EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:
Il corso fornisce un'introduzione alla preparazione dei dati, all'analisi dei dati e alla
creazione di report in SAS Visual Analytics.
Gli studenti impareranno come utilizzare questo ambiente SAS basato su punti e clic per
accedere facilmente, trasformare e modificare i dati in modo che siano pronti per l'analisi,
nonché come esplorare visivamente i dati per scoprire nuove intuizioni.
Questo strumento di visualizzazione dei dati sviluppato da SAS consente agli studenti di
cercare facilmente relazioni, tendenze e pattern al fine di acquisire una comprensione più
profonda dei propri dati. Successivamente, possono creare report e dashboard
sorprendenti che possono essere condivisi via web e su dispositivi mobili.
Inoltre, gli studenti possono arricchire i report con potenti modelli statistici.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Conoscenza e comprensione di tecniche statistiche parametriche e non parametriche applicate a problemi di business, marketing, previsione delle vendite e problemi finanziari. Alla fine del corso gli studenti dovrebbero essere in grado di comprendere: (i) quali strumenti di analisi dei dati e di visualizzazione scegliere per rappresentare nel miglior modo possibile i dati statistici; (ii) saper scegliere tra diverse tipologie di grafici quelli più idonei per il problema considerato; (iii) esplorare i dati per scoprire eventuali pattern. In particolare, gli studenti sapranno dominare:
• le tecniche di rappresentazione grafica
• Le tecniche di rappresentazione tabbellare
• L’'uso di SAS Visual Analytics
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Attraverso esempi su insiemi di dati reali e l'’utilizzo del software statistico SAS Visual Analytics verranno mostrate diverse applicazioni dei concetti illustrati a lezione. Agli studenti verrà richiesto di esercitarsi, sia in classe sia a casa, applicando le metodologie statistiche a insiemi di dati e fornendo un commento e una interpretazione dei risultati ottenuti.
AUTONOMIA DI GIUDIZIO:
Gli studenti saranno in grado di scegliere le tecniche statistiche più appropriate e di selezionare dal datawarehouse il giusto set di variabili. Sulla base dei risultati ottenuti, saranno in grado di fornire un'interpretazione sulla relazione tra le variabili oggetto di studio. Gli studenti aumenteranno la capacità di analizzare in modo critico e oggettivo situazioni concrete, fenomeni reali e casi di studio.
ABILITÀ COMUNICATIVE:
Gli studenti saranno in grado di preparare report statistici utilizzando grafici, tabelle, figure e più in generale output di software statistico e di corredarli con commenti appropriati.
CAPACITÀ DI APPRENDIMENTO:
Gli studenti potranno accedere alla lettura e alla comprensione di articoli scientifici dove vengono utilizzati metodi di rappresentazione grafica e tabellare considerati nel programma del corso. Saranno in grado di individuare i metodi più appropriati per rispondere a delle specifiche domande di ricerca.
Learning Objectives
LEARNING OUTCOMES:
The course provides an introduction to data preparation, data analysis and report creation
in SAS Visual Analytics.
Students will learn how to use this point-and-click SAS environment to easily access,
transform and modify data so that it's ready for analysis, and also how to visually explore
data to discover new insights.
This Data Visualization tool by SAS enable students to easily search for relationships,
trends and patterns to gain a deeper understanding of their data. Then create stunning
reports and dashboards that are shareable via the web and mobile devices.
In addition, students can enrich reports with powerful statistical models.
KNOWLEDGE AND UNDERSTANDING:
Knowledge and understanding of parametric and nonparametric statistical techniques applied to business, marketing, sales forecasting, and financial problems. By the end of the course, students should be able to understand (i) which data analysis and visualization tools to choose in order to represent statistical data in the best possible way; (ii) to know how to choose among different types of graphs those most suitable for the problem under consideration; and (iii) to explore data to discover possible patterns. In particular, students will know how to use:
- the techniques of graphical representation
- The techniques of tabular representation
- The use of SAS Visual Analytics
APPLYING KNOWLEDGE AND UNDERSTANDING:
Through examples on real datasets and the use of SAS Visual Analytics statistical software, various applications of the concepts explained in class will be shown. Students will be required to practice, both in class and at home, applying statistical methodologies to data sets and providing commentary and interpretation of the results obtained.
MAKING JUDGEMENTS:
Students will be able to choose the most appropriate statistical techniques and select the right set of variables from the data warehouse. Based on the results obtained, they will be able to provide an interpretation on the relationship between the variables under study. Students will increase their ability to critically and objectively analyze concrete situations, real phenomena and case studies.
COMMUNICATION SKILLS:
Students will be able to prepare statistical reports using graphs, tables, figures and more generally statistical software outputs and accompany them with appropriate comments.
LEARNING SKILLS:
Students will be able to access reading and understanding of scientific articles where graphical and tabular representation methods considered in the course syllabus are used. They will be able to identify the most appropriate methods for answering specific research questions.
