Data Mining. Data Mining Domini Applicativi

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Data Mining. Data Mining Domini Applicativi"

Transcript

1 Data Mining Definizione Il Data Mining è un processo atto a scoprire correlazioni, relazioni e tendenze nuove e significative, setacciando grandi quantità di dati immagazzinati nei repository, usando tecniche di riconoscimento delle relazioni e tecniche statistiche e matematiche. (Gartner Group) Convergenza di diverse discipline: 1. Statistica 2. Intelligenza Artificiale, in particolare Machine Learning 3. Ricerca su algoritmi di Clustering 4. Ricerca su tecniche di Visualizazzione 5. Database In sintesi il data mining può essere visto come la definizione e l utilizzo di algoritmi per eseguire query molto complesse su grandi quantità di dati Knowledge Discovery in Databases (KDD) Data Mining Domini Applicativi Business marketing, CRM (Customer Relationship Management), telecomunicazioni, sanità, risorse umane, finanza (investimenti), crediti Pubblica amministrazione e P. sicurezza profilazione evasori fiscali, anti-terrororismo, archivi legali, antiphishing Scienza bioinformatica, ricerca sui farmaci, astronomia, Web e-commerce, motori di ricerca, Text Mining Gestione documentale, ricerca semantica, gestione compliance 1

2 Analisi dei Dati/Data Mining Metodologie Metodologie Passive: Analisi dei Dati L utente determina le regole per la ricerca di nuove informazioni, riservando per sè un ruolo importante ed assegnando alla macchina un ruolo secondario (passivo) L utente può manipolare, navigare (OLAP) e visualizzare dati e informazioni usando tabelle e grafici usare metodi statistici (es. regressione lineare, regressione logistica) e test di ipotesi per indagare sulle relazioni tra i dati. In statistical analysis, you ll never find what you ain t lookin for. Dr Poebus Rymes, Professor of Econometrics, University of Pennsylvania Analisi dei Dati/Data Mining Metodologie Metodologie Attive: Data Mining e KDD L utente guida le ipotesi iniziali per la ricerca di pattern, lasciando alla macchina il ruolo (attivo) di scoprire nuove regole e relazioni tra i dati. Si dividono in base al grado di intervento da parte dell utente in metodi Supervised Unsupervised A.I. : machine learning The history of technology shows us that we overestimate what a technology can do for us in a few years and underestimate what it can do in a decade or two. Edward Feigenbaum et al. 2

3 Data Mining Supervised (modelli predittivi o di classificazione) Implicano la predeterminazione di un modello che può essere utilizzato per prevedere il risultato di casi che si presenteranno in futuro. Esempi: Reti Neurali (Back Propagation) Alberi Decisionali Sistemi Esperti Data Mining Unsupervised (modelli esplorativi) L algoritmo per la determinazione del modello non viene fornito di un risultato da ottenere, ma esplora i dati alla ricerca di relazioni per individuarne la struttura Esempi: Clustering Regole di associazione 3

4 Data Mining Dall approccio Statistico all approccio Induttivo Modelli di KDD e Data Mining Metodo Supervised Unsupervised Predittivi Descrittivi Approccio Statistico Deduttivo Induttivo Regressione Lineare Logistica Sistemi Esperti K-Nearest Neighbour Naive Bayes Alberi Decisionali/Regole Reti Neurali (Back-Prop) Classificazione K-means Two-Step Reti Kohonen (SOM) Clustering Regole di Associazione Data Mining Classificazione Imparare un metodo per prevedere la classe di un istanza a partire da istanze pre-classificate Dati due insiemi di punti per le classi qual è la classe del punto? Molti approcci: Regressione, Naïve Bayes, Alberi Decisionali, Reti Neurali,... 4

5 Data Mining Classificazione Regressione Lineare Calcola parametri che minimizzano distanza dei punti da una funzione lineare nei parametri Poco flessibile Data Mining Classificazione Alberi Decisionali Y 3 se X > 5 allora blu altrimenti se Y > 3 allora blu altrimenti se X > 2 then verde altrimenti blu 2 5 X 5

6 Data Mining Classificazione Reti Neurali Possono selezionare regioni più complesse (non lineari) Spesso metodo più accurato, ma attenzione ad overfitting Unsupervised Data Mining Clustering (classificazione) Cerca di segmentare i dati in gruppi di individui che presentano analoghe relazioni nei dati di input Reti Neurali SOM (self-organizing maps): Kohonen K-means: n di cluster definito dall utente, medie dal modello Two Step: intervallo di n di cluster (min, max) definito dall utente, n preciso scelto dal modello Esempio: ricerca di classi omogenee di clienti in un database di marketing 6

7 Unsupervised Data Mining Regole di associazione (modelli predittivi generalizzati) Cerca di associare una particolare conclusione ad Quante volte comapiono sia premessa che conclusione nel campione? un insieme di premesse Association {X1;X2; ;Xn} Y Confidenza: prob (Y A) dato 1. Quante volte compare la premessa nel campione? 2. Su queste, quante volte compare anche la conclusione ({X1;X2; ;Xn} A) Supporto: prob ( (Y A) e ({X1;X2; ;Xn} A) ) Esempio: Analisi clientela di supermercati: se cliente compra pannolini compra birra (e anche patatine) Unsupervised Data Mining Regole di associazione (modelli predittivi generalizzati) Cerca di associare una particolare conclusione ad Quante volte comapiono sia premessa che conclusione nel campione? un insieme di premesse Association {X1;X2; ;Xn} Y Confidenza: prob (Y A) dato 1. Quante volte compare la premessa nel campione? 2. Su queste, quante volte compare anche la conclusione ({X1;X2; ;Xn} A) Supporto: prob ( (Y A) e ({X1;X2; ;Xn} A) ) Esempio: Analisi clientela di supermercati: se cliente compra pannolini compra birra e anche patatine 7

