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.

Data Mining e Analisi dei Dati

Data Mining e Analisi dei Dati e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca

Dettagli

MASTER UNIVERSITARIO

MASTER UNIVERSITARIO MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence In collaborazione con II edizione 2013/2014 Dipartimento di Culture, Politica e Società Dipartimento di Informatica gestito da aggiornato

Dettagli

Data mining e rischi aziendali

Data mining e rischi aziendali Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento

Dettagli

Modelli matematici avanzati per l azienda a.a. 2010-2011

Modelli matematici avanzati per l azienda a.a. 2010-2011 Modelli matematici avanzati per l azienda a.a. 2010-2011 Docente: Pasquale L. De Angelis deangelis@uniparthenope.it tel. 081 5474557 http://www.economia.uniparthenope.it/siti_docenti P.L.DeAngelis Modelli

Dettagli

Data Mining a.a. 2010-2011

Data Mining a.a. 2010-2011 Data Mining a.a. 2010-2011 Docente: mario.guarracino@cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario delle lezioni A partire dall 19.10.2010, Martedì h: 09.50 16.00

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

Marketing relazionale

Marketing relazionale Marketing relazionale Introduzione Nel marketing intelligence assume particolare rilievo l applicazione di modelli predittivi rivolte a personalizzare e rafforzare il legame tra azienda e clienti. Un azienda

Dettagli

Sistemi Informativi Aziendali I

Sistemi Informativi Aziendali I Modulo 6 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 6 Modulo 6 Integrare verso l alto e supportare Managers e Dirigenti nell Impresa: Decisioni più informate; Decisioni

Dettagli

Credex LA PIATTAFORMA PER LA GESTIONE DELLA CATENA ESTESA DEL VALORE DEL RECUPERO CREDITI. ABI Consumer Credit 2003. Roma, 27 marzo 2003

Credex LA PIATTAFORMA PER LA GESTIONE DELLA CATENA ESTESA DEL VALORE DEL RECUPERO CREDITI. ABI Consumer Credit 2003. Roma, 27 marzo 2003 LA PIATTAFORMA PER LA GESTIONE DELLA CATENA ESTESA DEL VALORE DEL RECUPERO CREDITI ABI Consumer Credit 2003 Roma, 27 marzo 2003 Questo documento è servito da supporto ad una presentazione orale ed i relativi

Dettagli

Il motore di previsione statistica SAS Forecast Server a

Il motore di previsione statistica SAS Forecast Server a Il motore di previsione statistica SAS Forecast Server a TM supporto della pianificazione sanitaria di Area Vasta Alessandro Bonaita Product Manager Data Mining SAS Institute Italy Venezia, 25 giugno 2010

Dettagli

Uno standard per il processo KDD

Uno standard per il processo KDD Uno standard per il processo KDD Il modello CRISP-DM (Cross Industry Standard Process for Data Mining) è un prodotto neutrale definito da un consorzio di numerose società per la standardizzazione del processo

Dettagli

Il Marketing Definizione di marketing cinque fasi

Il Marketing Definizione di marketing cinque fasi 1 2 3 Definizione di marketing: il marketing è l arte e la scienza di conquistare, fidelizzare e far crescere clienti che diano profitto. Il processo di marketing può essere sintetizzato in cinque fasi:

Dettagli

SIG-FIN UN CRM PER TUTTE LE ESIGENZE

SIG-FIN UN CRM PER TUTTE LE ESIGENZE SIG-FIN UN CRM PER TUTTE LE ESIGENZE SIG-FIN (Sistema Informativo Gestionale Finanziario) è la soluzione di CRM (Customer Relationship Management) sviluppato da Cesaweb per tutte le società Finanziarie

Dettagli

LA TUA SOFTWARE HOUSE IN CANTON TICINO IL CRM DELLA PIATTAFORMA SMARTPLANNER

LA TUA SOFTWARE HOUSE IN CANTON TICINO IL CRM DELLA PIATTAFORMA SMARTPLANNER LA TUA SOFTWARE HOUSE IN CANTON TICINO IL CRM DELLA PIATTAFORMA SMARTPLANNER Il CRM: controllo e performance Il CRM, customer relationship management, è una strategia competitiva basata su processi, controllo,

