file://i:\mining-warehouse\data%20mining%20%20tecniche%20di%20trasformazion...
|
|
- Angelica Ruggeri
- 8 anni fa
- Visualizzazioni
Transcript
1 Pagina 1 di 5 Martedì, 17 Maggio 2004 chi siamo catalogo contatti@ rivendite registrati help ricerca: Ok! HOME WEBZINE LIBRI UNIVERSITA' EBOOK BUSINESS OPENPRESS Newsletter gratuite Resta aggiornato! Iscriviti alle Newsletter Apogeonline 02 Novembre Articoli Data Mining : tecniche di trasformazione dei dati (Parte terza) Lo scopo di questo articolo (il terzo di una serie) è quello di dare indicazioni specifiche, utili alla costruzione di sistemi di Data Mining, in termini di metodologie di sviluppo e di analisi L'articolo, come si diceva nelle parti precedenti, propone inoltre un'indagine sulle tecniche che soddisfano le esigenze di analisi, ne descrive la possibile applicabilità e fornisce dei parametri di valutazione. Trasformazione dei dati ALTRI ARTICOLI Dello stesso autore 1/ Dopo che i dati sono stati "puliti", trattati tutti i valori non validi e mancanti e valutata la consistenza dei dati si è pronti per effettuare le trasformazioni necessarie. Le trasformazioni potrebbero essere dettate da esigenze di migliore comprensione del fenomeno e dalla massimizzazione delle informazioni contenute nei dati: una combinazione di variabili può portare alla creazione di una nuova dimensione maggiormente esplicativa. La trasformazione è dettata anche da esigenze di sintesi: l'applicazione del metodo delle componenti principali, ad esempio, riduce le dimensioni del problema individuando un limitato numero di variabilità essenziale del fenomeno indagato. Sostanzialmente le trasformazioni possono essere di due tipi: Giuseppe Moschese Di argomento simile Linguaggi e programmazione Link di riferimento Riceverai via l'aggiornamento su tu novità editoriali e gli articoli. [Inserisci il tuo e clicca su O Apogeonline News NetNews di Davide Pellegrino I motori di ricerca vanno sul cellulare Telefonare gratis con Internet grazie a Diritto e Tecnologia di Avv.Annarita Gil Nel mondo delle frodi online arriva il "d phishing" ECommerceNews di Raffaella Scalisi La nuova frontiera delle aste online TechNews di Dario D'elia e Enrico Sola "Green Button Award", a premiare il v sarà Bill Gates Le news di Apogeonline sul tuo sito scoprire come clicca qui! Novità editoriali Comportamento organizzativo Il testo introduce ai temi della diversità, della cultura organizzativa, della socializzazione e del management interculturale, analizzando in maniera approfondita il comportamento individuale, i comportamenti di gruppo e i processi organizzativi. Ultimi articoli Data Mining : tecniche di trasformazion dati (Parte terza) Smau: bilancio positivo per il 2004, nu formula per il 2005 di Dario D'Elia Data Mining : tecniche di trasformazion dati (Parte seconda) 1. Trasformazioni sulla distribuzione dei dati: modificazioni matematiche alla distribuzione delle variabili. 2. Creazioni di dati: creazione di nuove variabili dalla combinazione di variabili esistenti per eseguire tassi, differenze e così via. Per le analisi statistiche, la fase della trasformazione dei dati è critica poiché alcune metodologie statistiche richiedono che i dati siano linearmente collegate ad una variabile obiettivo, normalmente distribuiti e liberi dagli outliers. Mentre i metodi dell'intelligenza artificiale e del machine learning non richiedono rigorosamente che i dati siano normalmente distribuiti o lineari, e alcuni metodi - gli alberi decisionali, per esempio - non richiedono che gli outliers siano trattati preventivamente. Questa è la maggiore differenza tra le analisi statistiche e il data mining. Speciali OpenPress di Federica Masera Migrare al pinguino: passo audace ma positivo Valtellinux Free Software Meeting 2004 UnusualBiz di Roberto Venturini Spazio, ultima frontiera (del business) Brainstorm di Bernardo Parrella Come coniugare al meglio la radio e In egovernment di Alessandro Minelli Il voto dei militari statunitensi in missi viaggia online Inizia bene la sperimentazione del call unico della Pubblica Amministrazione francese
2 Pagina 2 di 5 Gli algoritmi del machine learning hanno la capacità di trattare automaticamente con distribuzioni non lineari e non normali, anche se in molti casi gli algoritmi lavoreranno meglio se questi criteri sono verificati. Per i metodi del machine learning le ragioni per il cambiamento delle distribuzioni delle variabili (tipo 1. delle trasformazioni) possono essere: Eliminare gli effetti degli outliers. Se i valori degli outliers sono estremi possono seriamente alterare l'accuratezza del modello che sarà costruito. Qualche volta gli outliers sono utili e non devono essere rimossi. Questo accade quando si è interessati al fraud detection o al deviant detection, in questi casi gli outliers possono essere i record che si stanno cercando e non dovrebbero essere toccati. Archivi webzine Gli articoli e le news archiviati per argomento: Computer, formazione e scuola Culture digitali Diritto e Internet Diritto e nuove tecnologie Diritto e nuove teconologie Eventi Giornalismo e giornalismi Hardware e software Internet Linguaggi e programmazione Linguaggi e sistemi operativi Linux e Open Source Marketing, aziende e nuove tecnologie Mondo Mac Multimedia Net economy e e business New economy e trading online Prodotti e mercati Sistemi operativi Tecnologia e societa Telefonia Videogames Wireless egovernment elearning Rendere i dati "facilmente" interpretabili. Molte variabili di transazioni, come reddito e il numero di transazioni, hanno una distribuzione asimmetrica. Utilizzando i dati in questo formato le loro visualizzazioni sono difficili da