Statistica per l Analisi Organizzativa
|
|
- Linda Barbara Spinelli
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica per l Analisi Organizzativa Università Commerciale L. Bocconi Anno Accademico Bruno Scarpa
2 le aziende
3 statistica in azienda Diversi livelli di coinvolgimento della statistica nel fare business focus sui prodotti Analisi di marketing: reports e statistiche descrittive di base Supporto all uomo di marketing: aiuto quantitativo alle idee di marketing Fare analisi e proporre idee: è il motore delle azioni di marketing Guida commerciale e tecnologica focus sul cliente Strumenti: Reports Tabelle Semplici indicatori Reports Tabelle Semplici indicatori Semplici modelli Tabelle Indicatori/tassi Modelli Data mining Modelli Statistici Data mining Reports Tabelle Indicatori
4 Customer base: approccio strategico Un unico obiettivo Aumentare il Customer Lifetime Value attraverso la riduzione del churn e l aumento dell ARPU attraverso PROFILING & SEGMENTATION Identificare i potenziali churners churners Massimizzare la soddisfazione dei clienti Focalizzarsi su target per cross e up sell Ridurre il churn Massimizzare il valore del cliente
5 Customer Relationship Management Identificare Realizzare Praticare tutte le attività necessarie a garantire il processo di attenzione e fidelizzazione dell individuo verso l azienda e la sua offerta di prodotti e servizi e, conseguentemente la massimizzazione delle opportunità di business attraverso la soddisfazione costante dei bisogni
6 Profiling Identificare Classificare Acquisire Gestire tutte le informazioni che consentono la conoscenza e l analisi del proprio target di riferimento e, conseguentemente la realizzazione di prodotti e servizi ad elevata probabilità di soddisfazione dei suoi bisogni sources analysis mgmnt
7 Customer base: segmentazione di base 0% VALORE DEL CLIENTE 100% COSTRUIRE FELDELTA DIFFERENZIAZIONE DEI SERVIZI INBOUND & OUTBOUND SCHEMA DI LOYALTY (Incentivi) BLOCCHI (Disincentivi alla fuga) AZIONI A BASSO COSTO/ NO PROMOZIONI NON COSTI AGGIUNTIVI PER LA GESTIONE DEL CLIENTE AZIONI DI MASSA MASSIMIZZARE IL VALORE OPERATORE CC PERSONALE NUOVI VAS MEMBER GETS MEMBER CURA & ATTENZIONE AUMENTARE IL VALORE AZIONI DI UP / CROSS SELL INCENTIVARE L USO INCENTIVARE ATTIVAZIONE DI VAS 0% FEDELTA DEL CLIENTE 100% 0% ALLA CONCORRENZA!
8 L approccio di crm OBIETTIVI Generazione di profitti attraverso l acquisizione di clienti ad alto valore, la creazione di valore e un attenta politica di cost to serve 4Acquisizione di clienti (conversione di prospect in clienti) 4Aumento del valore dei clienti attraverso azioni di cross-sell e di up-sell 4 trattenere i clienti (retention) 4Attenzione al cost to serve AZIONI ANALISI (PROFILING) DATI GREZZI 4Campagne 4Programmi di Loyalty 4Personalizzazione dei Servizi 4Gestione dei canali di contatto 4(sviluppo di nuovi prodotti) 4Analisi di dati sui clienti 4Segmentazione & micro-segmentazione 4Suggerimenti sui bisogni e le preferenze dei clienti CUSTOMER DATA 4ID (nome, indirizzo, num. di telefono, piano tariffario...) 4Dati Demografici (età, città,...) 4Dati Socio-economici (reddito, professione, titolo di studio, classe di valore,...) 4Dati Psicografici (ambiente, preferenze, hobbies,...) 4Patterns d uso (spesa telefonica, servizi usati e frequenza,...) 4Analisi delle propensioni sui contatti Uso dei canali Ragioni di contatto 4Esperienza del cliente per ogni canale (CC, Portale,chat, Messaging, Dealers) 4Efficienza del Customer Care 4Storia dei contatti del cliente Uso dei canali Motivo di contatto Numero di contatti DATI SUI LIVELLI DI SERVIZIO DEI CANALI...
9 L approccio di crm OBIETTIVI Generazione di profitti attraverso l acquisizione di clienti ad alto valore, la creazione di valore e un attenta politica di cost to serve 4Acquisizione di clienti (conversione di prospect in clienti) 4Aumento del valore dei clienti attraverso azioni di cross-sell e di up-sell 4 trattenere i clienti (retention) 4Attenzione al cost to serve AZIONI ANALISI (PROFILING) DATI GREZZI 4Campagne 4Programmi di Loyalty 4Personalizzazione dei Servizi 4Gestione dei canali di contatto 4(sviluppo di nuovi prodotti) 4Analisi di dati sui clienti 4Segmentazione & micro-segmentazione 4Suggerimenti sui bisogni e le preferenze dei clienti CUSTOMER DATA 4ID (nome, indirizzo, num. di telefono, piano tariffario...) 4Dati Demografici (età, città,...) 4Dati Socio-economici (reddito, professione, titolo di studio, classe di valore,...) 4Dati Psicografici (ambiente, preferenze, hobbies,...) 4Patterns d uso (spesa telefonica, servizi usati e frequenza,...) 4Analisi delle propensioni sui contatti Uso dei canali Ragioni di contatto 4Esperienza del cliente per ogni canale (CC, Portale,chat, Messaging, Dealers) 4Efficienza del Customer Care 4Storia dei contatti del cliente Uso dei canali Motivo di contatto Numero di contatti DATI SUI LIVELLI DI SERVIZIO DEI CANALI...
