I metodi statistici per creare modelli predittivi di domanda di un bene o servizio (riguardante una singola azienda o il mercato in cui agisce) si riconducono a due famiglie, fondati su differenti principi: i metodi di serie storiche e i metodi regressivi. I primi sfruttano le componenti temporali del fenomeno (trend, ciclo e stagionalità) per prolungare la serie storica ed ottenere previsioni, per lo più a breve termine. Rientrano in questa categoria i metodi di Box e Jenkins, l’estrapolazione grafica, le medie mobili ed il livellamento esponenziale.
I metodi regressivi si fondano invece sull’individuazione di una variabile indipendente, la quale agisce da “causa” del fenomeno oggetto del nostro studio (rappresentato, in questo caso, dalle vendite).
Nel corso si introducono le suddette tecniche di previsione, mostrandone le possibilità di utilizzo ed i contesti applicativi in cui esse sono maggiormente adottate.
Lo scopo è introdurre il corsista alle varie tecniche di previsione e di modellizzazione della domanda.
Per avere informazioni sui contenuti di questo corso potete contattarci direttamente a formazione@mitech.it
-
analisti di mercato
-
direttori marketing
-
programmatori informatici
-
responsabile sistemi informativi
-
Addetti alla Business Intelligence, Machine Learning, Big Data
-
…
Riconoscere i modelli predittivi utilizzati, impostare nuovi strumenti di previsione e dotarsi di un linguaggio tecnico per l’utilizzo di strumenti di Machine Learning e affini.
Metodi di serie storiche
-
Componenti stagionali del fenomeno
-
Estrapolazione grafica
-
Medie mobili
-
Livellamento esponenziale
-
Cenni di metodo di Box e Jenkins
Metodi regressivi
-
Variabile dipendente ed indipendente
-
Analisi regressiva semplice
-
Cenni di analisi di regressione multipla
Conoscenze di Statistica di base (statistica descrittiva, teoria di probabilità e variabili casuali)