Data Mining e Marketing Intelligence

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Data Mining e Marketing Intelligence"

Transcript

1 Data Mining e Marketing Intelligence Alberto Saccardi * Abstract L evoluzione tecnologica ha reso possibile la costruzione di basi dati dedicate per la Marketing Intelligence, con la disponibilità di patrimoni informativi estesi. Il Data Mining è il processo di selezione, esplorazione, e modellazione di grandi masse di dati per scoprire relazioni non note allo scopo di ottenere un vantaggio competitivo. L attività di Data Mining segue un approccio esplorativo nell analisi dei dati: ricercare associazioni non note a priori, al fine di individuare relazioni senza formulare ipotesi a priori sul fenomeno indagato. Keywords: Ricerche di marketing; Ricerche di mercato; Data Mining; Marketing Intelligence; Modelling of Data Bases; Applicazioni di Data Mining 1. Data Mining: un semplice neologismo o un valido supporto per la Marketing Intelligence? L ottimizzazione di una campagna commerciale, la creazione di nuovi prodotti o servizi, l apertura di nuovi punti vendita, il disegno di un attività di cross-selling sono, in genere, problemi affrontati utilizzando la conoscenza del settore, l esperienza accumulata nel corso degli anni, gli errori fatti nel passato. Di contro, l evoluzione tecnologica ha reso possibile la costruzione di basi dati dedicate per la Marketing Intelligence, pertanto la disponibilità di patrimoni informativi estesi pone alcuni quesiti, ad esempio: Quali sono le linee guida che consentono di poter svolgere proficuamente un attività di analisi quantitativa orientata alle problematiche di business? Quali le caratteristiche e quali le competenze necessarie per estrarre ricchezza informativa dai vasti e complessi database aziendali? In che misura una corretta metodologia, supportata da un adeguata scatola degli attrezzi inserita in un ambiente software dedicato e di facile accesso, possono portare consistenti vantaggi economici? Il Data Mining, ovvero il processo di selezione, esplorazione, e modellazione di grandi masse di dati per scoprire relazioni non note allo scopo di ottenere un vantaggio di business 1, vuole essere una risposta completa ai quesiti sopra esposti. 2. Query, Reporting, Data Mining Nel passato recente, il termine Data Mining è stato talvolta utilizzato come sinonimo di altri tipi di analisi quali, ad esempio, Data Retrieval o OLAP. Questi tipi di analisi, tuttavia, si differenziano sia per le modalità di esecuzione che * Amministratore Delegato Nunatac Srl, Professore di Metodi Quantitativi per il Marketing, Università Commerciale L. Bocconi, Milano.

2 62 per gli obiettivi. Il Data Retrieval si caratterizza come una semplice attività di interrogazione di una banca dati: viene formulata una richiesta di estrazione, tradotta in una query, e rispetto a questa vengono selezionati tutti i casi che soddisfano le condizioni precedentemente impostate. L attività di Data Retrieval, dunque, permette di ottenere risposte precise a fronte di richieste altrettanto precise: quali e quanti sono, ad esempio, i clienti di età compresa tra i 40 e i 50 anni che hanno sottoscritto la polizza XY nel primo trimestre L attività di Data Mining, invece, si pone l obiettivo di ricercare associazioni non note a priori, ad esempio quali sono i clienti con maggior propensione all acquisto della polizza XY. Potremmo sostenere che l attività di Data Mining segue un approccio esplorativo nell analisi dei dati: ricercare relazioni senza formulare ipotesi a priori sul fenomeno indagato 2. Il Data Retrieval, invece, segue un approccio meramente verificativo. L attività di Data Mining, inoltre, non può essere confusa con quella volta alla realizzazione di strumenti di reportistica multidimensionale. Infatti, il Data Mining permette di andare oltre alla visualizzazione di semplici riassunti presenti nelle applicazioni di tipo OLAP, formulando modelli funzionali all attività di business. 3. Come impostare correttamente un progetto di Data Mining Un elemento caratterizzante l attività di Data Mining consiste nel portare in produzione i risultati ottenuti: la conoscenza del business, da un lato, la costruzione di regole ed il loro inserimento nelle procedure gestionali, dall altro, costituiscono i requisiti necessari per la costruzione di un motore decisionale. I risultati ottenuti dall attività di analisi, dunque, non si traducono in studi di fattibilità o in rapporti che descrivono un determinato fenomeno; si trasformano, bensì, in regole operative funzionali alla selezione di un target specifico da passare ad un gestore di campagne di marketing, oppure al calcolo dello score di insolvenza di un prestito o di abbandono di un contratto telefonico. Tali regole sono gli output di progetti finalizzati ad attività di business. Vediamo, quindi, le principali problematiche che si incontrano nella conduzione di questi progetti. In particolare affronteremo i seguenti temi: la formalizzazione del problema di business; la modellazione delle strutture dati; la scelta degli strumenti; la composizione del gruppo di lavoro. 3.1 La formalizzazione del problema di business Il buon esito di un progetto di Data Mining consiste nel tradurre correttamente un esigenza di business in un problema di analisi quantitativa. Ad esempio, una delle richieste maggiormente ricorrenti in ambito marketing concerne la selezione dei migliori destinatari di una promozione commerciale. La scelta di tali destinatari non sempre può essere effettuata in base a criteri di estrazione dettati dall esperienza o dalla conoscenza del prodotto. L applicazione di criteri di tipo Data Retrieval, talvolta, porta alla selezione di target troppo numerosi rispetto al budegt disponibile per la campagna,

3 63 soprattutto se il costo per contatto è elevato. In casi di questo tipo, è necessario classificare la clientela in modo da identificare fasce caratterizzate da una diversa propensione di adesione ad un iniziativa commerciale o all acquisizione di determinati prodotti-servizi. Una classificazione di questo tipo viene determinata sulla base di un modello di scoring 3 che assegni a ciascun cliente la probabilità di assumere un determinato stato: aderire o meno alla promozione, acquisire o meno il prodotto-servizio. È, quindi, possibile classificare ed ordinare la popolazione dei potenziali destinatari di una campagna commerciale in base ad una propensione stimata. Classificata la popolazione di riferimento, si pone il problema di quanti clienti contattare. La scelta del numero di destinatari è funzionale agli obiettivi di business della campagna, i quali possono variare dalla massimizzazione del revenue, al raggiungimento del break even point, alla massimizzazione dei contatti utili. Ai fini di tale scelta è necessario integrare i dati di risposta attesa, derivabili dagli score associati ai potenziali destinatari, con i dati economici: i costi da sostenere relativi all impianto della campagna i costi per singolo contatto; i ricavi attesi dalla vendita del prodotto-servizio promozionato. In questo modo è possibile costruire una simulazione dell esito della campagna e costruire la Campaign Chart, ovvero la curva dei ritorni attesi in funzione della numerosità dei target da contattare. A titolo esemplificativo riportiamo un esempio di Campaign Chart (si veda la Figura 1) in cui si evince che la scelta di promuovere il 12% di clienti con maggior propensione d acquisto garantisce l ottimizzazione in termini di revenue, l estensione della campagna al miglior 27% permetterebbe di raggiungere il punto di pareggio, mentre un ulteriore estensione al 35% ci porterebbe in un area di investimento dell operazione, in quanto i ritorni economici attesi della campagna non andrebbero a coprirne i costi. 3.2 La modellazione delle strutture dati Chi ha avuto importanti esperienze in progetti di Data Mining sa quanto sia fondamentale la predisposizione di ambiente dati dedicato per l attività di analisi quantitativa dei dati (si veda la figura 2). In particolare la costruzione e l utilizzo di un Customer Database (CDB), aggiornato nel tempo e contenente le informazioni rilevanti sui clienti attuali e/o potenziali, svolge un ruolo decisivo nel portare a compimento con successo l attività di Data Mining. Il CDB è il luogo in cui i clienti vengono riconosciuti e dove vengono immagazzinati (secondo una logica cliente-centrica e aderente al business) i dati significativi per le successive fasi di analisi. Detto con altre parole il CDB è la condizione necessaria, lo strumento, per la conta e la misurazione degli indicatori elementari che vengono dati in input ai processi di analisi, propri del Data Mining. Il disegno logico e concettuale del CDB deve riprodurre, nello specchio dei dati riclassificati secondo le categorie del business, la complessità delle relazioni clienti-azienda: non si può banalizzare, ma altrettanto non è corretto mettersi in cappa, sottolineando l importanza dei dati che mancano.