10 *costa poco rilevare dati in modalità automatica *costa poco immagazzinare dati in data-base sempre più grandi Contesti rilevanti: * data-base aziendali (customer-base, CRM,...) soprattutto per telefoniche, banche e assicurazioni, grande distribuzione (cfr carte fedeltà) * ambito scientifico: microarrays, radiotelescopi, fisica delle alte energie * tecnologie varie: telerilevazione, riconoscimento vocale, OCR, etc. * dati non strutturati - text-mining (motori di ricerca web)
11 Il DWH Esempio: TLC Dati sui VAS & Killer Applications Dati di Billing Dati di traffico telefonico Dati sulle attivazioni (e.g. Data di sottoscrizione del contratto, Tipo di contratto, Piano tariffario,...) Informazioni sociodemografiche Dati sui costi Dati di traffico da web Dati sui gravi errori che l azienda compie nella gestione di clienti (es. errori dibilling,...) Offerta della pagine/ contenuti web(es. page views, unique visitors,...) DWH Dati e indici ottenuti dalle analisi della CB Dati raccolti attraverso il web (questionari, indagini e comportamenti dei visitatori) Dati sulle Dati sulle communities Altri dati sui servizi a valore aggiunto (interni e sui siti amici ) Dati dal CRM operativo Dati sul Campaign Management & storia dei contatti di Marketing Ricerce di mercato e dati esterni Dati sui programmi di Loyalty
12 *il data-base disponibile è enorme! è quindi opportuno: - tener conto degli obiettivi delle analisi - non concentrarsi solo su da dove e come raccogliere informazioni - utilizzare estrazioni di parti del data-base diverse a seconda degli obiettivi Ad esempio: * Nel datamart per la previsione della disattivazione, è più utile tenere l informazione sugli errori di fatturazione rispetto ai dettagli sociodemografici * Campioni casuali di clienti possono essere molto utili
13 L approccio di crm OBIETTIVI Generazione di profitti attraverso l acquisizione di clienti ad alto valore, la creazione di valore e un attenta politica di cost to serve 4Acquisizione di clienti (conversione di prospect in clienti) 4Aumento del valore dei clienti attraverso azioni di cross-sell e di up-sell 4 trattenere i clienti (retention) 4Attenzione al cost to serve AZIONI ANALISI (PROFILING) DATI GREZZI 4Campagne 4Programmi di Loyalty 4Personalizzazione dei Servizi 4Gestione dei canali di contatto 4(sviluppo di nuovi prodotti) 4Analisi di dati sui clienti 4Segmentazione & micro-segmentazione 4Suggerimenti sui bisogni e le preferenze dei clienti CUSTOMER DATA 4ID (nome, indirizzo, num. di telefono, piano tariffario...) 4Dati Demografici (età, città,...) 4Dati Socio-economici (reddito, professione, titolo di studio, classe di valore,...) 4Dati Psicografici (ambiente, preferenze, hobbies,...) 4Patterns d uso (spesa telefonica, servizi usati e frequenza,...) 4Analisi delle propensioni sui contatti Uso dei canali Ragioni di contatto 4Esperienza del cliente per ogni canale (CC, Portale,chat, Messaging, Dealers) 4Efficienza del Customer Care 4Storia dei contatti del cliente Uso dei canali Motivo di contatto Numero di contatti DATI SUI LIVELLI DI SERVIZIO DEI CANALI...
14 Alcuni problemi acquisizione della clientela prospect Raggiungere una soglia minima di clienti ASAP Trovare e attrarre i clienti giusti: quanto spendere per ciascun diverso cliente potenziale? Scoprire frodi di sottoscrizione determinare domande di sottoscrizione fraudolente profittabilità dei clienti valore del cliente dormienti e share of wallet monitoraggio e management del rischio Determinare e ottimizzare i parametri di rischio
15 Alcuni problemi fedeltà approccio predittivo modelli di previsione del churn attrito e retention Customer profiling chi sono i clienti? cosa ciascun cliente vuole? come contattare ogni cliente? Modellazione e determinazione e delle principali cause azioni: programmi di loyalty/campagne/up sell-cross sell relazione col cliente Personalizzazione dell attenzione e del contatto valutazione delle azioni Spesso non è possibile effettuare esperimenti caso-controllo I clienti sono autoselezionati Valutare a posteriori alcune azioni Stima gli effetti delle azioni condizionatamente all effetto di tutte le altre variabili
16 L approccio di crm OBIETTIVI Generazione di profitti attraverso l acquisizione di clienti ad alto valore, la creazione di valore e un attenta politica di cost to serve 4Acquisizione di clienti (conversione di prospect in clienti) 4Aumento del valore dei clienti attraverso azioni di cross-sell e di up-sell 4 trattenere i clienti (retention) 4Attenzione al cost to serve AZIONI ANALISI (PROFILING) DATI GREZZI 4Campagne 4Programmi di Loyalty 4Personalizzazione dei Servizi 4Gestione dei canali di contatto 4(sviluppo di nuovi prodotti) 4Analisi di dati sui clienti 4Segmentazione & micro-segmentazione 4Suggerimenti sui bisogni e le preferenze dei clienti CUSTOMER DATA 4ID (nome, indirizzo, num. di telefono, piano tariffario...) 4Dati Demografici (età, città,...) 4Dati Socio-economici (reddito, professione, titolo di studio, classe di valore,...) 4Dati Psicografici (ambiente, preferenze, hobbies,...) 4Patterns d uso (spesa telefonica, servizi usati e frequenza,...) 4Analisi delle propensioni sui contatti Uso dei canali Ragioni di contatto 4Esperienza del cliente per ogni canale (CC, Portale,chat, Messaging, Dealers) 4Efficienza del Customer Care 4Storia dei contatti del cliente Uso dei canali Motivo di contatto Numero di contatti DATI SUI LIVELLI DI SERVIZIO DEI CANALI...
17 Modelli statistici e data mining 4Utilizzo di tecniche e metodologie statistiche di vario tipo e di diverso livello di complessità 4L approccio è graduale: si parte da soluzioni e metodologie semplici e poi man mano ci si sposta su modelli e strumenti più sofisticati (KISS = Keep It Simple. Sam!) 4È preferibile non affidarsi a soluzioni automatiche (black box) che propongono schiaccia il bottone e il computer farà tutto da solo (la proposta tipica dei tools in vendita) 4Data mining: Insieme di tecniche statistiche (e non) per la stima di modelli non-lineari per grosse quantità di dati, ma caratterizzate da ridotta complessità computazionale.
18 Definizione abbastanza condivisa: 'Data mining' rappresenta l'attività di elaborazione in forma grafica o numerica di grandi raccolte o di flussi continui di dati con lo scopo di estrarre informazione utile a chi detiene i dati stessi. *ma di fatto ognuno la vive in modo diverso *soprattutto in aree disciplinari diverse
19 Voci autorevoli: Data mining is fundamentally an applied discipline (...) data mining requires an understanding of both statistical and computational issues. (p. xxviii) The most fundamental difference between classical statistical applications and data mining is the size of the data. (p. 19) [da Hand, Mannila & Smith, 2001]
20 Aspetti salienti: la dimensione dei dati lievita (qui n.righe ~ 10 3 /10 6, n.colonne ~ 10 2 /10 3 ) * ambito osservazionale * ma non esiste un "piano campionamento"; semplicemente i dati "esistono * dati raccolti per esigenze gestionali o simili, non per scopi di analisi * i dati sono sporchi, anzi luridi * campioni o censimenti?
21 Di cosa ci occuperemo? Gli interrogativi: come costruire l informazione in azienda? come interpretarla? come utilizzarla? come analizzarla? Cosa studieremo: insieme di metodi e tecniche statistiche specificamente pertinenti per lo studio empirico-quantitativo dei fenomeni aziendali. Caratteristiche specifiche (a) In questo contesto non è, in generale, possibile la sperimentazione controllata. Si ha invece osservazione in condizioni non sperimentali (b) la teoria disponibile sul comportamento economico o sociale può fornire informazioni a priori, che conviene utilizzare: identità contabili [es. 1: reddito = consumo + risparmio]; specificazione di relazioni funzionali [es. 2: funzione di consumo: consumo = f(reddito, ricchezza, )]; restrizioni sui parametri e/o sulla distribuzione degli errori [es. 3: consumo = α + β reddito + ε, con 0<β<1].
22 Il target potenziale L ufficio marketing di un azienda italiana che offre servizi Internet è interessato a conoscere qual è la presenza attuale del suo prodotto (la connessione a internet) in Italia. Interessa inoltre avere delle previsioni su quale sarà la percentuale di famiglie connesse alla rete nel prossimo anno. Qual è il target potenziale, il massimo numero di possibili clienti del prodotto? Qual è il margine su cui è possibile agire? Come si posiziona l azienda tra i competitors? E conosciuta dai potenziali clienti? Target potenziale
23 Esempio 2: la customer base Il direttore marketing di un azienda di telecomunicazioni vuole avere ogni giorno sotto controllo l andamento delle vendite del giorno precedente ma anche l utilizzo medio del serivizio dei suoi clienti. Quando il numero dei clienti diventa grande è importante che siano bene identificati i clienti migliori, in modo da trattarli meglio. Come sceglierli?