interpretare. Usando uno schema di discretizzazione o prendendo il logaritmo, s trasformano tali variabili in modo da distribuire normalmente i dati, in questo modo il risultato è facile da interpretare e qualche volta si migliora anche la qualità dei risultati. Ci sono diverse trasformazioni di creazione di dati (tipo 2.) che sono molto utili e possono migliorare in modo impressionante i risultati di un progetto di data mining. Tra questi si hanno: Variabili di tasso. Si creano delle nuove variabili più rappresentative e si ridurre il numero di variabili totali migliorando le performance del modello. Per esempio si può scegliere di prevedere il rischio di credito dal rapporto debito/reddito piuttosto che debito e reddito come variabili indipendenti. Termini derivati dal tempo. La creazione di questi termini è importante nelle predizioni poiché la variazione dei dati nel tempo è fondamentale per questa attività. Discretizzazioni usando range. La discretizzazione dei dati numerici usando dei range (di tutti i possibili valori) è un buon modo per normalizzare i dati. La creazione di range discreti permette una facile comprension dei dati. Altre volte sono proprio i tool a dettare la rappresentazione dei dati. Per esempio, le reti neurali lavorano bene su variabili dicotomiche "1" o "0" e molti alberi decisionali usati per le classificazioni richiedono che valori continui, come il reddito, siano raggruppati in range come "Alto", "Medio" e "Basso". La trasformazione in range dei dati può essere utile anche a rimuovere gli effetti degli outliers. Da notare che la codifica che si sceglie può influenzare il risultato del modello che si sta generando. Trasformazioni matematiche. Le funzioni matematiche applicate per trasformare i dati sono utili per standardizzare distribuzioni anormali e quando si tenta di linearizzare una variabile. Alcune funzioni matematiche includono trasformazioni logaritmiche, trasformazioni ad hoc e trasformazioni polinomiali. Le trasformazioni logaritmiche sono usate per normalizzare una variabile che ha una distribuzione asimmetrica Queste tendono anche a ridurre gli effetti degli outliers. Le trasformazioni polinomiali sono utili quando si vogliono linearizzare i dati che sono distribuiti in modo continuo. Conversioni da testo a numerico. Alcuni strumenti di data mining possono lavorare solo su input numerici. In questi casi, ai discreti valori testuali occorre assegnare un codice. Ma è possibile fare questo soltanto quand un tool di data mining è abbastanza intelligente da trattare queste informazioni in modo corretto. Per esempio se vengono convertite i nomi delle città con i corrispondenti CAP, non ha alcun senso effettuare computazione su tali codici.
3 Pagina 3 di 5 Dopo che i dati sono stati preparati, selezionati e trasformati, si è pronti a far girare gli algoritmi di data mining. Costruzione del modello In questa fase il focus del processo riguarda la costruzione di regole generali a partire dai dati osservati. Da un punto di vista generale si possono distinguere tecniche per lo studio dell'interdipendenza da quelle utilizzate per lo studio della dipendenza. Una ulteriore distinzione riguarda il tipo di variabili utilizzate per descrivere il fenomeno oggetto di studio: variabili qualitative o variabili quantitative. Lo studio dell'interdipendenza per variabili di tipo qualitativo si avvale di tecniche quali l'analisi delle corrispondenze o i modelli log lineari; per variabili di tipo quantitativo si ricorda, a titolo esemplificativo, l'anal dei gruppi, l'analisi delle componenti principali. Tecniche di questo tipo vengono impiegate nei progetti di segmentazione comportamentale della clientela, definizione di nuovi prodotti, costruzione della scheda cliente della scheda agenzia. L'analisi di dipendenza riguarda lo studio di una variabile rispetto ad altre variabili considerate esplicative. Anche in questo caso i modelli possono essere impiegati a seconda della natura delle variabili considerate: nel caso di variabili categoriche, ad esempio, modelli logit; nel caso di variabili quantitative, modelli di regressione lineare o logistica, a seconda della natura della variabile dipendente. Tecniche di analisi delle dipendenze vengono impiegate nei progetti di costruzione di scoring system o di valutazione del potenziale a livello di singolo cliente o a livello di area territoriale. Questo tipo di modellistica è piuttosto tradizionale. In genere la possibilità di capire a fondo i modelli e soprattutto la trasparenza degli stessi portano ad una preferenza nel loro utilizzo rispetto a metodi pi complessi e di più difficile analisi. In molti casi però considerazioni sullo spazio delle variabili, sulla dimensione del problema, sulla complessità del modello esplicativo sottostante portano alla necessità di utilizzare altro tip di modellistica: reti neurali, alberi decisionali, algoritmi genetici. Si tratta di modelli che trattano diverse tipologie di variabili e che hanno il pregio di funzionare anche quando la dimensione del problema decisamente ampia. Sono proprio gli avanzamenti tecnologici recenti che hanno reso possibile l'impiego di queste tecniche, destinate a diventare una parte fondamentale del bagaglio degli attrezzi dell'analista. Alle nuove tecnologie è legato il concetto di training o learning che deriva direttamente dal campo dell'intelligenza artificiale del machine learning. Con esso si intende quella fase della costruzione del modello dove il modello stesso (tramite un algoritmo di apprendimento) apprende le informazioni contenute nel dataset - un particolare sottoinsieme dei dati preparati ai passi precedenti. Se si tratta della costruzione