Dettagli

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Gli elementi chiave del db

Dettagli

Il piano di marketing capitolo 13

Il piano di marketing capitolo 13 Il piano di marketing capitolo 13 Il piano di marketing Il piano di marketing è un documento che formalizza la strategia da seguire, ne spiega i presupposti, la traduce in programmi operativi*. Risponde

Dettagli

REVENUE MANAGEMENT REVENUE MANAGEMENT 08/05/2014 CORSO DI LAUREA IN ECONOMIA DEL TURISMO

REVENUE MANAGEMENT REVENUE MANAGEMENT 08/05/2014 CORSO DI LAUREA IN ECONOMIA DEL TURISMO CORSO DI LAUREA IN ECONOMIA DEL TURISMO Anno Accademico 2013 2014 PROGRAMMAZIONE E CONTROLLO PER LE IMPRESE TURISTICHE Revenue Management Miriam Berretta Programmazione miriam.berretta@gmail.com e controllo

Dettagli

SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE

SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE Arricchimento dei dati del sottoscrittore / user Approccio Tradizionale Raccolta dei dati personali tramite contratto (professione, dati sul nucleo familiare, livello

Dettagli

Architettura del sistema

Architettura del sistema 18/06/15 I N D I C E 1 INTRODUZIONE... 2 2 DEFINIZIONE DEGLI OBIETTIVI... 2 3 PROGETTO DI MASSIMA... 3 3.1 REQUISITI DELLA SOLUZIONE... 4 4 LA SOLUZIONE... 4 4.1 IL NUCLEO CENTRALE... 5 4.1.1 La gestione

Dettagli

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate Migliorare l organizzazione per migliorare la qualità delle decisioni. Migliorare la qualità dei collaboratori per migliorare il servizio alla clientela. WebBi S.r.l offre consulenza e soluzioni per le

Dettagli

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Obiettivi. Presentare l evoluzione dei sistemi informativi: da supporto alla operatività a supporto al momento decisionale Definire

Dettagli

TECNICO SUPERIORE PER I RILEVAMENTI TERRITORIALI INFORMATIZZATI

TECNICO SUPERIORE PER I RILEVAMENTI TERRITORIALI INFORMATIZZATI ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE EDILIZIA TECNICO SUPERIORE PER I RILEVAMENTI TERRITORIALI INFORMATIZZATI STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI TECNICO SUPERIORE PER I

Dettagli

Il Pricing nel Settore Finanziario: Tendenze e problemi aperti

Il Pricing nel Settore Finanziario: Tendenze e problemi aperti Il Pricing nel Settore Finanziario: Tendenze e problemi aperti La prospettiva dell offerta delle assicurazioni di Sergio Paci Università Bocconi 1 Il tema del pricing è molto complesso e articolato anche

Dettagli

L uso dei dati territoriali per la valutazione del mercato e la definizione dei target

L uso dei dati territoriali per la valutazione del mercato e la definizione dei target Banca Popolare di Vicenza L uso dei dati territoriali per la valutazione del mercato e la definizione dei target Filippo Catturi, Alfredo Pastega Roma, 14 dicembre 2005 Agenda Premessa La valutazione del

Dettagli

La conoscenza del Cliente come fonte di profitto

La conoscenza del Cliente come fonte di profitto La conoscenza del Cliente come fonte di profitto Giorgio Redemagni Responsabile CRM Convegno ABI CRM 2003 Roma, 11-12 dicembre SOMMARIO Il CRM in UniCredit Banca: la Vision Le componenti del CRM: processi,

Dettagli

Norme per l organizzazione - ISO serie 9000

Norme per l organizzazione - ISO serie 9000 Norme per l organizzazione - ISO serie 9000 Le norme cosiddette organizzative definiscono le caratteristiche ed i requisiti che sono stati definiti come necessari e qualificanti per le organizzazioni al

Dettagli

SMS Strategic Marketing Service

SMS Strategic Marketing Service SMS Strategic Marketing Service Una piattaforma innovativa al servizio delle Banche e delle Assicurazioni Spin-off del Politecnico di Bari Il team Conquist, Ingenium ed il Politecnico di Bari (DIMEG) sono

Dettagli

L intelligence commerciale per il governo della complessità distributiva: l approccio adottato in BNL

L intelligence commerciale per il governo della complessità distributiva: l approccio adottato in BNL L intelligence commerciale per il governo della complessità distributiva: l approccio adottato in BNL Convegno ABI CRM 2003 Strategie di Valorizzazione delle Relazioni con la Clientela Andrea Di Fabio

Dettagli

La centralità del Pricing per una gestione evoluta della Customer Experience. ABI Dimensione Cliente 2014 Roma, 8 Aprile 2014

La centralità del Pricing per una gestione evoluta della Customer Experience. ABI Dimensione Cliente 2014 Roma, 8 Aprile 2014 La centralità del Pricing per una gestione evoluta della Customer Experience ABI Dimensione Cliente 2014 Roma, 8 Aprile 2014 Agenda Il contesto di mercato La centralità del Pricing Come sfruttare le potenzialità

Dettagli

Alcune persone guardano le cose accadere. Altre fanno in modo che accadano!

