023/2024

Course year 1

Semestre Primo Semestre (dal 18/09/2023 al 22/12/2023)

Language INGLESE

Subject matter INDUSTRIAL ENGINEERING SYSTEMS (A233)

Location Lecce

No previous skills are required. The use of computer and the tools of office automation are welcome

Data engineering is becoming a foundational skill, leveraged by the incremental growth of cyber -physical systems. Critical Infrastructures (i.e. those infrastructures which deliver essential services in the society, like energy infrastructures, mobility, water, data transmission, health, etc.) are more and more based on the use of digital technologies, which sense, monitor and forecast physical behaviours and/or the impact of some risks. The widespread definition of Digital Twins is currently based on the concept of real time exchange of data between the physical asset and the corresponding digital shadow.

The aim of this course is to provide students with the basic skills on how physical systems produce data, which can be collected, transformed and analyze and how complex organizations like critical infrastructures providers govern data.

Starting from the basic concepts related to the digital technologies for the automation of physical infrastructures, the course will provide a complete overview of the data engineering lifecycle. All the aspects related to data analysis will be faced, including data generation, ingestion, orchestration, transformation, storage, and governance. These aspects are critical in any data environment regardless of the underlying technology.

Essentially, the goals of the course are the following:

  1. Provide the foundational knowledge of digital technologies for automating physical systems

  2. Get a concise overview of the entire data engineering landscape, starting with the generation and provisioning of data from the real world to the data analysis and visualization.

  3. Assess data engineering problems, in critical infrastructures’ scenarios

  4. Use the data engineering lifecycle to design and build pipelines of data processing

  5. Incorporate data governance and security across the data engineering lifecycle

Knowledge and understanding. Students must have a solid background related to the basics of data engineering in cyber-physical systems:

  • They must have the basis to think analytically, creativelly and critically and being able to create abstraction and problem solving skills to cope with complex systems
  • They must have a basic knowledge of design and implementation of data management systems
  • They must have the tools to design transactional and analytical databases applied to different contexts
  • They must have the skills to argument data in different scenario, the tools for managing them, together with its impact.

Applying knowledge and understanding. After the course the student will be able to:

  • Describe the model and frameworks of a data engineering; illustrate the main components of data lifecycle from the technical and application perspective and the impact on the critical infrastructures management.
  • Distinguish conceptual, logical and physical models in data management.
  • Model Online Transaction processing systems from a data perspective, distinguishing among ER models, relational models and physical models
  • Model Online Analytical processing systems form a data perspective, distinguishing among DFM, Snowflakes and physical models, being able to describe the relationships among them and the processes
  • Explore data sets, applying proper techniques, including the integration of different data sources

Making judgements. Students are guided to critically approach the topics treated during the class, to compare different solutions to a problem, to identify and propose the most effective or efficient solution in an automous way.

Communication. Students will learn to communicate wiith heterougenoeus audiences, explaining their position, in logical, coherent and effecitve way. During the course students will be provided with domain specific vocabulary and the proper scientific knowledge and methods to expose and argument in precise and formal way the main topics related to data management and information system

Learning skills. Students must acquire the critical ability to autonomously relate to the typical problems of  data management and, in general, cultural issues related to data governance and management. They should be able to develop an approach to independently structure knowledge and methods learnt with a view to possible follow up of studies at higher (doctoral) level or in the broader perspective of cultural and professional self-improvement of lifelong learning. Therefore, students should be able to switch their learning approach according to different learning sources and the objectives they must achieve in terms of results and audience

The course aims to provide students with tools and knowledge for data engineeirng applied to critical infrastructures. The course consists of frontal lessons and classroom hands on exercises. The frontal lessons are aimed at improving students' knowledge and understanding through the presentation of theories, models and methods; students are invited to participate in the lesson with autonomy of judgement, by asking questions and presenting examples. The exercises are aimed at using tools which supports the models and approaches presented

The exam is an interview made up of both practical and descriptive aspects.

The practical part aims at evaluating to what extent the student has: 1) the ability to design data models according to the methodologies presented during the call, 2) reasoning about his/her choices and the capacity to integrate different concepts and tools.

