Introduzione al Data Mining

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione al Data Mining"

Transcript

1 , Riccard Trlne settembre Intrduzine Negli ultimi anni, le rganizzazini hann effettuat investimenti significativi per miglirare la lr capacità di raccgliere dati ad esempi, relativi ai prpri prcessi, al cmprtament dei clienti, a prestazini delle campagne di marketing, le rganizzazini pssn accedere facilmente anche ad altri dati esterni ad esempi, tendenze di mercat, ntizie nel prpri settre aziendale, msse della cncrrenza, Questa vasta dispnibilità di dati ha aumentat l interesse in metdi per estrarre dai dati infrmazini utili e cnscenza quest è il reame della data science le applicazini più significative di questa disciplina riguardan il supprt alle decisini aziendali ad esempi, per prgettare nuve campagne di marketing 2

2 Dati, infrmazini e cnscenza 3 Data science e data mining Data science la data science è un insieme di principi fndamentali che guida l estrazine di cnscenza da dati Data mining il data mining è l estrazine di cnscenza da dati, tramite tecnlgie che incrpran i principi della data science Spess questi due termini vengn usati in md intercambiabile data science ha un significat più generale, e fa riferiment ad un insieme di principi data mining ha un significat più specific, e fa riferiment ad un insieme di tecniche e metdi 4

3 Esempi: l uragan Frances Dal NYT, 2004 Hurricane Frances was n its way, barreling acrss the Caribbean, threatening a direct hit n Flrida s Atlantic cast. Residents made fr higher grund, but far away, in Bentnville, Ark., eecutives at Wal-Mart Stres decided that the situatin ffered a great pprtunity fr ne f their newest data-driven weapns predictive technlgy. A week ahead f the strm s landfall, Linda M. Dillman, Wal-Mart s chief infrmatin fficer, pressed her staff t cme up with frecasts based n what had happened when Hurricane Charley struck several weeks earlier. Backed by the trillins f bytes wrth f shpper histry that is stred in Wal-Mart s data warehuse, she felt that the cmpany culd start predicting what s ging t happen, instead f waiting fr it t happen, as she put it. (Hays, 2004) In quest cas può essere utile fare previsini perché ci sn dei prdtti che, vviamente, si venderann di più, cme le bttiglie d acqua ma quant venderann di più? ci sn altri prdtti che, in md men vvi, venderann di più? ad esempi, trte alle fragle ci sn prdtti che, pur essendsi esauriti in cncmitanza cn l uragan Charley, nn venderann altrettant? ad esempi, è il cas di un specific film di success 5 Esempi: abbandn dei clienti Suppniam di essere analisti della MegaTelC una grande azienda di telecmunicazini un dei prblemi principali di questa azienda è l abbandn di clienti (custmer churn) del servizi di telefnia cellulare il 20% degli abbnati abbandna il servizi all scadere dell abbnament inltre, acquisire nuvi clienti è difficile per quest, l azienda vule ffrire una prmzine mirata di tratteniment ad alcuni clienti a cui sta per scadere l abbnament, per cercare di ridurre gli abbandni ma a quali specifici clienti va fferta questa prmzine? in quest cas è utile fare previsini circa i clienti che (i) senza fferta, prbabilmente abbandnerann, ma (ii) cn l fferta, prbabilmente rimarrann clienti 6

4 Data science e decisini guidate dai dati La data science riguarda principi, prcessi e tecniche per cmprendere fenmeni tramite l analisi (autmatizzata) di dati l biettiv fndamentale della data science è miglirare il decisin making, cnsentend alle rganizzazini di prendere decisini guidate dai dati vver, decisini basate su esperienze effettive e dati strici e nn semplicemente guidate dall intuizine di slit, queste decisini vengn basate sull estrazine di cnscenza dai dati stt frma di mdelli pattern l esperienza ha infatti dimstrat che è pssibile estrarre cnscenza utile dai dati per rislvere prblemi di business cncreti e, inltre, che quest può essere fatt in md sistematic sulla base di un prcess di data mining, cn fasi raginevlmente ben definite 7 Esempi: prestiti Si cnsideri, per una certa banca, il prblema della cncessine di prestiti la banca vule cncedere prestiti sl se si aspetta che il cliente pagherà tutte le rate nei tempi previsti Quest prblema può essere rislt mediante l estrazine di pattern da dati strici la banca pssiede dati strici sui prestiti che ha già ergat nel passat e sa in quali casi le rate sn state pagate reglarmente men per pattern si intende, ad esempi, una regla che descrive in md succint delle infrmazini estratte dai dati strici per prevedere se un ptenziale cliente pagherà le rate di un prestit reglarmente men 8

5 Esempi: prestiti Dati strici sui prestiti Prestit (imprt) Stipendi Persne che hann ricevut un prestit dalla banca: : persne che hann mancat la restituzine di rate : persne che hann rispettat le scadenze 9 Esempi: prestiti Un pssibile pattern estratt da questi dati strici Prestit (imprt) k Stipendi IF stipendi < k THEN mancat pagament 10

6 Esempi: prestiti Applicazine del pattern estratt ad altri ptenziali clienti Prestit (imprt) A C B k Stipendi IF stipendi < k THEN mancat pagament 11 Dati e pattern Dati insieme di infrmazini, tipicamente nn strutturate, estratte da una base di dati da un data warehuse Pattern espressine, in un linguaggi pprtun, che descrive in md succint le infrmazini estratte dai dati reglarità infrmazine di alt livell 12

7 Caratteristiche dei pattern Validità (ad esempi, accuratezza) una misura del grad di validità del pattern ad esempi, nel 90% dei casi si nti che, rispett all identificazine dei mancati pagamenti, aumentand il valre k aumentan i falsi psitivi, e diminuendl aumentan i falsi negativi Nvità misurata rispett a variazini dei dati della cnscenza estratta Utilità esempi: aument di prfitt attes dalla banca assciat alla regla estratta Cmprensibilità misure di tip sintattic e/ semantic 13 Prblemi fndamentali di data mining I prblemi decisinali di business sn cmplessi ciascun di essi è unic, e va rislt diversamente da altri prblemi tuttavia, in generale è pssibile rislvere un prblema decisinale cmpless decmpnendl in sttprblemi cmpiti (task), rislvend questi prblemi parziali separatamente, e ricmpnend le sluzini parziali in una sluzine cmplessiva del prblema iniziale inltre, mlti task sn cmuni, e le lr tecniche rislutive pssn essere usate in prblemi diversi ad es., calclare da dati strici la prbabilità di abbandn di un cliente il data mining è basat su un insieme di tecniche e algritmi rislutivi per cmpiti decisinali cmuni una capacità critica della data science è la capacità di decmprre un prblema in parti, in md tale che ciascuna parte pssa essere messa in crrispndenza cn un cmpit di data mining nt 14