Alcune persone guardano le cose accadere. Altre fanno in modo che accadano! 2013 Alcune persone guardano le cose accadere. Altre fanno in modo che accadano! Nel mondo economico dei nostri tempi, la maggior parte delle organizzazioni spende migliaia (se non milioni) di euro per

Dettagli

CRM Strategico Soluzione evoluta per aumentare vendite e soddisfazione dei clienti

CRM Strategico Soluzione evoluta per aumentare vendite e soddisfazione dei clienti CRM Strategico Soluzione evoluta per aumentare vendite e soddisfazione dei clienti Canali e Core Banking Finanza Crediti Sistemi Direzionali Sistemi di pagamento e Monetica CRM Strategico Cedacri ha sviluppato

Dettagli

VALUE LAB CONSULENZA DI DIREZIONE AZIENDALE

VALUE LAB CONSULENZA DI DIREZIONE AZIENDALE VALUE LAB CONSULENZA DI DIREZIONE AZIENDALE LOYALTY PROGRAM Le fasi di definizione di un programma fedeltà Di Marco Di Dio Roccazzella Partner di Value Lab marcodidio@valuelab.it 2 Numerose aziende si

Dettagli

CRM e imprese: un connubio attuale e attuabile. Simone Capecchi Roma, 12 febbraio 2007

CRM e imprese: un connubio attuale e attuabile. Simone Capecchi Roma, 12 febbraio 2007 CRM e imprese: un connubio attuale e attuabile Simone Capecchi Roma, 12 febbraio 2007 Agenda Abstract CRIF: numeri Alcuni aspetti strategici ed operativi sullo Small Business Le opportunità da esplorare

Dettagli

I SISTEMI DI PERFORMANCE MANAGEMENT

I SISTEMI DI PERFORMANCE MANAGEMENT http://www.sinedi.com ARTICOLO 8 GENNAIO 2007 I SISTEMI DI PERFORMANCE MANAGEMENT In uno scenario caratterizzato da una crescente competitività internazionale si avverte sempre di più la necessità di una

Dettagli

Management Sanitario. Modulo di Ricerca Operativa

Management Sanitario. Modulo di Ricerca Operativa Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di

Dettagli

Milano, Venerdì 9 Febbraio 2001 Giornata di studio su Customer Relationship Management e Customer Profitability Analysis. Torna alla prima pagina

Milano, Venerdì 9 Febbraio 2001 Giornata di studio su Customer Relationship Management e Customer Profitability Analysis. Torna alla prima pagina La soddisfazione del cliente a partire dalla gestione dinamica del suo ciclo di vita. La Customer Retention e il Progetto Valore Cliente della Banca Popolare FriulAdria Relatore: Maggiolo Ivan Servizio

Dettagli

Alessandro De Nisco. Università del Sannio. Corso di Marketing

Alessandro De Nisco. Università del Sannio. Corso di Marketing LEZIONE N. 3 di Marketing Alessandro De Nisco Università del Sannio Corso di Marketing OBIETTIVI DI APPRENDIMENTO DELLA LEZIONE COMPRENDERE IL PROCESSO DI PIANIFICAZIONE, IMPLEMENTAZIONE E CONTROLLO DI

Dettagli

1.3.1. Elementi caratterizzanti il marketing diretto interattivo

1.3.1. Elementi caratterizzanti il marketing diretto interattivo 1. IL MARKETING DIRETTO 1.1. Concetto e definizione di marketing diretto pag. 3 1.1.1. Direct e data base di marketing pag. 5 1.2. Evoluzione del concetto di marketing diretto pag. 8 1.2.1. La comunicazione

