Big Data: Nuove sfide e opportunità nella gestione delle informazioni. Riccardo Torlone Università Roma Tre

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Big Data: Nuove sfide e opportunità nella gestione delle informazioni. Riccardo Torlone Università Roma Tre"

Transcript

1 Big Data: Nuove sfide e opportunità nella gestione delle informazioni Riccardo Torlone Università Roma Tre 1

2 Sommario Cosa sono? Dove sono? A che servono? Come usarli? Con che cosa usarli? BD & PA 2

3 "Big Data"?? Esistono diverse definizioni Big data exceeds the reach of commonly used hardware environments and software tools to capture, manage, and process it with in a tolerable elapsed time for its user population. -Teradata Magazine article, 2011 Big data refers to data sets whose size is beyond the ability of typical database software tools to capture, store, manage and analyze. -The McKinsey Global Institute, 2012 Big data is a collection of data sets so large and complex that it becomes difficult to process using on-hand database management tools. - Wikipedia,

4 Quando i dati diventano Big? IOPS Normali Capacità di Elaborazione BIG DATA Volume dei dati 4 IOPS: Input/Output Operations Per Second

5 Qualche numero Quanti dati ci sono nel mondo? 800 Terabytes, Exabytes, Exabytes, Zettabytes, Zettabytes by 2020 Quanti dati sono generati in un giorno? 7 TB, Twitter 10 TB, Facebook 5

6 6 Velocità di crescita

7 7 Distribuzione nei vari settori

8 8 Tipologia di dati

9 Le tre "V" di Big Data Non si tratta solo di volume.. 9

10 Big Data: V 3 +VALUE Volume:Gigabyte(10 9 ), Terabyte(10 12 ), Petabyte(10 15 ), Exabyte(10 18 ), Zettabyte (10 21 ) Varietà: Structured, semi-structured, unstructured; Text, image, audio, video, record Velocità: Periodic, Near Real Time, Real Time Valore: Può generare grossi vantaggi competitivi! 10

11 Dati McKinsey 600$ per un disco nel quale memorizzare tutta la musica del mondo 5 miliardi di cellulari nel miliardi di contenuti al mese su Facebook 40% di crescita di dati all anno 5% di crescita di investimenti nell IT 235 TB di dati raccolti dalla US Library of Congress 15 settori su 17 con aziende che hanno più dati della US LoC 11

12 12 Valore potenziale in alcuni settori

13 13 Prospettive di guadagni

14 Facilità di sfruttamento in termini di valore 14

15 15 Il ciclo delle aspettative [Gartner 2012]

16 E più importante il big o il data? Il Big Il Data Entrambi Nessuno dei due 16

17 E più importante il big o il data? Il Big Il Data Entrambi Nessuno dei due Cosa fanno le organizzazioni con i big data "Data is not information, information is not knowledge, knowledge is not understanding, understanding is not wisdom" Cliff Stoll 17

18 Casi di uso (1) Data Source Capital markets High-frequency operations Write/index all trades, store tick data Lower-frequency operations Show consolidated risk across traders Call initiation request Real-time authorization Fraud detection/analysis Inbound HTTP requests Visitor logging, analysis, alerting Traffic pattern analytics Online game Rank scores: Defined intervals Player bests Leaderboard lookups Real-time ad trading systems Match form factor, placement criteria, bid/ask Report ad performance from exhaust stream 18 Mobile device location sensor Location updates, QoS, transactions Analytics on transactions

19 Casi di uso (2) Today s Challenge New Data What s Possible Healthcare Expensive office visits Manufacturing In-person support Location-Based Services Based on position Public Sector Standardized services Retail One size fits all marketing Remote patient monitoring Product sensors Real time location data Citizen surveys Social media Preventive care, reduced hospitalization Automated diagnosis, support Geo-advertising, traffic, local search Tailored services, cost reductions Sentiment analysis segmentation 19

20 Open data Iniziativa volta a rendere liberamente accessibili i dati privi di brevetti e non coperti da copyright Open government Dato come bene comune Formato aperto Adatti alla elaborazione 20

21 Open data in Italia Siamo in ritardo (dati.gov.it) Prevalentemente regionale I primi 10 enti coprono il 75% dei dati disponibili 21

22 I rischi dei Big Data Ingestibilità dei dati a disposizione Non scalabilità Inefficacia delle analisi Costi Privacy 22

23 Spiacevoli inconvenienti AOL search data leak (NYT, 8/9/2006) Anonymous Netflix vs IMDb database (Wired, 12/13/2007) Why Johnny Can t Browse The Internet In Peace (Forbes, 8/1/2012) How Companies Learn Your Secrets (NYT, 16/2/2012) 23

24 Big Data in action Decisione Interpretazione Acquisizione Estrazione Integrazione Obiettivo: saper prendere decisioni strategiche efficaci sfruttando la grande disponibilità di dati Analisi 24

25 Big Data in action Decisione Interpretazione Acquisizione Estrazione Integrazione Richiede: Selezione Filtraggio Generazione di metadati Gestione provenienza Analisi 25

26 Big Data in action Decisione Interpretazione Acquisizione Estrazione Integrazione Richiede: Trasformazione Normalizzazione Cleaning Aggregazione Gestione errori Analisi 26

27 Big Data in action Decisione Interpretazione Acquisizione Estrazione Integrazione Richiede: Standardizzazione Gestione conflitti Riconciliazione Definizione di mapping Analisi 27

28 Big Data in action Decisione Interpretazione Acquisizione Estrazione Integrazione Richiede: Esplorazione Mining Apprendimento automatico Visualizzazione Analisi 28

29 Big Data in action Decisione Interpretazione Acquisizione Analisi Estrazione Integrazione Richiede: Conoscenza del dominio Conoscenza della provenienza Identificazione pattern di interesse Flessibilità del processo 29

30 Big Data in action Decisione Interpretazione Acquisizione Estrazione Integrazione Richiede: Capacità manageriali Miglioramento continuo del processo Analisi 30

31 Sfide Performance, performance, performance! Scalabilità Eterogeneità e incompletezza Flessibiltà Usabilità Efficacia Privatezza Proprietà Collaborazione umana 31