8 Prblemi fndamentali di data mining Nel crs degli anni sn stati sviluppati un gran numer di algritmi di data mining tuttavia, essi fann riferiment sl a una manciata di cmpiti fndamentali l scp generale è quell di cstruire autmaticamente, a partire da dati strici, un mdell da usare, ad esempi, per fare previsini su dati crrenti e futuri ne descriviam brevemente alcuni 15 Prblemi fndamentali di data mining Classificazine ha l scp di predire, per gni individu di una pplazine, a quale classe appartiene tra un cert numer di classi predefinite ad esempi, nel cas della MegaTelC, cliente prpens ad abbandnare e cliente prpens a rimanere può essere di interesse determinare anche la prbabilità di appartenenza di un individu a una classe Regressine predire, per un individu, il valre numer di una sua variabile ad esempi, stimare la quantità che sarà venduta di un prdtt 16

9 Prblemi fndamentali di data mining Similarity matching identificare individui simili tra lr (cn riferiment ad un scp specific) ad esempi, per cnsigliare prdtti se ti piace quest prdtt, allra ptrebbe piacerti anche quest altr Clustering per raggruppare gli individui di una pplazine sulla base della lr similarità (nn guidati da un scp specific) ad esempi, cme attività preliminare ad un cmpit di classificazine in quali classi di suddividn, effettivamente, i miei clienti? 17 Prblemi fndamentali di data mining C-ccrrenze (assciazini) trvare relazini cmuni tra entità sulla base di transazini che le riguardan ad esempi, analisi di mercat degli acquisti quali prdtti vengn cmunemente acquistati insieme? Prfiling (descrizine del cmprtament) caratterizza il cmprtament tipic di un individu di una pplazine ad esempi, quel è l utilizz tipic del servizi di telefnia mbile per un cliente appartenente a un cert segment? 18

10 Prblemi fndamentali di data mining Link predictin prevede relazini tra individui, di slit suggerend che ci debba essere un cllegament quand invece manca ad esempi, per suggerire amicizie su un scial netwrk Causal mdeling aiuta a cmprendere relazini di causa-effett tra eventi azini ad esempi, si cnsideri un cliente a cui è stata rivlta una prmzine mirata per un prdtt ha pi acquistat quel prdtt ma l acquist è stat effettivamente influenzat dalla prmzine, quel cliente avrebbe acquistat quel prdtt cmunque? (si pensi anche all effett placeb in medicina) 19 Metdi supervisinati e nn supervisinati In generale, un cmpit di data mining ha l scp di cstruire un mdell a partire da dati strici un cmpit ( metd) si dice supervisinat quand i dati di addestrament cmprendn un insieme di esempi insieme a dati sulla caratteristica indirizzata dal mdell nel cas degli abbandni, i dati strici sui clienti cmprendn il fatt se il cliente ha abbandnat men un cmpit si dice invece nn supervisinat quand i dati di addestrament nn cmprendn dati sulla caratteristica indirizzata dal mdell quest succede, ad esempi, nei prblemi di clustering e di assciazini 20

11 Data mining e us dei risultati del data mining 21 Il prcess di data mining 22

12 Classificazine La classificazine è un cmpit supervisinat di data mining ha l scp di predire, per gni individu di una pplazine, a quale classe appartiene tra un cert numer di classi predefinite Dati del prblema un insieme di ggetti (training set), ciascun dei quali è caratterizzat da un insieme di attributi un degli attributi è l attribut biettiv (target) della classificazine il su valre appartiene ad un insieme predefinit di valri (classi) Prblema trvare un mdell, basat sugli attributi del training set, per prevedere la classe di appartenenza di altri ggetti di cui si cnscn i diversi attributi (ma nn l attribut target) 23 Applicazini Classificazine tendenze di mercat Identificazine del rischi in mutui/assicurazini Identificazine autmatica di immagini Efficacia trattamenti medici 24

13 Classificazine Un esempi di training set quest è sl un esempi: di slit i dati di addestrament sn mlti di più, ed anche gli attributi sn mlti di più! 25 Alberi di classificazine Il mdell usat per la classificazine può essere di tipi diversi un cas cmune è quell degli alberi di classificazine vver, una regla di classificazine che può essere rappresentata mediante una struttura decisinale cn la frma ad alber 26

14 Un altr alber di classificazine 27 e una sua interpretazine grafica 28

15 Un classificatre lineare Un classificatre lineare è un mdell di classificazine basat su una disequazine lineare sugli attributi dell entità 29 esistn anche classificatri nn lineari e di natura ancra diversa Esercizi Un prblema di classificazine 30

16 Cstruzine degli alberi di classificazine Ogni alber di classificazine è basat su una successine di cndizini ciascuna delle quali riguarda un singl attribut dell entità è bene basare la prima cndizine sul singl attribut più infrmativ vver quell che, intuitivamente, frnisce più infrmazini (degli altri) sull attribut target questa cndizine cnsente di partizinare il training set in insiemi disgiunti su ciascun dei quali va applicat, ricrsivamente, quest stess raginament fin a trvare un alber di classificazine sddisfacente 31 Esercizi Qual è il singl attribut più infrmativ? la frma della testa? la frma del crp? il clre del crp? 32

17 Esercizi Il prim partizinament può riguardare la frma del crp 33 Esercizi Un successiv partizinament relativ al crp rettanglare 34

18 Esercizi Un successiv partizinament relativ al crp vale 35 Esercizi Alber di classificazine cmplessiv 36

19 Assciazini Le c-ccrrenze ( assciazini) sn un prblema di data mining nn supervisinat l scp è scprire relazini tra ggetti entità che cmpain nell ambit di transazini ad esempi, l analisi di market-basket quali prdtti vengn cmunemente acquistati insieme? Dati del prblema un insieme I di ggetti ad esempi, prdtti venduti da un supermercat un insieme D di transazini ciascuna transazine T è un insieme di ggetti, T I ad esempi, prdtti acquistati nella stessa transazine di cassa al supermercat 37 Assciazine Una regla di assciazine ha la frma X Y cn X,Y I si legge: X implica Y in quest cas vul dire: chi cmpra X cmpra anche Y X e Y pssn essere sia singli ggetti che gruppi di ggetti 38

20 Prprietà delle assciazini Una regla di assciazine ha la frma X Y cn X,Y I Prprietà di una regla di assciazine X Y supprt S misura la rilevanza statistica della regla S = # transazini che cntengn X Y # transazini in D cnfidenza C misura la significatività della regla C = # transazini che cntengn X Y # transazini che cntengn X 39 Prprietà delle assciazini In termini di prbabilità, le prprietà della regla di assciazine X Y pssn essere anche espresse cme segue supprt S prbabilità che una transazine cntiene sia X che Y S = prb(x Y) cnfidenza C prbabilità che una transazine cntiene Y, cndizinata al fatt che la transazine cntiene X C = prb(y X) 40

