Presentazione di Sergio Patano, Research & Consulting Manager di IDC Italia, tenuta all’IDC Big Data & Analytics Conference 2014 di Milano, il 18 Settembre 2014
Business Intelligence & Big Data per il RetailRoberto Butinar
Innovazione e cambiamento stanno interessando in modo crescente tutte le forme di interazione sociale, e quindi economica.
L'industria del retail probabilmente è una di quelle maggiormente coinvolte. L'esplosione delle informazioni disponibili per i potenziali consumatori fanno il paio con il moltiplicarsi delle opzioni e canali di acquisto.
Nonostante la crisi economica, gli acquisti online continuano a crescere in tutto il mondo a doppia cifra, ed alcune aree in particolare, tra cui l'Italia, il potenziale di crescita per i prossimi anni è ancora più forte.
Il ruolo del governo dell'informazione, in questo processo di radicale trasformazione, risulta essenziale. Non solo per l'acquisto effettuato online, ma per l'acquisto più tradizionale effettuato in negozio.
Multicanalità significa che gli utenti utilizzano diversi dispositivi per informarsi, interagire fra di loro e con noi, ed eventualmente completare l'acquisto. Significa quindi maggiore complessità, più interazioni da monitorare, clienti più informati, più concorrenza e maggiore pressione sui prezzi.
Non è possibile affrontare questa complessità crescente senza un adeguato supporto informativo. E' qui che entrano in gioco la Business Intelligence e il Big Data Management.
In TARGIT abbiamo una lunga e consolidata esperienza in ambito Retail. Sappiamo inoltre quanto sia importante che le informazioni possano essere fruite in modo semplice ed immediato. Siano tradizionali, o Big Data.
Per questa ragione abbiamo voluto rivoluzionare l'interazione fra utenti ed informazioni. Con TARGIT è sufficiente chiedere ciò di cui si ha bisogno, e il sistema si preoccuperà di comprendere quali informazioni sono realmente quelle di nostro interesse, imparando dalle nostre abitudini e da quelle dei nostri colleghi. Maggiore sarà l'utilizzo di TARGIT, più precise e pertinenti saranno le risposte che il sistema sarà in grado di restituirci.
La presentazione offre una panoramica sul mercato Retail, sulle sue evoluzioni recenti e un approfondimento sulle soluzioni offerte da TARGIT.
Buona lettura.
Presentazione di Sergio Patano, Research & Consulting Manager di IDC Italia, tenuta all’IDC Big Data & Analytics Conference 2014 di Milano, il 18 Settembre 2014
Business Intelligence & Big Data per il RetailRoberto Butinar
Innovazione e cambiamento stanno interessando in modo crescente tutte le forme di interazione sociale, e quindi economica.
L'industria del retail probabilmente è una di quelle maggiormente coinvolte. L'esplosione delle informazioni disponibili per i potenziali consumatori fanno il paio con il moltiplicarsi delle opzioni e canali di acquisto.
Nonostante la crisi economica, gli acquisti online continuano a crescere in tutto il mondo a doppia cifra, ed alcune aree in particolare, tra cui l'Italia, il potenziale di crescita per i prossimi anni è ancora più forte.
Il ruolo del governo dell'informazione, in questo processo di radicale trasformazione, risulta essenziale. Non solo per l'acquisto effettuato online, ma per l'acquisto più tradizionale effettuato in negozio.
Multicanalità significa che gli utenti utilizzano diversi dispositivi per informarsi, interagire fra di loro e con noi, ed eventualmente completare l'acquisto. Significa quindi maggiore complessità, più interazioni da monitorare, clienti più informati, più concorrenza e maggiore pressione sui prezzi.
Non è possibile affrontare questa complessità crescente senza un adeguato supporto informativo. E' qui che entrano in gioco la Business Intelligence e il Big Data Management.
In TARGIT abbiamo una lunga e consolidata esperienza in ambito Retail. Sappiamo inoltre quanto sia importante che le informazioni possano essere fruite in modo semplice ed immediato. Siano tradizionali, o Big Data.
Per questa ragione abbiamo voluto rivoluzionare l'interazione fra utenti ed informazioni. Con TARGIT è sufficiente chiedere ciò di cui si ha bisogno, e il sistema si preoccuperà di comprendere quali informazioni sono realmente quelle di nostro interesse, imparando dalle nostre abitudini e da quelle dei nostri colleghi. Maggiore sarà l'utilizzo di TARGIT, più precise e pertinenti saranno le risposte che il sistema sarà in grado di restituirci.