24 customer base: il churn Modellare la disattivazione: costruire, validare, interpretare un modello che descriva il comportamento degli utenti in termini di disattivazione in relazione ad altre variabili note Perché? Per descrivere il fenomeno Per prevedere i potenziali futuri disattivi Per predisporre azioni Per verificare l efficacia di operazioni di marketing/customer Operation
25 customer base: il churn Le fonti Aziendali: ( DWH, database operazionali, ) Per tutti i clienti Informazioni su traffico servizi opzionali comportamento del cliente reclami-rapporti con customer care azioni di marketing/customer care fatture/ricariche dati demografico/anagrafici Altre fonti: Ricerche di mercato Per un piccolo campione casuale di clienti Informazioni su comportamenti stili di vita motivi della disattivazione tempi della scelta ottenuti tramite interviste
26 il churn: gli obiettivi Determinare un indicatore di propensione alla disattivazione per ogni cliente Prevedere i potenziali futuri disattivi Capire i motivi fondamentali che portano alla disattivazione e i comportamenti che la precedono Individuare possibili azioni volte alla retention del cliente Verificare l efficacia di operazioni di Marketing/Customer Operation
27 il churn: gli obiettivi Chi è a rischio di abbandono? Caratteristiche demografiche Usage Comportamenti di traffico Contatti con l azenda Informazioni sul billing Copertura della rete dei pop Comportamento dei clienti sul churn Quando è maggiore il rischio di abbandono? Promozioni della concorrenza Eventi della vita Perché sono a rischio di abbandono? Offerte della concorrenza convenienza dei prezzi Prezzo dell Hardware Servizio al cliente Programmi a premi
28 Il churn: l analisi statistica Come si ottiene l indice di propensione? Quali caratteristiche dei clienti hanno effetto sulla decisione di disattivare e qual è l effetto di ogni variabile considerata tra le altre? Ma non ci potrebbe essere qualche effetto di sovrapposizione tra le variabili? Come tenerne conto? Avendo a che fare con stime come dare una misura di affidabilità di queste stime? Come ottenere misure di qualità di adattamento ai dati?
29 Segmentazione e profiling Conoscere i clienti, per suddividerli in gruppi a seconda di interessi, propensioni all utilizzo di uno o più prodotti o servizi offerti dall azienda Tutto finalizzato a personalizzare ogni eventuale contatto, azione di marketing, relazione... Alcuni esperti della società italiana propongono di suddividere i clienti sulla base di due assi che descrivono le caratteristiche socio-culturali degli individui
30 Segmentazione e profiling CENTRALITÀ DEL CORPO E DEL CONSUMO [7.0%] NUOVA FRONTIERA [12.0%] [12.0%] CULTURA PICCOLO BORGHESE [21.7%] TRADIZIONALISMO [11.6%] L altro asso Privato-Sociale è caratterizzato da una parte dal Privato, cioè la cultura intessuta di valori materiali ed aspirazioni individualistiche orientata ai valori del sé e del privato, dall altra dal Sociale, indicante la cultura solidaristica impregnata di valori etici e spirituali orientata alla collettività e al sociale. IMPEGNO [10.3%] INTERIORITÀ [8.1%] RADICI [17.3%] Un asse di Apertura-Chiusura dove Apertura indica la cultura industriale e post-industriale, aperta al cambiamento, all innovazione e alla complessità sociale, mentre Chiusura indica la cultura di stampo arcaico e preindustriale arroccata sui valori tradizionali e diffidente verso il nuovo. Ma come determinare questi assi (o altri)? Come inserire ciascun cliente nel suo esatto punto della mappa? Come assegnarlo a un gruppo definito?
31 La valutazione delle azioni Azioni: massimizzare la redemption L analisi ex post è essenziale per identificare quale azione agisce meglio e su quale target Per misurare le azioni è necessario definire: I modelli di misura (indicatori/modelli di analisi e algoritmi) Gli strumenti di misurazione ACTION DESIGN ACTION DEPLOYMENT ACTION MEASUREMENT
32 La valutazione delle azioni caso-controllo Target: clienti a rischio con una determinata caratteristica Azione: (1A) - Lettera con suggerimenti per l utilizzo (DM) (1B) - Lettera con suggerimenti per l utilizzo + 1 regalo (DM) Disegno di indagine: Caso-controllo Alcuni risultati Test di significatività Abbandoni Azione casi controllo differenza t p-value 1A 61.30% 61.13% +0.17% B 59.21% 61.13% -1.92%
33 La valutazione delle azioni ma, se l azione dipende dalla scelta del cliente? Target: Tutti i clienti Azione: Sottoscrizione di un particolare servizio Disegno di indagine: non è possibile confrontare i sottoscrittori con un analogo campione di non sottoscrittori del servizio (autoselezione) Non è possibile disegnare a priori l'indagine!
34 Consumo di gas e prezzo Per alcune città del Texas sono rilevati prezzo e consumo di gas C è una relazione? È possibile prevedere il consumo di gas se si fissa un prezzo?
35 Il problema......è quello di capire la dinamica all interno dei dati osservati. Si tratta di capire quali sono le strutture di relazione, individuare se eventuali relazioni evidenti sono attribuibili al caso, o se sono davvero presenti nel fenomeno in esame scoprire eventuali relazioni nascoste dalla componente di rumore presente nei i dati avere degli elementi per capire la realtà predisporre una strumentazione che sia utile per fare previsioni
36 Che cosa sviluppiamo in questo corso? Ci concentreremo soprattutto su alcuni strumenti quantitativi utili per affrontare i diversi problemi che si incontrano nel mondo aziendale Faremo dei richiami di alcuni aspetti di matematica che ci saranno utili per l analisi statistica dei dati Approfondiremo semplici modelli per studiare la relazione tra variabili. Durante il corso utilizzeremo semplici strumenti informatici di supporto per le analisi
37 L approccio Una comprensione delle caratteristiche degli strumenti è essenziale per poter scegliere adeguatamente lo strumento adatto Lo stesso tipo di padronanza è richiesto per poter interpretare correttamente i risultati prodotti dagli algoritmi Una certa competenza sugli aspetti algoritmici e computazionali è di aiuto per meglio valutare l output del calcolatore anche in termini della sua attendibilità Quindi: cercheremo di combinare assieme metodologie aggiornate con una certa comprensione sia del problema operativo, sia delle caratteristiche dei metodi e modelli utilizzati
38 Il Programma Lo studio delle relazioni tra i fenomeni. Richiami del modello lineare Modello lineare semplice Inferenza sui parametri del modello Estensioni del modello Modello lineare multiplo Le tecniche statistiche e l approccio analitico alla soluzione dei problemi. Contrasto tra aderenza ai dati e complessità del modello (contrasto tra distorsione e varianza) tecniche generali per la selezione del modello Metodi di previsione di variabili quantitative. Regressione lineare e metodi legati (GLM, ) Cenni ai metodi di regressione non parametrica Modelli di regressione strutturata (modelli additivi, alberi, reti neurali) Metodi di classificazione Modelli lineari e generalizzazioni (regressione lineare e logistica, analisi discriminante lineare e quadratica) Modelli strutturati (alberi, GAM, reti neurali) Cenni ai metodi di raggruppamento
39 L ambiente R Molti pacchetti statistici forniscono procedure che aiutano nel calcolo dei modelli e metodi che incontreremo in questo corso È quindi possibile utilizzare un qualsiasi software statistico, purché sia in grado di effettuare i calcoli necessari; ogni inadeguatezza del software è responsabilità vostra. Noi, per le esercitazioni in aula, ne abbiamo scelto uno: l ambiente R Alcuni motivi per la scelta: In termini di qualità, R costituisce uno dei migliori prodotti disponibili È un prodotto open source, e quindi gratuito Il fatto che sia gratuito non significa che valga poco: R è curato e aggiornato continuamente da esperti di massimo livello scientifico R è anche un linguaggio, si presta quindi facilmente alla programmazione di varianti di metodi esistenti Sono inoltre disponibili un amplissima gamma di moduli aggiuntivi predisposti, da esperti di vari ambiti. L insieme delle tecniche utilizzabili copre l intero panorama delle più aggiornate metodologie Essendo open source consente a ciunque di poter contribuire al progetto anche correggendo eventuali bachi La modalità di utilizzo di R è tale per cui l utente è indotto a prendere consapevolezza del funzionamento dei metodi usati.