21 Esempi Latte Uva Supprt il 2% delle transazini cntiene entrambi gli elementi Cnfidenza il 30% delle transazini che cntengn latte cntiene anche uva 41 Assciazini Prblema determinare tutte le regle di assciazine cn supprt e cnfidenza superiri ad una sglia data 42

22 Esempi TRANSACTION ID OGGETTI ACQUISTATI A,B,C A,C A,D B,E,F Assumiam: supprt minim 50% cnfidenza minima 50% 43 Esempi TRANSACTION ID OGGETTI ACQUISTATI A,B,C A,C A,D B,E,F Regle ttenute: A C supprt 50% cnfidenza 66.6 C A supprt 50% cnfidenza 100% 44

23 Applicazini Analisi market basket * Uva csa si deve prmuvere per aumentare le vendite di uva? Latte * quali altri prdtti devn essere venduti da un supermercat che vende latte? in generale, gli insiemi X e Y pssn cmprendere anche più di un ggett L biettiv di quest prblema è trvare regle di assciazini che nn sn vvie per sfruttarle in md cmpetitiv un esempi classic: Pannlini *? 45 Decmpsizine prblema Trvare tutti gli insiemi di item che hann un supprt minim (frequent itemsets) Generazine delle regle a partire dai frequent itemsets Algritm fndamentale: APRIORI [Agrawal, Srikant 1994] 46

24 Esempi Pass 1: estrazine frequent itemsets TRANSACTION ID supprt minim 50% OGGETTI ACQUISTATI A,B,C A,C A,D B,E,F FREQUENT ITEMSET {A} {B} {C} {A,C} SUPPORTO 75% 50% 50% 50% 47 Esempi Pass 2: estrazine regle cnfidenza minima 50% Cnfidenza regla A C Supprt {A,C} / Supprt {A} = 66.6% regle estratte A C supprt 50%, cnf. 66.6% C A supprt 50%, cnf. 100% 48

25 Interesse regle estratte Nn sempre tutte le regle cn supprt e cnfidenza superiri ad una certa sglia, anche alta, sn interessanti Ad esempi, in una scula cn 5000 studenti 3000 studenti (60%) gican a pallacanestr 3750 studenti (75%) mangian cereali a clazine 2000 studenti (40%) gican a pallacanestr e mangian cereali a clazine si cnsideri la regla di assciazine gica a pallacanestr mangia cereali supprt = 2000/5000 = 40% cnfidenza = 2000/3000 = 66% la regla è furviante perché il 75% degli studenti mangia cereali! 49 Interesse regle estratte In effetti, per determinare l interesse di una regla di assciazine X Y può essere utile far riferiment anche ad altre prprietà/misure lift = prb(x Y) prb(x) prb(y) affinché una regla sia effettivamente interessante, il lift deve essere maggire di 1 nell esempi è sl 0.88 leverage = prb(y X) prb(x) prb(y) il leverage serve invece a misurare l indipendenza tra gli ggetti che cmpain nella regla in quest cas è il 21% 50

26 Pattern sequenziali Una variante dei prblemi di assciazini dati un insieme di transazini nn annime ad esempi, di ciascuna si cnsce il cliente biettiv trvare gruppi di ggetti che cmpain in transazini successive di un stess cliente Esempi chi cmpra test di gravidanza pi cmpra (cn una qualche prbabilità) pannlini ma ci sn altri acquisti che cnsentn di predire, in md tempestiv e cn più precisine, una gravidanza? 51 Pattern sequenziali Applicazini misura della sddisfazine del cliente prmzini mirate medicina (sintmi - malattia) 52

27 Clustering Il clustering è un altr prblema nn supervisinat di data mining l scp è identificare delle classi per raggruppare gli individui di una pplazine sulla base della lr similarità Dati un insieme di ggetti Prblema trvare una suddivisine degli ggetti in gruppi in md che: gli ggetti in un grupp sian mlt simili tra di lr ggetti in gruppi diversi sian mlt diversi i gruppi pssn essere anche svrappsti rganizzati gerarchicamente 53 Applicazini Identificazine di pplazini mgenee di clienti in basi di dati di marketing Valutazine dei risultati di esperimenti clinici Mnitraggi dell attività di aziende cncrrenti 54

28 Esempi: dati incidenti età 55 Esempi: clusterizzazine incidenti età 56

29 Esempi Clustering di whisky sczzesi per superare la classificazine basata sulla regine di prvenienza e trvarne una basata sul gust ad esempi, un piccl negzi vule cmunque vendere almen un prdtt per ciascun dei gusti attributi usati per il clustering: clr, nse, bdy, palate, finish 57 Apprcci Prcess si determinan i rappresentanti di gni cluster si cercan gli elementi simili si aggirnan i rappresentanti Gli algritmi si differenzian principalmente nella scelta dei rappresentanti 58

30 Analisi di sequenze temprali Un altra classe di prblemi significativi di data mining riguarda l analisi di sequenze temprali in quest casi, l biettiv può essere trvare sequenze temprali simili ad una sequenza data trvare cppie di sequenze simili quest può essere fatt misurand la crrelazine tra sequenze può essere utile anche misurare la crrelazine di una sequenza cn se stessa (ma pprtunamente traslata nel temp) 59 Applicazini Identificazine delle scietà cn cmprtament simile di crescita Determinazine di prdtti cn prfil simile di vendita Identificazine di azini cn andament simile Individuazine przini nde sismiche nn simili per determinare irreglarità gelgiche 60

31 Tecniche Due tipi di interrgazine match cmplet: la sequenza cercata e le sequenze della base di dati hann la stessa lunghezza match parziale: la sequenza cercata può essere sttsequenza di quelle recuperate dalla base di dati Pssibilità di traslazini, variazini di scala 61 Esempi prezz AZIONE A temp prezz prezz AZIONE B temp temp 62

32 Il prcess di data mining Il data mining è un prcess per rislvere prblemi decisinali in md (raginevlmente) cnsistente, ripetibile e ggettiv 63 Il prcess di data mining Business understanding i prblemi di business sn cmplessi, e la lr cmprensine è il punt di partenza per la lr sluzine Data understanding è imprtante anche capire quali sn i dati a dispsizine quali tra i tanti dati a dispsizine sn utili per rislvere il prblema in esame di slit, la cmprensine del prblema e quella dei dati sn attività svlte in md intrecciat, iterativ in generale, è iterativ l inter prcess di data mining Data preparatin è cmune dver pre-elabrare i dati selezinati (ad esempi, tramite cnversini e perazini di pulizia e di nrmalizzazine dei dati), per pterli effettivamente utilizzare, ppure per ttenere risultati migliri 64