4 64 Figura 1: Campaign Chart Semplificando, la struttura di un CDB può essere schematizzata su due livelli: Livello 1: tabelle tematiche fatti per dimensioni (Detail Tables) con il massimo dettaglio che si vuole mantenere per i fatti selezionati. A queste strutture dati possono puntare gli strumenti di Query-Reporting per effettuare estrazioni e/o visualizzare in modo multidimensionale informazioni, inoltre alle stesse tabelle puntano i processi di creazione ed aggiornamento delle Customer Table. Livello 2: tabelle tematiche organizzate per unità logica di riferimento (Customer Table: un record per un cliente), che consentano di misurare tutte le dimensioni interessanti per le analisi di mining. Esse rappresentano le matrici dei dati elementari prese in input dai processi di sintesi/previsione, propri dell attività di Data Mining. Il passaggio dalle tabelle di primo livello (Detail Table) alle Customer Table comporta l assunzione di decisioni sulla perdita di dettaglio, tollerabile a vantaggio di chiarezza ed esaustività di determinate sintesi; se infatti la chiave logica cliente è già definita, non è così per le operazioni di derivazione di nuovi campi, che di quelli originali sono una riorganizzazione in categorie o il risultato di operazioni algebriche: errori a questo punto possono pregiudicare la costruzione delle applicazioni statistiche.

5 65 Figura 2: L ambiente operativo per l attività di Data Mining 3.3 La scelta degli strumenti Uno strumento di Data Mining deve soddisfare determinate caratteristiche di utilizzo: potenza di calcolo: deve essere un strumento in grado di operare su ambienti multipiattaforma, con architettura client/server, in grado di risolvere in modo rapido algoritmi di calcolo ed implementare percorsi di analisi; analisi esplorativa: deve consentire all analista di ottenere statistiche descrittive sulle variabili di analisi (es. media, mediana, moda, quantili della distribuzione, distribuzioni di frequenza, tabelle a doppia entrata) in modo da poter scoprire in anticipo potenziali relazioni ed anomalie nei dati; preparazione dei dati: devono essere presenti funzionalità per il calcolo di nuove variabili, per la sostituzione dei valori mancanti, per individuazione e l eventuale eliminazione dei valori anomali (outliers) per consentire all analista la costruzione della base dati finale su cui procedere con la modellizzazione; molteplicità di tecniche: deve mettere a disposizione dell analista un ampia gamma di strumenti di analisi che gli consentano di scegliere la soluzione migliore sia in termini di performance sia dal punto di vista del rispetto degli obiettivi aziendali. In questa fase, può essere di supporto la presenza di tecniche per la selezione automatica delle variabili maggiormente correlate con il target e di metodi per la riduzione della dimensionalità dell infor-

6 66 mazione mediante la definizione di combinazioni lineari delle variabili (es. analisi delle componenti principali, analisi fattoriale); confronto: deve fornire indici di valutazione coerenti per i diversi modelli prodotti in modo da permettere all analista di effettuare un veloce confronto delle performance. Sicuramente utile è la possibilità di confrontare graficamente le performance dei diversi modelli prodotti mediante grafici quali: lift chart, response threshold chart, roc chart; generalizzazione: la stima dei modelli deve essere condotta secondo approcci di validazione dei risultati tali da garantire la capacità di generalizzazione dei modelli stimati; ambiente di produzione: deve essere in grado di interfacciarsi con il CDB aziendale, o con eventuali altri ambienti dati alimentanti, e deve permette l esportazione delle regole decisionali individuate in un ambiente di produzione che permetta la replica periodica dell intero processo. Figura 3: SAS Enterprise Miner. Un esempio applicativo Le soluzioni software oggi presenti sul mercato coprono, chi più, chi meno, le caratteristiche sopra riportate. In particolare quelle più complete sono i pacchetti offerti da SPSS, con Celementine, e da SAS, con SAS Enterprise Miner. 3.4 La composizione del gruppo di lavoro Indipendentemente dal tipo di applicazione specifica, l attività di Data Mining si caratterizza in una serie di fasi che vanno dalla definizione degli

7 67 obiettivi dell analisi, fino alla valutazione dei risultati, all interno di un processo che si autoalimenta in termini di ridefinizione degli obiettivi e di conseguimento di risultati. Sinteticamente le fasi di questo processo possono essere schematizzate nel seguente modo: predisposizione dei Dati di Input; campionamento; analisi preliminari; costruzione del modello; scelta del modello finale; implementazione delle regole nei Processi Decisionali. Inoltre, non dobbiamo dimenticare che tale processo è funzionale ad obiettivi di Marketing Intelligence, quali la realizzazione di una campagna commerciale, indirizzata su clienti/prospect ad elevata propensione di risposta. Pertanto, l organizzazione di un progetto di Data Mining è funzionale a mettere insieme diverse competenze specifiche. In particolare il buon esito del progetto richiede la costituzione di un gruppo di lavoro interdipartimentale che coinvolge le seguenti funzioni: sponsor del progetto; esperto della problematica di business; esperto dei contenuti e delle logiche dell ambiente dati; esperto delle tecniche di analisi dei data (Data Miner). Lo sponsor del progetto deve essere di alto livello: un progetto di Data Mining può coinvolgere diverse aree dell azienda e può avere impatti significativi sulle modalità operative della stessa. Quindi occorre la necessaria influenza aziendale per poter raggiungere l obiettivo preposto. Gli altri componenti del gruppo hanno un mandato più operativo che può essere così sintetizzato: corretto funzionamento degli strumenti informatici a supporto del progetto e delle modalità di passaggio in produzione delle regole prodotte dall analisi dei dati. costruzione dei modelli di analisi; interpretazione dei modelli di analisi ed applicazione al business; pianificazione delle campagne commerciali; predisposizione delle procedure operative per l effettuazione delle campagne; predisposizione delle procedure operative per la misurazione degli esiti delle campagne. 4. Gli ambiti applicativi del Data Mining Abbiamo definito il Data Mining come un processo, all interno del quale si utilizzano una o più tecniche per estrarre dai dati indicazioni a supporto ell attività di business: la scelta di quale tecnica utilizzare nella fase di analisi dipende, essenzialmente, dal tipo di problema oggetto di studio (analisi della dipendenza analisi della interdipendenza) e dal tipo di dati disponibili per l analisi (quantitativi categorici). Tra le applicazioni più comuni troviamo:

