Profilo DMBI Consultants

Transcript

1 CONSULTANTS

2 Profilo DMBI Consultants DMBI Consultants è un innovativa società di consulenza nata nel 2008 e attiva nel campo del Data Science Il nostro obiettivo è aiutare Banche e Aziende di produzione, distribuzione e servizi a migliorare le loro performance commerciali e ad ottimizzare la loro marginalità economica. Supportiamo le scelte strategiche dei clienti, integrando tecniche di: Business Intelligence (BI) Data Mining (DM) 2

3 Chi Siamo La Società è formata da un pool di professionisti del settore coordinati dal Managing Director (MD), che ricopre anche il ruolo di Direttore Operazioni e Presidente. Le funzioni di Staff sono eseguite dall Ufficio Risorse Umane e Affari Societari (Finance, Administration, Office Mgmt), mentre quelle di Line sono strutturate per Industry (canale) e suddivise per Operations (commesse in essere) e Business Development (nuove commesse). STAFF PRESIDENT /MD LINE/Operations -Business Development Risorse Umane Affari Societari Finance Retail 3

4 Tecnologie usate DBMS - Database Management System ETL Extraction Transformation & Loading 4

5 Tecnologie usate OLAP - On-Line Analytical Processing MDM Master Data Management 5

6 Tecnologie usate Statistical Software Machine Learning 6

7 L approccio al Data Warehouse DMBI 7

8

9 Dalla logica del certo alle logiche del probabile Campi di applicazione e direttrici evolutive

10 Le logiche del probabile: Campi di applicazione DMBI Consultants si interessa di applicazioni computazionali delle logiche del probabile su progetti gestiti nel canale Finance (Istituti di Credito, Compagnie di Assicurazioni, Poste) e Retail. I consulenti DMBI gestiscono attività di Data Mining, Business Intelligence e Machine Learning attraverso l esercizio di software e applicazioni cui sono sottesi processi probabilistici. 10

11 Le Direttrici evolutive Probability of default (PD) - Reti sociali La stima della PD, potrebbe, in un prossimo futuro, evolversi secondo parametri di valutazione più efficaci (e aderenti alla realtà). E stato già notato che le reti sociali influenzano la capacità di solvibilità dell individuo nel peer to peer lending (Ankit Kumar, Matan Zinger*). Specialmente negli affidamenti business (cioè ad aziende) le reti d impresa hanno un peso determinante. *Ankit Kumarr e Matan Zinger sono due ricercatori della Stanford University che hanno svolto studi sui web marketplaces che intermediano prestiti individuali, cioè prestiti che un singolo privato eroga a favore di un altro singolo (individuo o azienda che sia). Il cosidetto «peer to peer lending» applicato alla micro-finanza (e anche finanza etica). 11

12 Le Direttrici evolutive Probability of default (PD) - Statistical Learning I nuovi trend di valutazione della PD puntano, come peraltro si evince dall approccio delle reti sociali, a personalizzare la valutazione focalizzandosi su elementi precipui (quindi unici, ma standardizzabili) del soggetto sottoposto a valutazione. Un esempio è rappresentato dallo Statistical Learning di Vapnik*. La Statistical learning è una teoria alla quale dobbiamo lo sviluppo di modelli predittivi basati su grandi data set. Ha vasti campi di applicazione: computer vision, speech recognition, bioinformatica, sport, ecc.. * Vladimir Naumovič Vapnik (in russo: Владимир Наумович Вапник; 6 dicembre 1936) è un matematico e statistico sovietico, dal 1992 russo, tra i principali autori della teoria di Vapnik-Červonenkis. Teoria sviluppata tra gli anni 60 e 90 che si pone l obiettivo si spiegare i processi di apprendimento (learning computazionale) dal punto di vista statistico. Quindi la base della modellizzazione di funzioni predittive. 12

13 Recruiting, education, experience

14 DMBI Consultants Il processo di selezione e formazione dei consulenti DMBI ha sviluppato una practice virtuosa per l inserimento di giovani talenti nel mondo della consulenza in ambito Data Mining, Business Intelligence e Machine Learning. I giovani laureati vengono intervistati dal Management di DMBI per valutarne l attitudine a: Operare presso il cliente (ambasciatori di DMBI); Lavorare in Team altamente professionali a composizione mista (DMBI/Cliente/Partner); Oltre ai requisiti attitudinali vengono, inoltre, valutati anche quelli squisitamente tecnici, con particolare attenzione alle potenzialità di crescita del candidato. Il processo di inserimento avviene, poi, secondo un piano di induction strutturato su due livelli: Interno: mentoring e autoformazione, aula, workshop/testimonianze (di consulenti senior); Esterno: training on the job sul cliente in affiancamento a consulenti senior. 14

15 DMBI Consultants Progetti a cui hanno collaborato ex studenti: Machine Learning Sentiment Analysis Obiettivo Progetto: Valutazione automatica del sentiment dei tweet relativo ai programmi tv Rai, attraverso un attività di Sentiment Analysis svolta nell ambito del Natural Language Processing (NLP). Attività svolta: Produzione di una collezione di testi per addestrare la Pipeline NLP al contesto linguistico di riferimento (fase 1); implementazione di un modello di deep learning per la prediction del sentiment. Tecnologie Usate: Progetto sviluppato in Python (open source) usando pacchetti di intelligenza artificiale (Keras, Scikit Learn, Tensorflow) che hanno consentito un approccio deep learning. 15

16 DMBI Consultants Progetti a cui hanno collaborato ex studenti: Machine Learning Predictive Manteinance Obiettivo Progetto: Pianificazione degli interventi di manutenzione di un set di router attraverso un modello predittivo della RUL (Remaining Useful Life) di ogni unità, basato su variabili telemetriche e dati di sensori. Attività svolta: Raccolta delle diverse fonti dati e strutturazione delle serie storiche in un formato adeguato all ingestion del modello; analisi statistica delle misurazioni; implementazione di un modello di Deep Learning per la previsione di guasti alle macchine. Tecnologie Usate: Suite di Azure (Microsoft) dedicata al machine learning con modelli customizzati in R. 16

17 DMBI Consultants Progetti a cui hanno collaborato ex studenti di matematica: Day Ahead Price Forecast Obiettivo del Progetto: Creazione di un modello di forecast del prezzo PUN giornaliero; Creazione di un modello di ottimizzazione e distribuzione delle risorse da offrire sui mercati finanziari; Metodologie: Simulazione di modelli stocastici per la dinamica dei prezzi; utilizzo di tecniche di Data Science; utilizzo di tool di Business Intelligence per la valutazione dell efficacia del modello nel contesto reale del mercato del trading finanziario.

18 DMBI Consultants - Contatti DMBI Consultants Srl Via Candido Galli Frascati, Roma, Italia Telefono: Sito web: Linkedin: DMBI Consultants srl Data Mining It s like diamond mining! Dott. Antonello Giannella President & Managing Director Mobile: a.giannella@dmbi.org Dott. Marco Centioni Risorse Umane & Affari Societari Mobile: m.centioni@dmbi.org