di un modello predittivo, il training dataset, conterrà tutte variabili necessarie per le predizioni, dette variabili indipendenti, e la variabile che contiene il risultato, detta variabile dipendente o target. L'apprendimento in cu si conosce anche il risultato viene detto supervised learning (apprendimento supervisionato), come il caso d fraud detection e del risk management. Mentre l'apprendimento in cui non è noto il risultato viene detto unsupervised learning (apprendimento non supervisionato), un esempio sono gli algoritmi di clustering dov il gruppo target non è noto a priori. Una volta che il modello è stato addestrato sul training dataset viene controllato su un altro insieme di dati (differente dal precedente e contenente ancora anche le risposte) che viene solitamente chiamato Mentre ci sono sempre almeno due dataset, training e testing, è possibile che ci siano tre o meglio quattro dataset usati per generare e validare un modello predittivo. Questi dataset chiamati solitamente training control, test e validation sono usati nel modo seguente: training: usato per la costruzione del modello, control: opzionale, usato per controllare l'overtraining del modello, la tendenza di apprendere
4 Pagina 4 di 5 l'istanza di addestramento piuttosto che generalizzare, test: usato dal tool di costruzione del modello per valutare l'accuratezza di un particolare modello, validation: spesso usato dall'esperto di metodi quantitativi per valutare l'accuratezza del modello finale dalla comparazione del valori predetti dal modello e le risposte note. La ragione della presenza di molti dataset è dovuta al fatto che il processo di data mining è un processo interattivo con diversi livelli di cicli annidati. Ad ogni livello è necessario un nuovo dataset indipendente che possa veramente testare o validare il modello prodotto al precedente livello di ciclo. Durante il processo di data mining non viene creato un unico modello, ma lo stesso tool che si utilizza mette a disposizione tecnologie diverse, per poter creare modelli diversi e valutare quale si comporta meglio sul problema in esame e sui dati disponibili. Scelta dell'approccio, della tecnologia e dell'algoritmo La costruzione pratica del modello inizia con la scelta dell'approccio con cui si vuole studiare il problema di business delineato nella prima fase del processo di sviluppo di un sistema di Data Mining. Per un determinato problema di business non esiste un'unica tecnica di analisi così come per una tecnica di analisi non esiste un'unica tecnologia che la supporta. Interpretiamo la cardinalità ('1' o 'm') delle relazioni tra le fasi fondamentali di un processo di data mining mostrate in figura: Tra problema di business e approcci di data mining (m:m). Un problema di business può essere studiato usando più di una classe di modelli, e naturalmente un approccio di modellazione pu applicato a molti problemi di business. Tra approcci di data mining e tecnologie (m:m). Più di una tecnologia può essere usata per ogni classe di modelli, e ogni tecnologia può essere usata per più classi di modelli. Tra tecnologie e algoritmi (1:m). Una tecnologia può essere implementata in più modi. Tra tecnologie e prodotti (m:m). I tool di Data Mining possono supportare più di una tecnologia, e naturalmente una tecnologia è supportata da più fornitori di prodotti. Tra algoritmi e prodotti (1:1). Per ogni data tecnologia (dalla lieve diversità d'interpretazione della notazione del modello), ogni particolare prodotto supporta una particolare implementazione del relativo algoritmo. Con maggiore precisione si può dire che esistono sei maggiori classi di approcci di data mining (o tecniche di analisi o classi di modelli), esse sono: le classificazioni, le regressioni, le serie storiche, il clustering, le associazioni e la scoperta delle sequenze. Si vedranno più in dettaglio nel prossimo capitolo. Per quanto riguarda le tecnologie esse sono la base dei sistemi di data mining, e agli iniziali metodi statistici s sono aggiunti col tempo nuove tecnologie per la scoperta di pattern nei dati. Tra esse si ricordano gli alberi decisionali, le reti neurali, i sistemi basati su logica fuzzy e così via come mostrato nei capitoli successivi. Sebbene ogni tecnologia rappresenta uno specifico tipo di analisi, i prodotti implementano più tecnologie, e il progetto di un algoritmo di data mining può avere significative differenze dalle performance e dalla scalabilit del prodotto. Questo è cruciale quando al prodotto è richiesto di esplorare dei VLDB; non si fanno assunzioni sulla lineare scalabilità di un tool di data mining quando il volume dei dati cresce. Col tempo sono stati sviluppati, e messi a disposizione dei tool di data mining, degli algoritmi sempre pi sofisticati. Ad esempio per l'implementazione (di metodi) degli alberi decisionali si ricordano: il CART (Classification and Regression Tree), il CHAID (CHi-squared Automatic Interaction Detection), l'entropy Variance, l'anova, il Gini Variance. Per l'implementazione delle varie architetture delle reti neurali si ricordano il MLP (Multi-Layer Perceptron), la PPN (Probabilistic Neural Network), le RBF (Radial Basic Functions), le map auto-organizzate di Kohonen, le MBR (Memory Based Reasoning) e così via, e per le cluster analysis il K
