Il corso di data mining si propone di introdurre tecniche statistiche per la previsione delle vendite e il customer relationship management, enfatizzando l'analisi di grandi volumi di dati per generare insights utili al problem solving aziendale. Strutturato in due moduli, il corso esplora metodi per le vendite e il comportamento d'acquisto, utilizzando software come IBM SPSS Modeler. Alla fine, gli studenti acquisiranno competenze pratiche per implementare processi analitici complessi in vari settori, quali retail e consulenza.

1. “You can use all the quantitative data you can get, but you still
have to distrust it and use your own intelligence and
judgment”
Alvin Toffler
20233 – Data Mining
Modelli e applicazioni per la previsione delle vendite e il
Customer Relationship Management
Docenti: Luca Molteni – Daniele Tonini
1

2. Obiettivi del corso
• Il corso propone di introdurre il concetto di Data Mining e di presentare le
principali tecniche statistiche che possono essere utilmente impiegate per
supportare il Management nella soluzione di specifici problemi aziendali
• Il Data Mining ha l’obiettivo di generare conoscenza e insights altrimenti non
individuabili, attraverso l’analisi di grandi moli di dati con tecniche di
modellazione avanzate
– Non si tratta solamente di statistica o di produzione di numeri, ma soprattutto di
razionalizzazione e sintesi degli input, interpretazione dei risultati e generazione di
idee finalizzate al problem solving
• Le tecniche studiate nel corso sono cross-settoriali e cross-tematiche:
possono per questo essere applicate con successo per supportare decisioni di
marketing, finanza, strategic management o organizzazione

3. Struttura del corso
• Il corso è strutturato in due principali moduli:
• Il primo è incentrato sul tema delle previsioni delle vendite e, più in generale,
delle serie storiche: sono trattati, a questo proposito, i metodi di decomposizione
classica, di attenuazione esponenziale (Holt-Winters) e la modellistica ARIMA
Esempio:
previsione serie
storica

4. Struttura del corso
• La seconda parte del corso è dedicata al Data Mining per il Customer
Relationship Management ed in particolare a temi quali:
– La profilazione avanzata della clientela attraverso tecniche ad albero (CHAID,
CART, QUEST, C4.5)
Esempio: un
modello di
classificazione
ad albero

5. Struttura del corso
– L’analisi del comportamento d’acquisto (Market Basket Analysis): permette di
studiare le abitudini dei consumatori per evidenziare affinità esistenti tra prodotti o
gruppi di prodotti venduti in modo da massimizzare l’efficacia delle promozioni,
impostare il layout del punto vendita o ridefinire le strategie di cross-selling/up-selling
Esempio:
riorganizzazione
del punto vendita

6. Struttura del corso
– Lo scoring della clientela attraverso tecniche regressive/iterative (regressione
logistica, reti neurali, analisi discriminante lineare) per la previsione del rischio di
abbandono (churn), la misurazione della propensione all’acquisto per determinati
prodotti (propensity models) o la stima della probabilità di default
Esempio: modello
previsione abbandono
clientela
• Il peggior 20% di clienti (in
termini di probabilità di
abbandono stimata dal
modello) comprende quasi
il 60% degli effettivi
churners
• Raggiungendo la
minoranza dei clienti con la
più alta probabilità di
abbandono l’azienda potrà,
ottimizzando i costi di
contatto, offrire prodotti e
servizi che soddisferanno i
bisogni che non erano stati
soddisfatti fino a quel
momento, prevenendo così
il futuro abbandono

7. Lezioni e lavoro individuale
• Il corso è caratterizzato da un alternarsi di lezioni di natura metodologica e di
lezioni di natura più applicativa: in entrambi i casi, saranno discussi una serie di
casi aziendali per contestualizzare di volta in volta le tecniche e le metodologie
proposte
• Durante il corso, e in particolare durante le esercitazioni in aula informatica, si
imparerà ad utilizzare il software IBM SPSS Modeler e SPSS Statistics,
applicativi molto potenti, ma anche intuitivi, che sono oggi largamente diffusi in
azienda per l’analisi dei dati
• L’esame è costituito da una tesina individuale dove lo studente, con il supporto
dei docenti, dovrà applicare le tecniche studiate durante il corso e interpretare i
risultati ottenuti in ottica di business, per suggerire possibili azioni o strategie

8. Sbocchi professionali
• Il corso si prefigge l’obiettivo di trasmettere agli studenti competenze
professionali nell’implementare ed interpretare processi analitici complessi in
azienda
• In particolare, al termine del corso, lo studente sarà in grado di impostare
un’attività di data mining, di comprendere quali dati/modelli impiegare per
specifici obiettivi di business e di utilizzare il software necessario per la
creazione del processo di analisi, con un occhio particolare alle ricadute
operative e strategiche dei modelli prodotti
• Tali competenze sono richieste soprattutto in settori quali il retail, le telco, la
finanza, la consulenza e i servizi web
• I ruoli che si andranno a ricoprire inizialmente in azienda sono quelli del
Business Analyst e del Junior Consultant

9. Esperienze e commenti di ex-studenti
« Grazie al corso e al lavoro individuale svolto, ho
aiutato la mia azienda di famiglia a migliorare le
nostre vendite e sviluppare delle nuove opportunità
per il nostro business.
E come se non bastasse il corso mi ha aperto la
strada verso una società di consulenza, dove lavoro
da ormai 6 mesi…»
« Lavoro presso una società di consulenza e
analisi di mercato e utilizzo quotidianamente gli
…ne seguiranno altri.. strumenti del corso.
L’ho trovato molto interessante soprattutto
perché molto applicativo, a differenza di tanti
altri corsi dove non si vede una vera e propria
applicazione della teoria sul campo…»

10. Il software utilizzato: IBM® SPSS® Modeler
10

11. Framework: il processo di Data Mining
Business Data
Understanding Understanding
Data
Preparation
Deployment Dati
Modeling
Evaluation
11