Dettagli

CAMBIAMENTO ORGANIZZATIVO

CAMBIAMENTO ORGANIZZATIVO Consulenza direzionale Formazione Temporary Management Efficienza Organizzativa Due Diligence Equity Value Reporting e mappatura dei processi aziendali Cost Accountig Project Management Supply Chain Management

Dettagli

Digital CRM: analytics e customer dynamics per lo sviluppo di prodotti e servizi innovativi PROPOSTA DI ADESIONE ATTIVITA DI RICERCA 2015

Digital CRM: analytics e customer dynamics per lo sviluppo di prodotti e servizi innovativi PROPOSTA DI ADESIONE ATTIVITA DI RICERCA 2015 ATTIVITA DI RICERCA 2015 Digital CRM: analytics e customer dynamics per lo sviluppo di prodotti e servizi innovativi PROPOSTA DI ADESIONE In collaborazione con 1 TEMI E MOTIVAZIONI Nel corso degli ultimi

Dettagli

Lo studio professionale quale microimpresa?

Lo studio professionale quale microimpresa? S.A.F. SCUOLA DI ALTA FORMAZIONE LUIGI MARTINO 11 MEETING NAZIONALE EVOLUZIONE DEI SERVIZI PROFESSIONALI DELLA CONSULENZA ORGANIZZARE L IMPRESA STUDIO Lo studio professionale quale microimpresa? Giulio

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

Anteprima Estratta dall' Appunto di Trade e marketing e business

Anteprima Estratta dall' Appunto di Trade e marketing e business Anteprima Estratta dall' Appunto di Trade e marketing e business Università : Università degli studi di Bologna Facoltà : Economia Indice di questo documento L' Appunto Le Domande d'esame e' un sito di

Dettagli

Introduzione Azienda ed organizzazione

Introduzione Azienda ed organizzazione Introduzione Azienda ed organizzazione 1 L AZIENDA E IL SUO AMBIENTE AZIENDA: sistema aperto che instaura rapporti di input e output con l ambiente esterno, sociale e naturale Condizioni fondamentali per

Dettagli

SISTEMA E-LEARNING INeOUT

SISTEMA E-LEARNING INeOUT SISTEMA E-LEARNING INeOUT AMBIENTE OPERATIVO 1 Premesse metodologiche La complessità di un sistema informatico dipende dall aumento esponenziale degli stati possibili della sua architettura. Se è vero

Dettagli

INDICE 22-02-2005 15:25 Pagina V. Indice

INDICE 22-02-2005 15:25 Pagina V. Indice INDICE 22-02-2005 15:25 Pagina V Indice Gli autori XIII XVII Capitolo 1 I sistemi informativi aziendali 1 1.1 INTRODUZIONE 1 1.2 IL MODELLO INFORMATICO 3 1.2.1. Il modello applicativo 3 Lo strato di presentazione

Dettagli

uadro Business Intelligence Professional Gestione Aziendale Fa quadrato attorno alla tua azienda

uadro Business Intelligence Professional Gestione Aziendale Fa quadrato attorno alla tua azienda Fa quadrato attorno alla tua azienda Professional Perché scegliere Cosa permette di fare la businessintelligence: Conoscere meglio i dati aziendali, Individuare velocemente inefficienze o punti di massima

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T2 B1 - Progettazione dei DB 1 Prerequisiti Ciclo di vita del software file system Metodologia di progettazione razionale del software 2 1 Introduzione Per la realizzazione

Dettagli

Il Piano Industriale

Il Piano Industriale LE CARATTERISTICHE DEL PIANO INDUSTRIALE 1.1. Definizione e obiettivi del piano industriale 1.2. Requisiti del piano industriale 1.3. I contenuti del piano industriale 1.3.1. La strategia realizzata e

Dettagli

delle aziende in Italia:

delle aziende in Italia: Livello di rischiosità delle aziende in Italia: Lombardia Dati aggiornati a Dicembre 2012 Marketing CRIBIS D&B Agenda Distribuzione delle aziende nella regione Analisi del livello di rischiosità Confronto

Dettagli

Business Intelligence CRM

Business Intelligence CRM Business Intelligence CRM CRM! Customer relationship management:! L acronimo CRM (customer relationship management) significa letteralmente gestione della relazione con il cliente ;! la strategia e il

Dettagli

LA STATISTICA AZIENDALE

LA STATISTICA AZIENDALE LA STATISTICA AZIENDALE (Sintesi da Prof.ssa M.R. Ferrante www2.stat.unibo.it/ferrante/stataziendale.htm) Insieme dei metodi statistici utilizzabili per la raccolta, l organizzazione e l analisi dei dati