8 Data Mining Concatenazione Clustering può essere un primo modello a cui concatenare l applicazione di un altro modello (tipicamente Supervised) perchè problema di interpretazione i cluster creati dai modelli possono essere molto difficili da interpretare problema di dimensione la dimensione del problema può essere ridotta in sottoinsiemi a ciascuno dei quali applicare poi metodi diversi Data Mining Clustering: Esempi di Applicazioni Marketing: scoprire gruppi di clienti per effettuare marketing mirato o per riorganizzare approccio Astronomia: trovare gruppi simili di oggetti stellari Terremoti: Epicentri osservati dovrebbere raggrupparsi lungo falde continentali Genetica: trovare gruppi di geni con caratteristiche simili Text Mining: Analisi dei testi (Knowledge/Content Management) 8

9 Data Mining Il Processo CRISP-DM Cross Industry Standard Process for Data Mining Processo Comprensione del dominio Preparazione dei dati Scoperta dei pattern Valutazione dei modelli Utilizzo dei risultati 80% Tecniche di Visualizzazione Multidimensionale Riciclaggio di denaro rilevato dall Ufficio Italiano Cambi (UIC) nel 1994 Ogni flusso rappresenta il trasferimento di denaro da un comune ad un altro: il colore rappresenta l ammontare complessivo blu basso rosso alto l altezza rappresenta il numero di transazioni coinvolte 9

10 Tecniche di Visualizzazione Multidimensionale Riciclaggio di denaro rilevato dall Ufficio Italiano Cambi (UIC) nel 1994 Il flusso giallo evidenziato dalla freccia (grosso importo poche transazioni), è avvenuto tra Palermo ed un comune molto piccolo! Customer Relationship Management Un esempio importante di applicazione di metodi di Data Mining su dati e informazioni trasversali del sistema informativo aziendale è il CRM Obiettivi del CRM Fidelizzare il cliente Cross Selling Marketing one to one (121) Credit Scoring Scoring Promozionale Profilazione Cliente 10

11 Customer Relationship Management La gestione personalizzata del cliente si basa su tre attività fondamentali Operational CRM Analytical CRM Collaborative CRM Customer Relationship Management Operational CRM (raccolta dei dati e delle informazioni) Raccolta dei dati da tutte le fonti disponibili: Datawarehouse» System Integration: Client Data Procedure bancarie Web Services Prezzi di Mercato (per personal finance) Marketing Database Contact History Workflow di vendita 11

12 Customer Relationship Management Analytical CRM (scoperta della conoscenza Knowledge Discovery and Data Mining - KDD) Analisi dei dati e delle informazioni Ricerca del modello» Query» Mining Web Mining Data Mining Comprensione dei modelli Utilizzo del modelli» Client Analysis Profiling Segmentazione comportamentale Clustering Reporting Customer Relationship Management Collaborative CRM (comunicazione col cliente) Gestione dell campagne di marketing Determinare tipologia della campagna (ROI) Action planning Workflow di composizione dei messaggi promozionali» Composizione» Revisione» Autorizzazione» Invio SMS Web Portale Posta Call center 12

13 Data Mining Applicato Customer Relationship Management Dove si spende a livello mondiale per il Crm? Secondo Gartner Group: o22% dai servizi finanziari o19% dalle telecomunicazioni o16% dall'hi-tech o15% dalle manifatture di prodotto o7% dalle manifatture di processo o3% dall'energia e utility o3% dalla sanità o3% dalla PA o12% da altri settori. Knowledge Management Knowledge Management is the capability of a company as a whole to create new knowledge, disseminate it throughout the organization and embody it in products, services and systems persone processi Conoscenza Fonte: Nonaka, Takeuchi The Knowledge-Creating Company, New York, Oxford University Press, KM Tecnologia 13

14 Knowledge Management 1998 Knowledge Management: concetti chiave Conoscenza Esplicita (Documentata) Facilmente codificabile Immagazzinabile Trasferibile Facilmente esprimibile e condivisibile Politiche e procedure aziendali Manuali Database e resoconti Fonti: Conoscenza Tacita (Know-how delle persone) Personale Legata al contesto Difficile da formalizzare Difficile da catturare/ comunicare/condividere Processi aziendali e comunicazioni informali Esperienze personali Comprensione storica 14

15 Fonti strutturate: Knowledge Management: definizioni formali di Fonti fonti che collezionano un insieme di dati organizzati secondo uno schema esplicito per la definizione univoca della semantica ad essi associata. Fonti non strutturate: fonti che collezionano informazioni contestualizzate (conoscenza) tipicamente espresse mediante l uso del linguaggio naturale e non organizzate secondo uno schema esplicito ed univoco che ne definisca la semantica. Fonti semi strutturate: fonti che raccolgono nel loro insieme dati strutturati ed informazioni contestualizzate. Knowledge Management: il ruolo della tecnologia Strumenti specifici per la contestualizzazione delle informazioni: BEP Precisione/Copertura Infrastruttura IT: Intranet/Internet DBMS Tecnologie abilitanti: Motori di ricerca per keyword Groupware Digitalizzazione documenti Natural Language Processing - NLP Dipendenza dal contesto Dati Informazioni Conoscenza 15