La presentazione offre una panoramica sul mercato Retail, sulle sue evoluzioni recenti e un approfondimento sulle soluzioni offerte da TARGIT.
Buona lettura.
I social media sono un'importante fonte d'informazioni sui bisogni, le opinioni e le esigenze dei clienti: come analizzare il sentiment grazie ai Big Data?
Misurare e valutare le iniziative web: introduzione alla Web AnalyticsAlberto Rota
Dalla comprensione delle metriche alla costruzione di un modello di misurazione [Corso introduttivo al web writing per l'Università di Milano, dicembre 2013]
Big Data e Business Intelligence. Intervento del Prof. Pozzan nell'ambito dell'open day organizzato dalla Fondazione ITS Kennedy di Pordenone, evento del 13 settembre 2014 in cui sono stati presentati i temi per i corsi in partenza a novembre 2014.
Big Data Social Media
Valore dei Dati
Volume Varietà Velocità
Trends & Patterns
Numeri Vs Immagini
Dati Vs Istinto
Data Flow nel Business e nei Social Media
Big Data Value Chain
Analisi Predittive
Hadoop, Microsoft Big Data
Big Data landscape 2014
Convergenza: Social Media, Coding, Big Data, Apps, Cloud
Offering - Business Intelligence: il nostro approccioXenesys
Non esiste una soluzione di Business Intelligence migliore in assoluto, non è neppure quella più costosa: scopri come gli specialisti di Datawarehouse, Corporate Performance Management, BI Analytics accompagnano le imprese in un percorso verso le nuove frontiere della Business Intelligence, per ottenere anche informazioni che scaturiscono dall'analisi stessa dei dati.
Preparare una strategia di successo per il 2014.
- Social Media Marketing
- Content Marketing
- Native Advertising
- Social Customer Service
- Mobile Marketing
- Social Media Solutions, Tracking Tools, Metrics & Analytics
I social media sono un'importante fonte d'informazioni sui bisogni, le opinioni e le esigenze dei clienti: come analizzare il sentiment grazie ai Big Data?
Misurare e valutare le iniziative web: introduzione alla Web AnalyticsAlberto Rota
Dalla comprensione delle metriche alla costruzione di un modello di misurazione [Corso introduttivo al web writing per l'Università di Milano, dicembre 2013]
Big Data e Business Intelligence. Intervento del Prof. Pozzan nell'ambito dell'open day organizzato dalla Fondazione ITS Kennedy di Pordenone, evento del 13 settembre 2014 in cui sono stati presentati i temi per i corsi in partenza a novembre 2014.
Big Data Social Media
Valore dei Dati
Volume Varietà Velocità
Trends & Patterns
Numeri Vs Immagini
Dati Vs Istinto
Data Flow nel Business e nei Social Media
Big Data Value Chain
Analisi Predittive
Hadoop, Microsoft Big Data
Big Data landscape 2014
Convergenza: Social Media, Coding, Big Data, Apps, Cloud
Offering - Business Intelligence: il nostro approccioXenesys
Non esiste una soluzione di Business Intelligence migliore in assoluto, non è neppure quella più costosa: scopri come gli specialisti di Datawarehouse, Corporate Performance Management, BI Analytics accompagnano le imprese in un percorso verso le nuove frontiere della Business Intelligence, per ottenere anche informazioni che scaturiscono dall'analisi stessa dei dati.
Preparare una strategia di successo per il 2014.
- Social Media Marketing
- Content Marketing
- Native Advertising
- Social Customer Service
- Mobile Marketing
- Social Media Solutions, Tracking Tools, Metrics & Analytics
Case Study in Linked Data and Semantic Web: Human GenomeDavid Portnoy
The National Human Genome Research Institute's "GWAS Catalog" (Genome-Wide Association Studies) project is a successful implementation of Linked Data (http://linkeddata.org/) and Semantic Web (http://www.w3.org/standards/semanticweb/) concepts. This deck discusses how this project has been implemented, challenges faced and possible paths for the future.
A presentation on Application Architecture for Semantic Web Applications based on chapter 4 of the book Semantic Web for the Working Ontologist by Dean Allemang and Jim Hendler. It focusses on RDF parsing and serialising and RDF stores.