5 Pagina 5 di 5 Valutazione e interpretazione dei risultati Dopo che è stato costruito un modello, bisogna valutare i suoi risultati e interpretare il loro significato. Quand si conduce la validazione del modello, bisogna trovare un tasso di accuratezza. È importante ricordare che questo tasso di accuratezza è applicato solo ai dati sul quale il modello costruito. In pratica, l'accuratezza può variare se i dati che si applicano al modello si differiscono significativamente dai dati originari. Per problemi di classificazione, una matrice di confusione è molto utile per comprendere i risultati. Una matric di confusione mostra il numero dei valori reali delle classificazioni e il numero dei valori previsti. Non solo mostra come il modello predice bene ma presenta anche i dettagli necessari per indicare con precisione dove cose vanno male. Di grande aiuto sulla valutazione dell'utilità di un modello sono i lift chart o gain chart. Esso mostra come le risposte (ad una mailing list o un trattamento chirurgico) sono cambiate con l'applicazione del modello. Si vede ad esempio che se si prende casualmente (random) il 10% del target, la risposta al trattamento 10%, mentre se si prende il 10% del target selezionato dal modello (target con punteggio - scored sono superiori al 30%. Questo miglioramento delle risposte è chiamato lift. Un altro importante componente di interpretazione è la valutazione del "valore" del modello. Il modello sicuramente interessante, ma le operazioni per costruirlo possono costare più dei ritorni o dei risparmi genera Un diagramma del ROI che fornisce i valori delle risposte e i costi per ottenerli dà un ulteriore aiuto per le decisioni di marketing. Da tenere sempre presente che i risultati di un modello sono solo profittevoli se si può agire con essi. Bisogna essere sicuri di avere un vantaggio pratico dalla conoscenza che si guadagna.
Manuale Utente Albo Pretorio GA
Manuale Utente Albo Pretorio GA IDENTIFICATIVO DOCUMENTO MU_ALBOPRETORIO-GA_1.4 Versione 1.4 Data edizione 04.04.2013 1 TABELLA DELLE VERSIONI Versione Data Paragrafo Descrizione delle modifiche apportate
DettagliIstituto Centrale per il Catalogo Unico delle Biblioteche Italiane. e per le Informazioni bibliografiche. Manuali utente per SBN WEB. Versione 1.
Istituto Centrale per il Catalogo Unico delle Biblioteche Italiane e per le Informazioni bibliografiche Manuali utente per SBN WEB Versione 1.0 Produzione editoriale Vers. 1.0 27/09/2013 Pagina 1 Sommario
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
Dettaglimarketing highlights Google Analytics A cura di: dott. Fabio Pinello
marketing highlights Google Analytics A cura di: dott. Fabio Pinello Google Analytics è uno strumento gratuito fornito da Google per monitorare il traffico di visite dei siti web su cui è installato. Cos
DettagliSEGMENTAZIONE 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
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA Facoltà di Ingegneria
ESAME DI STATO DI ABILITAZIONE ALL'ESERCIZIO DELLA PROFESSIONE DI INGEGNERE PRIMA PROVA SCRITTA DEL 22 giugno 2011 SETTORE DELL INFORMAZIONE Tema n. 1 Il candidato sviluppi un analisi critica e discuta
DettagliManuale d'uso. Manuale d'uso... 1. Primo utilizzo... 2. Generale... 2. Gestione conti... 3. Indici di fatturazione... 3. Aliquote...
Manuale d'uso Sommario Manuale d'uso... 1 Primo utilizzo... 2 Generale... 2 Gestione conti... 3 Indici di fatturazione... 3 Aliquote... 4 Categorie di prodotti... 5 Prodotti... 5 Clienti... 6 Fornitori...
DettagliUno 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
Dettagli1. BASI DI DATI: GENERALITÀ
1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliLEAD GENERATION PROGRAM
LEAD GENERATION PROGRAM New Business Media al servizio delle imprese con una soluzione di comunicazione totalmente orientata alla generazione di contatti L importanza della lead generation La Lead Generation
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliData 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
DettagliPowerPoint 2007 Le funzioni
PowerPoint 2007 Le funzioni Introduzione Cos è un ipertesto L' ipertesto è un testo organizzato in link, o collegamenti ad altre parti del testo e/o altri testi, in modo da consentire all utente di scegliere
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliIl modello di ottimizzazione SAM
Il modello di ottimizzazione control, optimize, grow Il modello di ottimizzazione Il modello di ottimizzazione è allineato con il modello di ottimizzazione dell infrastruttura e fornisce un framework per
DettagliIl Sistema di Valutazione nel Gruppo UniCredit
Performance Management Il Sistema di Valutazione nel Gruppo UniCredit Da 16 sistemi diversi (in sedici paesi) ad un approccio globale Executive Development and Compensation Milano, 12 Novembre 2010 cfr
DettagliISTRUZIONI PER LA GESTIONE BUDGET
ISTRUZIONI PER LA GESTIONE BUDGET 1) OPERAZIONI PRELIMINARI PER LA GESTIONE BUDGET...1 2) INSERIMENTO E GESTIONE BUDGET PER LA PREVISIONE...4 3) STAMPA DIFFERENZE CAPITOLI/BUDGET.10 4) ANNULLAMENTO BUDGET
Dettagliwww.morganspa.com DESY è un prodotto ideato e sviluppato da
www.morganspa.com DESY è un prodotto ideato e sviluppato da Il nuovo servizio multimediale per la formazione e la didattica DESY è un applicazione web, dedicata a docenti e formatori, che consente, in
DettagliAnalisi della performance temporale della rete
Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:
DettagliCosa è un foglio elettronico
Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliAgenda telematica delle manifestazioni pubbliche
Prefettura Ufficio territoriale del Governo di Campobasso Università degli Studi del Molise Agenda telematica delle manifestazioni pubbliche Manuale Utente : Personale Ente Organizzatore Sommario 1. Introduzione
DettagliDispensa di database Access
Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di
DettagliIl 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
DettagliSCENARIO. Personas. 2010 ALICE Lucchin / BENITO Condemi de Felice. All rights reserved.