Dettagli

Un approccio complessivo alla Gestione della Performance Aziendale. Sestri Levante 19-20 maggio 2003

Un approccio complessivo alla Gestione della Performance Aziendale. Sestri Levante 19-20 maggio 2003 1 Un approccio complessivo alla Gestione della Performance Aziendale Sestri Levante 19-20 maggio 2003 Performing - Mission 2 Performing opera nel mercato dell'ingegneria dell organizzazione e della revisione

Dettagli

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CUSTOMER RELATIONSHIP MANAGEMENT Il CRM di NTS Informatica Una fidelizzazione del cliente realmente efficace, ed i principi fondamentali alla base della sua

Dettagli

Il catalogo MARKET. Mk6 Il sell out e il trade marketing: tecniche, logiche e strumenti

Il catalogo MARKET. Mk6 Il sell out e il trade marketing: tecniche, logiche e strumenti Si rivolge a: Forza vendita diretta Agenti Responsabili vendite Il catalogo MARKET Responsabili commerciali Imprenditori con responsabilità diretta sulle vendite 34 di imprese private e organizzazioni

Dettagli

TECNICO SUPERIORE PER LE TELECOMUNICAZIONI

TECNICO SUPERIORE PER LE TELECOMUNICAZIONI ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE I.C.T. Information and Communication Technology TECNICO SUPERIORE PER LE TELECOMUNICAZIONI STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI DESCRIZIONE

Dettagli

LA TUA SOFTWARE HOUSE IN CANTON TICINO LA PIATTAFORMA SOFTWARE PER LA GESTIONE DELLE DINAMICHE ASSOCIATIVE

LA TUA SOFTWARE HOUSE IN CANTON TICINO LA PIATTAFORMA SOFTWARE PER LA GESTIONE DELLE DINAMICHE ASSOCIATIVE LA TUA SOFTWARE HOUSE IN CANTON TICINO LA PIATTAFORMA SOFTWARE PER LA GESTIONE DELLE DINAMICHE ASSOCIATIVE La piattaforma SmartPlanner è una piattaforma software multitasking erogata in modalità SaaS,

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Sistemi informazionali La crescente diffusione dei

Dettagli

Evidenziare le modalità con le quali l azienda agrituristica produce valore per i clienti attraverso la gestione dei propri processi.

Evidenziare le modalità con le quali l azienda agrituristica produce valore per i clienti attraverso la gestione dei propri processi. 5. Processi Evidenziare le modalità con le quali l azienda agrituristica produce valore per i clienti attraverso la gestione dei propri processi. Il criterio vuole approfondire come l azienda agrituristica

Dettagli

CUSTOMER RELATIONSHIP MANAGEMENT

CUSTOMER RELATIONSHIP MANAGEMENT CUSTOMER RELATIONSHIP MANAGEMENT CHI SIAMO Tustena CRM Suite è prodotto da Digita S.r.l., un azienda che può vantare un esperienza decennale nello sviluppo di soluzioni web-based orientate alla comunicazione

Dettagli

INTERVENTI MODULARI DI FORMAZIONE LA QUALITÁ NELLA GESTIONE DELLE RISORSE UMANE

INTERVENTI MODULARI DI FORMAZIONE LA QUALITÁ NELLA GESTIONE DELLE RISORSE UMANE INTERVENTI MODULARI DI FORMAZIONE LA QUALITÁ NELLA GESTIONE DELLE RISORSE UMANE INDICE Premessa 3 Obiettivi e strumenti metodologici dell intervento di formazione 4 Moduli e contenuti dell intervento di

Dettagli

Le linee guida ABI sull adeguatezza

Le linee guida ABI sull adeguatezza Le linee guida ABI sull adeguatezza La profilatura della clientela ai fini MiFID è il tema centrale delle Linee Guida ABI recentemente validate dalla Consob sull implementazione degli Orientamenti Esma

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

Quale servizio e quale consulente per il cliente private di domani

Quale servizio e quale consulente per il cliente private di domani Quale servizio e quale consulente per il cliente private di domani Simona Maggi Direzione Scientifica AIPB Milano, 10 aprile 2014 Il contributo di AIPB alla sfida della diffusione del servizio di consulenza