SAPIENZA UNIVERSITA’ DI ROMA
DIPARTIMENTO DI SCIENZE DOCUMENTARIE, LINGUISTICO-FILOLOGICHE E GEOGRAFICHE
SCUOLA DI SPECIALIZZAZIONE IN BENI ARCHIVISTICI E LIBRARI
Anno accademico 2012-2013
Insegnamento: INFORMATICA PER GLI ARCHIVI E LE BIBLIOTECHE
Prof. Giovanni Solimine
Modulo integrativo
INFORMATICA PER LE BIBLIOTECHE
Prof. Maurizio Caminito
Strumenti digitali professionisti - Gestione del datoFabio Tonini
Gestire correttamente i dati, organizzazione dei files, valutazione della sicurezza e protezione, analisi dei dati, valorizzazione economica del dato, sicurezza informatica e molti altri aspetti tecnici e formativi necessari in azienda e per i professionisti per creare valore dall'enorme mole di dati che oggi ognuno di noi è
Se la meta è la Self-Service Analytics, il Logical Data Warehouse ne è la rottaDenodo
Watch full webinar here: https://bit.ly/2SDUxEz
In tutte le aziende c’è una necessità crescente di ottenere informazioni e di prendere decisioni, spesso strategiche, a partire da dati che continuano a crescere in numero, volume e varietà delle fonti, e in cui la componente non strutturata è sempre più prevalente.
La maggior parte delle soluzioni più classiche adottate fino ad oggi, come i tradizionali Data Warehouse e Data Lake hanno una governance più complessa e non garantiscono un accesso agile ai dati.
I sistemi di Business Intelligence devono essere in grado di supportare nuove forme di reporting e di analisi, come l’analisi Self-Service, le analisi investigative e la Data Science; nuovi utenti, come clienti online, partner e fornitori; tecnologie emergenti, come Hadoop e NoSQL; fonti di dati esterne, come i dati sui Social Media e gli Open Data.
Inoltre, elemento non meno importante, la velocità con la quale le aziende devono prendere decisioni o portare sul mercato nuovi prodotti o servizi, è sempre maggiore.
La risposta a queste necessità aziendali, secondo gli analisti, è il Data Warehouse Logico (LDW), che ha dimostrato garantire una elevata agilità per il Delivery e la trasformazione dei dati, semplificando la connessione a nuove sorgenti dati, comunque siano fatte e ovunque siano.
Partecipa a questo webinar per approfondire:
- Come implementare un Data Warehouse logico secondo Gartner
- Come la tua organizzazione può migrare in modo graduale e con successo verso un'architettura di Data Warehouse logico flessibile
- Come rendere disponibili in modo agile e veloce nuove fonti di dati agli analisti e ai data scientist
- In che modo il Logical Data Warehouse aiuta a integrare l'analisi Self-Service con le altre forme più classiche di Business Intelligence
CORSO DI INFORMATICA AZIENDALE
I processi aziendali: classificazione dei dati e dei processi aziendali.
L'informatica per il marketing: business intelligence, data warehouse, data mining
Business Intelligence e Business Analytics sono termini che ricorrono ormai quotidianemente. Cosa significano? Che valore portano in una azienda? Come si crea una soluzione di Business Intelligece e di Business Analytics? Che strumenti mette a disposizione la piattaforma Microsoft? In questa sessione andremo ad introdurre tutti gli attori, gli strumenti e le tecnologie che concorrono a realizzare tali soluzioni, vendendone alcune "dal vivo" per capire come si usano ed il grande valore aggiunto che, in una società sempre più affamata di informazioni, ma ricca solo di dati, possono portare.
Dai report alle analisi: la «scoperta» attraverso i dati.
La raccolta dei dati aziendali è normalmente rivolta alla generazione di resoconti riassuntivi dell’andamento di vari aspetti dell’attività (ad esempio l’andamento delle vendite, la saturazione degli impianti, ecc.). Ma essi non sono sufficienti a creare informazioni.
Partendo dai dati è possibile estrapolare nuove intuizioni, inizialmente nascoste. Tramite la analisi dei dati è possibile scoprire caratteristiche di grande rilevanza dei fenomeni in esame.
Estrazione della conoscenza dalla documentazione tecnica e di progettoAMALITA MODENA
L’esperienza maturata nei progetti spesso viene dispersa o non adeguatamente condivisa e valorizzata.