SCENARIO Personas SCENARIO È una delle tecniche che aiuta il designer a far emergere le esigente dell utente e il contesto d uso. Gli scenari hanno un ambientazione, attori (personas) con degli obiettivi,
DettagliManuale Utente Amministrazione Trasparente GA
Manuale Utente GA IDENTIFICATIVO DOCUMENTO MU_AMMINISTRAZIONETRASPARENTE-GA_1.0 Versione 1.0 Data edizione 03.05.2013 1 Albo Pretorio On Line TABELLA DELLE VERSIONI Versione Data Paragrafo Descrizione
DettagliPartenza Mercato Utente Idea Concetto Valutazione. Chi sono gli utenti target del tuo concetto di business?
Utente Chi sono gli utenti target del tuo concetto di business? Specifica da 3 a 5 diversi gruppi di utenti per il tuo concetto e fai una dettagliata descrizione di una persona per ciascun gruppo. Fai
DettagliRaggruppamenti Conti Movimenti
ESERCITAZIONE PIANO DEI CONTI Vogliamo creare un programma che ci permetta di gestire, in un DB, il Piano dei conti di un azienda. Nel corso della gestione d esercizio, si potranno registrare gli articoli
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
DettagliStrutturazione logica dei dati: i file
Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer
DettagliAttività federale di marketing
Attività federale di marketing Gestione e certificazione delle sponsorizzazioni Il Feedback Web Nel piano di sviluppo della propria attività di marketing, la FIS ha adottato il sistema Feedback Web realizzato
DettagliWeb Reputation. PMI & Web Marketing
Web Reputation PMI & Web Marketing Cosa puoi fare per la tua reputazione Con il termine identità digitale si intende tutta quella serie di informazioni presenti in rete, la cui considerazione complessiva
DettagliSITO DI PUBBLICAZIONE ANNUNCI
IL DOCUMENTO 1. Sito di pubblicazione annunci... 3 1.1 Home page... 3 1.2 Consultazione annuncio... 4 1.3 Inserisci annuncio... 6 1.4 Avvisami... 7 1.5 Ricarica... 8 1.6 Edicola... 8 1.7 Help... 9 1.8
Dettagli2003.06.16 Il sistema C.R.M. / E.R.M.
2003.06.16 Il sistema C.R.M. / E.R.M. Customer / Enterprise : Resource Management of Informations I-SKIPPER è un sistema di CONOSCENZE che raccoglie ed integra INFORMAZIONI COMMERCIALI, dati su Clienti,
DettagliIl Programma Operativo. Mentore. Rende ordinario quello che per gli altri è straordinario
Il Programma Operativo Mentore Rende ordinario quello che per gli altri è straordinario Programma operativo Sei stai guardando questa presentazione hai DECISO di CAMBIARE e hai deciso di scoprire COME
DettagliData 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
DettagliEmail Marketing Vincente
Email Marketing Vincente (le parti in nero sono disponibili nella versione completa del documento): Benvenuto in Email Marketing Vincente! L email marketing è uno strumento efficace per rendere più semplice
DettagliLa Guida per l Organizzazione degli Studi professionali
La Guida per l Organizzazione degli Studi professionali Gianfranco Barbieri Senior Partner di Barbieri & Associati Dottori Commercialisti Presidente dell Associazione Culturale Economia e Finanza gianfranco.barbieri@barbierieassociati.it
DettagliData mining. Vincenzo D Elia. vincenzo.delia@polito.it. DBDMG - Politecnico di Torino
Data mining Vincenzo D Elia vincenzo.delia@polito.it DBDMG - Politecnico di Torino vincenzo.delia@polito.it Archivi Multimediali e Data Mining - p. 1 Rapid Miner vincenzo.delia@polito.it Archivi Multimediali
DettagliIl CRM per la Gestione del Servizio Clienti
Scheda Il CRM per la Gestione del Servizio Clienti Le Soluzioni CRM aiutano le aziende a gestire i processi di Servizio e Supporto ai Clienti. Le aziende di Servizio stanno cercando nuove modalità che
DettagliGuida alla registrazione on-line di un DataLogger
NovaProject s.r.l. Guida alla registrazione on-line di un DataLogger Revisione 3.0 3/08/2010 Partita IVA / Codice Fiscale: 03034090542 pag. 1 di 17 Contenuti Il presente documento è una guida all accesso
Dettagli1 CARICAMENTO LOTTI ED ESISTENZE AD INIZIO ESERCIZIO
GESTIONE LOTTI La gestione dei lotti viene abilitata tramite un flag nei Progressivi Ditta (è presente anche un flag per Considerare i Lotti con Esistenza Nulla negli elenchi visualizzati/stampati nelle
DettagliSOLUZIONE Web.Orders online
SOLUZIONE Web.Orders online Gennaio 2005 1 INDICE SOLUZIONE Web.Orders online Introduzione Pag. 3 Obiettivi generali Pag. 4 Modulo di gestione sistema Pag. 5 Modulo di navigazione prodotti Pag. 7 Modulo
DettagliProcedura SMS. Manuale Utente
Procedura SMS Manuale Utente INDICE: 1 ACCESSO... 4 1.1 Messaggio di benvenuto... 4 2 UTENTI...4 2.1 Gestione utenti (utente di Livello 2)... 4 2.1.1 Creazione nuovo utente... 4 2.1.2 Modifica dati utente...