16 Chiave del KM: NLP NLP: esempio (1/2) Fonte: La gestione del rischio deve comprendere parametri espressivi della struttura organizzativa ed informatica (rischio operativo). La priorità è quindi quella di determinare il rischio incrociando informazioni sui mercati, sui prodotti finanziari e sui segmenti di clientela, anche a causa della minore possibilità di assorbire le perdite, determinata dalla riduzione del margine d'intermediazione. Rappresentazione concettuale: NLP gestione specializza gestione del rischio comprende parametri specializza della struttura organizzativa specializza della struttura informatica 16

17 NLP: esempio (2/2) Fonte A: Tale gestione si esplica principalmente nella valutazione dei parametri caratteristici della struttura organizzativa e di quella informatica. Ricerca per parola chiave: Fonte B (3 occorrenze di gestione ) Fonte A (1 occorrenza di gestione ) Fonte B: Gestione e controllo degli accessi Gestione integrata controllo accessi fisici-logici Gestione sistema di Single Sign On. Ricerca per concetto (NLP): Fonte A gestione parametri della struttura organizzativa della struttura informatica Knowledge Management: tassonomia di discipline/strumenti Business Intelligence Knowledge Base Collaboration Portals Customer Relationship Management Data Mining Workflow Management E-Learning Search Content and Document Management 17

18 Enterprise Content Management The 'Building Blocks' of Enterprise Content Management ECM systems are comprised of an integrated suite of content-focused modules that provide the following functionality: Document Management - for library services such as check-in and checkout, version control, and user and document-level security for business documents Document Imaging - for capturing (scanning), profiling, and archiving paper-based content, including forms, facsimiles, engineering drawings, and graphics. Records Management - for classifying documents and other content as business records in support of legal or regulatory compliance, archival, and automation of retention policies. Web Content Management - for collecting, assembling, and staging content (both graphic and textual) for the purpose of publishing to Web sites or intranets. Content delivery is automated to streamline the process, ensure traceability, and eliminate bottlenecks. Document-Centric Team Collaboration - for sharing, organizing, and controlling document-based collaborative processes. Typically, this functionality supports both internal and external team members with a high level of user and document-level security. Content Workflow - for routing of content and support of business processes. Capabilities typically include task assignment, automated tracking (audit trail generation), work state communication (in process, completed, bottleneck, etc.), and graphic representation of the workflow itself. (tratto da Modello ICT di Knowledge Management Tiered Knowledge Management Model (TKMM) Livelli: NLP quattro Fondamentale per la buona riuscita di un progetto di Knowledge Management è la comprensione di questi quattro livelli Data/Text Mining OLAP Data Warehouse tre Middleware Enterprise Resource Planning (ERP) Conoscenza Esplicita due uno a partire dall estrazione dei dati nel livello uno 18

Data Mining e Analisi dei Dati

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

Dettagli

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD Il processo di KDD Introduzione Crescita notevole degli strumenti e delle tecniche per generare e raccogliere dati (introduzione codici a barre, transazioni economiche tramite carta di credito, dati da

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre Sistemi informativi aziendali prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Cenni al Data Mining 1 Data Mining nasce prima del Data Warehouse collezione di tecniche derivanti da Intelligenza Artificiale,

Dettagli

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI INDICE PREMESSA...1 PARTE PRIMA CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI CAPITOLO PRIMO IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI 1. I concetti di pianificazione strategica

Dettagli

MASTER UNIVERSITARIO

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

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Sistemi informativi aziendali Lezione 12 prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone Sistemi informatici = informazioni+hardware+software

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Sistemi informativi aziendali Lezione 12 prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone Sistemi informatici = informazioni+hardware+software

Dettagli

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016 MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence e Data Science In collaborazione con IV edizione 2015/2016 Dipartimento di Culture, Politica e Società Dipartimento di Informatica Dipartimento

Dettagli

Data mining e rischi aziendali

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

Dettagli

Business Intelligence CRM

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

Dettagli

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

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

Dettagli

SMS Strategic Marketing Service

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

Dettagli

Il DataMining. Susi Dulli dulli@math.unipd.it

Il DataMining. Susi Dulli dulli@math.unipd.it Il DataMining Susi Dulli dulli@math.unipd.it Il Data Mining Il Data Mining è il processo di scoperta di relazioni, pattern, ed informazioni precedentemente sconosciute e potenzialmente utili, all interno

Dettagli

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida Introduzione alle tecniche di Data Mining Prof. Giovanni Giuffrida Programma Contenuti Introduzione al Data Mining Mining pattern frequenti, regole associative Alberi decisionali Clustering Esempio di

Dettagli

Ottimizza le prestazioni del tuo Call Center Call center e marketing intelligence: quali le relazioni?

Ottimizza le prestazioni del tuo Call Center Call center e marketing intelligence: quali le relazioni? Ottimizza le prestazioni del tuo Call Center Call center e marketing intelligence: quali le relazioni? Milano, 4 Giugno 2002 Obiettivi dell incontro Obiettivi dell incontro Condividere alcune riflessioni

Dettagli

LEZIONE 3 CUSTOMER RELATIONSHIP ICT GOVERNANCE. ECONOMIA dell ICT ECONOMIA DELL ICT 1. Facoltà di Ingegneria Università di Roma Tor Vergata

LEZIONE 3 CUSTOMER RELATIONSHIP ICT GOVERNANCE. ECONOMIA dell ICT ECONOMIA DELL ICT 1. Facoltà di Ingegneria Università di Roma Tor Vergata LEZIONE 3 CUSTOMER RELATIONSHIP MANAGEMENT (CRM) ICT GOVERNANCE ECONOMIA dell ICT ECONOMIA DELL ICT 1 Sviluppo storico del CRM 50 60 Avvento dei brand items e delle agenzie di pubblicità 70 Avvento del