32 Tecniche per l'analisi dei big data Data mining Association rule learning Classification Cluster analysis Regression Crowdsourcing Data fusion and data integration Genetic algorithms Machine learning Supervised learning Unsupervised learning. 32

33 Tecniche per l'analisi dei big data Natural language processing Neural networks Network analysis Pattern recognition Predictive modeling Sentiment analysis Signal processing Spatial analysis Simulation Time series analysis Visualization. 33

34 Tecnologie per i big data 34 Business intelligence (BI) Cloud computing Distributed system Hadoop Relational database NoSQL systems Cassandra Dynamo HBase Big Table Extract, transform, and load (ETL) Mashup Semi-structured/Unstructured data Stream processing Visualization

35 Il flusso dei Big Data Real Time Streams Real-Time Processing Near Real-Time Processing OLAP ETL NoSQL (HBase, Cassandra, MongoDB) Big SQL (Oracle, InfoSphere, Teradata) Analytics (Vertica, Penthao, Greenplum) File system distribuito (HDFS) 35

36 36 The Big Data Landscape

37 La visualizzazione è fondamentale 37

38 Distribuzione di risorse e servizi Architettura distribuita Computer autonomi che interagiscono per un obiettivo comune Scalabilità orizzontale Fault-tolerant Replicazione di risorse Eventual-consistency Elaborazione distribuita Paradigma Map-Reduce Modello Shared-nothing 38

39 I requisiti per sfruttare i big data Politiche Tecnologie e tecniche Riorganizzazioni Ricerca del talento Accesso ai dati Struttura aziendale 39

40 40 Un caso di uso: agenzia delle entrate

41 Un caso di uso: agenzia delle entrate Elaborazione dati sui redditi Analisi di mercato Monitoraggio utenti Confronto dati Fraud detection 41

42 Opportunità Creare trasparenza Scoprire i bisogni e individuare variabilità Personalizzare le azioni Supporto alle decisioni Innovare prodotti e servizi 42

43 Come agire Spesso i dati sono già disponibili! Adottare opportune tecnologie Reclutare e addestrare personale di talento Gestire il cambiamento nell organizzazione Condividere i dati tra agenzie diverse Introdurre la cultura del rinnovamento e miglioramento Serve un supporto politico 43

44 Conclusioni I Big Data sono già qui Ampia disponibilità in diversi settori La tecnologia per i Big Data esiste Il problema è nell'uso che se ne fa I Big Data possono creare valore Gli aspetti metodologici sono importanti Un'area in rapida evoluzione 44

45 Fonti "Big Data: The next frontier for innovation, competition, and productivity". Rapporto McKinsey&Company, "Challenges and Opportunities with Big Data". A community white paper developed by leading researchers across the United States, "Taming The Big Data Tidal Wave: Finding Opportunities in Huge Data Streams with Advanced Analytics". Bill Franks, John Wiley & Sons,

Si può produrre ricchezza con i dati? From big data to big gains

Si può produrre ricchezza con i dati? From big data to big gains Si può produrre ricchezza con i dati? From big data to big gains Oggi quali sono le aziende USA più ricche? Diamo un occhiata alla classifica di fortune 500 1. Wal-Mart Stores 2.Exxon Mobil 3.Chevron 4.

Dettagli

ICT Trade 2013 Special Edition

ICT Trade 2013 Special Edition ICT Trade 2013 Special Edition Lo scenario di Mercato nelle sue tre aree chiave: Infrastrutture, Search Applications, Analytics Gianguido Pagnini Direttore della Ricerca, SIRMI La dimensione del fenomeno

Dettagli

Big data ed eventi: quasi un tutorial. Prof. Riccardo Melen melen@disco.unimib.it

Big data ed eventi: quasi un tutorial. Prof. Riccardo Melen melen@disco.unimib.it Big data ed eventi: quasi un tutorial Prof. Riccardo Melen melen@disco.unimib.it Big Data Monitoraggio di reti e infrastrutture IT performance: data center, SOA/ESB, infrastrutture virtuali, configurazione

Dettagli

MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA. Gaetano Bruno Ronsivalle

MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA. Gaetano Bruno Ronsivalle Gaetano Bruno Ronsivalle Università degli Studi di Verona Tecnologie informatiche e multimediali MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA Argomenti Big Data: una galassia online Machine

Dettagli

Big Data, problematiche di privacy, Consorzio CBI. Alfonso Angrisani. Head of Diligence and Compliance Consorzio CBI

Big Data, problematiche di privacy, Consorzio CBI. Alfonso Angrisani. Head of Diligence and Compliance Consorzio CBI Big Data, problematiche di privacy, Consorzio CBI Alfonso Angrisani Head of Diligence and Compliance Consorzio CBI Convegno CBI 2013 Roma, 21 novembre 2013 Agenda n Big Data, problematiche di privacy,

Dettagli

Big Data: il futuro della Business Analytics

Big Data: il futuro della Business Analytics Big Data: il futuro della Business Analytics ANALYTICS 2012-8 Novembre 2012 Ezio Viola Co-Founding Partner & Direttore Generale The Innovation Group Information Management Tradizionale Executive KPI Dashboard

Dettagli

Ferrara, 18 gennaio 2011. Gianluca Nostro Senior Sales Consultant Oracle Italia

Ferrara, 18 gennaio 2011. Gianluca Nostro Senior Sales Consultant Oracle Italia Ferrara, 18 gennaio 2011 Gianluca Nostro Senior Sales Consultant Oracle Italia Agenda 18 gennaio 2011 Kick Off Oracle - ICOS Business Intelligence: stato dell arte in Italia Oracle Business Intelligence

Dettagli

PEOPLE CENTERED TECHNOLOGY. Information Hub: modelli, esperienze, idee

PEOPLE CENTERED TECHNOLOGY. Information Hub: modelli, esperienze, idee PEOPLE CENTERED TECHNOLOGY Information Hub: modelli, esperienze, idee Agenda Chi siamo La nostra vision Almawave people centered technologies Il valore di Big data e LinkedOpen Data 54 sedi Italia, Brasile,