DettagliMy Home PRO IL PROGRAMMA BTICINO PER I PROFESSIONISTI DELLA DOMOTICA
My Home PRO IL PROGRAMMA BTICINO PER I PROFESSIONISTI DELLA DOMOTICA My Home PRO è il programma BTicino rivolto agli installatori elettrici come te che desiderano migliorare le proprie competenze tecniche
DettagliL uso della Balanced Scorecard nel processo di Business Planning
L uso della Balanced Scorecard nel processo di Business Planning di Marcello Sabatini www.msconsulting.it Introduzione Il business plan è uno strumento che permette ad un imprenditore di descrivere la
DettagliDIRECT MARKETING: COME- QUANDO-PERCHE UTILIZZARLO
DIRECT MARKETING: COME- QUANDO-PERCHE UTILIZZARLO Definire il Direct Marketing, riportando la definizione tratta da Wikipedia, l enciclopedia libera nata grazie ai contributi degli utenti della rete internet:
DettagliMANUALE MOODLE STUDENTI. Accesso al Materiale Didattico
MANUALE MOODLE STUDENTI Accesso al Materiale Didattico 1 INDICE 1. INTRODUZIONE ALLA PIATTAFORMA MOODLE... 3 1.1. Corso Moodle... 4 2. ACCESSO ALLA PIATTAFORMA... 7 2.1. Accesso diretto alla piattaforma...
Dettaglie-dva - eni-depth Velocity Analysis
Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa
DettagliArea Albergatori HotelManager
Area Albergatori HotelManager Presentare dettagliatamente il vostro hotel Predisporre statistiche Creare widgets personalizzati Costruite la vostra reputazione online con: www.holidaycheck.it/area_albergatori
DettagliAUMENTARE I CONTATTI E LE VENDITE CON UN NUOVO PROCESSO: LEAD ADVANCED MANAGEMENT
AUMENTARE I CONTATTI E LE VENDITE CON UN NUOVO PROCESSO: LEAD ADVANCED MANAGEMENT Obiettivi Incrementare i contatti (lead) e quindi le Vendite B2B attraverso l implementazione di un nuovo processo che
DettagliCos è. Mission & Vision. Attitude in Web, area di IT Attitude, ha competenze specifiche nel settore informatico e nel web marketing.
Cos è Mission & Vision COMUNICAZIONE. SOLUZIONI INFORMATICHE. CONSULENZA AZIENDALE. WEB MARKETING. Attitude in Web, area di IT Attitude, ha competenze specifiche nel settore informatico e nel web marketing.
DettagliDal sito del Polo Qualità di Napoli http://www.qualitascuola.com. si può accedere a due piattaforme:
Dal sito del Polo Qualità di Napoli http://www.qualitascuola.com si può accedere a due piattaforme: T4T Ambiente di lavoro del docente, personale e sociale, da un lato scrivania multimediale e dall altro
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
DettagliCorso di Informatica
Corso di Informatica Modulo T2 1 Sistema software 1 Prerequisiti Utilizzo elementare di un computer Significato elementare di programma e dati Sistema operativo 2 1 Introduzione In questa Unità studiamo
DettagliMANUALEDIUTILIZZO MODULO CRM POSTVENDITA
MANUALEDIUTILIZZO MODULO CRM POSTVENDITA INDICE INTRODUZIONE INSERIMENTO CHIAMATA CHIAMATE Dettaglio Chiamate Macchine Coinvolte Documenti Riepilogo MACCHINE Dettaglio Macchine Documenti Interventi MACCHINE
DettagliArea Marketing. Approfondimento
Area Marketing Approfondimento CUSTOMER SATISFACTION COME RILEVARE IL LIVELLO DI SODDISFAZIONE DEI CLIENTI (CUSTOMER SATISFACTION) Rilevare la soddisfazione dei clienti non è difficile se si dispone di
DettagliLE CARATTERISTICHE. Caratteristiche. www.alessiopapa.it - tel. 0771.324312 - fax 0771.1870184 pag. 2
Caratteristiche LE CARATTERISTICHE GESTIONE AVANZATA DEI CONTATTI Infomail ti consente di creare un database importando liste di contatti già esistenti o acquisendone di nuovi tramite un form di iscrizione
DettagliOlga Scotti. Basi di Informatica. Excel
Basi di Informatica Excel Tabelle pivot Le tabelle pivot sono strumenti analitici e di reporting per creare tabelle riassuntive, riorganizzare dati tramite trascinamento, filtrare e raggruppare i dati,
DettagliProgetto PI.20060128, passo A.1 versione del 14 febbraio 2007
Università degli Studi di Roma La Sapienza Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Corso di Progettazione del Software Proff. Toni Mancini e Monica Scannapieco Progetto PI.20060128,
DettagliMANUALE PARCELLA FACILE PLUS INDICE
MANUALE PARCELLA FACILE PLUS INDICE Gestione Archivi 2 Configurazioni iniziali 3 Anagrafiche 4 Creazione prestazioni e distinta base 7 Documenti 9 Agenda lavori 12 Statistiche 13 GESTIONE ARCHIVI Nella
DettagliPuoi aumentare la popolarità della tua azienda e singoli prodotti, sia a livello locale che più ampio.