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

Dettagli

CRM analitico: introduzione. Andrea Farinet

CRM analitico: introduzione. Andrea Farinet CRM analitico: introduzione Andrea Farinet 1 1. Agenda Definizione di Customer Relationship Management (CRM) Le caratteristiche strutturali di un progetto di Customer Relationship Management Il Customer

Dettagli

Dal CRM Strategy al CRM Technology: la soluzione di Banca Popolare di Bari. Convegno ABI CRM 2004-13 dicembre 2004

Dal CRM Strategy al CRM Technology: la soluzione di Banca Popolare di Bari. Convegno ABI CRM 2004-13 dicembre 2004 Dal CRM Strategy al CRM Technology: la soluzione di Banca Popolare di Bari Giovanni Ciccone Stefania De Maria 080 5274824 Marketing Strategico Sistemi Informativi Convegno ABI CRM 2004-13 dicembre 2004

Dettagli

1.3.1. Elementi caratterizzanti il marketing diretto interattivo

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

Dettagli

Il Knowledge Management nell'economia della conoscenza

Il Knowledge Management nell'economia della conoscenza Il KM nell economia della conoscenza Il Knowledge Management nell'economia della conoscenza Giovanni Marrè Amministratore Delegato it Consult Facoltà di Economia Università di Urbino Carlo Bo Urbino, 5

Dettagli

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

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

Dettagli

MARKETING (3 DI 3) R i v i s t a in t e r n a z i o n a l e d e l G r u p p o B a i n RESULTS. ANNO VIII NUMERO 2 (3 A parte ) Dicembre 2002

MARKETING (3 DI 3) R i v i s t a in t e r n a z i o n a l e d e l G r u p p o B a i n RESULTS. ANNO VIII NUMERO 2 (3 A parte ) Dicembre 2002 R i v i s t a in t e r n a z i o n a l e d e l G r u p p o B a i n RESULTS MARKETING (3 DI 3) ANNO VIII NUMERO 2 (3 A parte ) Dicembre 2002 Bain & Company RESULTS Dopo la prima e la seconda parte di questo

Dettagli

DATA MINING E DATA WAREHOUSE

DATA MINING E DATA WAREHOUSE Reti e sistemi informativi DATA MINING E DATA WAREHOUSE Marco Gottardo FONTI Wikipedia Cineca Università di Udine, Dipartimento di fisica, il data mining scientifico thepcweb.com DATA MINING 1/2 Il Data

Dettagli

I valori distintivi della nostra offerta di BPO:

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

Dettagli

La società Volocom. Trasformare le informazioni in conoscenza. Conoscere per agire

La società Volocom. Trasformare le informazioni in conoscenza. Conoscere per agire La società Volocom Trasformare le informazioni in conoscenza 2 La società Volo.com dal 2001 è uno dei leader nei settori del Knowledge Management e nella gestione delle informazioni per la rassegna stampa

Dettagli

Business Process Management

Business Process Management Fondamenti di Knowledge e Business Process Management Giovanni Marrè Amministratore Delegato, it Consult Business Process Management input Competenze individuali Fattori Tecnologici PROCESSO Competenze

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Data Mining. Introduzione La crescente popolarità

Dettagli

Corso Sistemi Informativi Aziendali, Tecnologie dell Informazione applicate ai processi aziendali. Sistemi informativi aziendali

Corso Sistemi Informativi Aziendali, Tecnologie dell Informazione applicate ai processi aziendali. Sistemi informativi aziendali Corso Sistemi Informativi Aziendali,. Sistemi informativi aziendali di Simone Cavalli (simone.cavalli@unibg.it) Bergamo, Marzo 2009 Corso Sistemi Informativi Aziendali - Il customer relationship management

Dettagli

Sistemi Informativi. Catena del valore di PORTER

Sistemi Informativi. Catena del valore di PORTER Sistemi Informativi Catena del valore di PORTER La catena del valore permette di considerare l'impresa come un sistema di attività generatrici del valore, inteso come il prezzo che il consumatore è disposto

Dettagli

L [ERP] PER IL MERCATO DEL [WINE & BEVERAGE] WINE BEVERAGE

L [ERP] PER IL MERCATO DEL [WINE & BEVERAGE] WINE BEVERAGE L [ERP] PER IL MERCATO DEL [ & ] ERP per il settore Wine&Beverage Enterprise Resource Planning Wine&Beverage for Sap Business One è un ERP, appositamente parametrizzato per il commercio del vino, alcolici,

Dettagli

Collaborative business application: l evoluzione dei sistemi gestionali Tra cloud, social e mobile

Collaborative business application: l evoluzione dei sistemi gestionali Tra cloud, social e mobile Osservatorio Cloud & ICT as a Service Collaborative business application: l evoluzione dei sistemi gestionali Tra cloud, social e mobile Mariano Corso Stefano Mainetti 17 Dicembre 2013 Collaborative Business

Dettagli

La conoscenza del Cliente come fonte di profitto

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

Dettagli

CRM 2.0 A SUPPORTO DELLA STRATEGIA AZIENDALE. Front End. Back End. Intelligence. Cliente COMUNICARE GESTIRE CONOSCERE E PREVEDERE

CRM 2.0 A SUPPORTO DELLA STRATEGIA AZIENDALE. Front End. Back End. Intelligence. Cliente COMUNICARE GESTIRE CONOSCERE E PREVEDERE Dynamics CRM EnterPrime Enterprime Consulting ha al centro della propria strategia di business il XRM per la medio-grande impresa nella convinzione che tramite il CRM si possa rispondere a quelle che,