La conoscenza di progetto rappresenta invece un asset fondamentale non solo per il Project Management ma anche per il governo dell’innovazione e per l’organizzazione nel suo complesso
Volocom mette a disposizione strumenti organizzativi e infrastrutture tecnologiche per l’estrazione e la messa a fattor comune di tali conoscenze
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...Alexandru Dinu
Oggigiorno siamo circondati da dati, tanto da essere considerati un nuovo fattore produttivo. Infatti, vengono sempre più implementati in ogni ambito, aziendale ed extra-aziendale.
L’obiettivo di questa tesi è quello di presentare in modo chiaro e semplice i fondamenti del Data Mining e alcune sue applicazioni. Inoltre, con lo stesso approccio vengono affrontati anche i concetti più tecnici e i casi di studio.
(Nota: per l'approfondimento della presentazione si rimanda al file Tesi)
Strumenti di Business Intellingence 1: introduzione al data warehouseDatamaze
Dal dato in azienda alla conoscenza strutturata per effettuare scelte di business puntuali e precise. Cos'è e a cosa serve il data warehouse in un progetto di Business Intelligence.
Il significato intergenerazionale attribuito ai fioriTarget Research
An interesting qualitative and quantitative analysis on the meaning that different generations attribute do various kind of flowers. The report highlights the shifts in the opportunity of use and in the consumer's perception towards the most known flowers.
An overview of the NOW streaming platform evolution and its strategy to reach a certain position in the market. A desk analysis briefly highlights the competition in the market and the NOW struggle to enter the consumers mind with a certain positioning. The Research follows with a qualitative and quantitative analysis (Factor and Cluster analysis, competitive positioning and regression analysis)
Come Gardaland può vincere la sfida dei grandi parchi tematici internazional...Target Research
Il mercato dei parchi divertimento può essere diviso in tre macrocategorie: parchi a tema, faunistici e acquatici. Facendo riferimento al mondo dei parchi a tema a livello mondiale, si può notare che si tratta di un mercato piuttosto vasto che richiama a sè numerosi visitatori provenienti da tutto il mondo. Questo mercato risulta essere piuttosto concentrato, sono infatti tre i gruppi principali che competono nel settore: Disneyland, Universal e Merlin Entertainments.
“Dove andiamo a pranzo?”
Più che una domanda, è un dilemma. La pausa pranzo in zona Bocconi può assumere svariate declinazioni: un’insalata da portare in biblioteca, un piatto di carbonara fumante insieme agli amici o una poke-bowl guarnita con ingredienti impronunciabili. Ce n’è per tutti i gusti, verrebbe da pensare. Ne siamo così sicuri?
Competizione nel mercato delle TV a grande schermoTarget Research
Le analisi svolte hanno consentito di conoscere al meglio i differenti segmenti di consumatori e di proporre soluzioni ad hoc per ognuno di essi, combinando le recenti innovazioni in campo tecnologico con i bisogni dei cluster individuati.
Mobilità a Milano: Car sharing o possesso dell’auto?Target Research
Lo scopo della ricerca è stato quello di indagare la relazione tra il possesso e l’utilizzo dell’auto di proprietà e l’utilizzo del car sharing, per comprendere se questo tipo di mobilità potesse rappresentare tra i millennials un sostituto al possesso tradizionale dell’auto.
Marvel e DC Comics, conflitto negli universi cinematograficiTarget Research
Il mercato dei supereroi è un ambiente complesso e dinamico, dove la competizione avviene su svariati fronti tra cui fumetti e cinematografia. I fantastici personaggi creati da menti geniali e fuori dall’ordinario, acquistano, col passare del tempo, sempre più spazio nella nostra realtà, attirando target di ogni tipo, dai bambini agli adulti, dai nerd ai neofiti. Sono molti i sostenitori che, chi su carta e chi al cinema, contribuiscono a rendere il proprio eroe parte della loro vita seguendo ogni sua avventura e partecipando attivamente alla sua crescita. In quest’ambito in continua evoluzione, due colossi si spalleggiano per prevalere l’uno sull’altro.
Marvel Cinematic Universe e DC Extended Universe sono due diverse facce di una stessa medaglia: il mondo cinematografico dei supereroi.