40 Lo studio e l esame La materia non è tra le più comuni L approccio è di tipo operativo Per cui la frequenza è vivamente consigliata! Non ci sono grossi libri da studiare: conviene riprendere ogni giorno quanto fatto a lezione studiate insieme in piccoli gruppi fatevi/fate domande sfruttate il ricevimento Attività di lavoro personale/di gruppo bi-settimanale Approfondimenti Ricerche e Analisi Attività per casa - Homeworks Studi di Caso Laboratorio Per quasi la metà delle lezioni si utilizzerà direttamente il Computer ->Aule Informatiche per il lavoro personale Valutazione Per i frequentanti la valutazione sarà basata su: Partecipazione attiva - domande Attività bisettimanali per casa Attività (assegnata a metà corso) Prova Finale (I appello)
41 Testi e altre fonti utili Libro di testo: A. Azzalini, B. Scarpa (2004). Analisi dei dati e data mining. Springer. Altri libri: Sui contenuti del corso: T. Hastie, R. Tibshirani, J. Friedman. The Element of Statistical Learning. Springer-Verlag. Sul programma R: S.M. Iacus, G. Masarotto (2003). Laboratorio di Statistica con R. McGraw- Hill, Milano. P. Bortot, L. Ventura, A. Salvan (2000). Inferenza Statistica: Applicazioni con S-PLUS e R. CEDAM, Padova Software: R
42 Notizie Orario delle lezioni: Giovedì 14:30-16:00 N21 Venerdì 10:30-12:00 INFO4 Docente: Bruno Scarpa Ufficio: Dipartimento di metodi quantitativi Stanza 124 Orario di ricevimento: Giovedì 16:30-17:30 url: Collaboratore: Ufficio: Paola Cerchiello Dipartimento di metodi quantitativi Stanza 110
43 Buon Lavoro!
Modelli di data mining per la previsione del churn
Modelli di data mining per la previsione del churn Università Cattolica del Sacro Cuore Milano, 24 ottobre 2005 Bruno Scarpa Università di Pavia la mia esperienza in azienda Nel 1997, dopo gli studi, ho
DettagliCustomer Profiling, Segmentazione e Strategie di Marketing
Customer Profiling, Segmentazione e Strategie di Marketing Presentazione del corso di Analisi di dati aziendali Pavia, 6 Aprile 2005 Bruno Scarpa Università di Pavia Quelli che s'innamoran di pratica sanza
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2014/15 Prof.ssa Tiziana Laureti 01. Introduzione al corso 1 Statistica per le ricerche
DettagliAnalisi dei Processi Chimici e. Biotecnologici Anno Accademico
Biotecnologici Anno Accademico 2017 2018 Massimiliano Grosso E-mail: massimiliano.grosso@dimcm.unica.it Telefono: 070 675 5075 Indirizzo web: http://people.unica.it/massimilianogrosso Obiettivi del Gli
DettagliProgramma di CONVERGENZA INTERNAZIONALE E CRESCITA ECONOMICA ANNO ACCADEMICO Prof. CAPOLUPO ROSA
Programma di CONVERGENZA INTERNAZIONALE E CRESCITA ECONOMICA ANNO ACCADEMICO 2013-2014 Prof. CAPOLUPO ROSA Pre-requisiti Sono richieste le conoscenze di base della macroeconomia e per quel che riguarda
DettagliProgramma del corso di STATISTICA ECONOMICA
Programma del corso di STATISTICA ECONOMICA Insegnamento Corso di laurea Settore Scientifico STATISTICA ECONOMICA L18 - GESTIONE DI IMPRESA SECSS03 CFU 10 Obiettivi formativi per il raggiungimento dei
DettagliStatistica per le ricerche di mercato
Università degli studi della Tuscia Dipartimento di Economia e Impresa Statistica per le ricerche di mercato a.a. 2012/13 Dr. Luca Secondi 01. Introduzione al corso 1 Statistica per le ricerche di mercato
DettagliCustomer Profiling, Segmentazione e Strategie di Marketing nelle Telecomunicazioni
Customer Profiling, Segmentazione e Strategie di Marketing nelle Telecomunicazioni Benevento, 27 Maggio 2004 Bruno Scarpa Università di Pavia la mia esperienza in azienda! Nel 1997, dopo gli studi, ho
DettagliCome fare ricerca empirica
DIPARTIMENTO DI SCIENZE SOCIALI E POLITICHE Anno Accademico 2013/2014 Metodologia della Ricerca Sociale (GLO) dott. Ferruccio Biolcati Rinaldi INTRODUZIONE AL CORSO Come fare ricerca empirica 1 Gli obiettivi
DettagliINFORMATICA PER LE SCIENZE UMANE a.a. 2016/2017
INFORMATICA PER LE SCIENZE UMANE a.a. 2016/2017 Francesca Levi Dipartimento di Informatica E-mail: francesca.levi@unipi.it levifran@di.unipi.it Francesca Levi Dipartimento di Informatica Informatica per
DettagliI.I.S. "PAOLO FRISI"
I.I.S. "PAOLO FRISI" Via Otranto angolo Cittadini, 1-20157 - MILANO www.ipsfrisi.it PROGRAMMAZIONE DIDATTICO - DISCIPLINARE DEL DIPARTIMENTO ECONOMICO AZIENDALE Anno Scolastico: 2014-2015 CLASSI QUINTE
DettagliCorso di Statistica Industriale
Corso di Statistica Industriale Corsi di Laurea Specialistica in Ingegneria Gestionale e Ingegneria Meccanica Docente: Ilia Negri Orario del corso: Mercoledì: dalle 10.30 alle 12.30 Venerdì: dalle 8.30
DettagliINFORMATICA PER LE SCIENZE UMANE a.a. 2015/2016
INFORMATICA PER LE SCIENZE UMANE a.a. 2015/2016 Francesca Levi Dipartimento di Informatica E-mail: francesca.levi@unipi.it levifran@di.unipi.it Francesca Levi Dipartimento di Informatica Informatica per
DettagliSegmentazione e Marketing 121
Segmentazione e Marketing 121 Corso di Laurea in Informatica per il Management Università di Bologna Andrea De Marco Segmentazione Cosa Significa? Usiamo la parola "segmentazione" per definire il processo
DettagliCapo Reparto di ipermercato
identificativo scheda: 14-001 stato scheda: Validata Descrizione sintetica Figura professionale con caratteristiche manageriali che opera in strutture commerciali di grandi dimensioni come responsabile
DettagliLe scelte strategiche Segmentazione e posizionamento
UNIVERSITA DEGLI STUDI DI NAPOLI PARTHENOPE DIPARTIMENTO DI STUDI AZIENDALI E QUANTITATIVI MODULO DI DIDATTICA DEL MARKETING 16-19/05/2014 Le scelte strategiche Segmentazione e posizionamento michele.simoni@uniparthenope.it
Dettagli#schoolofcoop EXPERIMENT16. Anno scolastico Progetto d impresa: il mercato. A cura di Paola Lorenzetti. Novembre 2016
Novembre 2016 #schoolofcoop EXPERIMENT16 Anno scolastico 2016-2017 Progetto d impresa: il mercato A cura di Paola Lorenzetti Dall idea al progetto imprenditoriale..ovvero RENDERE MENO NEBULOSA LA NOSTRA
