Master L'intelligenza artificiale a supporto della business intelligence: la tecnologia per il controllo di gestione

ELEMENTI DI DATA SCIENCE – 1° PARTE
21 gennaio 2025, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Introduzione alla data science: intelligenza artificiale e machine learning
• Cos’è un algoritmo, come si progetta e con quali finalità aziendali
• Strumenti operativi per costruire algoritmi (knime, pentaho, python, ...)
• Dal foglio elettronico ai “data lake”: importanza di creare base dati condivise e coerenti
• Rilevazione diretta e accessibilità: problema o opportunità?

LESSONS LEARNED
1. Dare consapevolezza delle potenzialità dell’Intelligenza artificiale e del Machine learning
2. Introdurre al Controllo di Gestione digitale
3. Evidenziare i principali strumenti operativi

ELEMENTI DI DATA SCIENCE – 2° PARTE
28 gennaio 2025, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Dal data entry all’analisi del dato
• Esempi applicativi (budget, dati extracontabili)
• Cos’è Anomaly Detection: finalità, vantaggi e utilizzi in azienda
• Rete neurale per identificare errori
• Tecniche classiche di automazione per l’identificazione degli errori in tempo reale (isola che non c’è, altre anomalie anagrafiche o di fattura, analisi di Pareto, customer profiler, analisi matriciali, media pesata prezzi, tempo sottratto al reporting manuale)

ESERCITAZIONE
Analisi dati con effetto Prezzo/Volume/Mix

LESSONS LEARNED
1. Fornire un vocabolario comune per sviluppare proficuamente l’arte della data science
2. Dare gli strumenti più innovativi di data science al fine di trasformare i dati in informazioni
3. Introdurre all’Anomaly Detection

MACHINE LEARNING – 1° PARTE
4 febbraio 2025, dalle 14.00 alle 16.00 e dalle 16.30 alle 18.30
• L’I.A. e ML anche per le PMI
• Introduzione alla sentiment analysis e al text mining
• Esempi di applicazioni aziendali utili al processo decisionale
• Uomo vs Macchina: confronto sulla riclassificazione economica a margine di contribuzione

ESERCITAZIONE
Esercitazione operativa con l’utilizzo di algoritmo di machine learning per la rilevazione atomatica di anomalie (anomaly detection) nei processi aziendali

LESSONS LEARNED
1. Introdurre all’utilizzo del Machine Learning per il Controllo di Gestione
2. Evidenziare l’efficacia dell’impiego di algoritmi per le decisioni aziendali
3. Introdurre alla sentiment analysis ed al text mining per l’analisi di bilancio

MACHINE LEARNING – 2° PARTE
11 febbraio 2025, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Modelli di clusterizzazione e di regressione
• Caso aziendale: ottimizzazione dello stock per le decisioni di acquisti e produzione
• Caso aziendale: algoritmo di machine learning per la gestione clienti (Churn rate)

ESERCITAZIONE
Esercitazione pratica su caso logistica: configuratore per la produzione

LESSONS LEARNED
1. Introduzione a sensori commerciali e di direzione aziendale
2. Comprendere gli Alberi Decisionali
3. Realizzare KPI e sensori per i diversi processi aziendali 

BUSINESS INTELLIGENCE E APPLICAZIONE PRATICA
18 febbraio 2025, dalle 9.00 alle 11.00, dalle 11.30 alle ore 13.30, dalle 14.30 alle 16.30, dalle 17.00 alle 18.00
• Introduzione alla BI: che cos’è la Business Intelligence: facilità, flessibilità e fruibilità
• Le difficoltà al reperimento dei dati
• Le tecniche del controllo di gestione dello studio: emancipati dall’uso smodato di Excel e dal data entry (gestionali)
• Lo strumento della Business Intelligence per il controllo direzionale: benefici economici e facilitazione nelle decisioni strategiche
• I 5 modelli di funzionalità della Business Intelligence
• Scorecard e Dashboard 
• Analisi OLAP
• Il data mining: imparare a creare percorsi di analisi per la consulenza
- processi commerciali per area geografica/linea/canale/distributivo/articoli
- varianti MPA (Mercati/Prodotti/Aree geografiche)
- varianti PTV (Prezzo/Tassi/Volumi)
- margini per commessa/prodotto/cliente/etc.
- sensori della funzione logistica
- sensori della funzione acquisti
• La Business Intelligence quale strumento di condivisione dei dati e di agevolazione al budgeting
• Cosa succederà domani? Come il ML ci può aiutare nel “prevedere il futuro” (scenari)
• Alerting: Gli strumenti di reportistica nello studio professionale e la gestione del dato in tempo reale
• Ma di Alerting
• Creazione di indicatori di performance per le aree commerciale, produzioni e acquisti (kpi)

LESSONS LEARNED
1. Fornire una conoscenza profonda dell’utilizzo dei sistemi di Business Intelligence
2. Introdurre all’utilizzo diretto di uno strumento operativo per realizzare vere e proprie analytics
3. Ottimizzare gli strumenti digitali di Budgeting, Reporting e Alerting

ESERCITAZIONE
Esercitazione operativa su uno strumento di Business Intelligence per un’azienda produttiva/commerciale:
- progettare un sistema di controllo di gestione per l’azienda
- creare indicatori di performance per le aree commerciale, produzione e acquisti