8 68 Customer Profiling (Market Bubble): applicazione di tecniche di clustering al fine di individuare gruppi omogenei in termini di comportamenti e di caratteristiche socio-demografiche; l individuazione delle diverse tipologie di clienti permette di effettuare campagne di marketing diretto e di valutarne gli effetti, nonché di ottenere indicazioni su come modificare la propria offerta, e rende possibile monitorare nel tempo l evoluzione della propria clientela e l emergere di nuove tipologie. Market Basket Analysis (Affinity Analysis): applicazione di tecniche di individuazione di associazioni a dati di vendita al fine di conoscere quali prodotti sono acquistati congiuntamente ad altri; questo tipo d informazione consente di migliorare l offerta dei prodotti (disposizione sugli scaffali) e di incrementare le vendite di alcuni prodotti tramite offerte sui prodotti ad essi associati. Scoring System (Predictive Modelling): sistema integrato di procedure volte alla costruzione di un modello che mette in relazione le caratteristiche di un sistema di individui (la lista dei potenziali clienti) con una variabile obiettivo. Tale variabile rappresenta l adesione ad una proposta commerciale, mentre le variabili esplicative sono legate al comportamento passato degli individui nei confronti di analoghe iniziative e alle loro caratteristiche anagrafiche. L obiettivo di tale tecnica consiste nell assegnazione di un punteggio numerico (score) ad ogni individuo; tale score sarà collegato alla probabilità che ogni il risponda all azione commerciale. In questo modo è possibile ordinare i clienti in base allo score e selezionare quelli a cui è associata una probabilità di adesione più elevata. Text Mining (Market Bubble): applicazione di tecniche di clustering al fine di individuare gruppi omogenei di documenti in termini di argomento trattato; consente di accedere più velocemente all argomento di interesse e di individuarne i legami con altri argomenti. È convinzione diffusa che il Data Mining si avvalga di tecniche statistiche applicabili solo su grandi numeri : questo termine è assai generico se si pensa che le suddette tecniche sono state sviluppate in psicologia, medicina e biologia; in questi campi le numerosità dei campioni a disposizione sono nell ordine di decine o al massimo centinaia di unità statistiche. Va detto, inoltre, che esistono molte relazioni statistiche che sono ovvie su popolazioni da censimento nazionale. Ad esempio la diminuzione del reddito medio procapite produce una proporzionale diminuzione negli acquisti dei beni di largo consumo. Ve ne sono, però, molte altre tutt altro che evidenti su numerosità minime: ad esempio, sul numero dei tavoli di un ristorante si può trovare una relazione tra gli ammanchi di cassa e la composizione degli incassi medi di giornata in termini di taglio delle banconote!. Ciò che intendiamo dire è che, se i modelli statistici per le previsioni dei ritorni su attività promozionali sono ormai ampiamente utilizzati in settori le cui aziende dispongono di portafogli clienti che si contano in termini di milioni, come le cosidette telecom, i grandi gruppi bancari e assicurativi o anche le aziende dell editoria e della vendita per corrispondenza, ciò non significa che le analisi ad esempio sulla potenzialità del territorio, conseguente ad una sua segmentazione non solo geograficoorganizzativa ma anche basate sulla diffusione di vari prodotti, non possa essere di estrema utilità per un azienda del settore tessile o calzaturiero.

9 69 Bibliografia Berry M.J.A., Linoff G. (1997) Data Mining Techniques, Wiley & Sons, New York. Camillo F., Tassinari G. (2002) Data Mining, Web Mining e CRM: metodologie, soluzioni e prospettive, Franco Angeli, Milano. Del Ciello N., Dulli S., Saccardi A. (2001) Metodi di Data Mining per il Customer Relationship Management, Franco Angeli, Milano. Dulli S., Polpettini P., Trotta M. (2004) Text Mining: Teoria e Applicazioni, Franco Angeli, Milano. Hand D., Mannila H., Smyth P. (2001) Principles of Data Mining, MIT Press, Cambridge Massachusetts Inmon W.H. (1996), Building the Data Warehouse, Wiley & Sons, New York. Molteni L., Troilo G. (2003), Ricerche di Marketing, McGraw-Hill, Milano. Note 1 In termini generali, ciò che distingue l attività di Data Mining dall analisi statistica comunemente intesa non è solamente la mole di dati su cui vengono effettuate le elaborazioni, né la disponibilità di un numero rilevante di tecniche, quanto la finalizzazione dell attività d analisi verso le esigenze aziendali e la possibilità di operare in un ambiente predisposto per l integrazione di contributi tecnici e conoscenze di business: fare Data Mining significa seguire una metodologia che va dalla definizione della problematica all implementazione di regole decisionali economicamente misurabili. In sintesi, la novità offerta dallo sviluppo tecnologico, hardware e software, e dal Data Mining consiste nell integrare i processi decisionali con regole costruite sintetizzando complessi ed estesi patrimoni informativi; tali regole non sono semplicemente il risultato di studi pilota, bensì l output di progetti finalizzati ad attività di business. 2 Un elemento distintivo del Data Mining concerne la modalità con cui viene eseguita la fase di analisi dei dati. Generalmente vengono formulate ipotesi molto semplici sulla natura del fenomeno indagato, ad esempio se il problema trattato rientra nell ambito dell analisi della dipendenza o della interdipendenza, trascurando le ipotesi relative alla forma distributiva delle variabili che descrivono il problema stesso. Lo sforzo maggiore consiste nell utilizzare più tecniche per spiegare lo stesso fenomeno e nel costruire regole empiriche volte alla scelta del miglior modello. Infatti, una volta tradotto il problema di business in problema di analisi quantitativa, è possibile seguire diversi percorsi nella soluzione del problema. In questo ambito la scelta della regola finale è subordinata non solo alla capacità esplicativa del modello ed alla sua capacità di corretta classificazione, ma anche dalla reale possibilità di impiego di tale regola. 3 In termini generali la costruzione di modello di scoring rientra nell ambito dell analisi della dipendenza, ove la costruzione di un modello è finalizzata a porre in relazione un fenomeno, l adesione alla campagna, con un insieme di descrittori strutturali, ad esempio l età o la località di residenza, e/o comportamentali, ad esempio in un caso bancario il saldo medio di conto corrente degli ultimi due semestri o il numero di operazioni in dare e avere negli stessi semestri. In altre parole il fenomeno indagato gioca il ruolo della variabile dipendente, mentre i descrittori strutturali e/o comportamentali quello delle variabili esplicative. L applicazione della regola di classificazione associa a ciascun cliente uno score proporzionale alla probabilità di adesione all iniziativa commerciale.