Dettagli

HIGH-PERFORMANCE ANALYTICS: IL MOTORE PER LA DATA DRIVEN ECONOMY

HIGH-PERFORMANCE ANALYTICS: IL MOTORE PER LA DATA DRIVEN ECONOMY HIGH-PERFORMANCE ANALYTICS: IL MOTORE PER LA DATA DRIVEN ECONOMY MILANO 8 NOVEMBRE 2012 SAS Fondata 1976 a Cary, NC, USA Oltre 400 uffici in oltre 50 paesi 12.000 dipendenti nel mondo in 113 paesi 60.000

Dettagli

La Business Intelligence per competere e governare il cambiamento Vittorio Arighi Practice Leader Netconsulting

La Business Intelligence per competere e governare il cambiamento Vittorio Arighi Practice Leader Netconsulting La Business Intelligence per competere e governare il cambiamento Vittorio Arighi Practice Leader Netconsulting 9 ottobre 2014 L andamento del PIL a livello mondiale: l Italia continua ad arretrare Mondo

Dettagli

Big Data: Scenario, Rilevanzae Tecnologie di Rete

Big Data: Scenario, Rilevanzae Tecnologie di Rete Big Data: Scenario, Rilevanzae Tecnologie di Rete Diego Zucca Cisco Systems Country SE Leader, Partner Organization Transizioni Tecnologiche Mobilità/Video Cloud Consumerization Nuovi S.O. Piattaforme

Dettagli

Big Data e Statistica Ufficiale: La Strategia Istat

Big Data e Statistica Ufficiale: La Strategia Istat Big Data e Statistica Ufficiale: La Strategia Istat Ing. Domenico Donvito Direttore Direzione centrale per le tecnologie dell'informazione e della comunicazione ISTAT Indice 1. Shared data 2. Big Data

Dettagli

La ISA nasce nel 1994 DIGITAL SOLUTION

La ISA nasce nel 1994 DIGITAL SOLUTION La ISA nasce nel 1994 Si pone sul mercato come network indipendente di servizi di consulenza ICT alle organizzazioni nell'ottica di migliorare la qualità e il valore dei servizi IT attraverso l'impiego

Dettagli

Kickoff Progetto DaSSIA 29 Settembre 2014

Kickoff Progetto DaSSIA 29 Settembre 2014 www.crs4.it Kickoff Progetto DaSSIA 29 Settembre 2014 Ordine del giorno Breve Presentazione del CRS4 CRS4 & Big Data Il Progetto DaSSIA Sviluppo di un caso test paradigmatico L'Attività di Formazione Discussione

Dettagli

BIG DATA S U M M I T 2 0 1 3. Roma, Dicembre 2-3, 2013 Residenza di Ripetta Via di Ripetta, 231

BIG DATA S U M M I T 2 0 1 3. Roma, Dicembre 2-3, 2013 Residenza di Ripetta Via di Ripetta, 231 L A T E C H N O L O G Y T R A N S F E R P R E S E N T A Roma, Dicembre 2-3, 2013 Residenza di Ripetta Via di Ripetta, 231 INTERNATIONAL S U M M I T 2 0 1 3 BIG DATA ANALYTICS D E S C R I Z I O N E Negli

Dettagli

Big Data. Alessandro Rezzani. alessandro.rezzani@dataskills.it www.dataskills.it

Big Data. Alessandro Rezzani. alessandro.rezzani@dataskills.it www.dataskills.it Big Data Alessandro Rezzani alessandro.rezzani@dataskills.it Chi sono? I big data Caratteristiche Fonti Agenda Creare valore con i big data Aspetto del business Aspetto finanziario Aspetto tecnologico

Dettagli

Business Intelligence Analytics: un opportunità per lo sviluppo. Alberto Daprà Vice Presidente Lombardia Informatica

Business Intelligence Analytics: un opportunità per lo sviluppo. Alberto Daprà Vice Presidente Lombardia Informatica Business Intelligence Analytics: un opportunità per lo sviluppo Alberto Daprà Vice Presidente Lombardia Informatica Milano 22 Novembre 2011 Convegno SAS 2011 Contenuti Business Intelligence: capacità indispensabile

Dettagli

Descrizione dell Offerta Formativa

Descrizione dell Offerta Formativa Descrizione dell Offerta Formativa Titolo dell Offerta Formativa TECNICHE AVANZATE DI PROGRAMMAZIONE Articolazione e Contenuti dell Offerta Formativa Il percorso è articolato in due moduli didattici, della

Dettagli

Qlik Services. Roma 10 Giugno, 2015

Qlik Services. Roma 10 Giugno, 2015 Qlik Services Roma 10 Giugno, 2015 By 2015, the shifting tide of BI platform requirements, moving from reporting-centric to analysis-centric, will mean the majority of BI vendors will make governed data

Dettagli

La suite Pentaho Community Edition

La suite Pentaho Community Edition La suite Pentaho Community Edition GULCh 1 Cosa è la Business Intelligence Con la locuzione business intelligence (BI) ci si può solitamente riferire a: un insieme di processi aziendali per raccogliere

Dettagli

A r c h i t e t t u r e d i n u o v a g e n e r a z i o n e p e r B i g D a t a e A n a l y t i c s 24/06/2014

A r c h i t e t t u r e d i n u o v a g e n e r a z i o n e p e r B i g D a t a e A n a l y t i c s 24/06/2014 A r c h i t e t t u r e d i n u o v a g e n e r a z i o n e p e r B i g D a t a e A n a l y t i c s 24/06/2014 Evoluzione Analytics D a i n i z i a t i v a a n e c e s s i t à p e r i l b u s i n e s s

Dettagli

SAP Forum: Il carrello Analytico per il Retail Management

SAP Forum: Il carrello Analytico per il Retail Management SDG SAP Forum: Il carrello Analytico per il Retail Management People Process Performance Svelare il vero valore dei «dark data» 10% Use Analytics Today Missing new insights Not utilizing all the information

Dettagli

Transforming for Results

Transforming for Results Transforming for Results Il nuovo paradigma per un efficace gestione del Capitale Umano 26 settembre 2013 Why deloitte? This is you This is you, Aligned This is you, Transformed Deloitte Business-Driven

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA MIKE FERGUSON BIG DATA MULTI-PLATFORM ROMA 25-27 GIUGNO 2014 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231