Dettagli

Lezione 8: Direct Marketing. Stella Romagnoli

Lezione 8: Direct Marketing. Stella Romagnoli Lezione 8: Direct Marketing Direct Marketing Definizione Obiettivi Misurazione dell efficacia 2 Obiettivo fondamentale del Direct Marketing (DM) è quello di realizzare un rapporto diretto ed interattivo

Dettagli

Ferrara, 18 gennaio 2011. Gianluca Nostro Senior Sales Consultant Oracle Italia

Ferrara, 18 gennaio 2011. Gianluca Nostro Senior Sales Consultant Oracle Italia Ferrara, 18 gennaio 2011 Gianluca Nostro Senior Sales Consultant Oracle Italia Agenda 18 gennaio 2011 Kick Off Oracle - ICOS Business Intelligence: stato dell arte in Italia Oracle Business Intelligence

Dettagli

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it MACHINE LEARNING e DATA MINING Introduzione a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it Apprendimento Automatico(i) Branca dell AI che si occupa di realizzare dispositivi artificiali capaci di

Dettagli

Introduzione a data warehousing e OLAP

Introduzione a data warehousing e OLAP Corso di informatica Introduzione a data warehousing e OLAP La Value chain Information X vive in Z S ha Y anni X ed S hanno traslocato Data W ha del denaro in Z Stile di vita Punto di vendita Dati demografici

Dettagli

DATA MINING. Data mining. Obiettivo: estrarre informazione nascosta nei dati in modo da consentire decisioni strategiche

DATA MINING. Data mining. Obiettivo: estrarre informazione nascosta nei dati in modo da consentire decisioni strategiche DATA MINING datamining Data mining Obiettivo: estrarre informazione nascosta nei dati in modo da consentire decisioni strategiche Una materia interdisciplinare: - statistica, algoritmica, reti neurali

Dettagli

Dal Call Center, al CRM, al Web: Strumenti e soluzioni per integrare ed analizzare le informazioni che scaturiscono dal contatto con la Clientela

Dal Call Center, al CRM, al Web: Strumenti e soluzioni per integrare ed analizzare le informazioni che scaturiscono dal contatto con la Clientela Dal Call Center, al CRM, al Web: Strumenti e soluzioni per integrare ed analizzare le informazioni che scaturiscono dal contatto con la Clientela Stefano Mino Business Intelligence Sales Development Manager

Dettagli

Soluzioni di dematerializzazione dei processi documentali

Soluzioni di dematerializzazione dei processi documentali CONFINDUSTRIA CUNEO, GIOVEDÌ 10 LUGLIO Convegno Archiviazione documentale e conservazione sostitutiva Loris SCANFERLA Marketing Manager di Siav SpA Siav Company profile SIAV, DAL 1989 Con oltre 200 collaboratori

Dettagli

Soluzioni efficaci di Knowledge Management

Soluzioni efficaci di Knowledge Management S.A.F. SCUOLA DI ALTA FORMAZIONE LUIGI MARTINO 11 MEETING NAZIONALE EVOLUZIONE DEI SERVIZI PROFESSIONALI DELLA CONSULENZA (R)INNOVARE LO STUDIO Soluzioni efficaci di Knowledge Management Dott. STEFANO

Dettagli

Introduzione al Data Mining

Introduzione al Data Mining Introduzione al Data Mining Sistemi informativi per le Decisioni Slide a cura di Prof. Claudio Sartori Evoluzione della tecnologia dell informazione (IT) (Han & Kamber, 2001) Percorso evolutivo iniziato

Dettagli

E-Mail. Scheduling. Modalità d invio. E-Mail

E-Mail. Scheduling. Modalità d invio. E-Mail BI BI Terranova, azienda leader in Italia per le soluzioni Software rivolte al mercato delle Utilities, propone la soluzione Software di Business Intelligence RETIBI, sviluppata per offrire un maggiore

Dettagli

La Business Intelligence per competere e governare il cambiamento Vittorio Arighi Practice Leader Netconsulting

La Business Intelligence per competere e governare il cambiamento Vittorio Arighi Practice Leader Netconsulting La Business Intelligence per competere e governare il cambiamento Vittorio Arighi Practice Leader Netconsulting 9 ottobre 2014 L andamento del PIL a livello mondiale: l Italia continua ad arretrare Mondo

Dettagli

Gestire e conoscere i clienti

Gestire e conoscere i clienti Gestire e conoscere i clienti il Customer Hub Fare clic per modificare lo stile del sottotitolo dello schema 2 Realizzata da OPENKNOWLEDGE Realizzata da OPENKNOWLEDGE 3 1 Maggiore collaborazione, motivazione

Dettagli

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006 Customer Relationship Management Eleonora Ploncher 3 aprile 2006 1. Gli obiettivi Gli obiettivi della presentazione sono volti a definire: 1. gli elementi fondamentali e strutturali di una strategia di

Dettagli

Università degli studi dell Aquila. Sistemi informativi aziendali 9 C.F.U.