33 Il prcess di data mining Mdeling è l attività di estrazine di un pattern di un mdell dai dati, che cattura reglarità dei dati che pssn essere utilizzate a fini decisinali Evaluatin i risultati del data mining vann pi valutati, ad esempi in termini di validità e affidabilità per determinare se il mdell trvat rislve effettivamente il prblema di business iniziale Deplyment se il mdell trvat è sddisfacente, viene effettivamente mess in us per rislvere il prblema di business di interesse per realizzare un pprtun ritrn di investiment 65

Convegno organizzato dall Associazione ICT Dott.com. Business Intelligence L utilità per le imprese. Prof. Elena Baralis. Politecnico di Torino

Convegno organizzato dall Associazione ICT Dott.com. Business Intelligence L utilità per le imprese. Prof. Elena Baralis. Politecnico di Torino Cnvegn rganizzat dall Assciazine ICT Dtt.cm Business Intelligence L utilità per le imprese Prf. Plitecnic di Trin D B M G Data Base and Data Mining Grup f Plitecnic di Trin Supprt alle decisini aziendali

Dettagli

Il Business Plan, documento essenziale per lo sviluppo e la crescita dell impresa. Sintesi del nostro punto di vista

Il Business Plan, documento essenziale per lo sviluppo e la crescita dell impresa. Sintesi del nostro punto di vista Il Business Plan, dcument essenziale per l svilupp e la crescita dell impresa Sintesi del nstr punt di vista Settembre 2014 Preparare il Business Plan Sintesi del nstr punt di vista La preparazine del

Dettagli

CASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Trasversale. Servizio: Valutazione Sito internet

CASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Trasversale. Servizio: Valutazione Sito internet CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Trasversale Servizi: Valutazine Sit internet INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION... 4 1.2 DESCRIZIONE

Dettagli

QUESTIONARIO VALUTAZIONE SITO INTERNET

QUESTIONARIO VALUTAZIONE SITO INTERNET STRUMENTO N 7 QUESTIONARIO VALUTAZIONE SITO INTERNET MigliraPA è un prgett del Dipartiment per la Funzine Pubblica realizzat da FORUM PA e Lattanzi E Assciati. 06.684251 inf@miglirapa.it http://www.qualitapa.gv.it/it/custmer-satisfactin/miglirapa/

Dettagli

visibilità su acquistiverdi.it green web marketing listino nov 2012/nov 2013 green matching I SERVIZI DI AcquistiVerdi.it

visibilità su acquistiverdi.it green web marketing listino nov 2012/nov 2013 green matching I SERVIZI DI AcquistiVerdi.it www.acquistiverdi.it inf@acquistiverdi.it Tel. 0532 762673 Fax 0532 769666 visibilità su acquistiverdi.it listin nv 2012/nv 2013 green web marketing green matching I SERVIZI DI AcquistiVerdi.it AcquistiVerdi.it

Dettagli

PANEM Panificazione automatizzata rev. 1.0

PANEM Panificazione automatizzata rev. 1.0 PANEM Panificazine autmatizzata rev. 1.0 Premessa Il sftware PANEM è un gestinale att ad autmatizzare le prcedure lgistiche di gestine della panificazine. Il sftware PANEM è cmpletamente integrat cn Mitic:

Dettagli

CASSETTA DEGLI ATTREZZI STANDARD

CASSETTA DEGLI ATTREZZI STANDARD CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Cmune Uffici: Relazini cn il Pubblic Servizi: Assistenza Dmiciliare INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER

Dettagli

Via F. Lana, 1-25020 FLERO (BS) Tel. 0303582748 Fax 03072131184 www.themissoluzioni.it info@themissoluzioni.it. gruppo axelera.

Via F. Lana, 1-25020 FLERO (BS) Tel. 0303582748 Fax 03072131184 www.themissoluzioni.it info@themissoluzioni.it. gruppo axelera. Via F. Lana, 1-25020 FLERO (BS) Tel. 0303582748 Fax 03072131184 www.sluzini.it inf@sluzini.it grupp axelera sluzini Obiettiv Scp del presente dcument è descrivere il prdtt Nprinting, il più evlut add-in

Dettagli

Domande. 1. Possono diventare senatori della Repubblica Italiana tutti gli elettori che abbiano compiuto:

Domande. 1. Possono diventare senatori della Repubblica Italiana tutti gli elettori che abbiano compiuto: inserisci il tu indirizz di psta elettrnica, città, classe e scula di prvenienza. email: (a) Città: (a) Classe di appartenenza: (a) Scula di Prvenienza: (a) Dmande 1. Pssn diventare senatri della Repubblica

Dettagli

Tipo Ente: Trasversale. Ufficio: Servizio Biblioteca. Servizio: Prestito/consultazione

Tipo Ente: Trasversale. Ufficio: Servizio Biblioteca. Servizio: Prestito/consultazione Tip Ente: Trasversale Uffici: Servizi Bibliteca Servizi: Prestit/cnsultazine INDICE Smmari 1 Oggett e cntenuti... 3 1.1 Descrizine del servizi ggett di custmer satisfactin... 4 1.2 Descrizine del prcess

Dettagli

SCHEDA TECNICA PIANO EXPORT

SCHEDA TECNICA PIANO EXPORT ALLEGATO B2 SCHEDA TECNICA PIANO EXPORT Situazine di partenza Frnire infrmazini sulle strategie adttate le mdalità rganizzative cn le quali vengn attualmente serviti i mercati esteri cn l indicazine degli

Dettagli

Il metodo Zugeer Sabrina Tonielli Zugeer 05/01/2011

Il metodo Zugeer Sabrina Tonielli Zugeer 05/01/2011 Il metd Zugeer Sabrina Tnielli Zugeer 05/01/2011 IL METODO ZUGEER Il metd Zugeer Pag. 2 INDICE 1. COME E NATA L IDEA... 4 2. IL METODO... 4 3. PERCHE ZUGEER... 4 4. IN COSA CONSISTE... 5 5. LE REGOLE...