The descriptive part follows the practical part and is aimed to verify to what extent the student has gained knowledge and understanding of selected topics and he is able to communicate them.

Optionally students can develop specific use cases, agreed with the teacher

Office Hours

By appointment; contact the instructor by email or at the end of class meetings.

  1. Introduction to data science: Python 

  2. Exploratory data analysis with SQL and Phyton

  3. Data analysis: from data warehouses to Machine learning

  4. Privacy and security aspects related to data management

  1. “Fundamentals of Database Systems", 6th Edition, Elmasri, Navathe, Addison-Wesley
  2. “Datawarehouse Design - Modern Principles and Methodologies”, Matteo Golfarelli, Stefano Rizzi, McGrawHill
  3. “Information Systems” Paige Baltzan, 4th edition, Mc Graw Hill Education

  4. Teaching materials provided at the course

DATA ENGINEERING AND SECURITY FOR CYBER PHYSICAL SYSTEMS (ING-INF/05)
GESTIONE DI BIG DATA

Corso di laurea INGEGNERIA INFORMATICA

Settore Scientifico Disciplinare ING-INF/05

Tipo corso di studio Laurea Magistrale

Crediti 6.0

Docente titolare ANTONELLA LONGO

Ripartizione oraria Ore totali di attività frontale: 54.0

  Ore erogate dal docente ANGELO MARTELLA: 9.0

Per immatricolati nel 2023/2024

Anno accademico di erogazione 2023/2024

Anno di corso 1

Semestre Primo Semestre (dal 18/09/2023 al 22/12/2023)

Lingua ITALIANO

Percorso PERCORSO COMUNE (999)

Sede Lecce

Good knowledge of Object Oriented Languages (at least 1), techniques and tools. Elements of computer networks and Web technologies.

The aim is to provide the basics about the main database theories, techniques and tools to design / implement databases and database applications.

 

Topics:

•Database, relational databases, NoSQL and NewSQL;

•DataBase Management Systems;

•Relational Model and Relational Algebra;

•SQL: data definition and manipulation;

•Basics of Human-Computer Interaction and interface design for DB;

•Architectural aspects: Clients, Servers, Peers, Devices, IoT, …

•Big data, data lakes, data analytics, machine learning, AI;

Knowledge and understanding. Students must have a solid background related to the basics of big data management and information systems:

  • They must have the basis to think analytically, creativelly and critically and being able to create abstraction and problem solving skills to cope with complex systems
  • They must have a basic knowledge of design and implementation of big data management systems
  • They must have the tools to design transactional and analytical databases applied to different contexts
  • They must have the skills to argument data in different scenario, the tools for managing them, together with its impact.

Applying knowledge and understanding. After the course the student should be able to:

  • Describe the model and frameworks of an Information System; illustrate the main components of an information system from the technical and application perspective.
  • Distinguish conceptual, logical and physical models in big data management.
  • Model Online Transaction processing systems from a big data perspective, distinguishing among conceptual models, relational models and physical models
  • Model Online Analytical processing systems form a data perspective, distinguishing among conceptual, logical and physical models, being able to describe the relationships among them and the processes

Making judgements. Students are guided to critically approach the topics treated during the class, to compare different solutions to a problem, to identify and propose the most effective or efficient solution in an autonomous way.

Communication. Students must learn to communicate with heterogeneous audiences, explaining their position, in logical, coherent and effective way. During the course students will be provided with domain specific vocabulary and the proper scientific knowledge and methods to expose and argument in precise and formal way the main topics related to big data management and information systems

Learning skills. Students must acquire the critical ability to autonomously relate to the typical problems of  data and information management and, in general, cultural issues related to information systems and their management. They should be able to develop an approach to independently structure knowledge and methods learnt with a view to possible continuation of studies at higher (doctoral) level or in the broader perspective of cultural and professional self-improvement of lifelong learning. Therefore, students should be able to switch their learning approach according to different learning sources and the objectives they must achieve in terms of results and audience

The course aims to provide students with tools and knowledge for data management in business organizations. The course consists of frontal lessons and classroom hands on exercises. The frontal lessons are aimed at improving students' knowledge and understanding through the presentation of theories, models and methods; students are invited to participate in the lesson with autonomy of judgement, by asking questions and presenting examples. The exercises are aimed at using tools which supports the models and approaches presented

The exam is an interview made up of both practical and descriptive aspects

The practical part aims at evaluating to what extent the student has: 1) the ability to design data models according to the methodologies presented during the call, 2) reasoning about his/her choices and the capacity to integrate different concepts and tools.