Università degli studi dell Aquila. Sistemi informativi aziendali 9 C.F.U. Università degli studi dell Aquila Sistemi informativi aziendali 9 C.F.U. Ing. Gaetanino Paolone (gaetanino.paolone@univaq.it) Prof. Dr. Luciano Fratocchi (luciano.fratocchi@univaq.it) Contenuti (2 ore)

Dettagli

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

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

Dettagli

processi analitici aziendali

processi analitici aziendali Best practises per lo sviluppo dei processi analitici aziendali Business Brief@CSC Roma, 29 maggio 2008 Tachi PESANDO Business & Management Agenda Importanza della Customer oggi Le due anime di un progetto

Dettagli

INDICE. Domande di riepilogo... 28 Esercizi di riepilogo... 28 Domande tematiche... 29. Prefazione... XI

INDICE. Domande di riepilogo... 28 Esercizi di riepilogo... 28 Domande tematiche... 29. Prefazione... XI 1138A_03 Prime pagine 1-03-2004 17:16 Pagina v INDICE Prefazione.......................................................................... XI Capitolo 1 L era dell informazione in cui viviamo. Il nuovo

Dettagli

L integrazione del Data Warehouse di Marketing con applicazioni di Campaign Management nel contesto del CRM multicanale: il caso Vodafone Omnitel

L integrazione del Data Warehouse di Marketing con applicazioni di Campaign Management nel contesto del CRM multicanale: il caso Vodafone Omnitel L integrazione del Data Warehouse di Marketing con applicazioni di Campaign Management nel contesto del CRM multicanale: il caso Vodafone Omnitel CRM Conference 2003 18-19 febbraio 2003 - Milano 1 Benvenuto

Dettagli

Come realizzare un progetto CRM eccellente

Come realizzare un progetto CRM eccellente Come realizzare un progetto CRM eccellente Andrea Farinet World Marketing & Sales Forum 2008 Milano, 18 giugno Come valorizzare strategia di marketing e strategia CRM? Di quale CRM hanno realmente bisogno

Dettagli

I vantaggi ottenibili nei campi applicativi attraverso l uso di tecniche di data mining

I vantaggi ottenibili nei campi applicativi attraverso l uso di tecniche di data mining Dipartimento di Informatica e Sistemistica I vantaggi ottenibili nei campi applicativi attraverso l uso di tecniche di data mining Renato Bruni bruni@dis.uniroma1.it Antonio Sassano sassano@dis.uniroma1.it

Dettagli

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

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

Dettagli

OSSERVATORIO CRM. Milano, Circolo della Stampa

OSSERVATORIO CRM. Milano, Circolo della Stampa OSSERVATORIO CRM Milano, Circolo della Stampa E la parola di pietra è caduta Sul mio petto ancora vivo. Non è nulla, ecco, ero preparata. In qualche modo la supererò. Ho molto lavoro oggi: occorre uccidere

Dettagli

Data Mining. Gabriella Trucco gabriella.trucco@unimi.it

Data Mining. Gabriella Trucco gabriella.trucco@unimi.it Data Mining Gabriella Trucco gabriella.trucco@unimi.it Perché fare data mining La quantità dei dati memorizzata su supporti informatici è in continuo aumento Pagine Web, sistemi di e-commerce Dati relativi

Dettagli

L azienda Estesa. Giancarlo Stillittano

L azienda Estesa. Giancarlo Stillittano L azienda Estesa Giancarlo Stillittano L azienda estesa L azienda ha necessità di rafforzare le relazioni al suo interno (tra funzioni,uffici, stabilimenti produttivi e filiali di vendita) e si trova al

Dettagli

Corso di Red. e Pres. Prog. Inf. Lezione del 20-10-2006 Esercitatore: ing. Andrea Gualtieri. La lezione di oggi

Corso di Red. e Pres. Prog. Inf. Lezione del 20-10-2006 Esercitatore: ing. Andrea Gualtieri. La lezione di oggi La lezione di oggi Analisi dei requisiti RISORSE E INFORMAZIONI Richieste ORGANIZZAZIONE Servizi/ Prodotti PROCESSI E PROCEDURE Analisi dei requisiti: i processi Classificazione secondo Porter: la catena

Dettagli

SISTEMI INFORMATIVI. Definizione, classificazioni

SISTEMI INFORMATIVI. Definizione, classificazioni SISTEMI INFORMATIVI Definizione, classificazioni IL SISTEMA INFORMATIVO AZIENDALE A cosa serve una definizione? a identificare i confini del SI a identificarne le componenti a chiarire le variabili progettuali

Dettagli

La ISA nasce nel 1994 DIGITAL SOLUTION

La ISA nasce nel 1994 DIGITAL SOLUTION La ISA nasce nel 1994 Si pone sul mercato come network indipendente di servizi di consulenza ICT alle organizzazioni nell'ottica di migliorare la qualità e il valore dei servizi IT attraverso l'impiego

Dettagli

Marketing relazionale

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

Dettagli

CAPITOLO 9 Piattaforme di Business Intelligence e DSS

CAPITOLO 9 Piattaforme di Business Intelligence e DSS CAPITOLO 9 Piattaforme di Business Intelligence e DSS Lucidi di Gianmario Motta 2010 OBIETTIVI DI APPRENDIMENTO Identificare quali sono le applicazioni d uso dei sistemi di BI Spiegare quali sono le caratteristiche

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

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

Dettagli

Dal CRM all ERM: nella condivisione degli obiettivi di business la chiave di una strategia di successo

Dal CRM all ERM: nella condivisione degli obiettivi di business la chiave di una strategia di successo Dal CRM all ERM: nella condivisione degli obiettivi di business la chiave di una strategia di successo ABI CRM 2002 Gabriella Lo Conte Marketing Manager Roma, 13 Dicembre 2002 Agenda TeleAp Customer Relationship

Dettagli

Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI

Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI IL SISTEMA INFORMATIVO AZIENDALE Un azienda è caratterizzata da: 1. Persone legate tra loro da

Dettagli

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

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

Dettagli

OLAP (On Line Analytical Processing)

OLAP (On Line Analytical Processing) OLAP (On Line Analytical Processing) Con il termine OLAP si intende la possibilità di effettuare analisi dei dati su strutture multidimensionali in maniera rapida, flessibile ed efficiente, attraverso

Dettagli

Enterprise Content Management. Terminologia. KM, ECM e BPM per creare valore nell impresa. Giovanni Marrè Amm. Del., it Consult

Enterprise Content Management. Terminologia. KM, ECM e BPM per creare valore nell impresa. Giovanni Marrè Amm. Del., it Consult KM, ECM e BPM per creare valore nell impresa Giovanni Marrè Amm. Del., it Consult Terminologia Ci sono alcuni termini che, a vario titolo, hanno a che fare col tema dell intervento KM ECM BPM E20 Enterprise

Dettagli

Identità. Siamo un PLAYER STORICO E FINANZIARIAMENTE SOLIDO, presente nel settore dal 1994, con sede unica nel centro di Bergamo.