Dettagli

InfoCenter Product a PLM Product

InfoCenter Product a PLM Product InfCenter Prduct a PLM Prduct Inf Center Prduct Cmpnenti di Inf Center Prduct La gestine dcumenti Definizine e ggett Acquisizine di un ggett Funzini sugli ggetti L integrazine prgettazine e gestinali Le

Dettagli

SenTaClAus Sentiment Tagging & Clustering Analysis on web & social contents

SenTaClAus Sentiment Tagging & Clustering Analysis on web & social contents Via Marche 10 56123 Pisa Phne +39.050.552574 Fax +39.1782239361 inf@netseven.it - www.netseven.it P.IVA 01577590506 REGIONE TOSCANA POR CReO FESR 2007 2013 LINEA D INTERVENTO 1.5.a - 1.6 BANDO UNICO R&S

Dettagli

ISTITUTO DI ISTRUZIONE SUPERIORE P.ALDI - GROSSETO SEZIONE LICEO SCIENTIFICO

ISTITUTO DI ISTRUZIONE SUPERIORE P.ALDI - GROSSETO SEZIONE LICEO SCIENTIFICO ISTITUTO DI ISTRUZIONE SUPERIORE P.ALDI - GROSSETO SEZIONE LICEO SCIENTIFICO PROGRAMMAZIONE CLASSI PRIME ANNO SCOLASTICO 2013/2014 MATERIA: MATEMATICA ED INFORMATICA Test: MATEMATICA.BLU vl.1 Autri :BERGAMINI-TRIFONE-BAROZZI

Dettagli

QUESTIONARIO INSEGNANTE

QUESTIONARIO INSEGNANTE QUESTIONARIO INSEGNANTE Gentile insegnante, Le chiediam di esprimere la sua pinine su alcuni aspetti della vita sclastica e sul funzinament della scula nella quale attualmente lavra. Le rispste che darà

Dettagli

Scuola secondaria di 1 grado F. Malaguti Valsamoggia Anno scolastico 2014/2015 Programmazione per competenze Curricolo classi prime -tecnologia

Scuola secondaria di 1 grado F. Malaguti Valsamoggia Anno scolastico 2014/2015 Programmazione per competenze Curricolo classi prime -tecnologia Scula secndaria di 1 grad F. Malaguti Valsamggia Ann sclastic 2014/2015 Prgrammazine per cmpetenze Curricl classi prime -tecnlgia Traguardi per l svilupp delle cmpetenze al termine della scula secndaria

Dettagli

Web Marketing Plan. Obiettivi e Strategie

Web Marketing Plan. Obiettivi e Strategie Web Marketing Plan Obiettivi e Strategie L imprtanza degli biettivi Avere biettivi ben precisi in un pian di web marketing è fndamentale! Gli biettivi devn essere: Realistici Attuabili Obiettivi realistici

Dettagli

A chi si rivolge 3 Vantaggi 3 Caratteristiche 4. Funzionalità 6

A chi si rivolge 3 Vantaggi 3 Caratteristiche 4. Funzionalità 6 White Paper B2C A chi si rivlge 3 Vantaggi 3 Caratteristiche 4 Integrazine cn ERP 4 Gestine in Clud della piattafrma 4 Tecnlgia Respnsive 4 Marketing Oriented 4 Caratteristiche Tecniche 4 Funzinalità 6

Dettagli

EWS - Energy Weather Solutions

EWS - Energy Weather Solutions EWS - Energy Weather Slutins Nat nel 1995, il Centr Epsn Mete (CEM) è una delle strutture private di ricerca applicata e di previsine in ambit meterlgic e climatlgic più accreditate. Nel crs degli ultimi

Dettagli

Gestione Agenti. Software per il Calcolo provvigioni per Agenti e Venditori Software GESAGE - Specifiche del prodotto

Gestione Agenti. Software per il Calcolo provvigioni per Agenti e Venditori Software GESAGE - Specifiche del prodotto Gestine Agenti Sftware per il Calcl prvvigini per Agenti e Venditri Sftware GESAGE - Specifiche del prdtt EBC Cnsulting Gestine delle risrse umane http://www.ebccnsulting.cm Sftware H1 Hrms GESAGE Gestine

Dettagli

LE NUOVE FUNZIONALITA

LE NUOVE FUNZIONALITA LE NUOVE FUNZIONALITA Nuva veste grafica e Menù cntestuale cn navigatre Salvataggi Delega Caricament flussi cntrlt cn pssibilità mfica errate Riepilg delle e dei Flussi in vrazine Riepilg dei Flussi da

Dettagli

Business cntact & Custmer Management "Sfruttare la tecnlgia per trvare vantaggi cmpetitivi, cntinuamente nel temp LML Cmpany srl 2010 Tutti i diritti riservati Business Case LML Cmpany srl 2010 Tutti i

Dettagli

Sommario. Corso di Statistica Facoltà di Economia francesco mola a.a. 2010-2011. Fasi di un indagine statistica. L indagine statistica.

Sommario. Corso di Statistica Facoltà di Economia francesco mola a.a. 2010-2011. Fasi di un indagine statistica. L indagine statistica. Smmari Crs di Statistica Facltà di Ecnmia francesc mla a.a. 2010-2011 Lezine n 1 Che csa è la statistica? L scprirem a fine crs! altrimenti che gust c è? L indagine I cncetti di base Unità statistica.

Dettagli

3. Economia e società

3. Economia e società Guida mdell Prfil B Catalg degli biettivi di frmazine 3. Ecnmia e scietà Cmpetenze chiave 3.1 Capire i presuppsti dell ecnmia mndiale e cnscere le interazini fra aziende e mnd circstante 3.2 Avere un quadr

Dettagli

ASILO NIDO LA CORTE DEI BAMBINI

ASILO NIDO LA CORTE DEI BAMBINI ASILO NIDO LA CORTE DEI BAMBINI L Asil Nid La Crte dei Bambini ffre ai genitri e bambini accglienza e asclt cn una particlare attenzine ai bisgni persnali di crescita e di svilupp individuali. Pensa al

Dettagli

DataCubex Business Intelligence. Soluzioni del futuro

DataCubex Business Intelligence. Soluzioni del futuro DataCubex Business Intelligence Sluzini del futur pagina 2 Intrduzine L analisi OLAP (On Line Analytical Prcessing) è un insieme di tecniche sftware utilizzate per analizzare velcemente grandi quantità

Dettagli

CASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Asl. Ufficio: Assistenza 118. Servizio: Servizio 118

CASSETTA DEGLI ATTREZZI STANDARD. Tipo Ente: Asl. Ufficio: Assistenza 118. Servizio: Servizio 118 CASSETTA DEGLI ATTREZZI STANDARD Tip Ente: Asl Uffici: Assistenza 118 Servizi: Servizi 118 INDICE Smmari 1 OGGETTO E CONTENUTI... 3 1.1 DESCRIZIONE DEL SERVIZIO OGGETTO DI CUSTOMER SATISFACTION... 4 1.2

Dettagli

CIRCOLO DIDATTICO PAOLO VETRI - RAGUSA

CIRCOLO DIDATTICO PAOLO VETRI - RAGUSA BOZZA SCHEDA Rilevazine BES GLI Direzine didattica Pal Vetri Ragusa 2013 CIRCOLO DIDATTICO PAOLO VETRI - RAGUSA Ann sclastic 2013-2014 RILEVAZIONE DI EVENTUALI ALUNNI CON BES La presente scheda cnsente

