PRESENTAZIONE

L’insegnamento tratta i metodi analitici e quantitativi a supporto dei processi decisionali strategici nel settore energetico. L’insegnamento introduce i framework per lo sviluppo della strategia e l'analisi del settore, ponendo particolare attenzione alla creazione di valore e alle forze competitive. L’insegnamento presenta, inoltre, le basi concettuali per comprendere come i big data e l'intelligenza artificiale abbiano cambiato i processi decisionali strategici e le linee guida pratiche per gestire le sfide legate ai big data nel processo decisionale.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

L’insegnamento si propone di fornire agli studenti conoscenze per contribuire ai processi decisionali strategici, attraverso l’impiego di vari metodi analitici. Al termine dell’insegnamento, gli studenti avranno acquisito la capacità di riconoscere e interpretare le principali componenti di una strategia aziendale, comprendendo come i fattori interni ed esterni influenzino le decisioni strategiche. Gli studenti saranno in grado di applicare strumenti di analisi dell’ambiente e delle fonti di vantaggio competitivo e valutare le scelte di posizionamento e diversificazione. L’insegnamento fornirà strumenti per affrontare le sfide poste dall’uso dei big data e dell’intelligenza artificiale nei processi decisionali strategici, con particolare riferimento alle applicazioni nell’ambito energetico. Le competenze acquisite includono la capacità di interpretare scenari complessi, elaborare strategie fondate su dati e analisi strutturate, e comunicare i risultati in contesti interdisciplinari e ad elevata incertezza.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

1. Fondamenti di strategia e processi decisionali

• Descrivere i componenti fondamentali di una strategia efficace.
• Spiegare i principi teorici dell’analisi strategica.
• Identificare e analizzare le modalità con cui le organizzazioni formulano strategie.
• Riconoscere le caratteristiche distintive della strategia di un’impresa nel settore energetico.

1. Analisi strategica e ambiente competitivo

• Analizzare le forze strutturali che determinano la competitività e la redditività di un settore.
• Applicare i modelli di industry analysis per valutare l’attrattività di un mercato.
• Definire i confini di un’industry e identificare i fattori critici di successo.

1. Risorse, capacità e vantaggio competitivo

• Identificare le risorse e le capacità strategiche di un’impresa.
• Valutare il potenziale delle risorse e capacità per generare vantaggio competitivo sostenibile.
• Formulare strategie che valorizzino i punti di forza interni e mitigano i punti di debolezza.

1. Analisi SWOT e strategie di portafoglio

• Condurre un’analisi SWOT per valutare l’allineamento tra risorse interne e contesto esterno.
• Calcolare la configurazione strategica di un portafoglio aziendale.
• Valutare criticamente le scelte di diversificazione e focalizzazione strategica.

1. Big data e intelligenza artificiale nei processi decisionali

• Descrivere il ruolo dei dati nei processi decisionali del settore energetico.
• Riconoscere le principali sfide legate all’adozione di tecnologie data-driven.
• Analizzare i fattori critici per una big data analysis efficace.
• Spiegare come le tecnologie di intelligenza artificiale possano supportare decisioni strategiche nel settore energetico.

PREREQUISITI

Non sono richiesti prerequisiti specifici. È tuttavia auspicabile una conoscenza di base dei concetti fondamentali di management strategico.

MODALITA' DIDATTICHE

L'insegnamento adotta una modalità didattica prevalentemente a distanza. La didattica erogata a distanza consiste in lezioni frontali registrate, che coprono i contenuti teorici e concettuali del modulo. La didattica in presenza consiste in esercitazioni pratiche, attività in gruppi e discussioni guidate, al fine di stimolare l’interazione, consolidare le competenze analitiche e favorire l’applicazione di metodi e strumenti a casi concreti del settore energetico e ambientale.