Dettagli

Al tuo fianco. nella sfida di ogni giorno. risk management www.cheopeweb.com

Al tuo fianco. nella sfida di ogni giorno. risk management www.cheopeweb.com Al tuo fianco nella sfida di ogni giorno risk management www.cheopeweb.com risk management Servizi e informazioni per il mondo del credito. Dal 1988 assistiamo le imprese nella gestione dei processi di

Dettagli

Processi e Miglioramento IL PROCESSO AZIENDALE IL PROCESSO AZIENDALE 07/10/2013

Processi e Miglioramento IL PROCESSO AZIENDALE IL PROCESSO AZIENDALE 07/10/2013 Processi e Miglioramento - La gestione per processi - Il miglioramento - Le metodologie del miglioramento 1 L organizzazione di successo è quella vicina al cliente, cioè in grado di fornire elevate prestazioni

Dettagli

Gestione dei Progetti (2005-2006)

Gestione dei Progetti (2005-2006) Gestione dei Progetti (2005-2006) Alessandro Agnetis DII Università di Siena (Alcune delle illustrazioni contenute nella presentazione sono tratte da PMBOK, a guide to the Project Management Body of Knowledge,

Dettagli

Premessa la pianificazione

Premessa la pianificazione Premessa la pianificazione Nell attuale contesto competitivo e finanziario non è più sufficiente saper gestire un operazione di sviluppo immobiliare per trarne un adeguato margine imprenditoriale: il Credit

Dettagli

PARTE SECONDA La pianificazione strategica

PARTE SECONDA La pianificazione strategica PARTE SECONDA La pianificazione strategica 1. La pianificazione strategica dell impresa marketing oriented Di cosa parleremo Tutte le principali economie sono attualmente caratterizzate da continui e repentini

Dettagli

Il Sistema Qualità come modello organizzativo per valorizzare e gestire le Risorse Umane Dalla Conformità al Sistema di Gestione Tab.

Il Sistema Qualità come modello organizzativo per valorizzare e gestire le Risorse Umane Dalla Conformità al Sistema di Gestione Tab. Il Sistema Qualità come modello organizzativo per valorizzare e gestire le Risorse Umane Gli elementi che caratterizzano il Sistema Qualità e promuovono ed influenzano le politiche di gestione delle risorse

Dettagli

modo differenziato i clienti ricadenti nelle differenti classi. Tecnica RFM Questo approccio considera, oltre al valore di fatturato (contemplato

modo differenziato i clienti ricadenti nelle differenti classi. Tecnica RFM Questo approccio considera, oltre al valore di fatturato (contemplato Metodi quantitativi per il targeting Per le piccole e medie imprese il Data Base di Marketing (DBM) è di importanza cruciale nella segmentazione della clientela e individuazione del target di interesse

Dettagli

Offerta tecnica. Allegato III Modelli di documentazione

Offerta tecnica. Allegato III Modelli di documentazione Offerta tecnica Allegato III Modelli di documentazione Gestione, sviluppo e manutenzione dell architettura software di Business Intelligence in uso presso Cestec S.p.A. Redatto da Omnia Service Italia

Dettagli

5.1. LA STRUTTURA DEL MASTER BUDGET: BUDGET OPERATIVI, FINANZIARI E DEGLI INVESTIMENTI

5.1. LA STRUTTURA DEL MASTER BUDGET: BUDGET OPERATIVI, FINANZIARI E DEGLI INVESTIMENTI 5.1. LA STRUTTURA DEL MASTER BUDGET: BUDGET OPERATIVI, FINANZIARI E DEGLI INVESTIMENTI Master Budget: insieme coordinato e coerente dei budget operativi, finanziari e degli investimenti è rappresentato

Dettagli

Return On Intelligence?

Return On Intelligence? Return On Intelligence? Datamining e CRM: l esperienza concreta di una banca, i successi ottenuti e i problemi riscontrati Roma - 13 Dicembre 2001 Convegno ABI CRM 2001. Strumenti evoluti per il rapporto

Dettagli

LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING)

LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING) LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING) L IMPATTO SULLA GESTIONE LA MISURAZIONE DELL IMPATTO IL SUPPORTO ALLA CREAZIONE DEL VALORE L INTEGRAZIONE ESIGENZE DEL BUSINESS

