Ateneo - UPO

Il corso ha lo scopo di presentare la metodologia di base del Data and Predictive Analytics per la gestione delle risorse umane col supporto di strumenti informatici ad hoc.

Alan Agresti, Barbara Finlay (2020). Metodi statistici di base e avanzati per le scienze sociali. Pearson. Martin R. Edwards, Kirsten Edwards (2019). Predictive HR Analytics: Mastering the HR Metric. KoganPage. Fitz-enz, J., & Mattox, J. (2014). Predictive Analytics for Human Resources. Wiley. Materiale didattico aggiuntivo, a cura del docente, che verrà pubblicato sulla pagina D.I.R. del corso (https://www.dir.uniupo.it)

Gli obiettivi del corso sono articolati su tre livelli: 1. metodologico: conoscenza dei principali strumenti dell'HR Analytics, loro impiego consapevole, lettura critica dei risultati; 2. informatico: analisi di alcuni software utili nelle analisi empiriche, comprensione delle loro potenzialità e dei limiti nel loro impiego; 3. team-working: sviluppare la capacità di lavorare in team su tematiche specifiche e di comunicare i risultati in modo efficace.

Conoscenze dei contenuti di un insegnamento di Statistica e di Matematica di base presso un CdL di tipo economico (vedi E0252, E0362 e EA007).

Lezioni frontali in aula, esercitazioni in laboratorio, attività seminariale da parte di esperti in HR, esercitazioni in team.

Parte del corso sarà dedicata all'incontro con esperti del settore HR

E' prevista una valutazione basata su un prova scritta ed una orale consistente in domande teoriche per verificare la conoscenza dei concetti e la padronanza del linguaggio; esercizi numerici per testare le abilità acquisite nell'impiego degli algoritmi di calcolo e con software; problemi strutturati basati sulla comprensione dei dati e sul commento dei risultati volti a valutare l’autonomia nell'analisi statistica.

1. Analytics per le Risorse Umane 2. Coniugare modelli analitici con i processi aziendali 3. Chi è il proprietario dei dati? Da quali processi/funzioni aziendali vengono forniti? 4. Formati di dati, tool informatici. Introduzione al database management. 5. L’importanza della qualità del dato: Data cleaning e data pre-processing. Analisi esplorative e visualizzazione dei dati. 6. Identificazione KPIs 7. Richiami di calcolo delle probabilità e di inferenza statistica. 8. Metodi di Survey: campionamento statistico e tecniche per la raccolta dei dati. Campionamento stratificato, campionamento a più stadi, campionamento a grappoli. 9. Rappresentazioni matriciali di dati multidimensionali: matrice dei dati, matrice di covarianza e di correlazione, matrici di dissimilarità. 10. Modello di regressione lineare multivariata e regressione logistica. 11. Prevedere il futuro: Predictive Analytics per lo Human Capital

1. Acquisizione di metodi statistici di base e avanzati per il trattamento di dati relativi alle risorse umane. 2. Competenza pratica di tools informatici e di database management. 3. Conoscenza sul nesso tra funzione HR e Analytics in azienda.