LA TECHNOLOGY TRANSFER PRESENTA MIKE FERGUSON BIG DATA MULTI-PLATFORM ROMA 25-27 GIUGNO 2014 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 LA TECHNOLOGY TRANSFER PRESENTA MIKE FERGUSON BIG DATA MULTI-PLATFORM ANALYTICS ROMA 25-27 GIUGNO 2014 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 info@technologytransfer.it www.technologytransfer.it BIG

Dettagli

La società Volocom. Trasformare le informazioni in conoscenza. Conoscere per agire

La società Volocom. Trasformare le informazioni in conoscenza. Conoscere per agire La società Volocom Trasformare le informazioni in conoscenza 2 La società Volo.com dal 2001 è uno dei leader nei settori del Knowledge Management e nella gestione delle informazioni per la rassegna stampa

Dettagli

Gestire i processi di business trasforma una organizzazione normale in una intelligente? Roberta Raimondi Professor, Sda Bocconi

Gestire i processi di business trasforma una organizzazione normale in una intelligente? Roberta Raimondi Professor, Sda Bocconi Gestire i processi di business trasforma una organizzazione normale in una intelligente? Roberta Raimondi Professor, Sda Bocconi 1) information goes to work 2) model the way Quale migliore prospettiva

Dettagli

SISTEMA UNICO E CENTRALIZZATO

SISTEMA UNICO E CENTRALIZZATO SISTEMA UNICO E CENTRALIZZATO DIS-DYNAMICS INSURANCE SYSTEM DIS-DYNAMICS INSURANCE SYSTEM è una soluzione completa per le Compagnie ed i Gruppi assicurativi italiani ed internazionali. Grazie alla gestione

Dettagli

Ingegnerizzazione e Integrazione: il valore aggiunto di un Data Center Moderno, Efficace, Efficiente

Ingegnerizzazione e Integrazione: il valore aggiunto di un Data Center Moderno, Efficace, Efficiente Ingegnerizzazione e Integrazione: il valore aggiunto di un Data Center Moderno, Efficace, Efficiente Giuseppe Russo Chief Technologist - Systems BU 1 Cosa si può fare con le attuali tecnologie? Perchè

Dettagli

Introduzione al data warehousing

Introduzione al data warehousing Introduzione al data warehousing, Riccardo Torlone aprile 2012 1 Motivazioni I sistemi informatici permettono di aumentare la produttività delle organizzazioni automatizzandone la gestione quotidiana dei

Dettagli

Milano, 18 novembre 2014. We look ahead. Business Analytics Competence Center

Milano, 18 novembre 2014. We look ahead. Business Analytics Competence Center Milano, 18 novembre 2014 We look ahead Business Analytics Competence Center Who we are? ICT Network Dedagroup Modello di business DEDAGROUP Div.PA DELISA SUD SINTECOP SINERGIS Pubblica Amm.ne DEDAGROUP

Dettagli

Principali clienti. Abbiamo la stima e la fiducia di chi ha già deciso di affidarsi a noi:

Principali clienti. Abbiamo la stima e la fiducia di chi ha già deciso di affidarsi a noi: Cosa facciamo Chi Siamo Siamo nati nel 2003 con l intento di affermarci come uno dei più importanti player nel settore ICT. Siamo riusciti rapidamente a consolidare il nostro brand e la presenza sul mercato,

Dettagli

Stefano Bucci Technology Director Sales Consulting. Roma, 23 Maggio 2007

Stefano Bucci Technology Director Sales Consulting. Roma, 23 Maggio 2007 L Information Technology a supporto delle ALI: Come coniugare un modello di crescita sostenibile con le irrinuciabili caratteristiche di integrazione, sicurezza ed elevata disponibilità di un Centro Servizi

Dettagli

New trends in project & information management

New trends in project & information management New trends in project & information management Giulio Di Gravio Università degli Studi di Roma «La Sapienza» Sezione Logistica ANIMP giulio.digravio@uniroma1.it Convegno Nazionale della Sezione Informatica,

Dettagli

Overview. Le soluzioni Microsoft per la Business Intelligence

Overview. Le soluzioni Microsoft per la Business Intelligence Overview Le soluzioni Microsoft per la Business Intelligence La strategia Microsoft per la BI Improving organizations by providing business insights to all employees leading to better, faster, more relevant

Dettagli

Nuovo Corso di laurea magistrale in Ingegneria Informatica AA14-15. http://www.dis.uniroma1.it/~ccl_ii/site/

Nuovo Corso di laurea magistrale in Ingegneria Informatica AA14-15. http://www.dis.uniroma1.it/~ccl_ii/site/ Nuovo Corso di laurea magistrale in Ingegneria Informatica AA14-15 http://www.dis.uniroma1.it/~ccl_ii/site/ Laurea Magistrale L obiettivo della laurea magistrale in Ingegneria informatica (Master of Science

Dettagli

Francesco Fabbri Social Business Intelligence in Amadori Quando l'ascolto e la comprensione della rete si traducono in vantaggio competitivo per il

Francesco Fabbri Social Business Intelligence in Amadori Quando l'ascolto e la comprensione della rete si traducono in vantaggio competitivo per il Francesco Fabbri Social Business Intelligence in Amadori Quando l'ascolto e la comprensione della rete si traducono in vantaggio competitivo per il Business Agenda La Social BI in Amadori:Ambito & Obiettivi

Dettagli

L uso dei Big Data per la Produzione Statistica

L uso dei Big Data per la Produzione Statistica Big e Analytics: modelli, analisi e previsioni, per valorizzare l enorme patrimonio informativo pubblico L uso dei Big per la Produzione Statistica Giulio Barcaroli Metodi, strumenti e supporto metodologico

Dettagli

High Performance IT Insights. Costruire l infrastruttura Big Data

High Performance IT Insights. Costruire l infrastruttura Big Data High Performance IT Insights Costruire l infrastruttura Big Data 2 Da anni le aziende stanno affrontando la sfida posta dalla sempre crescente mole di dati che devono essere catturati, archiviati e utilizzati

Dettagli

Future GIS. Ciro Palermo & Marina Migliorini (Università Iuav di Venezia)