Drinks, food, social e location: i must per aprire un ristorante di sushi oggiTarget Research
Roka è un ristorante londinese che serve contemporary Japanese Robatayaki cuisine in un ambiente casual e rilassato. Il ristorante fa parte di Azumi limited, gruppo che opera nel settore della ristorazione di alta fascia, con 17 ristoranti in Europa, Asia, Nord America e Middle East. Dopo l’apertura di Zuma (ristorante appartenente al gruppo) a Roma nel palazzo Fendi, i soci del gruppo stanno considerando Milano per aprire un format più casual di Roka.
La seguente ricerca ha l’obiettivo di capire come Roka possa entrare nel mercato dei ristoranti di sushi di Milano, puntando ad un target giovane, ma senza rinunciare alla sua esclusività.
CASEVACANZA.IT E HOMEAWAY CONTRO I COLOSSI DELLE PRENOTAZIONI ONLINE.Target Research
Il mercato delle prenotazioni di alloggi online risulta chiaramente dominato da piattaforme come Booking.com e Airbnb. Il successo di quest’ultima ha portato allo sviluppo, accanto agli hotel, del segmento di appartamenti e case per affitti brevi.
DIRITTI SERIE A 2018: L’OFFERTA DI INTRATTENIMENTO IDEALE NEL NUOVO SCENARIO ...Target Research
Gli stravolgimenti tecnologici apportati da internet nel mondo dell’entertainment, i recenti mutamenti nello scenario competitivo italiano dei diritti di Serie A, ma soprattutto la loro grandissima passione per il calcio hanno spinto Alessandro Albanese, Marco Caruso e Gabriele Crocione, tre studenti del Master of Science in Marketing Management dell’Università Commerciale Luigi Bocconi, a condurre questa interessante ricerca nell’ambito del corso di Market Research
La crescita esponenziale del numero di ristoranti Fast Food avvenuta negli ultimi anni nel nostro paese evidenzia un cambiamento radicale nelle abitudini alimentari dei più giovani.
Dopo l’arrivo del colosso americano McDonald’s nel lontano 1985, oggi il mercato italiano dei Fast Food è caratterizzato da un crescente numero di player (tra cui Burger King, KFC e Five Guys) e da un costante incremento in termini di fatturato.
Futuro della personal mobility oppure giocattolo di puro divertimento?Target Research
Questa ricerca ha lo scopo di comprendere come l’hoverboard venga definito e inquadrato dai consumatori e, in particolare, indicare se esso venga visto come un giocattolo oppure come il futuro della personal mobility.
Adaptive choice based conjoint analysis vs full profile conjoint analysisTarget Research
Per distinguersi nel contesto competitivo è cruciale per un’azienda conoscere, sapersi adeguare e allo stesso tempo soddisfare le esigenze dei propri consumatori attuali e potenziali. La comprensione del comportamento del consumatore diventa così un presupposto necessario per creare un prodotto che rientri nelle preferenze dei clienti a cui l’azienda intende rivolgersi.
Il ruolo delle guide per ristoranti nell’era digitaleTarget Research
I criteri con cui i consumatori selezionano e prenotano i ristoranti sono stati rivoluzionati dall’arrivo delle guide digitali. Per gli amanti della buona cucina la scelta del ristorante rappresenta sempre un momento critico, una decisione che condizionerà l’esito della serata.
PREVENZIONE E RIDUZIONE DELLO SPRECO ALIMENTARETarget Research
La spreco alimentare è un fenomeno ormai presente da anni e con una crescita inesorabile. Nel 2018 gli alimenti che vengono gettati ben prima di arrivare sulle nostre tavole ammontano a circa 1,3 miliardi di tonnellate, un 1/3 della produzione annua mondiale di cibo. Tale tema coinvolge diversi attori e per questo motivo la seguente ricerca si focalizzerà sull’analisi degli sprechi che avvengono durante il processo di produzione interno all’industria della grande distribuzione.
Nonostante l’Italia non produca caffè, l’espresso è uno dei simboli del nostro Paese, grazie a una secolare storia di innovazione tecnologica per la preparazione di questa bevanda. Tuttavia, l’innovazione più recente, il caffè in capsule, è stata introdotta da un’azienda Svizzera, la Nestlè.