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Realizzare un architettura integrata di Business Intelligence

Realizzare un architettura integrata di Business Intelligence Realizzare un architettura integrata di Business Intelligence Un sistema integrato di Business Intelligence consente all azienda customer oriented una gestione efficace ed efficiente della conoscenza del

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

Strategie competitive ed assetti organizzativi nell asset management

Strategie competitive ed assetti organizzativi nell asset management Lezione di Corporate e Investment Banking Università degli Studi di Roma Tre Strategie competitive ed assetti organizzativi nell asset management Massimo Caratelli, febbraio 2006 ma.caratelli@uniroma3.it

Dettagli

MARKETING INTELLIGENCE SUL WEB:

MARKETING INTELLIGENCE SUL WEB: Via Durini, 23-20122 Milano (MI) Tel.+39.02.77.88.931 Fax +39.02.76.31.33.84 Piazza Marconi,15-00144 Roma Tel.+39.06.32.80.37.33 Fax +39.06.32.80.36.00 www.valuelab.it valuelab@valuelab.it MARKETING INTELLIGENCE

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Pagine romane (I-XVIII) OK.qxd:romane.qxd 7-09-2009 16:23 Pagina VI. Indice

Pagine romane (I-XVIII) OK.qxd:romane.qxd 7-09-2009 16:23 Pagina VI. Indice Pagine romane (I-XVIII) OK.qxd:romane.qxd 7-09-2009 16:23 Pagina VI Prefazione Autori XIII XVII Capitolo 1 Sistemi informativi aziendali 1 1.1 Introduzione 1 1.2 Modello organizzativo 3 1.2.1 Sistemi informativi

Dettagli

BRM. Tutte le soluzioni. per la gestione delle informazioni aziendali. BusinessRelationshipManagement

BRM. Tutte le soluzioni. per la gestione delle informazioni aziendali. BusinessRelationshipManagement BRM BusinessRelationshipManagement Tutte le soluzioni per la gestione delle informazioni aziendali - Business Intelligence - Office Automation - Sistemi C.R.M. I benefici di BRM Garantisce la sicurezza

Dettagli

Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI

Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI Business Intelligence RENDE STRATEGICHE LE INFORMAZIONI CSC ritiene che la Business Intelligence sia un elemento strategico e fondamentale che, seguendo

Dettagli

IT FINANCIAL MANAGEMENT

IT FINANCIAL MANAGEMENT IT FINANCIAL MANAGEMENT L IT Financial Management è una disciplina per la pianificazione e il controllo economico-finanziario, di carattere sia strategico sia operativo, basata su un ampio insieme di metodologie

Dettagli

REALIZZARE UN MODELLO DI IMPRESA

REALIZZARE UN MODELLO DI IMPRESA REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità

Dettagli

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence?

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence? In un momento di crisi perché scegliere di investire sulla Business Intelligence? Cos è? Per definizione, la Business Intelligence è: la trasformazione dei dati in INFORMAZIONI messe a supporto delle decisioni

Dettagli

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE Oracle Business Intelligence Standard Edition One è una soluzione BI completa, integrata destinata alle piccole e medie imprese.oracle

Dettagli

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita; .netbin. è un potentissimo strumento SVILUPPATO DA GIEMME INFORMATICA di analisi dei dati con esposizione dei dati in forma numerica e grafica con un interfaccia visuale di facile utilizzo, organizzata

Dettagli

White Paper. Operational DashBoard. per una Business Intelligence. in real-time

White Paper. Operational DashBoard. per una Business Intelligence. in real-time White Paper Operational DashBoard per una Business Intelligence in real-time Settembre 2011 www.axiante.com A Paper Published by Axiante CAMBIARE LE TRADIZIONI C'è stato un tempo in cui la Business Intelligence

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento

Dettagli

Il Business Process Management: nuova via verso la competitività aziendale

Il Business Process Management: nuova via verso la competitività aziendale Il Business Process Management: nuova via verso la competitività Renata Bortolin Che cosa significa Business Process Management? In che cosa si distingue dal Business Process Reingeneering? Cosa ha a che

Dettagli

1 BI Business Intelligence

1 BI Business Intelligence K Venture Corporate Finance Srl Via Papa Giovanni XXIII, 40F - 56025 Pontedera (PI) Tel/Fax 0587 482164 - Mail: info@kventure.it www.kventure.it 1 BI Business Intelligence Il futuro che vuoi. Sotto controllo!

Dettagli

un occhio al passato per il tuo business futuro

un occhio al passato per il tuo business futuro 2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 un occhio al passato per il tuo business futuro BUSINESS DISCOVERY Processi ed analisi per aziende virtuose Che cos è La Business Discovery è un insieme

Dettagli

Pronti per la Voluntary Disclosure?

Pronti per la Voluntary Disclosure? Best Vision GROUP The Swiss hub in the financial business network Pronti per la Voluntary Disclosure? Hotel de la Paix, 21 aprile 2015, ore 18:00 Hotel Lugano Dante, 22 aprile 2015, ore 17:00 Best Vision

Dettagli

PASSEPARTOUT PLAN PLANNING E AGENDA I PLANNING LA MAPPA INTERATTIVA LA GESTIONE DEI SERVIZI LA PRENOTAZIONE

PASSEPARTOUT PLAN PLANNING E AGENDA I PLANNING LA MAPPA INTERATTIVA LA GESTIONE DEI SERVIZI LA PRENOTAZIONE PASSEPARTOUT PLAN Passepartout Plan è l innovativo software Passepartout per la gestione dei servizi. Strumento indispensabile per una conduzione organizzata e precisa dell attività, Passepartout Plan

Dettagli

STUDIO DI SETTORE SM43U

STUDIO DI SETTORE SM43U ALLEGATO 3 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SM43U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

Project Management Office per centrare tempi e costi

Project Management Office per centrare tempi e costi Project Management Office per centrare tempi e costi Il Project Management Office (PMO) rappresenta l insieme di attività e strumenti per mantenere efficacemente gli obiettivi di tempi, costi e qualità

Dettagli

Completezza funzionale KEY FACTORS Qualità del dato Semplicità d'uso e controllo Tecnologie all avanguardia e stabilità Integrabilità

Completezza funzionale KEY FACTORS Qualità del dato Semplicità d'uso e controllo Tecnologie all avanguardia e stabilità Integrabilità Armundia Group è un azienda specializzata nella progettazione e fornitura di soluzioni software e consulenza specialistica per i settori dell ICT bancario, finanziario ed assicurativo. Presente in Italia