Prerequisiti
Conoscenza di base della statistica descrittiva, del calcolo delle probabilità, delle variabili casuali (definizione, funzione di ripartizione, valore atteso e varianza, v.c. notevoli) e dell’'inferenza statistica (stima puntuale, proprietà degli stimatori, metodi di stima, verifica delle ipotesi: definizioni, test Z, intervallo di confidenza: definizioni, intervallo di confidenza Z). Durante le lezioni saranno richiamate alcune delle sopra citate nozioni base.
Prerequisites
Basic knowledge of descriptive statistics, elements of probability, random variables (Probability density function, Cumulative density function, expected value and variance) and statistical inference (point estimation, properties of estimators, estimation methods, statistical test, confidence interval).
Programma
Argomento 1 Introduzione al Big Data e Preparazione dei Dati
Argomento 2 Esplorazione dei Dati; Associazione; Regressione Lineare e Non Lineare
Argomento 3 Introduzione a SAS Viya e all'Interfaccia di Visual Analytics.
Argomento 4 Caricamento, Investigazione e Preparazione dei Dati con SAS Visual
Analytics.
Argomento 5 Analisi dei Dati con Visual Analytics (statistiche descrittive, distribuzioni,
correlazioni, regressione lineare).
Argomento 6 Progettazione di Rapporti Interattivi con Visual Analytics: suggerimenti, azioni,
regole e classifiche.
Program
Topic 1 Introduction to Big Data and Data preparation
Topic 2 Data Exploration; Association; Linear and nonlinear regression
Topic 3 Introduction to SAS Viya and Visual Analytics interface.
Topic 4 Loading, investigating and preparing data with SAS Visual Analytics.
Topic 5 Data analysis with Visual Analytics (descriptive statistics, distributions, correlations,
linear regression).
Topic 6 Designing interactive reports with Visual Analytics: prompts, actions, rules and
ranks.
Testi Adottati
•Materiali didattici a cura del professore
SAS Visual Analytics 1 for SAS Viya: Basics –PDF
•E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Books
•Teaching materials
SAS Visual Analytics 1 for SAS Viya: Basics –PDF
•E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Bibliografia
•SAS Visual Analytics 1 for SAS Viya: Basics –PDF
•E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Bibliography
•SAS Visual Analytics 1 for SAS Viya: Basics –PDF
•E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Modalità di svolgimento
Insegnamento in aula: un esperto di SAS descriverà gli argomenti principali del corso e
risponderà alle domande degli studenti.
E-learning: una raccolta di video, dimostrazioni e esercitazioni che riassumono i concetti
presentati in aula.
Studio di casi: in cui gli studenti possono esercitarsi sotto la supervisione dell'insegnante.
Teaching methods
Classroom teaching: a SAS expert will describe the main topics of the course and will
answer students’questions.
E-learning: a collection of videos, demos, and practices, that summarize the concepts
shown in classroom.
Case studies: in which students can practice with the supervision of the teacher.
Regolamento Esame
•Ci saranno due parti diverse per la valutazione:
La prima parte, Project Work, prevede un lavoro di gruppo da completare in un giorno con una presentazione finale. Il lavoro di gruppo si basa sulla rielaborazione di una brutta relazione, che non è visivamente accattivante, da trasformare in una relazione di facile lettura. Sarete completamente indipendenti nell'esecuzione. Il project work attribuirà fino a 4 punti da aggiungere al voto finale. I gruppi possono essere decisi dagli studenti e devono essere composti da un minimo di 2 studenti fino a un massimo di 4 per ogni gruppo. È obbligatorio inviare l'elenco dei gruppi e i loro nomi. Il Project Work sarà online ma non sarà una lezione. I gruppi di studenti dovranno realizzare il project work e presentarlo alla fine (non è necessario un power point, lo presenteranno direttamente dal software).
Seconda parte, esame finale: diviso in due parti, una teorica con domande a cui rispondere con conoscenze pure (con domande a scelta multipla, 1 ora) e una parte pratica (con domande a scelta multipla e a risposta aperta, 1 ora), con azioni da eseguire sul software per rispondere alle domande. Le domande teoriche non sono legate alle due lezioni introduttive del prof. Borra, ma si riferiscono solo all'uso di SAS Visual Analytics.
Per gli studenti non frequentanti: il voto si baserà solo sulla seconda parte identica a quella per gli studenti frequentanti.
Ai fini della valutazione, si utilizzerà lo schema che segue:
Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato;
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico;
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.
Exam Rules
•There will be two different parts for the evaluation:
First part, Project Work, that will include a team work to be finished in one day with a final presentation. The teamwork is based on a re-elaboration of an ugly report, that is not visually appealing, to be transformed in a report that is easy to read. You will be completely independent in the execution. The project work will attribute up to 4 points to be added to the final mark.
The groups can be decided by the students and must be made up of a minimum of 2 students up to a maximum of 4 for each group. It is mandatory to send the list of groups and their names. The Project Work will be online but it will not be a lesson. The groups of students will have to carry out the project work and present it at the end (power point is not necessary, they will present it directly from the software)
Second part, final exam: divided in two parts, one theoretical with questions to be answered with pure knowledge (with multiple choice questions, 1 h) and a practical part (with multiple choice and open answer questions, 1h), with action to be performed on the software to answer the questions. The theoretical questions are not related to the two introductory lessons of the prof. Borra, but they only refer to the use of SAS Visual Analytics.