DettagliDal comportamento del cliente, il marketing personalizzato
Dal comportamento del cliente, il marketing personalizzato Anna Laura Daniele, Manager of IBM Analytics Solutions IBM Italia @alauradaniele ABI Forum, Roma, 8 Aprile 2016 I big data visti come le informazioni
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliMANAGEMENT DELLA QUALITA CONTROLLO STATISTICO DELLA QUALITA ORDINAMENTO 509. Prof. Maria Francesca Renzi Prof. Paola Vicard
MANAGEMENT DELLA QUALITA CONTROLLO STATISTICO DELLA QUALITA ORDINAMENTO 509 Prof. Maria Francesca Renzi Prof. Paola Vicard A.A. 2009/2010 Obiettivi formativi Il corso si pone l obiettivo di preparare gli
Dettagli[1] Customer Relationship Marketing (Management)
Corsi di marketing relazionale e analisi del comportamento dei consumatori standard e personalizzati: [1] Customer Relationship Marketing (Management), [2] Consumer Behavior Analysis, [3] Customer Satisfaction
DettagliCustomer Profiling, Segmentazione e Strategie di Marketing nelle Telecomunicazioni
Customer Profiling, Segmentazione e Strategie di Marketing nelle Telecomunicazioni Reggio Emilia, 25 Marzo 2003 Bruno Scarpa Università di Pavia la mia esperienza in azienda! Nel 1997, dopo gli studi,
DettagliABI Dimensione Cliente 2014
ABI Dimensione Cliente 2014 Comportamenti finanziari e bisogni dei clienti, redditività: modelli per un approccio efficiente al Marketing L esperienza vissuta nel gruppo di lavoro Cedacri Matteo Venesio
DettagliIl Cambiamento e l Innovazione nella Professione: il Controllo Direzionale
Il Cambiamento e l Innovazione nella Professione: il Controllo Direzionale I sistemi di controllo direzionale: progettazione, strumenti, organizzazione, ruoli Prof. Cattaneo Cristiana Bergamo, 7 Ottobre
DettagliSegmentazione e Marketing 121. Università di Bologna Andrea De Marco
Segmentazione e Marketing 121 Università di Bologna Andrea De Marco Segmentazione Cosa Significa? Usiamo la parola "segmentazione" per definire il processo con cui "raggruppiamo" in insiemi omogenei elementi
DettagliREPERTORIO DELLE QUALIFICAZIONI PROFESSIONALI DELLA REGIONE CAMPANIA
REPERTORIO DELLE QUALIFICAZIONI PROFESSIONALI DELLA REGIONE CAMPANIA SETTORE ECONOMICO PROFESSIONALE 1 Area Comune Processo Gestione del processo produttivo, qualità, funzioni tecniche e logistica interna
DettagliRicerca Operativa A.A. 2007/ Introduzione
Ricerca Operativa A.A. 2007/2008 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 419 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
DettagliISTITUTO ISTRUZIONE SUPERIORE POLO COMMERCIALE ARTISTICO GRAFICO MUSICALE
a.s.2014/2015 Complementi di matematica Matematica A CURA DEL RESPONSABILE DEL DIPARTIMENTO CAGNESCHI FEDERICA / IMPERATORE DOLORES L AMBITO DISCIPLINARE DI MATEMATICA STABILISCE CHE: 1. I docenti prevedono
DettagliSettore Economico. Indirizzi: amministrazione finanza e marketing ; turismo
ISTITUTI TECNICI. Il curricolo in ambito statistico negli istituti tecnici della nuova scuola secondaria superiore, secondo le evidenze che emergono dalle linee guida per il passaggio al nuovo ordinamento
DettagliDIAPOSITIVE DI. BIOSTATISTICA (6 crediti, nuovo ordinamento) FONDAMENTI DI BIOMETRIA CON LABORATORIO (9 crediti, vecchio ordinamento)
Anno Accademico 2009-2010 Università degli Studi di Ferrara Corso di Laurea Triennale in Scienze Biologiche DIAPOSITIVE DI BIOSTATISTICA (6 crediti, nuovo ordinamento) FONDAMENTI DI BIOMETRIA CON LABORATORIO
DettagliUNIVERSITA DEGLI STUDI DI MILANO-BICOCCA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI
UNIVERSITA DEGLI STUDI DI MILANO-BICOCCA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Manifesto degli Studi A.A. 2001-2002 CORSO DI LAUREA IN INFORMATICA DIPLOMA UNIVERSITARIO IN INFORMATICA (Vecchio
DettagliCome fare ricerca empirica
DIPARTIMENTO DI SCIENZE SOCIALI E POLITICHE Anno Accademico 2015/2016 Metodologia della Ricerca Sociale e Valutativa (GLO) prof. Ferruccio Biolcati Rinaldi INTRODUZIONE AL CORSO Come fare ricerca empirica
DettagliStatistical learning methods for classification and profiling
Statistical learning methods for classification and profiling AGCom Workshop on the impact of online platforms on information freedom and media pluralism: Fake News and Other regulatory challenges Antonio
DettagliAnalisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative)
Programma di studio AA 2008-2009 Analisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative) Modulo unico 10 cfu corso
DettagliConfindustria Lecce Sezione Terziario Avanzato [ ] Il Sistema Informativo di Marketing. Relatore: Dott. Manlio Castronuovo
[ ] Il Sistema Informativo di Marketing Relatore: Dott. Manlio Castronuovo - 7 febbraio 2006 MISURARE MISURARE MISURARE La misurazione dei dati aziendali non deve essere un atto occasionale e statico ma
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliCreazione e sviluppo dello studio professionale
Creazione e sviluppo dello studio professionale Alessandra Damiani Managing Partner di Barbieri & Associati Dottori Commercialisti Presidente della Commissione Organizzazione e Gestione Studio ODCEC di
DettagliIsfol-SNV / Area Valutazione Politiche Risorse Umane
Scheda tecnica per il calcolo del target dell indicatore LLL (I LLL ) al 2013 Premessa In questa scheda si forniscono alcuni suggerimenti per la definizione e/o revisione di un target (regionale o attribuibile
DettagliAnno scolastico 2016 / Piano di lavoro individuale. ITE Falcone e Borsellino. Classe: IV ITE. Insegnante: EMANUELA DEGASPERI MARIA CANNONE
Anno scolastico 2016 / 2017 Piano di lavoro individuale ITE Falcone e Borsellino Classe: IV ITE Insegnante: EMANUELA DEGASPERI MARIA CANNONE Materia: LABORATORIO DI INFORMATICA ISS BRESSANONE-BRIXEN LICEO
DettagliAlgoritmi e Strutture dati a.a. 2013/2014