Future GIS. Ciro Palermo & Marina Migliorini (Università Iuav di Venezia) Future GIS Ciro Palermo & Marina Migliorini (Università Iuav di Venezia) The Past GIS 1990 - Geographical Information Systems Si consolidano sistemi informativi i cui dati sono caratterizzati dalla presenza

Dettagli

S P A P Bus Bu in s e in s e s s s O n O e n 9 e.0 9 p.0 e p r e r S A S P A P HAN HA A Gennaio 2014

S P A P Bus Bu in s e in s e s s s O n O e n 9 e.0 9 p.0 e p r e r S A S P A P HAN HA A Gennaio 2014 SAP Business One 9.0 per SAP HANA High Performance Analytical Appliance I progressi nella tecnologia HW hanno permesso di ripensare radicalmente la progettazione dei data base per servire al meglio le

Dettagli

IT ARCHITECTURE: COME PREPARARSI AL CLOUD

IT ARCHITECTURE: COME PREPARARSI AL CLOUD IT ARCHITECTURE: COME PREPARARSI AL CLOUD Stefano Mainetti stefano.mainetti@polimi.it L ICT come Commodity L emergere del Cloud Computing e i nuovi modelli di delivery Trend n. 1 - ICT Commoditization

Dettagli

Innovare con i BIG DATA: la rivoluzione dei dati nelle imprese ed organizzazioni?

Innovare con i BIG DATA: la rivoluzione dei dati nelle imprese ed organizzazioni? Innovare con i BIG DATA: la rivoluzione dei dati nelle imprese ed organizzazioni? Ezio Viola, Co-Founder& General Manager, The Innovation Group BIG DATA ANALYTICS Conference 2013 Roma, 17 Ottobre The Innovation

Dettagli

BUSINESS INTELLIGENCE

BUSINESS INTELLIGENCE BUSINESS INTELLIGENCE MICROSOFT ENTERPRISE CLUB Disponibile anche sul sito: www.microsoft.com/italy/eclub/ La Piattaforma Microsoft per l Enterprise Data Management Febbraio 2004 INDICE BUSINESS INTELLIGENCE

Dettagli

Sistemi Informativi per l Azienda ed il Mercato

Sistemi Informativi per l Azienda ed il Mercato Modulo 3 Sistemi Informativi per l Azienda ed il Mercato 1 Sistemi Informativi per l Azienda ed il Mercato- Modulo 3 Modulo 3 Informazioni per decidere Il terzo modulo del corso tratta di analisi di dati

Dettagli

Luca Mauri Luca.mauri@microsoft.com

Luca Mauri Luca.mauri@microsoft.com Luca Mauri Luca.mauri@microsoft.com Contesto Aumenta la produzione dei dati grazie alla digitalizzazione Cresce l interesse a determinare l efficienza della sanità Cresce l'importanza di avere strumenti

Dettagli

L A T E C H N O L O G Y T R A N S F E R P R E S E N T A

L A T E C H N O L O G Y T R A N S F E R P R E S E N T A L A T E C H N O L O G Y T R A N S F E R P R E S E N T A Roma, 4-5 Dicembre 2014 Residenza di Ripetta Via di Ripetta, 231 INTERNATIONAL S U M M I T 2 0 1 4 BIG DATA ANALYTICS D E S C r I z I o N E Nel 2014

Dettagli

THE NEXT GENERATION OF DATA WAREHOUSING CONFERENCE

THE NEXT GENERATION OF DATA WAREHOUSING CONFERENCE LA TECHNOLOGY TRANSFER PRESENTA THE NEXT GENERATION OF DATA WAREHOUSING CONFERENCE COLIN WHITE MIKE FERGUSON DAVID MARCO NEIL RADON DOUGLAS HACKNEY ROMA 10-12 MAGGIO 2000 RESIDENZA DI RIPETTA - VIA DI

Dettagli

CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL

CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL Università degli Studi di Modena e Reggio Emilia Dipartimento di Ingegneria Enzo Ferrari di Modena Corso di Laurea in Ingegneria Informatica (L.270/04)

Dettagli

2. Gli strumenti di gestione e di analisi per i big data

2. Gli strumenti di gestione e di analisi per i big data Archeologia e Calcolatori Supplemento 4, 2013, 139-146 1. Premessa ARCHITETTURE SCALABILI PER MEMORIZZAZIONE, ANALISI, CONDIVISIONE E PUBBLICAZIONE DI GROSSE MOLI DI DATI Con l incremento esponenziale

Dettagli

inebula CONNECT Milano, 22/04/2015 Stefano Della Valle VP inebula inebula Connect 22 aprile 2015

inebula CONNECT Milano, 22/04/2015 Stefano Della Valle VP inebula inebula Connect 22 aprile 2015 inebula CONNECT Milano, 22/04/2015 Stefano Della Valle VP inebula Internet of Everythings Entro il 2020 il numero gli oggetti collegati alla rete raggiungerà il livello di 25 MLD di unità con una crescita

Dettagli

CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS

CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS UNIVERSITA DI ROMA TOR VERGATA 27 NOVEMBRE 2013 CONTESTO OBIETTIVI DESTINATARI IL MASTER CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS Cresce la domanda

Dettagli

Oltre il Document Management: un percorso pragmatico per la gestione integrata con i Processi di Business

Oltre il Document Management: un percorso pragmatico per la gestione integrata con i Processi di Business Oltre il Document : un percorso pragmatico per la gestione integrata con i Processi di Business Roberta Raimondi Bocconi School of, professor roberta.raimondi@sdabocconi.it I paradigmi tradizionali del

Dettagli

THE UNCONVENTIONAL IT PARTNER 4 YOUR SUCCESS IN BIG DATA

THE UNCONVENTIONAL IT PARTNER 4 YOUR SUCCESS IN BIG DATA 01000111 01000011 01001001 THE UNCONVENTIONAL IT PARTNER 4 YOUR SUCCESS IN BIG DATA Web Reputation TELCO PHARMA Spend Analysis Point Of Sale Transaction Analysis FASHION BANKING GDO AUTOMOTIVE Dealer Performance