The descriptive part follows the practical part and is aimed to verify to what extent the student has gained knowledge and understanding of selected topics and he is able to communicate them.

Office Hours

By appointment; contact the instructor by email or at the end of class meetings.

  • Databases and Database Users
  • Database System Concepts and Architecture
  • Data Modeling Using the Entity–Relationship (ER) Model
  • The Enhanced Entity–Relationship (EER) Model
  • The Relational Data Model and Relational Database Constraints
  • Basic SQL
  • More SQL: Complex Queries, Triggers, Views, and Schema Modification
  • Relational Database Design by ER- and EER-to-Relational Mapping
  • Introduction to SQL Programming Techniques: Basics of Functional Dependencies and Normalization for Relational Databases, Informal Design Guidelines for Relation Schemas, Functional Dependencies, Normal Forms Based on Primary Keys, General Definitions of Second and Third Normal Forms, Boyce-Codd Normal Form
  • Concurrency Control Techniques
  • Main topics of Informations Systems: Anthony pyramid, Enterprise applications, OLTP and OLAP
  • Data Warehouse Definition and lifecycle
  • Modelling of analytical data processing systems: DFM,  Snow Flakes schema
  • Tools for data Visualization
  • Introduction at big data and big data processing pipeline
  • No SQL Databases and CAP Theorem
  • Different kinds of no SQL Databases

R. Elmasri, S. Navathe, Fundamental of Database Systems, 7a edizione, Pearson ed.

Balamurugan Balusamy, Nandhini Abirami R, Amir H. Gandomi, Big Data: Concepts, Technology, and Architecture,John Wiley & Sons Inc; 1. edizione 

Material provided during the class

GESTIONE DI BIG DATA (ING-INF/05)
BIG DATA E SISTEMI DI CRM A SUPPORTO ALLE DECISIONI AZIENDALI

Corso di laurea MANAGEMENT AZIENDALE

Settore Scientifico Disciplinare ING-INF/05

Tipo corso di studio Laurea Magistrale

Crediti 8.0

Ripartizione oraria Ore totali di attività frontale: 64.0

Per immatricolati nel 2021/2022

Anno accademico di erogazione 2022/2023

Anno di corso 2

Semestre Primo Semestre (dal 15/09/2022 al 22/12/2022)

Lingua ITALIANO

Percorso DIGITAL MANAGEMENT (A90)

Sede Lecce

Non sono richiesti corsi propedeutici. Si richiede la conoscenza base sull’uso del calcolatore elettronico.

Il corso comprende gli argomenti legati ai principali aspetti dei sistemi informativi aziendali. In particolare, vengono affrontati i concetti legati alla modellazione dei processi e dei dati aziendali e all'impatto che l'emergente tecnologia dei Big Data sta avendo sui sistemi informativi aziendali. Il corso prevede anche la conoscenza delle principali tipologie di sistemi informativi in adozione presso le aziende, quali MIS- Management Information System, DSS-Decision Information System e CRM-Customer Information System. Il corso prevede inoltre approfondimenti circa le strutture dati di riferimento per i sistemi transazionali e informazionali. Tali strutture risultano fondamentali ai fini dell'analisi e della interrogazione dei dati aziendali, soprattutto per poter adeguatamente supportare le decisioni di business. Lo strumento di riferimento per effettuare l'analisi dei dati è rappresentato dal foglio di calcolo. Il corso prevede quindi anche una serie di lezioni, e di relative esercitazioni, sull'utilizzo delle funzionalità di base ed avanzate dei fogli di calcolo.