For not attending students: the grade will be based only on the second part identical to the one for attending students.
The score obtained in this mid-term exam will be added to the final exam grade.
For assessment purposes, the following scheme will be used:
Unsuitable: major deficiencies and/or inaccuracies in the knowledge and understanding of the topics; limited capacity for analysis and synthesis, frequent generalisations and limited critical and judgmental skills, the topics are set out inconsistently and with inappropriate language;
18-20: barely sufficient knowledge and understanding of the topics with possible generalisations and imperfections; sufficient capacity for analysis synthesis and autonomy of judgement, the topics are frequently exposed in an incoherent way and with inappropriate/technical language;
21-23: Routine knowledge and understanding of topics; ability to analyse and synthesise correctly with sufficiently coherent logical argumentation and appropriate/technical language
24-26: Fair knowledge and understanding of the topics; Good analytical and synthetic skills with arguments expressed in a rigorous manner but with language that is not always appropriate/technical.
27-29: Comprehensive knowledge and understanding of the topics; considerable capacity for analysis and synthesis. Good autonomy of judgement. Arguments presented in a rigorous manner and with appropriate/technical language
30-30L: Excellent level of knowledge and thorough understanding of topics. Excellent analytical and synthetic skills and independent judgement. Arguments expressed in an original manner and with appropriate technical language.
EN
IT
Programma
Argomento 1 Introduzione al Big Data e Preparazione dei Dati
Argomento 2 Esplorazione dei Dati; Associazione; Regressione Lineare e Non Lineare Argomento 3 Introduzione a SAS Viya e all'Interfaccia di Visual Analytics.
Argomento 4 Caricamento, Investigazione e Preparazione dei Dati con SAS Visual Analytics.
Argomento 5 Analisi dei Dati con Visual Analytics (statistiche descrittive, distribuzioni, correlazioni, regressione lineare).
Argomento 6 Progettazione di Rapporti Interattivi con Visual Analytics: suggerimenti, azioni, regole e classifiche.
Program
- Topic 1 Introduction to Big Data and Data preparation
- Topic 2 Data Exploration; Association; Linear and nonlinear regression Topic 3 Introduction to SAS Viya and Visual Analytics interface.
- Topic 4 Loading, investigating and preparing data with SAS Visual Analytics.
- Topic 5 Data analysis with Visual Analytics (descriptive statistics, distributions, correlations, linear regression).
- Topic 6 Designing interactive reports with Visual Analytics: prompts, actions, rules and ranks.
Testi Adottati
• SAS Visual Analytics 1 for SAS Viya: Basics –PDF
• E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Books
• SAS Visual Analytics 1 for SAS Viya: Basics –PDF
• E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Bibliografia
• SAS Visual Analytics 1 for SAS Viya: Basics –PDF
• E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Bibliography
• SAS Visual Analytics 1 for SAS Viya: Basics –PDF
• E-learning - SAS Visual Analytics 1 for SAS Viya: Basics
Modalità di svolgimento
Insegnamento in aula: un esperto di SAS descriverà gli argomenti principali del corso e risponderà alle domande degli studenti.
E-learning: una raccolta di video, dimostrazioni e esercitazioni che riassumono i concetti presentati in aula.
Studio di casi: in cui gli studenti possono esercitarsi sotto la supervisione dell'insegnante.
Teaching methods
Classroom teaching: a SAS expert will describe the main topics of the course and will answer students’questions.
E-learning: a collection of videos, demos, and practices, that summarize the concepts shown in classroom.
Case studies: in which students can practice with the supervision of the teacher.
Regolamento Esame
Valutazione dello Studio di Caso. Questo esame di metà periodo consiste in un esercizio pratico in cui gruppi di studenti metteranno alla prova le loro conoscenze su SAS Visual Analytics utilizzando il software.
Lo studio di caso sarà fornito a ogni gruppo e richiederà di risolvere diverse attività correlate agli argomenti appresi durante il corso; i risultati saranno presentati a un esperto di SAS per essere valutati.
Il punteggio ottenuto in questo esame di metà periodo sarà aggiunto al voto dell'esame finale.
Exam Rules
Case Study evaluation. This mid-term exam consists in a practice exercise in which group of students will test their SAS Visual Analytics knowledge by using the software.
The case study will be provided to every group and it will require to solve different tasks related to the topics learned during the course; the results will be presented to a SAS expert to be assessed.
The score obtained in this mid-term exam will be added to the final exam grade.
Aggiornato A.A. 2022-2023
Aggiornato A.A. 2022-2023
Course Description
The course provides an introduction to data preparation, data analysis and report creation in SAS Visual Analytics.
Students will learn how to use this point-and-click SAS environment to easily access, transform and modify data so that it's ready for analysis, and also how to visually explore data to discover new insights.
This Data Visualization tool by SAS enable students to easily search for relationships, trends and patterns to gain a deeper understanding of their data. Then create stunning reports and dashboards that are shareable via the web and mobile devices.
In addition, students can enrich reports with powerful statistical models.
Find more information in the Syllabus
Prof.ssa Lucia Leonelli