Gli studenti in possesso di certificazione di disabilità, DSA o bisogni educativi speciali devono contattare, all'inizio delle lezioni, sia il docente, sia il referente per la disabilità del Dipartimento, Prof.ssa Elena Lagomarsino elena.lagomarsino@unige.it , per concordare modalità didattiche e d'esame che, nel rispetto degli obiettivi dell'insegnamento, tengano conto delle modalità di apprendimento individuali e consentano l'uso di eventuali strumenti compensativi

PROGRAMMA/CONTENUTO

L’insegnamento tratta le teorie e le tecniche per supportare i processi decisionali strategici, con particolare riferimento al settore dell’energia e alla transizione ecologica. L’insegnamento fornisce un inquadramento teorico dei concetti strategici e illustra strumenti analitici e quantitativi utili per l’analisi di contesto, l’identificazione del vantaggio competitivo, l’applicazione di big data e intelligenza artificiale a supporto delle decisioni.

Contenuti principali

1. Fondamenti di strategia e processi decisionali

• Definizione e componenti di una strategia efficace
• Il processo di formulazione della strategia
• Il ruolo delle decisioni strategiche nelle organizzazioni

1. Analisi strategica e ambiente competitivo

• Modelli di industry analysis
• Analisi della redditività e dell’attrattività settoriale
• Fattori chiave di successo e confini dell’industry

1. Risorse, capacità e vantaggio competitivo

• Resource-Based View e concetto di capability
• Valutazione del potenziale strategico di risorse e competenze

1. Analisi SWOT e strategie di portafoglio

• Analisi integrata di fattori interni ed esterni
• Decisioni di diversificazione, focalizzazione e configurazione del portafoglio
• Valutazione strategica di opportunità e minacce

1. Big data e intelligenza artificiale nei processi decisionali

• Ruolo e impatto dei dati nei processi decisionali nel settore energetico
• Linee guida per l’integrazione di big data nelle strategie aziendali, sfide e opportunità dell’approccio data-driven

• Principi e strumenti di intelligenza artificiale applicati al settore energetico, impatti organizzativi e sfide relative all’uso dell’intelligenza artificiale

TESTI/BIBLIOGRAFIA

Grant, R. M. (2021). Contemporary strategy analysis. John Wiley & Sons. [Limitatamente alle parti indicate dal docente]

Ahmad, T., Zhang, D., Huang, C., Zhang, H., Dai, N., Song, Y., & Chen, H. (2021). Artificial intelligence in sustainable energy industry: Status Quo, challenges and opportunities. Journal of Cleaner Production, 289, 125834.

Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of Big Data challenges and analytical methods. Journal of Business Research, 70, 263-286.

DOCENTI E COMMISSIONI

Commissione d'esame

ANDREA CIACCI

STEFANO BRACCO (Presidente Supplente)

STEFANO MASSUCCO (Presidente Supplente)

MARTA NAI RUSCONE (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

Le lezioni iniziano nella prima settimana del secondo semestre in conformità al calendario didattico del Dipartimento di Economia.

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

L’esame finale consisterà in una prova scritta, volta a verificare la comprensione dei concetti teorici e l’applicazione degli strumenti analitici trattati nel corso. Ulteriori indicazioni sulle modalità di valutazione saranno fornite nel corso delle lezioni. 

MODALITA' DI ACCERTAMENTO

MODALITA' DI ACCERTAMENTO

Le domande contenute nella prova scritta riprendono i temi e i concetti fondamentali affrontati nell’insegnamento. I casi di analisi sono pensati per misurare la capacità di applicare le conoscenze a scenari reali. Tra i criteri di valutazione rientrano, oltre al grado di comprensione dei concetti chiave, degli scenari decisionali e alla capacità analitica, anche l’uso appropriato del linguaggio disciplinare.

ALTRE INFORMAZIONI

ALTRE INFORMAZIONI

Gli studenti in possesso di certificazione di DSA, disabilità o altri bisogni educativi speciali sono invitati a mettersi in contatto con il docente all’inizio del corso, al fine di concordare modalità didattiche ed eventuali adattamenti nella prova d’esame che, pur nel rispetto degli obiettivi formativi dell’insegnamento, tengano conto delle loro specifiche modalità di apprendimento e prevedano adeguati strumenti compensativi.