Dettagli

QlikView Semplificando le analisi per tutti

QlikView Semplificando le analisi per tutti QlikView Semplificando le analisi per tutti Alcuni clienti italiani Tra i circa 2.700 Una differenza fondamentale: la value proposition principale di QlikView Analisi associativa Potenza e semplicità Per

Dettagli

LA BUSINESS INTELLIGENCE - DEFINIZIONI

LA BUSINESS INTELLIGENCE - DEFINIZIONI LA BUSINESS INTELLIGENCE - DEFINIZIONI A cura di Giorgio Giussani Milano, 16.06.2010 Fonte: Internet Cos'è il Business Intelligence? Il termine business intelligence si applica ai prodotti che hanno come

Dettagli

Wireless Grids e Pervasive Grids. Pervasive Grids

Wireless Grids e Pervasive Grids. Pervasive Grids Griglie e Sistemi di Elaborazione Ubiqui Wireless Grids e Pervasive Grids Griglie e Sistemi Ubiqui - D. Talia - UNICAL 1 Wireless Grids e Pervasive Grids Wireless Grids Caratteristiche Sistemi Applicazioni

Dettagli

VoipNet. La soluzione per la comunicazione aziendale

VoipNet. La soluzione per la comunicazione aziendale VoipNet La soluzione per la comunicazione aziendale grave crisi economica fase recessiva mercati instabili terremoto finanziario difficoltà di crescita per le aziende Il mercato La nuova sfida per le aziende:

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA ROMA 16 OTTOBRE 2012 ROMA 17 OTTOBRE 2012 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231

LA TECHNOLOGY TRANSFER PRESENTA ROMA 16 OTTOBRE 2012 ROMA 17 OTTOBRE 2012 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 LA TECHNOLOGY TRANSFER PRESENTA RICK VAN DER LANS Data Virtualization per sistemi Agili di Business Intelligence La nuova tecnologia Database per il Data Warehousing ROMA 16 OTTOBRE 2012 ROMA 17 OTTOBRE

Dettagli

Business Analytics. Business Unit Offering: Business Intelligence. Copyright 2014 Alfa Sistemi

Business Analytics. Business Unit Offering: Business Intelligence. Copyright 2014 Alfa Sistemi Business Analytics Business Unit Offering: Business Intelligence Copyright 2014 Alfa Sistemi Alfa Sistemi: chi siamo Fondata nel 1995 Dal 2009 Oracle Platinum Partner Sedi a Udine (HQ) e Milano Struttura

Dettagli

Dynamic Warehousing: la tecnologia a supporto della Business Intelligence 2.0. Giulia Caliari Software IT Architect

Dynamic Warehousing: la tecnologia a supporto della Business Intelligence 2.0. Giulia Caliari Software IT Architect Dynamic Warehousing: la tecnologia a supporto della Business Intelligence 2.0 Giulia Caliari Software IT Architect Business Intelligence: la nuova generazione Infrastruttura Flessibilità e rapidità di

Dettagli

Gestire e conoscere i clienti

Gestire e conoscere i clienti Gestire e conoscere i clienti il Customer Hub Fare clic per modificare lo stile del sottotitolo dello schema 2 Realizzata da OPENKNOWLEDGE Realizzata da OPENKNOWLEDGE 3 1 Maggiore collaborazione, motivazione

Dettagli

ABI Dimensione Cliente ROMA 10 Aprile 2015

ABI Dimensione Cliente ROMA 10 Aprile 2015 Big Data: tra dubbi e opportunità concrete ABI Dimensione Cliente ROMA 10 Aprile 2015 L evoluzione tecnologica: moda o innovazione? The Kodak self timer is shown in the 1920 catalog as selling for $1.25

Dettagli

Reply Business Intelligence Overview

Reply Business Intelligence Overview Reply Business Intelligence Overview 2 Coverage B.I. Competency Center Analytical Systems Development Process Analisi di dettaglio Definizione dell Ambito Assessment Aree di Business Interessate Business

Dettagli

Forum PA Data driven decision: aumentare la capacità decisionale grazie alla disponibilità e all'interpretazione dei dati

Forum PA Data driven decision: aumentare la capacità decisionale grazie alla disponibilità e all'interpretazione dei dati Forum PA Data driven decision: aumentare la capacità decisionale grazie alla disponibilità e all'interpretazione dei dati s Leonardo Mangiavacchi Head of Enterprise Solutions Business Unit Telecom Italia

Dettagli

Introduzione al Data Mining

Introduzione al Data Mining Introduzione al Data Mining Sistemi informativi per le Decisioni Slide a cura di Prof. Claudio Sartori Evoluzione della tecnologia dell informazione (IT) (Han & Kamber, 2001) Percorso evolutivo iniziato

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA TIM SEEARS ROMA 11 NOVEMBRE 2013 ROMA 12-15 NOVEMBRE 2013 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37

LA TECHNOLOGY TRANSFER PRESENTA TIM SEEARS ROMA 11 NOVEMBRE 2013 ROMA 12-15 NOVEMBRE 2013 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37 LA TECHNOLOGY TRANSFER PRESENTA TIM SEEARS Apache Hadoop MasterClass Sviluppare Soluzioni usando Apache Hadoop Hortonworks Certified Apache Hadoop Developer ROMA 11 NOVEMBRE 2013 ROMA 12-15 NOVEMBRE 2013

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA MIKE ROMA 27-28 GIUGNO 2013 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231

LA TECHNOLOGY TRANSFER PRESENTA MIKE ROMA 27-28 GIUGNO 2013 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 LA TECHNOLOGY TRANSFER PRESENTA MIKE FERGUSON BIG DATA ANALYTICS Costruire il Data Warehouse Logico ROMA 27-28 GIUGNO 2013 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 info@technologytransfer.it www.technologytransfer.it

Dettagli

Apprendimento Automatico

Apprendimento Automatico Metodologie per Sistemi Intelligenti Apprendimento Automatico Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como Intelligenza Artificiale "making a machine

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA BARRY DEVLIN. Ricreare la BI e il DW: e Tecnologie avanzate