Identità. 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

Dettagli

CUSTOMER RELATIONSHIP MANAGEMENT:

CUSTOMER RELATIONSHIP MANAGEMENT: LA BICOCCA PER LE IMPRESE CUSTOMER RELATIONSHIP MANAGEMENT: MODELLI E TECNOLOGIE PROGETTO WISPER: ESEMPIO DI CUSTOMER SATISFACTION VITTORIO VIGANO CONSORZIO MILANO RICERCHE MERCOLEDI 22 GIUGNO 2005 Università

Dettagli

LM Ingegneria Gestionale ICT & Business Management

LM Ingegneria Gestionale ICT & Business Management LM Ingegneria Gestionale ICT & Business Management 1 ICT: il peso nelle borse mondiali... 1 1 Apple (B$ 528) Classifica capitalizzazione di borsa 31 31 Vodafone (B$141) 5 4 Microsoft (B$260) 5 IBM (B$236)

Dettagli

KNOWLEDGE MANAGEMENT ED ECONOMIA DELLA CONOSCENZA

KNOWLEDGE MANAGEMENT ED ECONOMIA DELLA CONOSCENZA 1 KNOWLEDGE MANAGEMENT ED ECONOMIA DELLA CONOSCENZA Tutti desiderano possedere la conoscenza, ma relativamente pochi sono disposti a pagarne il prezzo PERCHE LA CONOSCENZA E IMPORTANTE 2 E IN ATTO UN GRANDE

Dettagli

GESTIONE IMMOBILIARE REAL ESTATE

GESTIONE IMMOBILIARE REAL ESTATE CONOSCENZA Il Gruppo SCAI ha maturato una lunga esperienza nell ambito della gestione immobiliare. Il know-how acquisito nei differenti segmenti di mercato, ci ha permesso di diventare un riferimento importante

Dettagli

Lezione 8. Data Mining

Lezione 8. Data Mining Lezione 8 Data Mining Che cos'è il data mining? Data mining (knowledge discovery from data) Estrazione di pattern interessanti (non banali, impliciti, prima sconosciuti e potenzialmente utili) da enormi

Dettagli

Data Mining in SAP. Alessandro Ciaramella

Data Mining in SAP. Alessandro Ciaramella UNIVERSITÀ DI PISA Corsi di Laurea Specialistica in Ingegneria Informatica per la Gestione d Azienda e Ingegneria Informatica Data Mining in SAP A cura di: Alessandro Ciaramella La Business Intelligence

Dettagli

Sistemi Informativi Aziendali I

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

Dettagli

Beyond Consulting s.r.l. Andrea Pistore Padova, 24 Maggio 2006

Beyond Consulting s.r.l. Andrea Pistore Padova, 24 Maggio 2006 SAP Business Information Warehouse Beyond Consulting s.r.l. Andrea Pistore Padova, 24 Maggio 2006 mysap BI: Benefici Miglioramento dell'efficienza e della produttività aziendale attraverso: collaborazione

Dettagli

25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo

25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo ORGANIZZAZIONE AZIENDALE 1 Tecnologie dell informazione e controllo 2 Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale IT e coordinamento esterno IT e

Dettagli

La tua Software House in Canton Ticino. La piattaforma per garantire l efficienza energetica

La tua Software House in Canton Ticino. La piattaforma per garantire l efficienza energetica La tua Software House in Canton Ticino La piattaforma per garantire l efficienza energetica Il CRM: controllo e performance Il CRM, customer relationship management, è una strategia competitiva basata

Dettagli

Una soluzione di Gestione Documentale e gli aspetti di Information LifeCycle Management. il progetto di Monte dei Paschi di Siena

Una soluzione di Gestione Documentale e gli aspetti di Information LifeCycle Management. il progetto di Monte dei Paschi di Siena Una soluzione di Gestione Documentale e gli aspetti di Information LifeCycle Management il progetto di Monte dei Paschi di Siena Claudio Favaro Global Technology Services IBM Italia L esigenza iniziale

Dettagli

Multichannel Customer Interaction

Multichannel Customer Interaction GRUPPO TELECOM ITALIA 18 aprile 2013 Multichannel Customer Interaction Market trends In 3 anni l uso del telefono come Customer Care si è più che dimezzato L uso del Telefono vale il 36% come media europea,

Dettagli

IntelliSemantic Thesis day 2008. Alberto Ciaramella Intellisemantic http://www.intellisemantic.com Marzo 2008

IntelliSemantic Thesis day 2008. Alberto Ciaramella Intellisemantic http://www.intellisemantic.com Marzo 2008 IntelliSemantic Thesis day 2008 Alberto Ciaramella http://www.intellisemantic.com Marzo 2008 IntelliSemantic To find and to be found on internet and intranet 2 Mission To develop OTS and customized solutions

