Le nostre spedizioni verranno sospese per la pausa natalizia dal 19 dicembre al 6 gennaio.
Gli ordini ricevuti in questo periodo verranno fatturati e spediti dal 7 gennaio.
Modellazione di sistemi aziendali

Ettore Cascioli

Modellazione di sistemi aziendali

Come ridurre l'incertezza nei processi decisionali

Il libro (rivolto principalmente a imprenditori, manager e consulenti d'impresa) offre un quadro di riferimento concettuale e gli strumenti utili per ridurre l'incertezza nei processi decisionali d'impresa.

Edizione a stampa

58,00

Pagine: 448

ISBN: 9788846422439

Edizione: 1a edizione 2000

Codice editore: 100.428

Disponibilità: Limitata

Il libro offre un quadro di riferimento concettuale e gli strumenti utili per affrontare il problema della creazione di conoscenza per ridurre l'incertezza nei processi decisionali d'impresa.

La prima parte tratta dell'importanza della conoscenza nei processi decisionali, focalizzandosi sul rapporto tra informazioni e sistemi informativi come risorse per la direzione d'impresa. La seconda illustra i principi della modellazione e studia le diverse nature e tipologie di modelli. La terza affronta le problematiche di processo della modellazione di sistemi aziendali, a partire dalla definizione dei fabbisogni di conoscenza, proseguendo con l'identificazione delle grandezze rilevanti, la raccolta dei dati, via via fino all'identificazione ed alla validazione del modello finale. La quarta parte, infine, presenta i principali strumenti metodologici per l'identificazione di modelli.

Il libro appare dunque rivolto principalmente a imprenditori, manager e consulenti d'impresa, i quali si trovano quotidianamente nella necessità di affrontare con successo le scelte strategiche delle realtà d'impresa nelle quali essi operano. Contemporaneamente esso costituisce una componente essenziale nella formazione di un laureato in economia. Un'opera quindi utilissima per affrontare "attrezzati" le sfide del mondo attuale.

Ettore Cascioli è professore associato di "Metodologie e determinazioni quantitative d'azienda" presso l'Università Bocconi di Milano. È titolare dei corsi "Modellazione di sistemi aziendali" e "Modellazione di sistemi aziendali II" ed è responsabile dell'Area di Modellazione dell'Istituto di Economia Aziendale della medesima università.


 La problematica
 (Conoscere per decidere; Informazioni e sistemi informativi; La codificazione della varietà; La ridondanza; I sistemi informativi; Il percorso informativo: dalla raccolta dei dati alla formazione delle conoscenze; L'analisi della realtà: uno schema di riferimento)
I principi
 (L'indagine della realtà mediante modelli; Il processo di astrazione e la natura delle analogie; La modellazione come condizione necessaria di conoscenza; Modelli concreti ed astratti: una breve considerazione; I modelli di tipo sistemico; L'identificazione delle relazioni di interdipendenza di un sistema; L'azienda come molteplicità di sistemi; I sistemi d'azienda a struttura lineare; La riduzione dell'incertezza nei processi decisionali; I sistemi di conoscenza)
Il metodo
 (Le fasi del processo di modellazione; La fase concettuale; La traduzione della domanda manageriale nel corrispondente quesito di modellazione; Un caso aziendale; La fase di formulazione; La fase di identificazione; La fase di validazione)
Gli strumenti
 (Una metodologia per la razionalizzazione della struttura delle relazioni; L'identificazione dei modelli sistemici dall'analisi delle relazioni di ingresso/uscita; La ricerca delle variabili strutturali di una realtà; Le dimensioni strutturali di una realtà; Il metodo delle componenti principali; L'analisi dei fattori; Le analisi di regressione nella valutazione delle relazioni tra grandezze; Un esempio prima di continuare; La misura del livello di approssimazione raggiunto da un modello di regressione; L'analisi dei residui di un modello di regressione; L'analisi di una serie storica; L'identificazione delle relazioni nei modelli a più variabili; Le ipotesi preliminari alla stima di un modello con la regressione multipla; Un esempio concreto; La rimozione dei vincoli; Un esempio di situazione di multicollinearità; Il problema degli sfasamenti temporali delle variabili indipendenti; Le tecniche di identificazione di un modello di regressione multipla; Modelli di regressione multipla con più di una variabile obiettivo: cenni; La ricerca dei gruppi di osservazioni simili; La scelta del metodo di raggruppamento; Un breve cenno sul metodo di analisi dei gruppi proposto dall'Autore)
Appendice 1. Nozioni preliminari di statistica descrittiva
 (Gli obiettivi ed i contenuti; La costruzione delle variabili statistiche; La rappresentazione geometrica di una variabile statistica; La misura della variabilità di una variabile statistica; Lo scarto quadratico medio come lunghezza del vettore che rappresenta una variabile statistica; Il confronto in variabilità di due variabili statistiche: il problema; La standardizzazione delle variabili statistiche; L'analisi della correlazione)
Appendice 2. Le raccolte di dati mediante questionari
 (L'identificazione della popolazione di riferimento; L'estrazione del campione; Determinazione della numerosità campionaria; Due metodi di campionamento casuale; Il questionario; Criteri generali per la costruzione di un questionario; Il completamento delle informazioni mancanti)
Appendice 3. Il significato del determinante R nel caso 3x3



Contributi:

Collana: Am / La prima collana di management in Italia

Argomenti: Business intelligence, Big Data, gestione delle informazioni, IT governance

Livello: Testi per professional

Potrebbero interessarti anche