Dettagli

PIANIFICAZIONE ED ORGANIZZAZIONE PIANIFICAZIONE ED ORGANIZZAZIONE

PIANIFICAZIONE ED ORGANIZZAZIONE PIANIFICAZIONE ED ORGANIZZAZIONE PIANIFICAZIONE ED ORGANIZZAZIONE un team di professionisti al servizio della tua banca La definizione degli obiettivi strategici e di sviluppo è da sempre un esigenza connaturata nella realtà di Cassa

Dettagli

Attila getting leadership

Attila getting leadership Attila Il gestionale operativo disegnato per le piccole e medie imprese - Vilcor Multimedia srl, tutti i diritti riservati Introduzione Attila è una piattaforma gestionale che integra strumenti di marketing

Dettagli

I processi aziendali e l industria della cornice di legno.

I processi aziendali e l industria della cornice di legno. I processi aziendali e l industria della cornice di legno. Productio Flow può essere classificato come un sistema software progettato ad hoc sulle esigenze gestionali dell industria della cornice di legno

Dettagli

D ISTRUZIONI PER LA REDAZIONE DEL PROGETTO ORGANIZZATIVO, CRITERI E MODALITÀ DI VALUTAZIONE

D ISTRUZIONI PER LA REDAZIONE DEL PROGETTO ORGANIZZATIVO, CRITERI E MODALITÀ DI VALUTAZIONE PROCEDURA DI SELEZIONE PER L AFFIDAMENTO IN CONCESSIONE DELLA GESTIONE DEL SERVIZIO DEL GIOCO DEL LOTTO AUTOMATIZZATO E DEGLI ALTRI GIOCHI NUMERICI A QUOTA FISSA Allegato D ISTRUZIONI PER LA REDAZIONE

Dettagli

Gestione per processi: utilità e sfide. Ettore Bolisani DTG Dipartimento di Tecnica e Gestione dei Sistemi Industriali Università di Padova

Gestione per processi: utilità e sfide. Ettore Bolisani DTG Dipartimento di Tecnica e Gestione dei Sistemi Industriali Università di Padova Gestione per processi: utilità e sfide Ettore Bolisani DTG Dipartimento di Tecnica e Gestione dei Sistemi Industriali Università di Padova 1 Ingegneria industriale Ingegneria gestionale Didattica: KNOWLEDGE

Dettagli

Corso di. Analisi e contabilità dei costi

Corso di. Analisi e contabilità dei costi Corso di Analisi e Contabilità dei Costi Prof. 1_I costi e il sistema di controllo Perché analizzare i costi aziendali? La CONOSCENZA DEI COSTI (formazione, composizione, comportamento) utile EFFETTUARE

Dettagli

05/03/07 Anna Maria Baratta. Lavorare per progetti

05/03/07 Anna Maria Baratta. Lavorare per progetti 05/03/07 Anna Maria Baratta Lavorare per progetti Cosa e` un Progetto Un progetto e` una serie di attività temporanee e mirate alla creazione un nuovo unico prodotto/servizio. (Project Management Institute

Dettagli

InfoTecna ITCube Web

InfoTecna ITCube Web InfoTecna ITCubeWeb ITCubeWeb è un software avanzato per la consultazione tramite interfaccia Web di dati analitici organizzati in forma multidimensionale. L analisi multidimensionale è il sistema più

Dettagli

RetailOne. RetailOne è l add-on sviluppato interamente su piattaforma SAP Business One, destinato ai punti vendita.

RetailOne. RetailOne è l add-on sviluppato interamente su piattaforma SAP Business One, destinato ai punti vendita. Le aziende che oggi vogliono operare nel settore della distribuzione organizzata devono saper interagire con l'ambiente competitivo che le circonda con grande prontezza. Avere le informazioni giuste al

Dettagli

IL SISTEMA DI CONTROLLO INTERNO

IL SISTEMA DI CONTROLLO INTERNO http://www.sinedi.com ARTICOLO 27 OTTOBRE 2008 IL SISTEMA DI CONTROLLO INTERNO PRODUZIONE DI VALORE E RISCHIO D IMPRESA Nel corso del tempo, ogni azienda deve gestire un adeguato portafoglio di strumenti

Dettagli

Istituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi) PIANO DI LAVORO ECONOMIA AZIENDALE CLASSE 5 B SI

Istituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi) PIANO DI LAVORO ECONOMIA AZIENDALE CLASSE 5 B SI Istituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi) Via Firenze, 51 - Tel. 0587/213400 - Fax 0587/52742 http://www.itcgfermi.it E-MAIL: MAIL@ITCGFERMI.IT PIANO DI LAVORO ECONOMIA