L’epoca del digitale nella quale viviamo, dove ciascuno di noi è costantemente connesso, influenza inevitabilmente molti aspetti della nostra vita quotidiana: le abitudini cambiano, i ritmi accelerano, abbiamo a disposizioni infinite informazioni e la possibilità di accedere a ogni contenuto. In questo contesto la sala cinematografica si trova a dover fare i conti con tutti questi aspetti, domandandosi se con le sue attuali caratteristiche possa sopravvivere, o se dovrà lasciare il posto allo streaming, diventato, negli ultimi anni, nemico per eccellenza del cinema.
L’obiettivo di questo lavoro è di comprendere per quali ragioni i Millennials non sono propensi a recarsi nei centri benessere e in che modo si possa incrementare il loro coinvolgimento verso questo tipo di attività.
1. Introduzione al corso Datawarehouse e fonti informative aziendali DATA MINING Luca Molteni
2. Programma e 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 in quest’ambito per la soluzione di problemi aziendali E’ strutturato in due principali moduli: Il primo è incentrato sul tema delle previsioni delle vendite: saranno presentati, a questo proposito, i metodi di decomposizione classica, di attenuazione esponenziale (Holt-Winters) e la modellistica ARIMA La seconda parte del corso è dedicata al Customer Relationship Management ed in particolare ai temi legati alla profilazione della clientela, all’analisi del comportamento d’acquisto dei consumatori e allo scoring della clientela
3. Programma e obiettivi del corso Numerose sono le tecniche statistiche multivariate che è possibile impiegare per rispondere agli obiettivi conoscitivi indicati Il corso di Data Mining propone: algoritmi di classificazione ad albero, regressione lineare multipla, reti neurali, mappe di Kohonen, market basket analysis, analisi discriminante lineare e regressione logistica Il corso è caratterizzato da un alternarsi di lezioni di natura metodologica e di lezioni di natura più applicativa, mediante ricorso a una serie di casi aziendali e all’uso di specifici software diffusi sul mercato (SPSS e Modeler).
4.
5. MODULO UNOPrevisioni delle vendite Il corso prevede lo studio di tecniche di previsione quantitative che si basano proprio sull’uso di dati storici, dai quali l’analista cerca di comprendere la struttura sottostante il fenomeno per poi utilizzarla a scopi previsivi Alla base dell’analisi delle serie storiche vi è l’assunzione secondo cui i fattori che hanno influenzato l’andamento della serie nel passato e nel presente continuino a esercitare effetti analoghi anche nel futuro SOFTWARE UTILIZZATI Excel SPSS Clementine (reti neurali)
7. MODULO DUEData Mining “Per Data Mining si intende il processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire regolarità o relazioni non note a priori, e allo scopo di ottenere un risultato chiaro e utile” “Processo di esplorazione ed analisi, in modo totalmente o parzialmente automatizzato, di una grande quantità di dati al fine di individuare schemi e regole significativi (non noti a priori).“ (Berry, Linoff, 1997) Data Mining come parte di un processo più generale definito Knowledge Discovery in Database (KDD) I temi di Data Mining saranno affrontati a partire dalla lezione numero 10
10. Data Warehouse e fonti informative aziendali L’implementazione corretta di metodologie di Data Mining non è sufficiente per garantire il raggiungimento di risultati attendibili e duraturi nel tempo vale la regola del “garbage in - garbage out”: per quanto un modello sia corretto e affinato non potrà mai sopperire alla scarsa correttezza/distorsione delle informazioni fornite in input al modello A monte dei modelli ci deve essere perciò un’ambiente dati robusto eaffidabile per evitare che informazioni errate in ingresso conducano e risultati altrettanto errati Tale ambiente è identificabile nel Data Warehouse (DWH), ossia in un unico, completo e consistente “contenitore” di dati ottenuti da fonti eterogenee, costruito per gli utenti finali in modo che essi possano realizzare analisi finalizzate al raggiungimento degli obiettivi di business preposti
11. Data Warehouse e fonti informative aziendali Il Data Warehausing si configura quindi come quel processo volto alla raccolta e alla gestione di dati da diverse fonti informative aziendali con il fine di rispondere alle diverse domande di business Il risultato di tale processo è un ambiente dati (Bill Inmon, 1996): Integrato: le diverse fonti confluiscono in un unico “contenitore” omogeneo al suo interno Orientato ai soggetti: il DWH incentrato sui principali temi d’interesse aziendale (clienti, prodotti, canali, etc.) e non sulle singole applicazioni/processi (vendite, prestiti, traffico in uscita, etc.) Non volatile: i dati contenuti nel DWH sono soggetti ad aggiornamenti periodici (generalmente mensili), che ne determinano la crescita continua, ma di fatto sono dati “statici” e non modificabili dagli utenti finali (accesso solo in lettura) Variabile nel tempo: i dati archiviati nel DWH rappresentano una “fotografia” periodica della situazione dell’aziendale e coprono un orizzonte temporale di diversi anni (storicità estesa)
12. Data Warehouse: Architettura Sistemi ERP (Enterprise Resource Planning) ProcessiETL (Estrazione, Trasformazione e Caricamento) Ambienti e Motore del Data Warehouse Database Operazionali DatiEsterni Metadati (informazioni sui dati: tipo, origine, utilizzo, etc.) Fonti informative aziendali Query & Reporting Data Mining
16. Contengono in maniera dettagliata i dati attuali dell’azienda (aggiornamento real-time)
17.