Dettagli

Business Intelligence: dell impresa

Business Intelligence: dell impresa Architetture Business Intelligence: dell impresa Silvana Bortolin Come organizzare la complessità e porla al servizio dell impresa attraverso i sistemi di Business Intelligence, per creare processi organizzativi

Dettagli

Evoluzione Risk Management in Intesa

Evoluzione Risk Management in Intesa RISCHIO DI CREDITO IN BANCA INTESA Marco Bee, Mauro Senati NEWFIN - FITD Rating interni e controllo del rischio di credito Milano, 31 Marzo 2004 Evoluzione Risk Management in Intesa 1994: focus iniziale

Dettagli

Cos è la Businèss Intèlligèncè

Cos è la Businèss Intèlligèncè Cos è la Businèss Intèlligèncè di Alessandro Rezzani Il sistema informativo aziendale... 2 Definizione di Business Intelligence... 6 Il valore della Business Intelligence... 7 La percezione della Business

Dettagli

Il quadro europeo delle qualifiche (EQF)

Il quadro europeo delle qualifiche (EQF) Il quadro europeo delle qualifiche (EQF) di A. Sveva Balduini ISFOL Agenzia Nazionale LLP Nell aprile del 2008, al termine di un lungo lavoro preparatorio e dopo un ampio processo di consultazione che

Dettagli

t.fabrica wanna be smarter? smart, simple, cost effectiveness solutions for manufactoring operational excellence.

t.fabrica wanna be smarter? smart, simple, cost effectiveness solutions for manufactoring operational excellence. t.fabrica wanna be smarter? smart, simple, cost effectiveness solutions for manufactoring operational excellence. Per le aziende manifatturiere, oggi e sempre più nel futuro individuare ed eliminare gli

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget

IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget Data Sheet IBM Cognos 8 BI Midmarket Reporting Packages Per soddisfare tutte le vostre esigenze di reporting restando nel budget Panoramica Le medie aziende devono migliorare nettamente le loro capacità

Dettagli

SAP per centralizzare tutte le informazioni aziendali

SAP per centralizzare tutte le informazioni aziendali Grandi Navi Veloci. Utilizzata con concessione dell autore. SAP per centralizzare tutte le informazioni aziendali Partner Nome dell azienda Ferretticasa Spa Settore Engineering & Costruction Servizi e/o

Dettagli

Business Intelligence

Business Intelligence aggregazione dati Business Intelligence analytic applications query d a t a w a r e h o u s e aggregazione budget sales inquiry data mining Decision Support Systems MIS ERP data management Data Modeling

Dettagli

Asset sotto controllo... in un TAC. Latitudo Total Asset Control

Asset sotto controllo... in un TAC. Latitudo Total Asset Control Asset sotto controllo... in un TAC Latitudo Total Asset Control Le organizzazioni che hanno implementato e sviluppato sistemi e processi di Asset Management hanno dimostrato un significativo risparmio

Dettagli

Convegno 6 giugno 2013 Federlazio Frosinone

Convegno 6 giugno 2013 Federlazio Frosinone Convegno 6 giugno 2013 Federlazio Frosinone pag. 1 6 giugno 2013 Federlazio Frosinone Introduzione alla Business Intelligence Un fattore critico per la competitività è trasformare la massa di dati prodotti

Dettagli

Analisi per tutti. Panoramica. Considerazioni principali. Business Analytics Scheda tecnica. Software per analisi

Analisi per tutti. Panoramica. Considerazioni principali. Business Analytics Scheda tecnica. Software per analisi Analisi per tutti Considerazioni principali Soddisfare le esigenze di una vasta gamma di utenti con analisi semplici e avanzate Coinvolgere le persone giuste nei processi decisionali Consentire l'analisi

Dettagli

GESTIONE STUDIO. Compatibile con: Win 7, Vista, XP

GESTIONE STUDIO. Compatibile con: Win 7, Vista, XP GESTIONE ADEMPIMENTI FISCALI Blustring fornisce la stampa dei quadri fiscali, cioè dei quadri del modello UNICO relativi alla produzione del reddito d impresa, o di lavoro autonomo (RG, RE, RF, dati di

Dettagli

I N F I N I T Y Z U C C H E T T I WORKFLOW HR

I N F I N I T Y Z U C C H E T T I WORKFLOW HR I N F I N I T Y Z U C C H E T T I WORKFLOW HR WORKFLOW HR Zucchetti, nell ambito delle proprie soluzioni per la gestione del personale, ha realizzato una serie di moduli di Workflow in grado di informatizzare

Dettagli

Razionalità organizzativa e struttura

Razionalità organizzativa e struttura Un organizzazione è sempre compresa in sistemi più ampi Alcune parti dell organizzazione inevitabilmente sono interdipendenti con altre organizzazioni non subordinate e fuori dalle possibilità di controllo

Dettagli

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo White paper La Process Intelligence migliora le prestazioni operative del settore assicurativo Pagina 2 Sintesi

Dettagli

Facciamo emergere i vostri valori.

Facciamo emergere i vostri valori. Facciamo emergere i vostri valori. www.arnerbank.ch BANCA ARNER SA Piazza Manzoni 8 6901 Lugano Switzerland P. +41 (0)91 912 62 22 F. +41 (0)91 912 61 20 www.arnerbank.ch Indice Banca: gli obiettivi Clienti:

Dettagli

Dalla Mappatura dei Processi al Business Process Management

Dalla Mappatura dei Processi al Business Process Management Dalla Mappatura dei Processi al Business Process Management Romano Stasi Responsabile Segreteria Tecnica ABI Lab Roma, 4 dicembre 2007 Agenda Il percorso metodologico Analizzare per conoscere: la mappatura

Dettagli

DAT@GON. Gestione Gare e Offerte

DAT@GON. Gestione Gare e Offerte DAT@GON Gestione Gare e Offerte DAT@GON partecipare e vincere nel settore pubblico La soluzione sviluppata da Revorg per il settore farmaceutico, diagnostico e di strumentazione medicale, copre l intero

Dettagli

BUSINESS INTELLIGENCE & PERFORMANCE MANAGEMENT

BUSINESS INTELLIGENCE & PERFORMANCE MANAGEMENT BUSINESS INTELLIGENCE & PERFORMANCE MANAGEMENT BOLOGNA BUSINESS school Dal 1088, studenti da tutto il mondo vengono a studiare a Bologna dove scienza, cultura e tecnologia si uniscono a valori, stile di

Dettagli

Business Process Modeling Caso di Studio

Business Process Modeling Caso di Studio Caso di Studio Stefano Angrisano, Consulting IT Specialist December 2007 2007 IBM Corporation Sommario Perché l architettura SOA? Le aspettative del Cliente. Ambito applicativo oggetto dell introduzione

Dettagli

ARTICOLO 61 MARZO/APRILE 2013 LA BUSINESS INTELLIGENCE 1. http://www.sinedi.com

ARTICOLO 61 MARZO/APRILE 2013 LA BUSINESS INTELLIGENCE 1. http://www.sinedi.com http://www.sinedi.com ARTICOLO 61 MARZO/APRILE 2013 LA BUSINESS INTELLIGENCE 1 L estrema competitività dei mercati e i rapidi e continui cambiamenti degli scenari in cui operano le imprese impongono ai