Dettagli

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco Introduzione al Datamining Francesco Passantino francesco@iteam5net wwwiteam5net/francesco Cos è il datamining Processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire

Dettagli

Gestione dell Informazione Aziendale prof. Stefano Pedrini. Sistemi integrati ERP Addendum 2 Giorgio Cocci, Alberto Gelmi, Stefano Martinelli

Gestione dell Informazione Aziendale prof. Stefano Pedrini. Sistemi integrati ERP Addendum 2 Giorgio Cocci, Alberto Gelmi, Stefano Martinelli UNIVERSITÀ DEGLI STUDI DI BERGAMO Gestione dell Informazione Aziendale prof. Stefano Pedrini Sistemi integrati ERP Addendum 2 Giorgio Cocci, Alberto Gelmi, Stefano Martinelli I sistemi informativi Il processo

Dettagli

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CUSTOMER RELATIONSHIP MANAGEMENT Il CRM di NTS Informatica Una fidelizzazione del cliente realmente efficace, ed i principi fondamentali alla base della sua

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

MANUALE DELLA QUALITÀ Pag. 1 di 10

MANUALE DELLA QUALITÀ Pag. 1 di 10 MANUALE DELLA QUALITÀ Pag. 1 di 10 INDICE IL SISTEMA DI GESTIONE DELLA QUALITÀ Requisiti generali Responsabilità Struttura del sistema documentale e requisiti relativi alla documentazione Struttura dei

Dettagli

Come passare dal budget tradizionale al piano d azione annuale: il caso GDO

Come passare dal budget tradizionale al piano d azione annuale: il caso GDO Come passare dal budget tradizionale al piano d azione annuale: il caso GDO di Massimo Lazzari e Davide Mondaini (*) L evoluzione rapida e irreversibile dei contesti di riferimento in cui le aziende si

Dettagli

La nuova voce del verbo CRM. La soluzione ideale per il marketing e le vendite. A WoltersKluwer Company

La nuova voce del verbo CRM. La soluzione ideale per il marketing e le vendite. A WoltersKluwer Company La nuova voce del verbo CRM La soluzione ideale per il marketing e le vendite A WoltersKluwer Company Player il cliente al centro della nostra attenzione. Player: la Soluzione per il successo nelle vendite,

Dettagli

2. La rilevazione dell opinione degli studenti frequentanti nei quattro atenei indagati

2. La rilevazione dell opinione degli studenti frequentanti nei quattro atenei indagati 2. La rilevazione dell opinione degli studenti frequentanti nei quattro atenei indagati Per tracciare un primo quadro dei contesti indagati si presentano di seguito alcuni macro indicatori riguardanti

Dettagli

I valori distintivi della nostra offerta di BPO:

I valori distintivi della nostra offerta di BPO: Business Process Outsourcing Partner 3M Software è il partner di nuova generazione, per la progettazione e la gestione di attività di Business Process Outsourcing, che offre un servizio completo e professionale.

Dettagli

Gli utenti del mercato online ebay.it Analisi degli abbandoni

Gli utenti del mercato online ebay.it Analisi degli abbandoni Gli utenti del mercato online ebay.it Analisi degli abbandoni Nunatac: N. Del Ciello, P. Bauce, L. Scendrate ebay: C. Corotto, A. Rota, G. Manetti L azienda ebay è un sito internet che offre ai propri

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

INTRODUZIONE PARTE I LA PREVENZIONE E LA DIAGNOSI

INTRODUZIONE PARTE I LA PREVENZIONE E LA DIAGNOSI INTRODUZIONE 1. CRISI D IMPRESA 1.1. Crisi e risanamento pag. 5 1.2. Le cause della crisi pag. 7 1.3. Gli indicatori della crisi pag. 12 1.4. Gli eventi scatenanti pag. 18 1.5. I modelli di intervento

Dettagli

ITER Imprese & Territorio

ITER Imprese & Territorio ITER Imprese & Territorio Generalità...2 La Scheda Impresa...4 Il sistema di Rating...6 Bilanci...7 Analisi di composizione...8 Elenchi imprese...9 Milano, novembre 2009 1 GENERALITÀ ITER è una applicazione,

Dettagli

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007 Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa

Dettagli