Corso di analisi

Lezione 1 • Principi Fondamentali del Ragionamento Logico

Introduce il ragionamento deduttivo, induttivo e abduttivo come ossatura dell'analisi. Gli studenti applicano ciascuna modalità a semplici scenari del mondo reale.

Lezione 2 • Strutturare una Dichiarazione del Problema

Insegna come convertire domande vaghe in dichiarazioni di problema precise e risolvibili. Un inquadramento chiaro previene sforzi sprecati e guida la raccolta dei dati.

Lezione 3 • Riconoscere i Bias Cognitivi nell'Analisi

Passa in rassegna i bias cognitivi di maggiore impatto che distorcono il giudizio analitico. Gli studenti apprendono strategie di individuazione e mitigazione per ciascun bias.

Lezione 1 • Considerazioni Etiche nella Raccolta dei Dati

Affronta il consenso, la privacy e la gestione responsabile dei dati come standard analitici non negoziabili. Le mancanze etiche minano sia i risultati che la credibilità professionale.

Lezione 2 • Metodi di Campionamento e Rappresentatività

Tratta le tecniche di campionamento probabilistico e non probabilistico e i relativi compromessi. Un campionamento corretto garantisce che i risultati siano generalizzabili oltre il campione raccolto.

Lezione 3 • Tipi e Strutture di Dati

Distingue i tipi di dati quantitativi, qualitativi, strutturati e non strutturati. Comprendere la struttura dei dati determina quali metodi analitici sono applicabili.

Lezione 4 • Valutazione della Qualità dei Dati

Introduce l'accuratezza, la completezza, la coerenza e la tempestività come dimensioni della qualità. Gli studenti applicano una checklist di qualità prima di iniziare qualsiasi analisi.

Lezione 1 • Distribuzioni di Frequenza e Istogrammi

Insegna la costruzione e l'interpretazione di tabelle di frequenza e istogrammi. Questi strumenti rivelano la forma, l'asimmetria e la modalità di una distribuzione.

Lezione 2 • Misure di Variabilità e Dispersione

Introduce intervallo, varianza, deviazione standard e intervallo interquartile. Le misure di variabilità rivelano quanto i valori individuali differiscono dal centro.

Lezione 3 • Misure di Tendenza Centrale

Tratta media, mediana e moda come strumenti per riassumere il centro di una distribuzione. I punti di forza e i limiti di ciascuna misura sono legati al tipo di dato e alla forma della distribuzione.

Lezione 4 • Tabulazione Incrociata e Tabelle di Contingenza

Dimostra come esaminare le relazioni tra due variabili categoriche. La tabulazione incrociata è un passaggio fondamentale prima di applicare test inferenziali.

Lezione 1 • Dashboard e Layout Multi-Grafico

Insegna come disporre più grafici in una dashboard analitica coerente. Layout efficaci guidano l'occhio dell'osservatore dal contesto al dettaglio alla conclusione.

Lezione 2 • Principi di Comunicazione Visiva Efficace

Stabilisce i principi di design—chiarezza, accuratezza ed efficienza—che governano i buoni grafici. Scelte di design sbagliate fuorviano il pubblico e indeboliscono la credibilità analitica.

Lezione 3 • Scegliere il Tipo di Grafico Corretto

Associa le domande analitiche a tipi di grafico appropriati come barre, linee, dispersione e torte. La scelta del grafico è guidata dal tipo di dato e dalla relazione mostrata.

Lezione 1 • Il Flusso di Lavoro dell'EDA

Delinea una sequenza ripetibile per esplorare set di dati sconosciuti dal primo sguardo alla generazione di ipotesi. Un flusso di lavoro strutturato previene conclusioni premature.

Lezione 2 • Identificare Tendenze e Stagionalità

Insegna la scomposizione dei dati ordinati temporalmente in componenti di trend, stagionalità e residuo. Riconoscere questi modelli è essenziale prima di applicare modelli di serie storiche.

Lezione 3 • Analisi di Correlazione e Associazione

Introduce coefficienti di correlazione e misure di associazione per variabili continue e categoriche. Gli studenti interpretano forza e direzione senza confondere correlazione con causalità.

Lezione 4 • Generazione di Ipotesi dall'EDA

Converte le osservazioni esplorative in ipotesi testabili per l'analisi confermativa. Gli studenti si esercitano a formulare ipotesi nulla e alternativa fondate su modelli di dati.

Lezione 1 • Test Parametrici Comuni

Tratta t-test, ANOVA e test chi-quadrato come gli strumenti inferenziali più utilizzati. La scelta del test dipende dal tipo di dato, dal numero di gruppi e dalle assunzioni distributive.

Lezione 2 • Probabilità e Distribuzioni Campionarie

Costruisce l'intuizione per la probabilità come fondamento dell'inferenza e introduce le distribuzioni campionarie chiave. Comprendere queste distribuzioni è prerequisito per ogni test di significatività.

Lezione 3 • Alternative Non Parametriche

Presenta test basati sui ranghi per dati che violano le assunzioni parametriche. Gli studenti identificano quando i metodi non parametrici sono più appropriati e li applicano correttamente.

Lezione 4 • Quadro di Riferimento per i Test di Significatività

Introduce i p-value, i livelli di significatività e la logica decisionale del test di ipotesi. Gli studenti applicano il quadro senza fare eccessivo affidamento su soglie arbitrarie.

Lezione 1 • Comunicare i Risultati del Modello Predittivo

Traduce gli output tecnici del modello in approfondimenti attuabili per stakeholder non tecnici. Gli studenti si esercitano a inquadrare le previsioni con l'incertezza e le avvertenze appropriate.

Lezione 2 • Regressione Lineare Semplice

Introduce il modello lineare come strumento per prevedere un risultato continuo da un predittore. Gli studenti adattano, interpretano e valutano la qualità di una retta di regressione semplice.

Lezione 3 • Validazione del Modello e Overfitting

Insegna la suddivisione in set di addestramento e test e la convalida incrociata per garantire che i modelli generalizzino oltre i dati di addestramento. L'overfitting è la principale modalità di fallimento nella modellazione predittiva.

Lezione 4 • Regressione Lineare Multipla

Estende il modello a più predittori e affronta la multicollinearità e la selezione delle variabili. Gli studenti interpretano i coefficienti controllando per altre variabili.

Lezione 1 • Analisi di Sensitività e di Scenario

Verifica come le conclusioni cambiano quando le ipotesi chiave variano entro intervalli plausibili. L'analisi di sensitività rivela quali variabili influenzano maggiormente il risultato.

Lezione 2 • Presentare l'Analisi ai Decisori

Tratta formati di briefing esecutivo, design delle slide ed esposizione orale per presentazioni analitiche. Una comunicazione efficace determina se un'analisi rigorosa guida decisioni reali.

Lezione 3 • Quadri Analitici per il Processo Decisionale

Introduce quadri strutturati come l'analisi costi-benefici e gli alberi decisionali per valutare le opzioni. I quadri impongono disciplina a decisioni complesse e multi-criterio.

Lezione 4 • Sintetizzare i Risultati in Raccomandazioni

Converte le conclusioni analitiche in raccomandazioni prioritarie e attuabili con prove a supporto. Gli studenti praticano il principio della piramide per strutturare narrazioni analitiche.