La matematica per innovare i processi di decisione del fundraising

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "La matematica per innovare i processi di decisione del fundraising"

Gianfranco Giuseppe
8 anni fa
Visualizzazioni

1 La matematica per innovare i processi di decisione del fundraising Festival del Fundraising Ottavio Crivaro Giovanni Cassarini

2 2

3 La sfida: è possibile? Risk map and Risk models Prevedere l arrivo di auto ad un parcheggio a lungo termine per ottimizzarne la gestione 3

4 La sfida: è possibile? Risk map and Risk models Prevedere la domanda di gas naturale per ottimizzarne la logistica del gas 4

5 La sfida: è possibile? Risk map and Risk models Analizzare il comportamento dei clienti di un operatore di telefonia mobile per adattare le campagne di marketing e prevedere il rischio di abbandono 5

6 La risposta è SI sfrutta i risultati della ricerca generando innovazione nel mondo dell industria, dell ingegneria, delle scienze della vita e in ambito sociale. realizza strumenti di matematica, simulazione e analisi statistica per favorire i processi di ottimizzazione e sviluppo dei suoi partner 6

7 Creatività Risk map and Risk models Il nostro modo di lavorare Formalizzazione Analisi Modelli fisici Modelli concettuali Bisogni Dati Modelli statistici/ matematici Modelli numerici Strumento Soluzione Ottimizzazione SW Ingegnerizzazione SW Interfaccia grafica Funzioni user friendly Analisi di sensitività Validazione risultati Report Codifica 7

8 E possibile prevedere l arrivo di auto ad un parcheggio a lungo termine per ottimizzarne la gestione? La risposta è SI Modello di previsione del numero di macchine per giorno, fascia oraria e sede Pianificazione ottima delle risorse DATI Location Calendario Attività aeroporto Promozioni RISULTATI Previsione del numero di macchine Valutazione dell'influenza di promozioni e attività dell'aeroporto Tool per la gestione del personale 8

9 E possibile prevedere la domanda di gas naturale per ottimizzarne la logistica del gas? La risposta è SI Modello di previsione del consumo di gas dal giorno G al G+4 Modello di previsione del prezzo di vendita/acquisto di gas in eccesso/ difetto e della quantità di gas scambiato. DATI Dati storici e previsioni temperatura Anagrafica del Delivery Point Calendario e variazioni di mercato RISULTATI Riduzione del 50% dell'errore giornaliero Riduzione del 50% delle ore uomo dedicate - Consumi - Previsione 9

10 E possibile prevedere la domanda di gas naturale per ottimizzarne la logistica del gas? La risposta è SI Modello di previsione del consumo di gas dal giorno G al G+4 Modello di previsione del prezzo di vendita/acquisto di gas in eccesso/ difetto e della quantità di gas scambiato. DATI Dati storici e previsioni temperatura Anagrafica del Delivery Point Calendario e variazioni di mercato GUI custom SW totalmente automatizzato SW integrato con sistemi IT del cliente RISULTATI 10

11 E possibile Analizzare il comportamento dei clienti di un operatore di telefonia mobile per adattare le campagne di marketing e prevedere il rischio di abbandono? La risposta è SI Organizzazione e preparazione dei dati Modelli di previsione di abbandono di breve, medio e lungo periodo CONTESTO Dati disponibili destrutturati Mercato maturo e saturo Alta sensibilità al prezzo Forte competitività tra operatori RISULTATI Gestione automatica e integrazione dei dati Sviluppo di modelli utilizzabili in competizione tra di loro Generazione automatica di report per la progettazione ottima delle campagne di marketing 11

12 E possibile Analizzare il comportamento dei clienti di un operatore di telefonia mobile per adattare le campagne di marketing e prevedere il rischio di abbandono? La risposta è SI Organizzazione e preparazione dei dati Modelli di previsione di abbandono di breve, medio e lungo periodo CONTESTO Dati disponibili destrutturati Modelli di regressione RISULTATI Mercato maturo e saturo Reti neurali Alta sensibilità al prezzo V99 < Alberi di classificazione Ensemble learning Forte competitività tra operatori V21:c V46 < V116 < 0.5 V5:a

13 E possibile analizzare il comportamento dei CLIENTI per adattare le campagne di marketing e prevedere il rischio di abbandono? E possibile analizzare il comportamento dei DONATORI per adattare le campagne di marketing e prevedere il rischio di abbandono? 13

14 La risposta è SI SmartAID 14

15 SmartAID Cosa posso fare con? Analizzo il comportamento dei miei Donatori SmartAID si aggancia a DB disponibile e permette una navigazione dinamica e aggiornata dei dati. Grafici e report sono configurabili dall utente. 15

16 SmartAID Cosa posso fare con? Prevedo entità e frequenza delle donazioni SmartAID consente di stimare la probabilità che un donatore risponda positivamente ad un azione di marketing offrendo così la possibilità di ridurne i costi e/o aumentarne la redemption. 16

17 SmartAID Cosa posso fare con? Progetto una nuova azione di sensibilizzazion SmartAID permette di confrontare tipologie di campagne di raccolta fondi analizzando differenti scenari (ANALISI WHAT-IF) 17

18 Come è fatto SmartAID Visualizzazione Interattività Analisi Dati Algoritmi Avanzati DATABASE 18

19 SmartAID - Overview Risk map and Risk models Package 1 Visualizzazione dei dati Navigazione interattiva Analisi RFM Cluster Analysis Report personalizzabili Package 2 Modelli statistici avanzati Previsione del rendimento Ottimizzazione liste di donatori What-if Analysis Churn Analysis Analizzo Prevedo Progetto 19

20 SmartAID - Package 1 Risk map and Risk models 20

21 SmartAID - Churn Analysis Risk map and Risk models Modello di previsione della probabilità di abbandono di un donatore Contesto : Campione di riferimento: Donatori fidelizzati (adozioni a distanza) Problema di classificazione 0/1 Analogie: Mercati della telefonia. Probabilità di abbandono elevata Azione di Retention Obiettivo Prevedere in anticipo l abbandono da parte di un donatore fedele 21

22 SmartAID - Churn Analysis Risk map and Risk models 22

23 SmartAID - Analisi What-if Risk map and Risk models Obiettivo Determinare i donatori che massimizzano il rendimento complessivo. 23

24 SmartAID - Analisi What-if Risk map and Risk models 24

25 Chi siamo: MoxOff Spin-off del prestigioso laboratorio MOX del Politecnico di Milano Contatti: Via D Ovidio 3, Milano Politecnico: Via Bonardi 9 Milano Ottavio Crivaro ottavio.crivaro@moxoff.com Giovanni Cassarini giovanni.cassarini@moxoff.com moxoff_mathxinn moxoff_mathematics_for_innovation math /mathematicsforinnovation 25

Documenti analoghi

Cost_. Quality_. Delivery_. L eccellenza della tua SuppLy chain parte da qui

Cost_. Quality_. Delivery_. L eccellenza della tua SuppLy chain parte da qui Quality_ Cost_ L eccellenza della tua SuppLy chain parte da qui Delivery_ Training for Excellence 2 FORMAZIONE INNOVAZIONE ESPERIENZA In un mercato competitivo come quello odierno, per gestire al meglio