Dettagli

Panoramica su ITIL V3 ed esempio di implementazione del Service Design

Panoramica su ITIL V3 ed esempio di implementazione del Service Design Master Universitario di II livello in Interoperabilità Per la Pubblica Amministrazione e Le Imprese Panoramica su ITIL V3 ed esempio di implementazione del Service Design Lavoro pratico II Periodo didattico

Dettagli

Milano, Settembre 2009 BIOSS Consulting

Milano, Settembre 2009 BIOSS Consulting Milano, Settembre 2009 BIOSS Consulting Presentazione della società Agenda Chi siamo 3 Cosa facciamo 4-13 San Donato Milanese, 26 maggio 2008 Come lo facciamo 14-20 Case Studies 21-28 Prodotti utilizzati

Dettagli

COME FRODE. la possibilità propri dati. brevissimo. Reply www.reply.eu

COME FRODE. la possibilità propri dati. brevissimo. Reply www.reply.eu FRAUD MANAGEMENT. COME IDENTIFICARE E COMB BATTERE FRODI PRIMA CHE ACCADANO LE Con una visione sia sui processi di business, sia sui sistemi, Reply è pronta ad offrire soluzioni innovative di Fraud Management,

Dettagli

Copyright Università degli Studi di Torino, Progetto Atlante delle Professioni 2009 IT PROCESS EXPERT

Copyright Università degli Studi di Torino, Progetto Atlante delle Professioni 2009 IT PROCESS EXPERT IT PROCESS EXPERT 1. CARTA D IDENTITÀ... 2 2. CHE COSA FA... 3 3. DOVE LAVORA... 4 4. CONDIZIONI DI LAVORO... 5 5. COMPETENZE... 6 Quali competenze sono necessarie... 6 Conoscenze... 8 Abilità... 9 Comportamenti

Dettagli

Business Process Management

Business Process Management Corso di Certificazione in Business Process Management Progetto Didattico 2015 con la supervisione scientifica del Dipartimento di Informatica Università degli Studi di Torino Responsabile scientifico

Dettagli

Evoluzione dei servizi di incasso e pagamento per il mercato italiano

Evoluzione dei servizi di incasso e pagamento per il mercato italiano www.pwc.com/it Evoluzione dei servizi di incasso e pagamento per il mercato italiano giugno 2013 Sommario Il contesto di riferimento 4 Un modello di evoluzione dei servizi di incasso e pagamento per il

Dettagli

PROPOSTE SISTEMA DI CITIZEN RELATIONSHIP MANAGEMENT (CRM) REGIONALE

PROPOSTE SISTEMA DI CITIZEN RELATIONSHIP MANAGEMENT (CRM) REGIONALE PROPOSTE SISTEMA DI CITIZEN RELATIONSHIP MANAGEMENT (CRM) REGIONALE Versione 1.0 Via della Fisica 18/C Tel. 0971 476311 Fax 0971 476333 85100 POTENZA Via Castiglione,4 Tel. 051 7459619 Fax 051 7459619

Dettagli

Storia ed evoluzione dei sistemi ERP

Storia ed evoluzione dei sistemi ERP Storia ed evoluzione dei sistemi ERP In questo breve estratto della tesi si parlerà dei sistemi ERP (Enterprise Resource Planning) utilizzabili per la gestione delle commesse; questi sistemi utilizzano

Dettagli

2- Identificazione del processo. (o dei processi) da analizzare. Approcci: Esaustivo. In relazione al problema. Sulla base della rilevanza

2- Identificazione del processo. (o dei processi) da analizzare. Approcci: Esaustivo. In relazione al problema. Sulla base della rilevanza PROCESS MAPPING (2) Approcci: 2- Identificazione del processo Esaustivo (o dei processi) da analizzare Mappatura a largo spettro (es.: vasta implementazione di un ERP) In relazione al problema ad es. i

Dettagli

SYSKOPLAN REPLY IMPLEMENTA PER IL GRUPPO INDUSTRIALE SCHOTT UNA SOLUZIONE SAP CRM SU BASE SAP HANA E OPERATIVA IN 35 PAESI.

SYSKOPLAN REPLY IMPLEMENTA PER IL GRUPPO INDUSTRIALE SCHOTT UNA SOLUZIONE SAP CRM SU BASE SAP HANA E OPERATIVA IN 35 PAESI. SYSKOPLAN REPLY IMPLEMENTA PER IL GRUPPO INDUSTRIALE SCHOTT UNA SOLUZIONE SAP CRM SU BASE SAP HANA E OPERATIVA IN 35 PAESI. Come gruppo industriale tecnologico leader nel settore del vetro e dei materiali

Dettagli

journal tutto PArte dalla conoscenza del dato N.2 MAGGIO 2011

journal tutto PArte dalla conoscenza del dato N.2 MAGGIO 2011 N.2 MAGGIO 2011 journal Business Intelligence: tutto PArte dalla conoscenza del dato CASO UTENTE In uno scenario in cui la competitività e le istituzioni regolamentari impongono sempre più rigore nel time

Dettagli

COME NASCE L IDEA IMPRENDITORIALE E COME SI SVILUPPA IL PROGETTO D IMPRESA: IL BUSINESS PLAN

COME NASCE L IDEA IMPRENDITORIALE E COME SI SVILUPPA IL PROGETTO D IMPRESA: IL BUSINESS PLAN COME NASCE L IDEA IMPRENDITORIALE E COME SI SVILUPPA IL PROGETTO D IMPRESA: IL BUSINESS PLAN La nuova impresa nasce da un idea, da un intuizione: la scoperta di una nuova tecnologia, l espansione della

Dettagli

L idea. 43.252.003.274.489.856.000 combinazioni possibili di cui solo una è quella corretta

L idea. 43.252.003.274.489.856.000 combinazioni possibili di cui solo una è quella corretta Guardare oltre L idea 43.252.003.274.489.856.000 combinazioni possibili di cui solo una è quella corretta I nostri moduli non hanno altrettante combinazioni possibili, ma la soluzione è sempre una, PERSONALIZZATA

Dettagli

Gestione delle Architetture e dei Servizi IT con ADOit. Un Prodotto della Suite BOC Management Office

Gestione delle Architetture e dei Servizi IT con ADOit. Un Prodotto della Suite BOC Management Office Gestione delle Architetture e dei Servizi IT con ADOit Un Prodotto della Suite BOC Management Office Controllo Globale e Permanente delle Architetture IT Aziendali e dei Processi IT: IT-Governance Definire

Dettagli

MANUALE OPERATIVO INTRODUZIONE. Manuale Operativo

MANUALE OPERATIVO INTRODUZIONE. Manuale Operativo Pagina 1 di 24 INTRODUZIONE SEZ 0 Manuale Operativo DOCUMENTO TECNICO PER LA CERTIFICAZIONE DEL PROCESSO DI VENDITA DEGLI AGENTI E RAPPRESENTANTI DI COMMERCIO OPERANTI PRESSO UN AGENZIA DI RAPPRESENTANZA:

Dettagli

Business Process Management

Business Process Management Business Process Management Comprendere, gestire, organizzare e migliorare i processi di business Caso di studio a cura della dott. Danzi Francesca e della prof. Cecilia Rossignoli 1 Business process Un

Dettagli

Avviso di selezione per n. 4 contratti di collaborazione a progetto della Fondazione Bologna Business School.