Dettagli

Regione Calabria Dipartimento n.9 Lavori Pubblici ed Infrastrutture

Regione Calabria Dipartimento n.9 Lavori Pubblici ed Infrastrutture UNIONE EUROPEA REPUBBLICA ITALIANA REGIONE CALABRIA Regine Calabria Dipartiment n.9 Lavri Pubblici ed Infrastrutture Via Crispi 33-88100 CATANZARO SPECIFICHE SIERC: INTEGRAZIONE PROTOCOLLO SIAR POR Calabria

Dettagli

A chi si rivolge 3 Vantaggi 6 Caratteristiche 7. Funzionalità 9

A chi si rivolge 3 Vantaggi 6 Caratteristiche 7. Funzionalità 9 White Paper B2B A chi si rivlge 3 Vantaggi 6 Caratteristiche 7 Integrazine cn ERP 7 Gestine in Clud della piattafrma 7 Tecnlgia Respnsive 7 Marketing Oriented 7 Caratteristiche Tecniche 7 Funzinalità 9

Dettagli

Conserviamo i Suoi dati presso di noi per tutto ciò che è necessario per gestire il finanziamento e adempiere agli obblighi di legge.

Conserviamo i Suoi dati presso di noi per tutto ciò che è necessario per gestire il finanziamento e adempiere agli obblighi di legge. 3210 M PS LEASIN G & FAC TORIN G, BANCA PER I SERVIZI F INANZ IAR I ALLE IMPR ESE S.P.A. Sede sci ale in Si ena, Vi a Al d Mr 11/13 - www.mpslf.it - C apitale Sci ale Eur 557.965.745,00 i.v. C dice fiscal

Dettagli

Banca Popolare FriulAdria Spa

Banca Popolare FriulAdria Spa INFORMAZIONI SULLA BANCA Banca Pplare FriulAdria S.p.A. Sede legale: Piazza XX settembre 2, 33170 Prdenne Iscritta all Alb delle Banche al n. 5391 - Scietà sggetta all attività di direzine e crdinament

Dettagli

1. CHE COS È LA CARTA DEI SERVIZI

1. CHE COS È LA CARTA DEI SERVIZI CARTA DEI SERVIZI 1. CHE COS È LA CARTA DEI SERVIZI 2. PRESENTAZIONE 3. SERVIZI FORNITI E AREE DI INTERVENTO 4. I PRINCIPI FONDAMENTALI 5. TUTELA E VERIFICA 6. DATI DELLA SEDE 1. CHE COS È LA CARTA DEI

Dettagli

Istruzione e formazione all imprenditorialità

Istruzione e formazione all imprenditorialità Istruzine e frmazine all imprenditrialità L istruzine e la frmazine all imprenditrialità è il punt di partenza per sviluppare ed espandere l attività dei prfessinisti, miglirand la lr cnscenza e le lr

Dettagli

Ricercare più rapidamente. Scegliere i migliori.. Più semplice, più rapido, più economico e migliore!

Ricercare più rapidamente. Scegliere i migliori.. Più semplice, più rapido, più economico e migliore! Identificare especialista buni cn il PEP Talentfinder: Interessa arrivan sulla hmepage della scietà. Psizini aperte (54) Candidati mensili 1000+ I candidati clican su pst vacante.. I candidati leggn l

Dettagli

GUIDA ALLA NAVIGAZIONE SUL SITO WEB

GUIDA ALLA NAVIGAZIONE SUL SITO WEB COMUNE DI VIMODRONE (MI) SETTORE AFFARI GENERALI E ISTITUZIONALI SERVIZIO SEGRETERIA UFFICIO CED (CENTRO ELABORAZIONE DATI) GUIDA ALLA NAVIGAZIONE SUL SITO WEB VERSIONE 1.0 20 SETTEMBRE 2012 Premessa Nuva

Dettagli

Amministrazione e Bilancio Docente di riferimento: Patrizia Tettamanzi

Amministrazione e Bilancio Docente di riferimento: Patrizia Tettamanzi Amministrazine e Bilanci Dcente di riferiment: Patrizia Tettamanzi Il prim macr-mdul ha l biettiv di permettere ai partecipanti di apprfndire la cnscenza degli strumenti fndamentali per una crretta applicazine

Dettagli

LINK (Labour Integrated NetworK)

LINK (Labour Integrated NetworK) LINK (Labur Integrated NetwrK) Descrizine prdtt Presentat per la prima vlta al FORUM P.A. 2003, Link (Labur Integrated NetwrK) è la piattafrma integrata di gestine del sistema infrmativ del lavr (SIL)

Dettagli

PROGETTO I - CAST Integrazione delle ICT nella catena del valore delle imprese del sistema Tessile Abbigliamento AVVISO

PROGETTO I - CAST Integrazione delle ICT nella catena del valore delle imprese del sistema Tessile Abbigliamento AVVISO PROGETTO I - CAST Integrazine delle ICT nella catena del valre delle imprese del sistema Tessile Abbigliament AVVISO Dispnibilità della piattafrma tecnlgica di scambi dcumentale Pagina 1 di 7 1. PREMESSA

Dettagli

ISTITUTO TECNICO COMMERCIALE STATALE ABBA - BALLINI

ISTITUTO TECNICO COMMERCIALE STATALE ABBA - BALLINI ISTITUTO TECNICO COMMERCIALE STATALE ABBA - BALLINI Via Tirandi n. 3-25128 BRESCIA tel. 030/307332-393363 - fax 030/303379 www.abba-ballini.it email: inf@abba-ballini.it DIPARTIMENTO DI INFORMATICA Attività

Dettagli

Note Legali - Modalità e condizioni di utilizzo del sito web

Note Legali - Modalità e condizioni di utilizzo del sito web Nte Legali - Mdalità e cndizini di utilizz del sit web Chiunque acceda utilizzi quest sit web accetta senza restrizini di essere vinclat dalle cndizini qui specificate. Se nn le accetta nn intende essere

Dettagli

CODICE ETICO E DEONTOLOGICO POLITICA SUI REGALI E SULL INTRATTENIMENTO

CODICE ETICO E DEONTOLOGICO POLITICA SUI REGALI E SULL INTRATTENIMENTO CODICE ETICO E DEONTOLOGICO POLITICA SUI REGALI E SULL INTRATTENIMENTO POLITICA SUI REGALI E SULL INTRATTENIMENTO Offrire ricevere regali aziendali e intrattenimenti è spess un md apprpriat utilizzat tra

Dettagli

Progetto Governance delle Risorse Umane-Modelli Innovativi

Progetto Governance delle Risorse Umane-Modelli Innovativi Prgett Gvernance delle Risrse Umane-Mdelli Innvativi Attività dirette al raffrzament degli Uffici addetti alle plitiche e alla gestine del persnale delle Amministrazini degli Enti Lcali delle Regini Obiettiv