18. Utilizzato per analizzare il business (OLAP, Reporting, Data Mining) a supporto dei processi decisionali
19. Contiene in maniera aggregata i dati storici dell’azienda secondo fotografie
20.
21. Data MiningObiettivi e Tecniche Market basket analysis GRANDE DISTRIBUZIONE WEBMINING Click stream analysis WEBMINING Descrizione e sintesi Profiling eSegmentazione Fidelizzazione e abbandono (Retention e Churn) Propensione e Scoring Risk management
29. In quale sequenzaLe regole a livello di reparto, possono avere implicazioni importanti a livello di layout del punto vendita. Reparti connessi andranno posizionati vicini o lontani Le regole a livello di marca offrono informazioni sulle relazioni tra marche utili nelle scelte di composizione dello scaffale
30. Data MiningEsempio 2: Customer Churn e settore Energy L’anticipazione del fenomeno dell’abbandono da parte dei propri clienti rappresenta per le imprese un elemento importante nel complesso delle azioni volte a stabilire un rapporto privilegiato e duraturo nel tempo con la clientela medesima L’implementazione di modelli di Churn porta allo sviluppo di un processo operativo che prevede: l’assegnazione ad ogni cliente di una probabilità di abbandono su un orizzonte temporale definito la selezione di una lista di nominativi ad “alto rischio” l’attivazione di un’azione volta alla retention, che utilizza i canali ritenuti più opportuni per contattare i suddetti nominativi la formulazione di proposte di prodotti/ servizi in grado di soddisfare le esigenze fino a quel momento non soddisfatte la verifica a posteriori della riduzione ottenuta nel tasso di “Customer Attrition”
31.
32. Gli utilizzatori sono alla ricerca di fornitori in grado di dimostrarsi flessibili nell’offerta ed efficienti nella gestione dei problemi tecnici
33. L’insoddisfazione per queste ed altre dimensioni, in un contesto dove le barriere all’uscita si stanno sempre di più assottigliando, spinge l’utente a rivolgersi verso altri fornitori
34. A seguito della liberalizzazione del mercato, il livello di Customer Churn del settore a livello europeo si è spinto oltre il 15% e L’Italia è un dei paesi dove il fenomeno è più accentuato
36. Fornire una stima dell’abbandono dei clienti attraverso la previsione della loro propensione a migrare verso i competitor
37. Implementazione di campagne di retention efficaci in modo da prevenire il churn prima che esso si manifesti
38.
39. Dopo aver raccolto internamente i dati sui clienti che nel passato hanno cambiato fornitore, è possibile creare un modello di scoring ad hoc che relazioni il fenomeno dell’abbandono alle altre informazioni presenti nel database aziendale (tipo di contratto stipulato, utilizzo, rapporti con l’assistenza tecnica, altre problematicità, etc.)
40. I modelli generati attraverso algoritmi complessi (come reti neurali, alberi di classificazione e regressione logistica) permettono di classificare sia i clienti acquisiti sia i nuovi in funzione della loro probabilità di abbandono
45. Il peggior 20% di clienti (in termini di probabilità di abbandono stimata dal modello) comprende quasi il 60% degli effettivi churners
46.
47. Gli algoritmi di Data Mining forniscono strumenti per la misurazione del rischio di credito che risultano fondamentali per ottenere in maniera rigorosa una grande molteplicità di informazioni e soluzioni statisticamente robuste, da coniugare con l'esperienza e la valutazione umana nei processi di decisione