Avviso di selezione per n. 4 contratti di collaborazione a progetto della Fondazione Bologna Business School. Avviso 2014C-01 del 30/12/2014 Avviso di selezione per n. 4 contratti di collaborazione a progetto della Fondazione Bologna Business School. La Fondazione Bologna University Business School (d ora in poi

Dettagli

MODULO MONITORAGGIO E VALUTAZIONE. Gli indicatori. G. VECCHI esperto del team scientifico di supporto del Centro Risorse Nazionale CAF 1

MODULO MONITORAGGIO E VALUTAZIONE. Gli indicatori. G. VECCHI esperto del team scientifico di supporto del Centro Risorse Nazionale CAF 1 MODULO MONITORAGGIO E VALUTAZIONE 4. Gli indicatori G. VECCHI esperto del team scientifico di supporto del Centro Risorse Nazionale CAF 1 Cosa sono gli indicatori Gli indicatori sono strumenti in grado

Dettagli

Progetto VALUTAZIONE DELLE PERFORMANCE

Progetto VALUTAZIONE DELLE PERFORMANCE Direzione Generale per le Politiche Attive e Passive del Lavoro Progetto VALUTAZIONE DELLE PERFORMANCE Controlli interni e Ciclo della performance alla luce dell art.3 del D.L. 174/2012 Position Paper

Dettagli

IT FOR BUSINESS AND FINANCE

IT FOR BUSINESS AND FINANCE IT FOR BUSINESS AND FINANCE Business Intelligence Siena 14 aprile 2011 AGENDA Cos è la Business Intelligence Terminologia Perché la Business Intelligence La Piramide Informativa Macro Architettura Obiettivi

Dettagli

La Business Intelligence

La Business Intelligence Parte 1 La Business Intelligence Capitolo 1 Cos è la Business Intelligence 1.1 Il sistema informativo aziendale Sempre la pratica dev essere edificata sopra la buona teorica. Leonardo da Vinci Le attività,

Dettagli

Rischio impresa. Rischio di revisione

Rischio impresa. Rischio di revisione Guida alla revisione legale PIANIFICAZIONE del LAVORO di REVISIONE LEGALE dei CONTI Formalizzazione delle attività da svolgere nelle carte di lavoro: determinazione del rischio di revisione, calcolo della

Dettagli

Sistemi di supporto alle decisioni

Sistemi di supporto alle decisioni Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision

Dettagli

Nel regno degli esseri viventi non esistono cose, ma solo relazioni Gregory Bateson

Nel regno degli esseri viventi non esistono cose, ma solo relazioni Gregory Bateson Le Tecnologie della Relationship Management e l interazione con le funzioni ed i processi aziendali Angelo Caruso, 2001 Relationship Management Nel regno degli esseri viventi non esistono cose, ma solo

Dettagli

Ottimizzare le performance con i sistemi di Business Intelligence. Rapporto 2009 Osservatorio Business Intelligence

Ottimizzare le performance con i sistemi di Business Intelligence. Rapporto 2009 Osservatorio Business Intelligence Ottimizzare le performance con i sistemi di Business Intelligence Rapporto 2009 Osservatorio Business Intelligence Novembre 2009 Copyright e utilizzo dei contenuti I Report non potranno essere oggetto

Dettagli

L attività di ricerca e sviluppo nell organizzazione aziendale

L attività di ricerca e sviluppo nell organizzazione aziendale CAPITOLO PRIMO L attività di ricerca e sviluppo nell organizzazione aziendale SOMMARIO * : 1. Il ruolo dell innovazione tecnologica 2. L attività di ricerca e sviluppo: contenuti 3. L area funzionale della

Dettagli

STUDIO DI SETTORE UG40U ATTIVITÀ 41.10.00 ATTIVITÀ 42.99.01 ATTIVITÀ 68.10.00 ATTIVITÀ 68.20.02 SVILUPPO DI PROGETTI IMMOBILIARI SENZA COSTRUZIONE

STUDIO DI SETTORE UG40U ATTIVITÀ 41.10.00 ATTIVITÀ 42.99.01 ATTIVITÀ 68.10.00 ATTIVITÀ 68.20.02 SVILUPPO DI PROGETTI IMMOBILIARI SENZA COSTRUZIONE STUDIO DI SETTORE UG40U ATTIVITÀ 41.10.00 SVILUPPO DI PROGETTI IMMOBILIARI SENZA COSTRUZIONE ATTIVITÀ 42.99.01 LOTTIZZAZIONE DEI TERRENI CONNESSA CON L URBANIZZAZIONE ATTIVITÀ 68.10.00 COMPRAVENDITA DI

Dettagli

Risk management come opportunità per un nuovo welfare

Risk management come opportunità per un nuovo welfare Risk management come opportunità per un nuovo welfare Il contesto economico e sociale in cui operano i comitati Uisp condiziona la loro attività mettendoli di fronte a criticità di natura organizzativa,

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

IL PROGRAMMA PER GESTIRE IL TUO CENTRO ESTETICO

IL PROGRAMMA PER GESTIRE IL TUO CENTRO ESTETICO business professional IL PROGRAMMA PER GESTIRE IL TUO CENTRO ESTETICO www.igrandisoft.it La I Grandi Soft è nata nel 1995 e ha sviluppato l attività su tutto il territorio nazionale. All interno della

Dettagli

Il fenomeno della globalizzazione nell era di internet: molti i vantaggi ma anche gli svantaggi

Il fenomeno della globalizzazione nell era di internet: molti i vantaggi ma anche gli svantaggi Il fenomeno della globalizzazione nell era di internet: molti i vantaggi ma anche gli svantaggi La globalizzazione indica un fenomeno di progressivo allargamento della sfera delle relazioni sociali sino

Dettagli

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Oggi più che mai, le aziende italiane sentono la necessità di raccogliere,

Dettagli

Le Dashboard di cui non si può fare a meno

Le Dashboard di cui non si può fare a meno Le Dashboard di cui non si può fare a meno Le aziende più sensibili ai cambiamenti stanno facendo di tutto per cogliere qualsiasi opportunità che consenta loro di incrementare il business e di battere

Dettagli

Neomobile incentra l infrastruttura IT su Microsoft ALM, arrivando a 40 nuovi rilasci a settimana

Neomobile incentra l infrastruttura IT su Microsoft ALM, arrivando a 40 nuovi rilasci a settimana Storie di successo Microsoft per le Imprese Scenario: Software e Development Settore: Servizi In collaborazione con Neomobile incentra l infrastruttura IT su Microsoft ALM, arrivando a 40 nuovi rilasci