a.a. 2013/2014 Dr Informazioni docente E-mail docente: fdrmra@unife.it Ricevimento: Mercoledì 15:00-16:00 presso ufficio docenti a contratto (3 piano), Dipartimento di Matematica e Informatica, Campus
DettagliMetriche di marketing di natura economicofinanziaria
Corso di Tecniche della Promozione A.A. 2016-2017 Metriche di marketing di natura economicofinanziaria Simona D Amico simona.damico@uniroma1.it 1 Indice Le metriche di marketing: una definizione La classificazione
DettagliCorso di Laurea Ingegneria Civile
Corso di Laurea Ingegneria Civile Presentazione del corso di Fondamenti di Informatica Dm. 270 6 cfu Carla Limongelli Marzo 2010 1 Benvenuti!!! 2 Docenti del corso Prof. Carla Limongelli limongel@dia.uniroma3.it
DettagliOrari. Lunedì, Martedì e Mercoledì,
Economia Politica Corsodilaureain Scienze Politiche (classe di laurea 15) Stefano Usai (micro) e Massimo Del Gatto (macro) Orari Lezioni Lunedì, Martedì e Mercoledì, 14.00-16.00 Ricevimento Gio, ore 12.00-13.00
DettagliISTITUTO TECNICO COMMERCIALE E PER GEOMETRI CRESCENZI-PACINOTTI - BOLOGNA
ISTITUTO TECNICO COMMERCIALE E PER GEOMETRI CRESCENZI-PACINOTTI - BOLOGNA PIANO DI LAVORO A.S. 2016-2017 PROF. GIUSEPPE FALANGA MATERIA: MATEMATICA CLASSE 5 A indirizzi AFM-SIA DATA DI PRESENTAZIONE: 5
DettagliCORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA
CORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA Settore Scientifico-Disciplinare: MED/01 Statistica Medica; INF/01 Informatica CFU Tot.: 5 Coordinatore: Prof. Dario Bruzzese Dip.: Sanità Pubblica.,
DettagliSTATISTICA ECONOMICA Statistica applicata ai fenomeni economici
Introduzione 1 STATISTICA ECONOMICA Statistica applicata ai fenomeni economici Fine => individuare, definire, misurare, analizzare le manifestazioni dei fenomeni economici collettivi che si verificano
DettagliIndice generale. Introduzione. Capitolo 1 Essere uno scienziato dei dati... 1
Introduzione...xi Argomenti trattati in questo libro... xi Dotazione software necessaria... xii A chi è rivolto questo libro... xii Convenzioni utilizzate... xiii Scarica i file degli esempi... xiii Capitolo
DettagliLa vendita e la gestione della rete di vendita Capitolo 9
La vendita e la gestione della rete di vendita Capitolo 9 A.A. 2016-2017 Docenti: Costanza Nosi UNIVERSITÀ LUMSA Il ruolo della vendita Momento fondamentale dell attività di impresa Punto di raccordo impresa-mercato
DettagliBUSINESS INTELLIGENCE E RETENTION DELLA CLIENTELA IN CARTASI
BUSINESS INTELLIGENCE E RETENTION DELLA CLIENTELA IN CARTASI Marco Bianchi Crema Responsabile Marketing Customer Base CartaSi Milano, 15 aprile 2004 La presentazione La è presentazione stata realizzata
DettagliIl marketing nell economia e nella gestione d impresa
Il marketing nell economia e nella gestione d impresa Obiettivi conoscitivi Definire il concetto di marketing nell insieme dei rapporti tra impresa e mercato Definire gli obiettivi di marketing partendo
DettagliLiceo Marie Curie (Meda) Scientifico Classico Linguistico PROGRAMMAZIONE DISCIPLINARE PER COMPETENZE
Liceo Marie Curie (Meda) Scientifico Classico Linguistico PROGRAMMAZIONE DISCIPLINARE PER COMPETENZE a.s. 2015/16 CLASSE 2^ ASA Indirizzo di studio Liceo scientifico Scienze Applicate Docente Disciplina
DettagliREPERTORIO DELLE QUALIFICAZIONI PROFESSIONALI DELLA REGIONE CAMPANIA
REPERTORIO DELLE QUALIFICAZIONI PROFESSIONALI DELLA REGIONE CAMPANIA SETTORE ECONOMICO PROFESSIONALE 1 AREA COMUNE SERVIZI PER LE IMPRESE Sequenza di processo Area di Attività Qualificazione regionale
DettagliIdentità. Siamo un PLAYER STORICO E FINANZIARIAMENTE SOLIDO, presente nel settore dal 1994, con sede unica nel centro di Bergamo.
CHI SIAMO Identità Siamo un PLAYER STORICO E FINANZIARIAMENTE SOLIDO, presente nel settore dal 1994, con sede unica nel centro di Bergamo. Mission We increase your customers value è la filosofia che ci
DettagliCorso di Laurea Ingegneria Informatica
Corso di Laurea Ingegneria Informatica Presentazione del corso di Fondamenti di Informatica 2 A. Miola Febbraio 2008 http://www.dia.uniroma3.it/~java/fondinf2/ Presentazione Corso 1 Contenuti Corso di
DettagliIl confronto di IRIDE con esperienze simili
PEOPLE CENTERED APPLICATIONS Il confronto di IRIDE con esperienze simili Le tecnologie Almawave al servizio delle amministrazioni pubbliche, cittadini e imprese Bologna,19 ottobre 2016 Almawave PRINCIPALI
DettagliNUCLEI FONDANTI COMPETENZE CONTENUTI ABILITA METODOLOGIE E STRUMENTI METODO SCIENTIFICO VEDERE
NUCLEI FONDANTI COMPETENZE CONTENUTI ABILITA METODOLOGIE E STRUMENTI METODO SCIENTIFICO VEDERE OSSERVARE COMPARARE CLASSIFICARE FORMULARE E VERIFICARE IPOTESI UTILIZZANDO SEMPLICI SCHEMATIZZAZIONI Relazione
DettagliSegmentazione e posizionamento
Segmentazione e posizionamento Obiettivi della lezione La segmentazione e la definizione del mercato obiettivo Il posizionamento competitivo Perché segmentare il mercato? Per suddividere il mercato di
DettagliCORSO DI ECONOMIA E GESTIONE DELLE IMPRESE E MARKETING A.A
Prof.ssa Elena Cedrola elena.cedrola@unimc.it http://docenti.unimc.it/docenti/elena-cedrola Lezione 8 CORSO DI ECONOMIA E GESTIONE DELLE IMPRESE E MARKETING A.A. 2013-2014 1 Contenuti lezione 8: la programmazione
DettagliMODELLI E TECNICHE STATISTICHE PER L'ANALISI MULTIDIMENSIONALE DEI DATI
DIPARTIMENTO DI SCIENZE POLITICHE E SOCIALI Corso di laurea magistrale in Sociologia Anno accademico 2016/2017-1 anno MODELLI E TECNICHE STATISTICHE PER L'ANALISI MULTIDIMENSIONALE DEI DATI 12 CFU - 1
DettagliANALISI DELLE POSIZIONI
ANALISI DELLE POSIZIONI L analisi delle posizioni rappresenta un focus strategico per la funzione RU; tutte le attività di GRU poggiano sull analisi delle posizioni in quanto rappresentano uno strumento
DettagliUniversità degli Studi di Cassino. Corso di Laurea in Economia Aziendale. Corso di. Statistica. Docente: Simona Balzano.