Knowledge and understanding. Gli studenti dovranno

  • avere un solido background sulle principali caratteristiche dei sistemi informativi e sulla gestione dei processi e dei dati:
  • avere le basi necessarie ai fini dello sviluppo del pensiero analitico, creativo e critico, al fine di essere di poter creare astrazioni e competenze di problemi solving per trattare i sistemi complessi
  • avere le competenze basi per disegnare e implementare i sistemi di gestione dei dati e dei processi
  • avere gli strumenti per disegnare database transazionali applicati ai diversi contesti
  • avere le competenze per distinguere i dati relativi a differenti scenari aziendali, gli strumenti per poterli gestire e valutarne l'impatto corrispondente

Applying knowledge and understanding. Alla fine del corso gli studenti saranno in grado di:

  • descrivere e modellare i dati e i processi di sistemi informativi aziendali
  • illustrare i principali componenti e le relative attività legate alla gestione dei dati aziendali
  • illustrare il paradigma dei Big data e le relative tecniche di gestione
  • essere capaci di utilizzare strumenti di gestione dei dati per effettuare interrogazioni e analisi
  • applicare i concetti dei gestione dei dati e dei sistemi di CRM

Making judgements. Gli studenti vengono guidati a trattare criticamente i temi affrontati in classe, per confrontare le diverse soluzioni al problema, identificare e proporre la soluzione più efficace ed efficiente in maniera autonoma.

Communication. Gli studenti devono riuscire a comunicare con audience eterogenei, supportando le proprie opinioni in maniera coerente, efficace e logica. Durante il corso sarà introdotto il lessico specifico di dominio, assieme ai metodi e ai concetti necessari per poter esporre ed argomentare in maniera precisa e formale i principali temi legati alla gestione di processi e dati dei sistemi informativi

Learning skills. Gli studenti devono acquisire le abilità critiche necessarie per relazionarsi autonomamente con i problemi tipici della gestione dei dati, anche in vista di successivi studi dottorali o per approfondire la propria cultura personale e professionale. Gli studenti dovrebbero quindi poter passare autonomamente da un approccio di apprendimento a un altro, in base alle diverse sorgenti informative disponibili e agli obiettivi da raggiungere.

Lezioni ed esercitazioni in presenza

L’esame prevede una prova orale a cui si accede SOLO dietro il superamento di una prova scritta di sbarramento. Le prove previste mirano a verificare le capacità dello studente di saper progettare modelli dati e/o di processo, di saperli commentare, anche i merito alle scelte progettuali effettuate, e a verificare le conoscenze acquisite attraverso una loro argomentazione in un contesto formale.

Si rimanda al portale web del Settore didattico di Economia di Unisalento

Appello con prova orale accessibile SOLO dopo il superamento di una prova scritta di sbarramento. Entrambe le prove devono essere sostenute e superate ai fini della successiva verbalizzazione dell'esame. Alla valutazione finale contribuiscono anche l'eventuale presentazione Excel svolta durante le lezioni del corso e la valutazione conseguita nell'ambito del progetto Hackathon che verrà introdotto ed assegnato entro la fine delle lezioni del corso.