Dettagli

VALUTAZIONE DI RISULTATO E DI IMPATTO del progetto Diesis

VALUTAZIONE DI RISULTATO E DI IMPATTO del progetto Diesis Obiettivo Competitività Regionale e Occupazione Programma Operativo Nazionale Azioni di Sistema (FSE) 2007-2013 [IT052PO017] Obiettivo Convergenza Programma Operativo Nazionale Governance e Azioni di Sistema

Dettagli

Architettura aperta come strumento di diversificazione nel controllo di rischio di portafoglio

Architettura aperta come strumento di diversificazione nel controllo di rischio di portafoglio S.A.F. SCUOLA DI ALTA FORMAZIONE LUIGI MARTINO La Congiuntura Economica Architettura aperta come strumento di diversificazione nel controllo di rischio di portafoglio Luca Martina Private Banker Banca

Dettagli

la gestione dei processi comunicazione. i marketing manager si incontrano in Officina- Strategia

la gestione dei processi comunicazione. i marketing manager si incontrano in Officina- Strategia i marketing manager si incontrano in Officina- Strategia la gestione dei processi di comunicazione in quale scenario deve identificarsi un progetto di miglioramento, nella gestione dei beni digitali per

Dettagli

voce dei cittadini in tempo reale OpinionMeter Chieda la sua prova personalizzata senza impegno entro il 15 ottobre 2010

voce dei cittadini in tempo reale OpinionMeter Chieda la sua prova personalizzata senza impegno entro il 15 ottobre 2010 Grazie per il suo interesse alla nuova tecnologia voce dei cittadini in tempo reale OpinionMeter Chieda la sua prova personalizzata senza impegno entro il 15 ottobre 2010 Cristina Brambilla Telefono 348.9897.337,

Dettagli

PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO DELLA FUNZIONE PUBBLICA

PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO DELLA FUNZIONE PUBBLICA PRESIDENZA DEL CONSIGLIO DEI MINISTRI DIPARTIMENTO DELLA FUNZIONE PUBBLICA DIRETTIVA DEL MINISTRO DELLA FUNZIONE PUBBLICA SULLA RILEVAZIONE DELLA QUALITA PERCEPITA DAI CITTADINI A tutti i Ministeri - Uffici

Dettagli

GESTIONE ATTREZZATURE

GESTIONE ATTREZZATURE SOLUZIONE COMPLETA PER LA GESTIONE DELLE ATTREZZATURE AZIENDALI SWSQ - Solution Web Safety Quality srl Via Mons. Giulio Ratti, 2-26100 Cremona (CR) P. Iva/C.F. 06777700961 - Cap. Soc. 10.000,00 I.V. -

Dettagli

La gestione dei servizi non core: il Facility Management

La gestione dei servizi non core: il Facility Management La gestione dei servizi non core: il Facility Management ing. Fabio Nonino Università degli studi di Udine Laboratorio di Ingegneria Gestionale Dipartimento di Ingegneria Elettrica, Gestionale e Meccanica

Dettagli

Sistemi ERP e i sistemi di BI

Sistemi ERP e i sistemi di BI Sistemi ERP e i sistemi di BI 1 Concetti Preliminari Cos è un ERP: In prima approssimazione: la strumento, rappresentato da uno o più applicazioni SW in grado di raccogliere e organizzare le informazioni

Dettagli

FORM Il sistema informativo di gestione della modulistica elettronica.

FORM Il sistema informativo di gestione della modulistica elettronica. Studio FORM FORM Il sistema informativo di gestione della modulistica elettronica. We believe in what we create This is FORM power La soluzione FORM permette di realizzare qualsiasi documento in formato

Dettagli

Progetto BPR: Business Process Reengineering

Progetto BPR: Business Process Reengineering Progetto BPR: Business Process Reengineering Riflessioni frutto di esperienze concrete PER LA CORRETTA INTERPRETAZIONE DELLE PAGINE SEGUENTI SI DEVE TENERE CONTO DI QUANTO ILLUSTRATO ORALMENTE Obiettivo

Dettagli

GUIDA RAPIDA emagister-agora Edizione BASIC

GUIDA RAPIDA emagister-agora Edizione BASIC GUIDA RAPIDA emagister-agora Edizione BASIC Introduzione a emagister-agora Interfaccia di emagister-agora Configurazione dell offerta didattica Richieste d informazioni Gestione delle richieste d informazioni

Dettagli

Prof. Like you. Prof. Like you. Tel. +39 075 801 23 18 / Fax +39 075 801 29 01. Email info@zerounoinformatica.it / Web www.hottimo.

Prof. Like you. Prof. Like you. Tel. +39 075 801 23 18 / Fax +39 075 801 29 01. Email info@zerounoinformatica.it / Web www.hottimo. Pag. 1/7 Prof. Like you Tel. +39 075 801 23 18 / Fax +39 075 801 29 01 Email / Web / Social Pag. 2/7 hottimo.crm Con CRM (Customer Relationship Management) si indicano tutti gli aspetti di interazione

Dettagli

Venture Capitalist: chi sono, cosa fanno e a cosa servono

Venture Capitalist: chi sono, cosa fanno e a cosa servono Venture Capitalist: chi sono, cosa fanno e a cosa servono Ing. Stefano Molino Investment Manager Innogest SGR SpA Torino, 31 Marzo 2011 Venture Capital: che cos è? L attività di investimento istituzionale

Dettagli

IL BUDGET DEGLI INVESTIMENTI E IL BUDGET ECONOMICO. dott.ssa Annaluisa Palma 1

IL BUDGET DEGLI INVESTIMENTI E IL BUDGET ECONOMICO. dott.ssa Annaluisa Palma 1 IL BUDGET DEGLI INVESTIMENTI E IL BUDGET ECONOMICO dott.ssa Annaluisa Palma 1 Indice Il budget: documenti amministrativi in cui si estrinseca; Forma e contenuti del budget degli investimenti; Gli scopi

Dettagli

EuroColori YOUR BEST PARTNER IN COLOR STRATEGY

EuroColori YOUR BEST PARTNER IN COLOR STRATEGY EuroColori YOUR BEST PARTNER IN COLOR STRATEGY EuroColori YOUR BEST PARTNER IN COLOR STRATEGY THE FUTURE IS CLOSER Il primo motore di tutte le nostre attività è la piena consapevolezza che il colore è

Dettagli

Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale.

Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale. Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale. L analisi modale è un approccio molto efficace al comportamento dinamico delle strutture, alla verifica di modelli di calcolo

Dettagli

MEMIT. Master in Economia e management dei trasporti, della logistica e delle infrastrutture. X Edizione. Università Commerciale.

MEMIT. Master in Economia e management dei trasporti, della logistica e delle infrastrutture. X Edizione. Università Commerciale. Università Commerciale Luigi Bocconi Graduate School MEMIT Master in Economia e management dei trasporti, della logistica e delle infrastrutture X Edizione 2013-2014 MEMIT Master in Economia e management

Dettagli