A cosa può servire? Awareness Puoi aumentare la popolarità della tua azienda e singoli prodotti, sia a livello locale che più ampio. Lead generation Puoi aumentare la generazione di contatti profilati
Dettagli11. Evoluzione del Software
11. Evoluzione del Software Andrea Polini Ingegneria del Software Corso di Laurea in Informatica (Ingegneria del Software) 11. Evoluzione del Software 1 / 21 Evoluzione del Software - generalità Cosa,
DettagliAnalisi dei requisiti e casi d uso
Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................
DettagliLA PIATTAFORMA DEL PROGETTO ORIENTAMENTO. Guida per Studente
Progetto Orientamento Edizione 2007 LA PIATTAFORMA DEL PROGETTO ORIENTAMENTO Guida per Studente http://www.elearning.unibo.it/orientamento assistenzaorientamento.cela@unibo.it Sommario 1 L accesso alla
DettagliRisparmiare innovando
GIANLUCA VAGLIO Risparmiare innovando La tecnologia come strumento di risparmio 2011 Gianluca Vaglio www.gianlucavaglio.net Avvertenze legali AVVERTENZE LEGALI Copyright 2011 Gianluca Vaglio. La presente
DettagliAlfa Layer S.r.l. Via Caboto, 53 10129 Torino ALFA PORTAL
ALFA PORTAL La struttura e le potenzialità della piattaforma Alfa Portal permette di creare, gestire e personalizzare un Portale di informazione in modo completamente automatizzato e user friendly. Tramite
Dettaglilem logic enterprise manager
logic enterprise manager lem lem Logic Enterprise Manager Grazie all esperienza decennale in sistemi gestionali, Logic offre una soluzione modulare altamente configurabile pensata per la gestione delle
DettagliPROGRAMMA GESTIONE TURNI MANUALE UTENTE. Programma Gestione Turni Manuale Utente versione 1.1
PROGRAMMA GESTIONE TURNI MANUALE UTENTE INDICE 1 PREMESSA 3 2 COMANDI COMUNI 3 3 SEDI 3 4 FESTIVITÀ 4 5 PERIODI TURNI 4 6 COD. TURNI 6 7 TURNI SPORTIVI 9 8 COD. EQUIPAGGI 9 9 DISPONIBILITÀ 10 10 INDISPONIBILITÀ
DettagliModello OSMI: Online Social Media Influencers. Modello OSMI Online Social Media Influencers. Quaderno di caffebollenteintazzagrossa.
Modello OSMI Online Social Media Influencers Linkbuilding: come trovare gli influenzatori nei Social Network e aiutare le vendite. Ora disponibile per tutti coloro che hanno bisogno di uno strumento operativo
DettagliTitolare del trattamento dei dati innanzi descritto è tsnpalombara.it
Decreto Legislativo 196/2003 Codice in materia di protezione dei dati personali COOKIE POLICY La presente informativa è resa anche ai sensi dell art. 13 del D.Lgs 196/03 Codice in materia di protezione
DettagliE.C.M. Educazione Continua in Medicina. MyEcm. Manuale utente
E.C.M. Educazione Continua in Medicina MyEcm Manuale utente Versione 1.0 giugno 2013 E.C.M. Manuale utente per Indice 2 Indice Revisioni 3 1. Introduzione 4 2. Registrazione 5 3. Accesso a myecm 8 4. Home
Dettagliutenti inserzionisti aziende L utente L inserzionista Servizi business per le aziende
LA STORIA nasce a Marzo del 2005, e si consolida, dopo un paio di mesi, grazie all aiuto di uno staff dinamico e attento che in breve tempo ha permesso la partenza del portale. Ioregalo ha riscontrato
DettagliI TUTORI. I tutori vanno creati la prima volta seguendo esclusivamente le procedure sotto descritte.
I TUTORI Indice Del Manuale 1 - Introduzione al Manuale Operativo 2 - Area Tutore o Area Studente? 3 - Come creare tutti insieme i Tutori per ogni alunno? 3.1 - Come creare il secondo tutore per ogni alunno?
DettagliMi chiamo Stefania Moretti e rappresento l Azienda AUDIO VIDEO ITALIANA, fondata nel 1972 da Vittorio Moretti.