  • Fondamenti sui sistemi di elaborazione distribuiti
  • Introduzione ai MIS e ai sistemi di supporto alle decisioni: I processi di business e la relativa analisi delle performance, Ebusiness: il valore del business elettronico, enterprise application, business intelligence, mobile business. Etica e sicurezza dell'informazione. Infrastrutture tecnologiche sostenibili.
  • Modellazione dei processi aziendali attraverso notazioni standard
  • Modellazione dei dati: Modellazione concettuale, logica e fisica dei dati transazionali e analitici, interrogazione di database con SQL, introduzione ai DBMS e utilizzo di MySQL
  • La visualizzazione dei dati attraverso tecniche di storytelling
  • Excel come strumento a supporto delle decisioni di business e per la gestione dei dati: 
    • Fogli di calcolo per la valutazione di indicatori e l'elaborazione dati in ambito economico.
    • Celle, range di celle, tipi di dati, operazioni e funzioni predefinite, schemi di calcolo e verifiche di correttezza degli schemi (auditing).
    • Rassegna delle principali funzioni: ricerca orizzontale e verticale su matrici di dati, funzioni di testo, date ed intervalli temporali, funzioni statistiche e finanziarie.
    • Riferimenti circolari, soluzioni iterative, approssimazioni ed analisi di sensitività.
    • Inversione di funzioni mediante "ricerca obiettivo".
    • Formattazione condizionale, tabelle di dati e tecniche di ordinamento.
    • Analisi multidimensionale, tabelle pivot, connessione ed interrogazione di database mediante fogli di calcolo.
  • I processi di gestione della relazione con il cliente e gli strumenti digitali a supporto
  • “Sistemi informative aziendali- Erp e sistemi di data analysis”, terza edizione. Autori: Maurizio Pighin, Anna Marzona: Cap: 1-2-3 (paragrafi: 3.4. e 3.5), 4,10 (paragrafo: 10.3), 11, 12,13,14
  • Microsoft Excel 2016 – Data Analysis and Business Modeling, Autore: Wayne L. Winston, ed. Microsoft
  • Dispense fornite dal docente
BIG DATA E SISTEMI DI CRM A SUPPORTO ALLE DECISIONI AZIENDALI (ING-INF/05)
BIG DATA E SISTEMI DI CRM A SUPPORTO ALLE DECISIONI AZIENDALI

Corso di laurea MANAGEMENT AZIENDALE

Settore Scientifico Disciplinare ING-INF/05

Tipo corso di studio Laurea Magistrale

Crediti 8.0

Ripartizione oraria Ore totali di attività frontale: 64.0

Per immatricolati nel 2020/2021

Anno accademico di erogazione 2021/2022

Anno di corso 2

Semestre Primo Semestre (dal 15/09/2021 al 31/12/2021)

Lingua ITALIANO

Percorso DIGITAL MANAGEMENT (A90)

Sede Lecce

Non sono richiesti corsi propedeutici. Si richiede la conoscenza base sull’uso del calcolatore elettronico.

Il corso comprende gli argomenti legati ai principali aspetti legati ai sistemi informativi aziendali. In particolare, vengono affrontati i temi legati alla modellazione dei dati aziendali e all'impatto che l'emergente tecnologia dei Big Data sta avendo sui sistemi informativi aziendali. Il corso prevede anche la conoscenza delle principali tipologie di sistemi informativi in adozione presso le aziende, quali MIS- Management Information System, DSS-Decision Information System e CRM-Customer Information System. Inoltre, il corso prevede approfondimenti relativi alle strutture dati di riferimento per i sistemi di tipo transazionale e informazionale. Tali strutture risultano fondamentali ai fini dell'analisi e della interrogazione dei dati aziendali, anche al fine di supportare le decisioni di business. Lo strumento di riferimento per effettuare l'analisi dei dati è il foglio di calcolo. Per tale ragione, il corso prevede anche una serie di lezioni, e di relative esercitazioni, sull'utilizzo delle funzionalità di base ed avanzate dei fogli di calcolo.

Knowledge and understanding. Gli studenti dovranno

  • avere un solido background sulle principali caratteristiche dei sistemi informativi e sulla gestione dei dati:
  • avere le basi necessarie ai fini dello sviluppo de pensiero analitico, creativo e criticamente ed essere in grado di creare astrazioni e competenze di problemi solving per trattare i sistemi complessi
  • avere le competenze basi per disegnare e implementare i sistemi di gestione dei dati
  • avere gli strumenti per disegnare i database transazionali e analitici applicati ai diversi contesti
  • avere le competenze per distinguere i dati nei diversi scenari, gli strumenti per gestirli e valutare l'impatto

Applying knowledge and understanding. Alla fine del corso gli studenti saranno in grado di:

  • descrivere e modellare i dati di sistemi informativi aziendali con particolare di riferimento ai sistemi di CRM
  • illustrare i principali componenti e le attività relative alla gestione dei dati aziendali
  • illustrare il paradigma dei Big data e le tecniche di gestione relative
  • essere capaci di utilizzare strumenti di gestione dei dati per effettuare interrogazioni e analisi
  • applicare i concetti dei gestione dei dati e dei sistemi di CRM

Making judgements. Gli studenti sono guidati a trattare criticamente i temi trattati in classe, per confrontare le diverse soluzioni al problema, identificare e proporre la soluzione più efficace ed efficiente in modo autonomo.