Università degli Studi di Cassino Corso di Laurea in Economia Aziendale Corso di Statistica Docente: Simona Balzano s.balzano@unicas.it a.a. 2013-14 Statistica = Scienza delle decisioni in condizioni di
DettagliCRM 2001 Strumenti evoluti per il rapporto con la clientela
CRM 2001 Strumenti evoluti per il rapporto con la clientela ABI - Roma, 13 e 14 dicembre 2001 LA STORIA CONTEMPORANEA DELLA CULTURA CUSTOMER CENTERED 1985 1990 1995 2000 >2000 Total Quality Customer Satisfaction
DettagliE il software applicativo che deve adattarsi alle esigenze dei processi aziendali. Non il contrario.
ImpreseLeonardo offre ai propri clienti la possibilità di sviluppare gestionali ex-novo o di impiegare le migliori tecnologie Open Source per la gestione d impresa. E il software applicativo che deve adattarsi
DettagliMETODOLOGIA DELLA RICERCA (STATISTICA)
METODOLOGIA DELLA RICERCA (STATISTICA) Metodologia della ricerca statistica Il metodo (dal greco meta, attraverso e odos, strada ) è una maniera sistematica per ottenere qualcosa. Il metodo della scienza
DettagliRuolo dell Attuario nell ambito delle nuove soluzioni telematiche. 16 Giugno 2016
Ruolo dell Attuario nell ambito delle nuove soluzioni telematiche 16 Giugno 2016 Introduzione NUOVO SCENARIO TECNOLOGICO Quanto spesso usiamo gli strumenti tecnologici come Smartphone e Tablet ecc.? Come
DettagliPsicologia del Lavoro e dell Organizzazione. Antonio Cerasa, PhD IBFM-CNR, Germaneto (CZ)
e dell Organizzazione Antonio Cerasa, PhD IBFM-CNR, Germaneto (CZ) a.cerasa@unicz.it Visto che la sua nascita coincide con lo sviluppo di una corrente particolare della Psicologia, definita come PSic.
DettagliUniversità degli Studi di Enna Kore Facoltà di Scienze Economiche e Giuridiche Anno Accademico
Università degli Studi di Enna Kore Facoltà di Scienze Economiche e Giuridiche Anno Accademico 2015 2016 A.A. Settore Scientifico Disciplinare CFU Insegnamento Ore di aula Mutuazione 2015/16 SECS/P-07
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Introduzione agli algoritmi Università di Camerino Corso di Laurea in Informatica 6CFU I periodo didattico Anno accademico 2005-06 Emanuela Merelli emanuela.merelli@unicam.it
DettagliSegmentazione e posizionamento
Segmentazione e posizionamento Le scelte fondamentali del marketing La dimensione strategica del marketing costituisce un area di intersezione-integrazione con la funzione di pianificazione strategica.
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliDescrizione del percorso formativo (contenuti specifici e modalità)
Allegato 1 Tematiche a.1 Fattori strategici di competitività e marketing a.2 amministrazione, finanza e controllo di gestione Descrizione del percorso formativo (contenuti specifici e modalità) 1. L analisi
DettagliStatistica Aziendale Avanzata
PROGRAMMA del corso, informazioni e fonti bibliografiche Statistica Aziendale Avanzata Modulo A / Modulo B Organizzazione del corso Anno Accademico 2016/17 Codice 91019 Docente responsabile prof.ssa Silvia
DettagliRELAZIONE FINALE DEL DOCENTE
RELAZIONE FINALE DEL DOCENTE Materia: MATEMATICA Classe 3^AeT A. S. 2015/2016 Docente: Clara De Antoni In relazione alla programmazione curriculare sono stati conseguiti, in termini di livello medio, i
DettagliPROGRAMMAZIONE di MATEMATICA. classe 4B. Indirizzo Socio Sanitario a.s
I.P.S.I.A E. DE AMICIS - ROMA PROGRAMMAZIONE di MATEMATICA classe 4B Indirizzo Socio Sanitario a.s. 2016-2017 Docente : Prof.ssa Maria Diomedi Camassei FINALITA EDUCATIVE Si perseguono le seguenti finalità
DettagliERP, ENTERPRISE RESOURCE PLANNING
ERP, ENTERPRISE RESOURCE PLANNING SISTEMA INFORMATIVO Def. Sistema Informativo - Il sistema informativo è l insieme di persone, apparecchiature, applicazioni e procedure che permettono all azienda di disporre
DettagliPROGRAMMAZIONE DISCIPLINARE ISTITUTO TECNICO INDIRIZZO TURISMO DISCIPLINE TURISTICHE E AZIENDALI
PROGRAMMAZIONE DISCIPLINARE PROGRAMMAZIONE DISCIPLINARE ISTITUTO TECNICO INDIRIZZO TURISMO DISCIPLINE TURISTICHE E AZIENDALI CLASSE QUINTA 1. Competenze: le specifiche competenze di base disciplinari previste
DettagliIL SUBSISTEMA INFORMATIVO (O DEL CONTROLLO) NEI SUOI CARATTERI FONDAMENTALI. Unit 2 Slide 2.2.1
COMUNICAZIONE D IMPRESA Anno Accademico 2017/2018 IL SUBSISTEMA INFORMATIVO (O DEL CONTROLLO) NEI SUOI CARATTERI FONDAMENTALI Prof. Christian Corsi (CAP. 6) info: ccorsi@unite.it Unit 2 Slide 2.2.1 1 SUBSITEMA
DettagliStatistica multivariata 27/09/2016. D.Rodi, 2016
Statistica multivariata 27/09/2016 Metodi Statistici Statistica Descrittiva Studio di uno o più fenomeni osservati sull INTERA popolazione di interesse (rilevazione esaustiva) Descrizione delle caratteristiche
DettagliOfferta Formativa Specifica dell indirizzo Logistica - Settore Tecnologico
Offerta Formativa Specifica dell indirizzo Logistica - Settore Tecnologico - Applicazione delle procedure informatiche alle materie di indirizzo - Utilizzo di laboratori per raggiungere una preparazione
DettagliISTITUTO TECNICO INDUSTRIALE STATALE FOCACCIA DISCIPLINA : CALCOLO PROGRAMMAZIONE MODULARE ANNO SCOLASTICO 2010/2011 CLASSI : III, IV, V
ISTITUTO TECNICO INDUSTRIALE STATALE FOCACCIA DISCIPLINA : CALCOLO PROGRAMMAZIONE MODULARE ANNO SCOLASTICO 010/011 CLASSI : III, IV, V Docenti Marino Teresa Scaramella Franca Napoli Raffaele Matarazzo
DettagliEconomia e Gestione delle Imprese
Economia e Gestione delle Imprese Facoltà di Scienze Politiche Corso di Laurea in Economia Prof. Marco Galdenzi Anno accademico 2013/14 LE RILEVAZIONI INTERNE ORDINE Produzione Magazzino Vendite Acquisti
DettagliProgrammazione e Controllo della Produzione. Introduzione
PROGRAMMAZIONE E CONTROLLO DELLA PRODUZIONE A. Boschetto, S. Pettirossi ORARIO Lezioni Ricevimento Giorno Martedì Venerdì Ora 15.45 17.15 12.00 15.30 Aula A7 A4 Stanza 26 DMA INDIRIZZI Telefoni: 0644585240
DettagliFACOLTA DI FARMACIA E CHIRURGIA CORSO DI LAUREA A ANNO I- 2 semestre METODOLOGIA MEDICO-SCIENTIFICA DI BASE (II) A.A
FACOLTA DI FARMACIA E CHIRURGIA CORSO DI LAUREA A ANNO I- 2 semestre METODOLOGIA MEDICO-SCIENTIFICA DI BASE (II) CREDITI FORMATIVI: 4 DOCENTI: P. VILLARI (COORDINATORE): IGIENE GENERALE ED APPLICATA S.