Dettagli

enclose CRM Engineering Cloud Services IL CRM AS A SERVICE DI ENGINEERING runs on Microsoft Dynamics CRM

enclose CRM Engineering Cloud Services IL CRM AS A SERVICE DI ENGINEERING runs on Microsoft Dynamics CRM enclose Engineering Cloud Services CRM runs on Microsoft Dynamics CRM IL CRM AS A SERVICE DI ENGINEERING EncloseCRM EncloseCRM è la proposta Software as a Service di Engineering per offrire al mercato

Dettagli

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

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

Dettagli

L innovazione è l utilizzo di nuove idee e opportunità per generare e sostenere la crescita e la profittabilità dell azienda

L innovazione è l utilizzo di nuove idee e opportunità per generare e sostenere la crescita e la profittabilità dell azienda L innovazione è l utilizzo di nuove idee e opportunità per generare e sostenere la crescita e la profittabilità dell azienda L innovazione consiste nello sfruttare (nell ambito commerciale o dei processi

Dettagli

Guido Bacigalupi Area manager Centro-Sud, itconsult

Guido Bacigalupi Area manager Centro-Sud, itconsult L'innovazione passa attraverso una piattaforma integrata per la dematerializzazione e la gestione dei processi Guido Bacigalupi Area manager Centro-Sud, itconsult Alcune considerazioni Dati strutturati

Dettagli

Riccardo Paganelli Analisi, Reporting, Dashboard, Scorecard per prendere le migliori decisioni: Cognos 8 BI

Riccardo Paganelli Analisi, Reporting, Dashboard, Scorecard per prendere le migliori decisioni: Cognos 8 BI Riccardo Paganelli Analisi, Reporting, Dashboard, Scorecard per prendere le migliori decisioni: Cognos 8 BI Information On Demand Business Optimization Strumenti per comprendere meglio le informazioni

Dettagli

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

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

Dettagli

Come massimizzare il rapporto con il cliente esistente attraverso il Call Center

Come massimizzare il rapporto con il cliente esistente attraverso il Call Center Come massimizzare il rapporto con il cliente esistente attraverso il Call Center Marco Vecchiotti, Account Management Director - Experian Crm Luciano Bruccola, Manager - Experian Scorex ABI, Roma, 14 dicembre

Dettagli

Data Warehousing (DW)

Data Warehousing (DW) Data Warehousing (DW) Il Data Warehousing è un processo per estrarre e integrare dati storici da sistemi transazionali (OLTP) diversi e disomogenei, e da usare come supporto al sistema di decisione aziendale

Dettagli

DENTRO GLI STANDARD FUORI DAGLI SCHEMI

DENTRO GLI STANDARD FUORI DAGLI SCHEMI DENTRO GLI STANDARD FUORI DAGLI SCHEMI PYXIS La Pyxis O. S. opera nel settore ICT con famiglie di prodotti e servizi inquadrabili nel segmento di Business Intelligence e nell ambito di uno dei principali

Dettagli

GESTIONE E ORGANIZZAZIONE PER LA COMUNICAZIONE D IMPRESA

GESTIONE E ORGANIZZAZIONE PER LA COMUNICAZIONE D IMPRESA GESTIONE E ORGANIZZAZIONE PER LA COMUNICAZIONE D IMPRESA A.A. 2012-2013 Mercoledi 7 marzo 2012 La Business Intelligence verso il 2015: Il Collaborative Decision Making Cos è la Business Intelligence (1)

Dettagli

Innovazione e tecnologie digitali. Ottimizzazione del processo e sviluppo del business editoriale: Digitalizzazione dei contenuti, Workflow,

Innovazione e tecnologie digitali. Ottimizzazione del processo e sviluppo del business editoriale: Digitalizzazione dei contenuti, Workflow, Innovazione e tecnologie digitali Ottimizzazione del processo e sviluppo del business editoriale: Digitalizzazione dei contenuti, Workflow, Digital Asset Management 2 Contesto: una catena del valore articolata

Dettagli

Datagraf Servizi S.r.l. Company Profile

Datagraf Servizi S.r.l. Company Profile Datagraf Servizi S.r.l. Company Profile Agenda Chi siamo Linee di offerta Approccio Metodologia Operativa Aree di Intervento La composizione della nostra offerta I Nostri Punti di Forza Chi siamo DATAGRAF

Dettagli

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

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

Dettagli

Il CRM di Leeds. Giorgio Prister EMEA Local Government & Health Sales Executive giorgio_prister@it.ibm.com. La città. I clienti della città

Il CRM di Leeds. Giorgio Prister EMEA Local Government & Health Sales Executive giorgio_prister@it.ibm.com. La città. I clienti della città Il CRM di Leeds La città I clienti della città I servizi offerti La soluzione CRM Giorgio Prister EMEA Local Government & Health Sales Executive giorgio_prister@it.ibm.com La città di Leeds Leeds è il

Dettagli

Previsione e monitoraggio del posizionamento competitivo sul sistema. Analisi comparata della propria rete di vendita e penetrazione sul territorio

Previsione e monitoraggio del posizionamento competitivo sul sistema. Analisi comparata della propria rete di vendita e penetrazione sul territorio Essbase XTD e Pk.ben Pagina 1 Una sinergia vincente Previsione e monitoraggio del posizionamento competitivo sul sistema. Analisi comparata della propria rete di vendita e penetrazione sul territorio Cesare

Dettagli

Overview. Le soluzioni Microsoft per la Business Intelligence

Overview. Le soluzioni Microsoft per la Business Intelligence Overview Le soluzioni Microsoft per la Business Intelligence La strategia Microsoft per la BI Improving organizations by providing business insights to all employees leading to better, faster, more relevant

Dettagli