Communication. Gli studenti devono imparare a comunicare con audience eterogenei, difendendo la loro posizione in modo coerente, efficace e logico. Durante il corso sarà presentato il vocabolario specifico del dominio e i metodi e la conoscenza per esporre ed argomentare in modo preciso e formale i principali temi legati alla gestione dei dati e ai sistemi informativi

Learning skills. Gli studenti devono acquisire le abilità critiche per relazionarsi autonomamente con i problemi tipici della gestione dei dati, anche in vista di successivi studi dottorali o per approfondire la cultura personale e professionale. Perciò gli studenti dovrebbero essere in grado di passare autonomamente da un approccio di apprendimento a un altro in base alle diverse sorgenti a disposizione, gli obiettivi e il target da raggiungere.

Lezioni in presenza e a distanza su Teams.

- L’esame prevede una prova orale a cui si accede SOLO dietro il superamento di una prova scritta di sbarramento. Le prove previste mirano a verificare le capacità dello studente di saper progettare modelli dati e/o di processo, di saperli commentare anche i merito alle scelte progettuali effettuate e a verificare le conoscenze acquisite attraverso una loro argomentazione in un contesto formale.

Si rimanda al web del Settore didattico di Economia

Appello con prova orale accessibile SOLO dopo il superamento di una prova scritta di sbarramento. Entrambe le prove devono essere sostenute e superate ai fini della successiva verbalizzazione dell'esame. Alla valutazione finale contribuiscono anche l'eventuale presentazione Excel svolta durante le lezioni del corso e la valutazione conseguita nell'ambito del progetto Hackathon che verrà introdotto ed assegnato entro la fine delle lezioni del corso.

  • Fondamenti sui sistemi di elaborazione distribuiti
  • Introduzione ai MIS e ai sistemi di supporto alle decisioni: I processi di business e all'analisi delle performance dei processi di business, Ebusiness: il valore del business elettronico, enterprise applications, business intelligence, mobile business, Etica e sicurezza dell'informazione, , Infrastrutture tecnologiche sostenibili, 
  • Modellazione dei dati: Modellazione concettuale, logica e fisica dei dati transazionali e analitici, interrogazione di database con SQL, introduzione ai DBMS e utilizzo di MySQL
  • La visualizzazione dei dati attraverso tecniche di storytelling e introduzione a QlickSense
  • Excel come strumento a supporto delle decisioni di business e per la gestione dei dati: 
    • Fogli di calcolo per la valutazione di indicatori e l'elaborazione dati in ambito economico.
    • Celle, range di celle, tipi di dati, operazioni e funzioni predefinite, schemi di calcolo e verifiche di correttezza degli schemi (auditing).
    • Rassegna delle principali funzioni: ricerca orizzontale e verticale su matrici di dati, funzioni di testo, date ed intervalli temporali, funzioni statistiche e finanziarie.
    • Riferimenti circolari, soluzioni iterative, approssimazioni ed analisi di sensitività.
    • Inversione di funzioni mediante "ricerca obiettivo".
    • Formattazione condizionale, tabelle di dati e tecniche di ordinamento.
    • Analisi multidimensionale, tabelle pivot, connessione ed interrogazione di database e data warehouse mediante fogli di calcolo.
  • I processi di gestione della relazione con il cliente e gli strumenti digitali a supporto
  • “Sistemi informative aziendali- Erp e sistemi di data analysis”, terza edizione. Autori: Maurizio Pighin, Anna Marzona: Cap: 1-2-3 (paragrafi: 3.4. e 3.5), 4,10 (paragrafo: 10.3), 11, 12,13,14
  • Microsoft Excel 2016 – Data Analysis and Business Modeling, Autore: Wayne L. Winston, ed. Microsoft
  • Dispense fornite dai docenti
BIG DATA E SISTEMI DI CRM A SUPPORTO ALLE DECISIONI AZIENDALI (ING-INF/05)