DettagliOrganizzazione Aziendale 16. ORGANIZZAZIONE AZIENDALE Prof. Rocco Reina CFU 8 /ore 64
ORGANIZZAZIONE AZIENDALE Prof. Rocco Reina CFU 8 /ore 64 AGENDA Presentazione del corso Obiettivi Articolazione percorso Programma Didattico Materiale Didattico Presentazione del Corso Il corso di Organizzazione
DettagliArchitettura degli elaboratori
Architettura degli elaboratori Ottavio D Antona dantona@di.unimi.it Maria Luisa Damiani damiani@di.unimi.it Dipartimento di Informatica Università degli Studi di Milano Architettura degli Elaboratori -
DettagliLOGICHE DI PROGRAMMAZIONE E CONTROLLO DELLO STUDIO PROFESSIONALE
Giuseppe Toscano (Università C. Cattaneo - LIUC - Castellanza (VA) LOGICHE DI PROGRAMMAZIONE E CONTROLLO DELLO STUDIO PROFESSIONALE 1 COME SI VUOLE GESTIRE LO STUDIO PROFESSIONALE? Vivere alla giornata
DettagliIl Customer Service multicanale
Mediacom nasce nel 1998 con l'obiettivo di soddisfare le necessità delle aziende di esternalizzare i processi che ostacolano la creazione di valore. L'attività si concentra inizialmente sull'erogazione
DettagliEconomia Politica. Corso di laurea in Economia e Politiche Europee. Prof. Raffaele Paci
Economia Politica Corso di laurea in Economia e Politiche Europee Prof. Raffaele Paci Il testo consigliato G. Mankiw, Principi di Economia, Zanichelli, 4 ed. 2007 (oppure edizioni precedenti). N. Gregory
DettagliIL METODO GENIUS LOCI
IL METODO GENIUS LOCI 1. Definizioni dei centri di consumo prevalenti; 2. Pianificazione del sistema di monitoraggio; 3. Monitoraggio dei consumi energetici; 4. Sviluppo dei modelli predittivi dei consumi;
DettagliDESCRIZIONE SINTETICA
TECNICO DEL MARKETING TURISTICO DESCRIZIONE SINTETICA Il Tecnico del marketing turistico è in grado di analizzare il mercato turistico, progettare un servizio sulla base della valutazione della domanda
DettagliPerché il medico deve conoscere la STATISTICA? 1. LA MEDICINA STA DIVENTANDO
Lezione 1 a Introduzione alla Statistica Medica Perché il medico deve conoscere la STATISTICA? 1. LA MEDICINA STA DIVENTANDO QUANTITATIVA. 2. LA STATISTICA PERVADE LA LETTERATURA MEDICA. 3. PER PROGRAMMARE,
DettagliSCHEDA DISCIPLINARE ALLEGATA AL DOCUMENTO DEL 15 MAGGIO
SCHEDA DISCIPLINARE ALLEGATA AL DOCUMENTO DEL 15 MAGGIO Disciplina: Economia Aziendale Insegnante: Antonello Lutzu Libro di testo in adozione: Autore: P. Boni P. Ghigini C. Robecchi B. Trivellato Titolo:
DettagliMODULO 1 - Esponenziali e logaritmi
PROGRAMMAZIONE INDIVIDUALE A. S. 2014.15 DOCENTE: Gagliardi Stefano CLASSE: 3 a AT MATERIA: Matematica ASSE CULTURALE: Asse Matematico MODULO 1 - Esponenziali e logaritmi Le potenze e le proprietà delle
DettagliRicerca di marketing 2. Ricerca di marketing 3. Ricerca di marketing 4
Ricerca di marketing 2 Il piano I compiti e le responsabilità realizzativi Individuazione dati primari e secondari Definizione modalità raccolta dati primari Procedure di analisi Presentazione dei risultati
DettagliCorso di Marketing. a.a.2016/2017
Corso di Marketing a.a.2016/2017 Il corso Studio dei processi di scambio e delle relazioni fra domanda e offerta di beni e servizi (modelli concettuali, metodologie e tecniche di marketing management)
DettagliCORSO DI LAUREA IN INGEGNERIA ELETTRICA, ELETTRONICA E INFORMATICA
CORSO DI LAUREA IN INGEGNERIA ELETTRICA, ELETTRONICA E INFORMATICA PERCORSO FORMATIVO COORTE 2016/17 A partire dall'anno accademico 2015-16, oltre la didattica tradizionale in presenza è prevista la possibilità
DettagliL importanza del monitoraggio energetico per la riduzione dei costi e l efficienza degli impianti. Michele Santovito
L importanza del monitoraggio energetico per la riduzione dei costi e l efficienza degli impianti Michele Santovito Assoege Chi è? Associazione degli Esperti Gestione Energia certificati ai sensi della
DettagliMANIFESTO DEGLI STUDI DEL CORSO DI LAUREA IN INFORMATICA (CREMA)
MANIFESTO DEGLI STUDI DEL CORSO DI LAUREA IN INFORMATICA (CREMA) Nell anno accademico 2004/05, sono attivati il 1, il 2 e il 3 anno del Corso di Laurea triennale in Informatica presso il Polo Didattico
DettagliElementi di Informatica e Programmazione
Elementi di Informatica e Programmazione Introduzione Corsi di Laurea in: Ingegneria Civile Ingegneria per l Ambiente e il Territorio Università degli Studi di Brescia Docente: Daniela Fogli Informazioni
Dettagli