Dettagli

Classificazioni dei linguaggi di programmazione

Classificazioni dei linguaggi di programmazione Il Sftware (prgrammi) può essere classificat cme: di sistema di base (Sistema Operativ, cmpilatri,, interpreti 1 ) prgrammi applicativi (editr di test, fgli elettrnici, data base.) linguaggi di prgrammazine

Dettagli

DEVELOPING JAVASERVER FACES WEB APPLICATIONS WITH AJAX USING SUN JAVA STUDIO CREATOR

DEVELOPING JAVASERVER FACES WEB APPLICATIONS WITH AJAX USING SUN JAVA STUDIO CREATOR DEVELOPING JAVASERVER FACES WEB APPLICATIONS WITH AJAX USING SUN JAVA STUDIO CREATOR UN BUON MOTIVO PER [cd. S307] Il crs Develping Web Applicatins With AJAX Using Sun Java Studi Creatr descrive i principi

Dettagli

Protocolli applicativi

Protocolli applicativi Prgrammazine cn le Scket Crs di laurea in Cmunicazine Digitale Labratri di sistemi e reti A.A. 2010-2011 Simne Bassis bassis@dsi.unimi.it Labratri di sistemi e reti (Cmunicazine Digitale) - A.A. 2010-2011

Dettagli

Scheda Tecnica Modulo SFA Professional

Scheda Tecnica Modulo SFA Professional pagina 2 Indice Premessa e generalità... 3 Lgica Sales Frce Autmatin... 5 Pagina iniziale... 7 Sales Frce... 8 Opprtunità... 11 Offerte... 14 Ordini... 16 pagina 3 Premessa e generalità Revs è un tl di

Dettagli

I SERVIZI DI CUI AVETE BISOGNO OVUNQUE VOI SIATE

I SERVIZI DI CUI AVETE BISOGNO OVUNQUE VOI SIATE I SERVIZI DI CUI AVETE BISOGNO OVUNQUE VOI SIATE La direttiva Servizi mira a ffrire ai cnsumatri più scelta, più qualità e un access più facile ai servizi in tutt il territri dell UE PERCHÉ LE NUOVE NORME

Dettagli

RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI COMPILAZIONE ON-LINE

RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI COMPILAZIONE ON-LINE RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI COMPILAZIONE ON-LINE Manuale Operativ STUDENTI Intrduzine: La rilevazine delle pinini degli studenti in merit alla didattica ergata press l Università degli studi

Dettagli

FATTURA ELETTRONICA PA

FATTURA ELETTRONICA PA Sistema Infrmativ PA FATTURA ELETTRONICA PA IL QUADRO DI RIFERIMENTO L intrduzine della fattura elettrnica è stata avviata cn la Legge n. 244 del 2007, che ne ha intrdtt l bblig, rinviand le mdalità di

Dettagli

TECNICO SISTEMISTA HARDWARE E SOFTWARE CERTIFICATO EUCIP IT ADMINISTRATOR INFORMAZIONI GENERALI ATTESTATO CHE IL CORSO RILASCIA

TECNICO SISTEMISTA HARDWARE E SOFTWARE CERTIFICATO EUCIP IT ADMINISTRATOR INFORMAZIONI GENERALI ATTESTATO CHE IL CORSO RILASCIA BANDO-SCHEDA INFORMATIVA DEL CORSO: TECNICO SISTEMISTA HARDWARE E SOFTWARE CERTIFICATO EUCIP IT ADMINISTRATOR INFORMAZIONI GENERALI ATTESTATO CHE IL CORSO RILASCIA Attestat di TECNICO SISTEMISTA HARDWARE

Dettagli

OSSERVAZIONI SULLA BOZZA PER CONSULTAZIONE DEL DOCUMENTO APPLICAZIONI IAS/IFRS IMPAIRMENT E AVVIAMENTO DEL FEBBRAIO 2009 30 APRILE 2009

OSSERVAZIONI SULLA BOZZA PER CONSULTAZIONE DEL DOCUMENTO APPLICAZIONI IAS/IFRS IMPAIRMENT E AVVIAMENTO DEL FEBBRAIO 2009 30 APRILE 2009 OSSERVAZIONI SULLA BOZZA PER CONSULTAZIONE DEL DOCUMENTO APPLICAZIONI IAS/IFRS IMPAIRMENT E AVVIAMENTO DEL FEBBRAIO 2009 30 APRILE 2009 CONTENUTI DEL DOCUMENTO 1. Le metdlgie di calcl del valre terminale

Dettagli

Tecniche di stima del costo del capitale azionario

Tecniche di stima del costo del capitale azionario Finanza Aziendale Analisi e valutazini per le decisini aziendali Tecniche di stima del cst del capitale azinari Capitl 16 Indice degli argmenti 1. Cst del capitale: principi generali 2. Metdlgie di stima

Dettagli

MODULO PER L ESERCIZIO DEL DIRITTO DI RECESSO

MODULO PER L ESERCIZIO DEL DIRITTO DI RECESSO MODULO PER L ESERCIZIO DEL DIRITTO DI RECESSO Mittente Nme: Cgnme: Indirizz: CAP: Città: E-mail: Telefn: Numer d rdine: Data di cnsegna: Cp.va Venditrice: DESTINATARIO MERCE COOP ITALIA CONS.NAZ.NON ALIM.

Dettagli

ALTA VELOCITA SIMMETRICA

ALTA VELOCITA SIMMETRICA ALTA VELOCITA SIMMETRICA Il servizi ffre un cllegament a Internet dedicat, flessibile, ad elevate velcità e prestazini. La cnnessine permanente ad Internet è realizzabile su gran parte del territri nazinale

Dettagli

Market Connect Feed. Descrizione dell architettura tecnica

Market Connect Feed. Descrizione dell architettura tecnica Market Cnnect Feed Descrizine dell architettura tecnica 2 Indice 1 INTRODUZIONE... 3 2 L INFRASTRUTTURA TECNOLOGICA DI RIFERIMENTO...4 3 SCENARI DI EROGAZIONE E CARATTERISTICHE DEL DATAFEED...5 4 OPZIONI

Dettagli

Facile e veloce. Inviare sms per avere nuove opportunità di mercato e rimanere in contatto con i suoi clienti.