LA TECHNOLOGY TRANSFER PRESENTA BARRY DEVLIN. Ricreare la BI e il DW: e Tecnologie avanzate LA TECHNOLOGY TRANSFER PRESENTA BARRY DEVLIN Ricreare la BI e il DW: Nuova Architettura e Tecnologie avanzate ROMA 9-10 NOVEMBRE 2015 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 info@technologytransfer.it

Dettagli

Trasformare dati grezzi in Informazioni strategiche. Fredi Agolli, Country Manager 12 novembre 2013

Trasformare dati grezzi in Informazioni strategiche. Fredi Agolli, Country Manager 12 novembre 2013 Trasformare dati grezzi in Informazioni strategiche Fredi Agolli, Country Manager 12 novembre 2013 Dati mobile: la spesa si fa in metro Il motore è intelligente: i sensori smart delle grandi macchine Big

Dettagli

Il mondo delle applicazioni

Il mondo delle applicazioni Progetto PerformancePA Ambito A - Linea 1 - Una rete per la riforma della PA Il mondo delle applicazioni Autore: Nello Iacono Creatore: Formez PA, Progetto Performance PA Diritti: Dipartimento della Funzione

Dettagli

A+FORUM 2015 Big data e predic,ve analy,cs: cosa sono, soluzioni e vantaggi, servono alle PMI?

A+FORUM 2015 Big data e predic,ve analy,cs: cosa sono, soluzioni e vantaggi, servono alle PMI? A+FORUM 2015 Big data e predic,ve analy,cs: cosa sono, soluzioni e vantaggi, servono alle PMI? Alessandro Rezzani Hotel Calzavecchio Casalecchio di Reno; 18/09/2015 Hotel Calzavecchio; Casalecchio di Reno;

Dettagli

Francesco Fabbri Social Business Intelligence in Amadori: i vantaggi della Text Analytics, la soluzione C2B

Francesco Fabbri Social Business Intelligence in Amadori: i vantaggi della Text Analytics, la soluzione C2B Francesco Fabbri Social Business Intelligence in Amadori: i vantaggi della Text Analytics, la soluzione C2B Agenda La Social BI per Amadori:Ambito & Obiettivi Il Progetto - WebMonitoring - Il Motore -

Dettagli

Business Intelligence. a new. one technology. All in & One. world. one product. Performance. one vision. Management

Business Intelligence. a new. one technology. All in & One. world. one product. Performance. one vision. Management Business Intelligence a new one technology world All in & One Performance one product one vision Management 1 The new world of BI and CPM Andrea Maderna Sales Director BOARD Italia Milano, 8 Marzo 2012

Dettagli

www.pwc.com/it The Analytics Way Il punto di vista di PwC

www.pwc.com/it The Analytics Way Il punto di vista di PwC www.pwc.com/it The Analytics Way Il punto di vista di PwC Il Gruppo EPM-BA in Italia Il team EPM & BA In Italia, all interno del gruppo Technology, PwC Advisory ha un team dedicato di oltre 50 risorse

Dettagli

Il valore delle informazioni in uno scenario di business competitivo

Il valore delle informazioni in uno scenario di business competitivo Santina Franchi Il valore delle informazioni in uno scenario di business competitivo Dall Automazione all Ottimizzazione Automazione $594B nel 2008 5.1% CGR Ottimizzazione (focus sulle informazioni) $117B

Dettagli

Misura delle prestazioni dei processi aziendali con sistemi di integrazione dati open source

Misura delle prestazioni dei processi aziendali con sistemi di integrazione dati open source Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria Enzo Ferrari di Modena Corso di Laurea in Ingegneria Informatica (509/99) Misura delle prestazioni dei processi aziendali con sistemi

Dettagli

NEXTVALUE 2014. Presentazione

NEXTVALUE 2014. Presentazione NEXTVALUE 2014 Presentazione NEXTVALUE 2014 CALENDARIO ATTIVITA E-commerce in Italia. Aziende e Operatori a confronto. End-user Computing in Italia. What s next. Information Security Management in Italia.

Dettagli

Sommario [1/2] Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali

Sommario [1/2] Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali Introduzione alle Biblioteche Digitali Sommario [1/2] Cenni storici Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali Cos è una Biblioteca

Dettagli

Sistemi di BPM su Cloud per la flessibilità delle PMI

Sistemi di BPM su Cloud per la flessibilità delle PMI Sistemi di BPM su Cloud per la flessibilità delle PMI Marco Brambilla, WebRatio e Politecnico di Milano ComoNEXT Lomazzo, 14 Novembre 2012 Dall esigenza Flessibilità del business Risposta immediata ai

Dettagli

Sommario IX. Indice analitico 331

Sommario IX. Indice analitico 331 Sommario Prefazione X CAPITOLO 1 Introduzione ai sistemi informativi 1 1.1 Il prodotto del secolo 1 1.2 Prodotti e servizi divenuti indispensabili 2 1.3 Orientarsi nelle definizioni 4 1.4 Informatica e

Dettagli

darts Software & Engineering Consulenza Progettazione System Integration ITS BSS New Media Company www.darts.it

darts Software & Engineering Consulenza Progettazione System Integration ITS BSS New Media Company www.darts.it Software & Engineering Consulenza Progettazione System Integration ITS BSS New Media Company www..it 1 Company Darts Engineering è pmi di consulenza, progettazione e system integration in ambito ICT, che

Dettagli

La BI secondo Information Builders

La BI secondo Information Builders Page 1 of 6 Data Manager Online Pubblicata su Data Manager Online (http://www.datamanager.it) Home > La BI secondo Information Builders La BI secondo Information Builders La BI secondo Information Builders

Dettagli

WEB INTELLIGENCE. Università di Udine Laboratorio di Intelligenza Artificiale e INFOFACTORY srl Parco Scientifico e Tecnologico L.