Mi chiamo Stefania Moretti e rappresento l Azienda AUDIO VIDEO ITALIANA, fondata nel 1972 da Vittorio Moretti. La mia Azienda si occupa, sin dall anno di fondazione, di Produzione Cinematografica e Video,
DettagliAggiornamento Titoli
Aggiornamento Titoli Una volta inserite tutte le informazioni si può fare la connessione al sito di Milano Finanza per l aggiornamento, in tempo reale, delle inserire, nella maschera attivata, il nome
DettagliIl calendario di Windows Vista
Il calendario di Windows Vista Una delle novità introdotte in Windows Vista è il Calendario di Windows, un programma utilissimo per la gestione degli appuntamenti, delle ricorrenze e delle attività lavorative
DettagliProgetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
DettagliGIOCHI MATEMATICI PER LA SCUOLA SECONDARIA DI I GRADO ANNO SCOLASTICO 2011-2012
GIOCHI MATEMATICI PER LA SCUOLA SECONDARIA DI I GRADO ANNO SCOLASTICO 2011-2012 L unità di Milano Città Studi del Centro matematita propone anche per l a.s. 2011-2012 una serie di problemi pensati per
DettagliCOME VIENE REALIZZATO UN SERVIZIO DI RIORGANIZZAZIONE DEI SISTEMI INFORMATIVI AZIENDALI?
COME VIENE REALIZZATO UN SERVIZIO DI RIORGANIZZAZIONE DEI SISTEMI INFORMATIVI AZIENDALI? A Flusso di attività B - INPUT C Descrizione dell attività D RISULTATO E - SISTEMA PROFESSIONALE DOMANDA DI SISTEMI
DettagliGUIDA ALLA RILEVANZA
GUIDA ALLA RILEVANZA Posizionamento per Rilevanza Suggerimenti per una migliore visibilità su ebay www.egolden.it Vers. 1.1 Questa guida puo essere ridistribuita con l obbligo di non modificarne contenuto
DettagliCorso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati
Corso di Access Modulo L2A (Access) 1.1 Concetti di base 1 Prerequisiti Utilizzo elementare del computer Concetti fondamentali di basi di dati 2 1 Introduzione Un ambiente DBMS è un applicazione che consente
Dettagli#guida 06 INBOUND MARKETING ROI CON HUBSPOT
#guida 06 INBOUND MARKETING ROI CON HUBSPOT ArchiMedia S.r.l. Viale delle Industrie 53/C 45100 Rovigo Italia Tel. +39 0425 471064 Fax +39 0425 475565 info@archimedia.it #guida 06 Indice 07 08 10 Prefazione
DettagliCORSO DI WEB MARKETING E SCRITTURA SUL WEB
CORSO DI WEB MARKETING E SCRITTURA SUL WEB PRESENTAZIONE DEL CORSO ON LINE IL NOSTRO CORSO DI WEB MARKETING E SCRITTURA SUL WEB TI PREPARA CONCRETAMENTE A LAVORARE SUL WEB. PERCHÉ? PERCHÉ COMINCI A FARLO
DettagliMASTER 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
DettagliRegistratori di Cassa
modulo Registratori di Cassa Interfacciamento con Registratore di Cassa RCH Nucleo@light GDO BREVE GUIDA ( su logiche di funzionamento e modalità d uso ) www.impresa24.ilsole24ore.com 1 Sommario Introduzione...
DettagliLa suite Pentaho Community Edition
La suite Pentaho Community Edition GULCh 1 Cosa è la Business Intelligence Con la locuzione business intelligence (BI) ci si può solitamente riferire a: un insieme di processi aziendali per raccogliere
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliInformazioni generali sul programma:
Informazioni generali sul programma: Funzionalità del programma Sviluppato in ambiente Windows, unisce flessibilità e semplicità di utilizzo ad una grande ricchezza di moduli funzionali espandibili anche
DettagliIl Sito web professionale dedicato al settore Trasportatori e spedizionieri. Provalo subito all indirizzo web: www.soluzionicreative.
Il Sito web professionale dedicato al settore Trasportatori e spedizionieri GlobeAround è il sito web studiato e sviluppato per soddisfare le esigenze di visibilità e comunicazione delle aziende che operano
DettagliSoftware per Helpdesk
Software per Helpdesk Padova - maggio 2010 Antonio Dalvit - www.antoniodalvit.com Cosa è un helpdesk? Un help desk è un servizio che fornisce informazioni e assistenza ad utenti che hanno problemi nella
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
DettagliChannel Assicurativo
Intermedia Channel Channel Assicurativo La soluzione per essere protagonisti di una nuova stagione della consulenza assicurativa Il mercato Assicurativo 2007 Il decreto Bersani Nel giro di qualche mese
DettagliCOMUNIC@CTION INVIO SMS
S I G e s t S.r.l S e d e l e g a l e : V i a d e l F o r n o 3 19125 L a S p e z i a T e l e f o n o 0187/284510/15 - F a x 0187/525519 P a r t i t a I V A 01223450113 COMUNIC@CTION INVIO SMS GUIDA ALL
DettagliMASTER 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
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE INTRODUZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Introduzione alla simulazione Una simulazione è l imitazione
DettagliDEPLOY YOUR BUSINESS
DEPLOY YOUR BUSINESS COS É ARROCCO? E uno strumento online per lo sviluppo del Piano Economico-Finanziario del Business Plan. Arrocco è uno strumento online appositamente progettato per lo sviluppo di
DettagliGRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545
Capitolo 3 - Dalla strategia al piano editoriale GRUPPO MY- social media solutions / Via G.Dottori 94, Perugia / PI 03078860545 Social Toolbox ed i contenuti presenti nel seguente documento (incluso a
Dettagli