WEB INTELLIGENCE. Università di Udine Laboratorio di Intelligenza Artificiale e INFOFACTORY srl Parco Scientifico e Tecnologico L. WEB INTELLIGENCE Prof. CARLO TASSO Università di Udine Laboratorio di Intelligenza Artificiale e INFOFACTORY srl Parco Scientifico e Tecnologico L. Danieli - Udine Trieste, 4 Ottobre 2013 OTTOBRE 2013

Dettagli

Linee di evoluzione dei Database

Linee di evoluzione dei Database Linee di evoluzione dei Database DB NoSQL Linked Open Data Semantic Web Esigenze e caratteristiche Presenza di grandi volumi di dati..crescenti Struttura non regolare dei dati da gestire Elementi relativamente

Dettagli

an agile and High-Tech company backed up by big cloud player una azienda agile e High-Tech supportata dalle grandi piattaforme cloud

an agile and High-Tech company backed up by big cloud player una azienda agile e High-Tech supportata dalle grandi piattaforme cloud an agile and High-Tech company backed up by big cloud player una azienda agile e High-Tech supportata dalle grandi piattaforme cloud Comunication, Collaboration, Workflow e Document Management in Sanità

Dettagli

processi analitici aziendali

processi analitici aziendali Best practises per lo sviluppo dei processi analitici aziendali Business Brief@CSC Roma, 29 maggio 2008 Tachi PESANDO Business & Management Agenda Importanza della Customer oggi Le due anime di un progetto

Dettagli

DIGITAL INDUSTRY 4.0 Le leve per ottimizzare la produttività di fabbrica. Bologna, 19/03/2015

DIGITAL INDUSTRY 4.0 Le leve per ottimizzare la produttività di fabbrica. Bologna, 19/03/2015 DIGITAL INDUSTRY 4.0 Le leve per ottimizzare la produttività di fabbrica Bologna, 19/03/2015 Indice La quarta evoluzione industriale Internet of things sul mondo Manufacturing Le leve per ottimizzare la

Dettagli

MEMENTO. Enterprise Fraud Management systems

MEMENTO. Enterprise Fraud Management systems MEMENTO Enterprise Fraud Management systems Chi è MEMENTO Fondata nel 2003 Sede a Burlington, MA Riconosciuta come leader nel settore in forte espansione di soluzioni di Enterprise Fraud Management Tra

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

Dettagli

LA PROPOSTA DI SERVIZI DI RICERCA, ADVISORY & CONSULENZA per il GO-TO- MARKET

LA PROPOSTA DI SERVIZI DI RICERCA, ADVISORY & CONSULENZA per il GO-TO- MARKET LA PROPOSTA DI SERVIZI DI RICERCA, ADVISORY & CONSULENZA per il GO-TO- MARKET Ezio Viola Co-Founder e General Manager The Innovation Group Elena Vaciago Research Manager The InnovationGroup 18 Dicembre

Dettagli

Multichannel Customer Interaction

Multichannel Customer Interaction GRUPPO TELECOM ITALIA 18 aprile 2013 Multichannel Customer Interaction Market trends In 3 anni l uso del telefono come Customer Care si è più che dimezzato L uso del Telefono vale il 36% come media europea,

Dettagli

Security Summit 2013 > Verifica della sicurezza delle applicazioni e minacce del mondo mobile. Francesco Faenzi, Security Practice Manager

Security Summit 2013 > Verifica della sicurezza delle applicazioni e minacce del mondo mobile. Francesco Faenzi, Security Practice Manager Security Summit 2013 > Verifica della sicurezza delle applicazioni e minacce del mondo mobile Francesco Faenzi, Security Practice Manager Agenda Framework & Vision Value Proposition Solution Center Referenze

Dettagli

MICHAEL SCHMITZ. ETL per il ROMA 21-23 APRILE 2008 ROMA 24 APRILE 2008 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231

MICHAEL SCHMITZ. ETL per il ROMA 21-23 APRILE 2008 ROMA 24 APRILE 2008 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 LA TECHNOLOGY TRANSFER PRESENTA MICHAEL SCHMITZ Tecniche avanzate di Database Design per Sistemi di Business Intelligence e Data Warehouse ETL per il Data Warehouse: un approccio Template-Driven ROMA 21-23

Dettagli

1 gennaio 25 ottobre 2015. @blogmeter

1 gennaio 25 ottobre 2015. @blogmeter 1 gennaio 25 ottobre 2015 @blogmeter Blogmeter: chi siamo Dal 2007 leader in Italia nella social media intelligence (SMI) 150+ report realizzati nel 2014 110+ clienti nel 2014 3 sedi: Milano, Roma e Torino

Dettagli

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016 MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence e Data Science In collaborazione con IV edizione 2015/2016 Dipartimento di Culture, Politica e Società Dipartimento di Informatica Dipartimento

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA INTERNATIONAL. Roma, 3-4 Dicembre 2015 Residenza di Ripetta Via di Ripetta, 231 CONFERENCE BIG DATA

LA TECHNOLOGY TRANSFER PRESENTA INTERNATIONAL. Roma, 3-4 Dicembre 2015 Residenza di Ripetta Via di Ripetta, 231 CONFERENCE BIG DATA LA TECHNOLOGY TRANSFER PRESENTA Roma, 3-4 Dicembre 2015 Residenza di Ripetta Via di Ripetta, 231 INTERNATIONAL CONFERENCE 2 0 1 5 BIG DATA D E S C R I Z I O N E Gli ultimi 12 mesi possono essere descritti

Dettagli

COMUNICARE LA CITTÀ COME DESTINAZIONE TURISTICA CULTURALE. UN METODO PER VALUTARE LA QUALITÀ. Luisa Mich, Nicola Zeni

COMUNICARE LA CITTÀ COME DESTINAZIONE TURISTICA CULTURALE. UN METODO PER VALUTARE LA QUALITÀ. Luisa Mich, Nicola Zeni COMUNICARE LA CITTÀ COME DESTINAZIONE TURISTICA CULTURALE. UN METODO PER VALUTARE LA QUALITÀ DELLA COMUNICAZIONE ONLINE Luisa Mich, Nicola Zeni Schema [Il problema] L efficacia della comunicazione [L approccio]

Dettagli

CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS

CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS CUSTOMER EXPERIENCE AND SOCIAL MEDIA ANALYTICS UNIVERSITA DI ROMA TOR VERGATA 5 DICEMBRE 2014 HELENIO GUIDUCCI SENIOR SOLUTIONS SPECIALIST INTEGRATED MARKETING MANAGEMENT . SAS BUSINESS ANALYTICS FRAMEWORK

Dettagli