Facile e veloce. Inviare sms per avere nuove opportunità di mercato e rimanere in contatto con i suoi clienti. Wind SMS Gate Plus per cmunicare in md Facile e velce. Inviare sms per avere nuve pprtunità di mercat e rimanere in cntatt cn i sui clienti. Wind SMS Gate Plus Cnveniente, facile e intuitiv, per utilizzare

Dettagli

ESAME DI FONDAMENTI DI INFORMATICA T-2 del 27/06/2011 Proff. E. Denti G. Zannoni Tempo a disposizione: 4 ore MAX

ESAME DI FONDAMENTI DI INFORMATICA T-2 del 27/06/2011 Proff. E. Denti G. Zannoni Tempo a disposizione: 4 ore MAX ESAME DI FONDAMENTI DI INFORMATICA T-2 del 27/06/2011 Prff. E. Denti G. Zannni Temp a dispsizine: 4 re MAX NB: il candidat trverà nell archivi ZIP scaricat da Esamix anche il sftware Start Kit NOME PROGETTO

Dettagli

Studiare Informatica in Bicocca 2013-14

Studiare Informatica in Bicocca 2013-14 Studiare Infrmatica in Biccca 2013-14 Dalla Pirelli all'università degli Studi di Milan-Biccca Perché studiare in Biccca! Cntest di Campus Universitari multi-culturale! facili scambi e incntri cn studenti

Dettagli

Gli strumenti della ricerca e i risultati dei focus group

Gli strumenti della ricerca e i risultati dei focus group Gli strumenti della ricerca e i risultati dei fcus grup 1. Il questinari E stat lanciat un prim sndaggi attravers il sit www.urp.it: Sei un amministrazine in rete? le amministrazini dvevan slamente indicare

Dettagli

TELEFONI CELLULARI ALLA SCUOLA MEDIA (Problem solvine Apprendimento cooperativo)

TELEFONI CELLULARI ALLA SCUOLA MEDIA (Problem solvine Apprendimento cooperativo) Relazine secnd labratri TELEFONI CELLULARI ALLA SCUOLA MEDIA (Prblem slvine Apprendiment cperativ) Salima Bartalena Alessandr Burrni Claudia Mazzanti INTRODUZIONE In quest labratri abbiam prvat sul camp

Dettagli

I punti informativi del concorso sono aperti e funzionanti, negli orari di apertura di Le Befane Shopping Centre nel seguente periodo:

I punti informativi del concorso sono aperti e funzionanti, negli orari di apertura di Le Befane Shopping Centre nel seguente periodo: CONCORSO A PREMI SE POTESSI AVERE MILLE EURO AL MESE RADDOPPIA! REGOLAMENTO MODALITÀ DI SVOLGIMENTO Tutti i clienti che effettuan un acquist press un qualsiasi dei negzi della galleria di Le Befane Shpping

Dettagli

Regolamento della negoziazione delle azioni, dei diritti d'opzione, delle obbligazioni convertibili e cum warrant di BPAA

Regolamento della negoziazione delle azioni, dei diritti d'opzione, delle obbligazioni convertibili e cum warrant di BPAA Reglament della negziazine delle azini, dei diritti d'pzine, delle bbligazini cnvertibili e cum warrant di BPAA Apprvat dal Cnsigli di amministrazine del 19 settembre 2014 1 Dcument apprvat, nella sua

Dettagli

OUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO

OUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO OUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO OUTSOURCING LOGISTICO E GESTIONE DEL CAMBIAMENTO La scelta strategica di un azienda di gestire cn una prpria rganizzazine la Supply Chain di affidarla,

Dettagli

Obiettivo. Dal problema al risultato Algoritmo. Imparare a PROGRAMMARE

Obiettivo. Dal problema al risultato Algoritmo. Imparare a PROGRAMMARE Obiettiv Imparare a PROGRAMMARE LA PROGRAMMAZIONE: Algritmi e prgrammi Imparare a cstruire PROGRAMMI che permettan, tramite l us di cmputer, di rislvere prblemi di divers tip. Prblema Dal prblema al risultat

Dettagli

Novità: Correzione di errori: Altro

Novità: Correzione di errori: Altro Nvità: È stata aggiunta alle pzini di cnfigurazine generale del prgrama la pssibilità di cnfigurare il cllegament al server tramite prxy. Si accettan questi tipi di prxy: SOCKS v4, SOCKS v5, HTTP 1.1 e

Dettagli

aprire da soli un agenzia di viaggi

aprire da soli un agenzia di viaggi Frmazine reale per aprire da sli un agenzia di viaggi Senza entrare in un franchising, impiegand le prprie frze! 0323517599 inf@sufitravel.it - CODICE FISCALE TDSGNN66A41Z133ZISCRIZIONE REGISTRO IMPRESE

Dettagli

Allegato Condizioni Promozionali Telefoni, Smartphone e Tablet

Allegato Condizioni Promozionali Telefoni, Smartphone e Tablet WIND Telecmunicazini S.p.A. - Scietà cn azinista unic Direzine e crdinament di VimpelCm Ltd. Sede legale: Via Cesare Giuli Vila 48-00148 Rma Sede secndaria: Via Lrenteggi 257-20152 Milan Reg. Imp.: 05410741002

Dettagli

Comunicazione Organizzativa

Comunicazione Organizzativa N : 01/2013 Alert apprfndimenti cntrparti e beni (annulla e sstituisce la Oggett: Cmunicazine Organizzativa n. 22/2011) Firma: Amministratre Delegat Data di pubblicazine: 24/01/ 2013 Data di validità:

Dettagli

Mon Ami 3000. Gestione della packing list

Mon Ami 3000. Gestione della packing list Prerequisiti Mn Ami 3000 Packing list Gestine della packing list L pzine Packing list è dispnibile per le versini Azienda Light e Azienda Pr. Intrduzine L'pzine Packing list cnsente di velcizzare la gestine

Dettagli

LA FACOLTÀ DI GIURISPRUDENZA

LA FACOLTÀ DI GIURISPRUDENZA LA FACOLTÀ DI GIURISPRUDENZA STRUTTURA GENERALE DEI CORSI DI LAUREA E SISTEMA DEI "CREDITI" In base alla rifrma universitaria (D.M. 3.11.99 n. 509) l impegn dell studente (frequenza dei crsi e studi individuale)

Dettagli

Gestione della conoscenza (Knowledge Management, KM) nelle aziende sanitarie

Gestione della conoscenza (Knowledge Management, KM) nelle aziende sanitarie Gestine della cnscenza (Knwledge Management, KM) nelle aziende sanitarie Schema dell intervent del dtt. Michele Tringali Azienda Ospedaliera di Udine - www.spedaleudine.it/kc 1. Intrduzine Grandi successi

Dettagli

Compilazione. Compilazione del Giornale dei lavori

Compilazione. Compilazione del Giornale dei lavori Girnale Elettrnic dei Lavri GIOELAV (Versine 1.1.0) Cs è GIOELAV? E una piattafrma sftware, residente in clud, per la registrazine di tutte le attività girnaliere riguardanti l'andament dei Cantieri e

Dettagli

ORGANISMO DI MEDIAZIONE DELL ORDINE DEGLI AVVOCATI DI NOVARA

ORGANISMO DI MEDIAZIONE DELL ORDINE DEGLI AVVOCATI DI NOVARA ORGANISMO DI MEDIAZIONE DELL ORDINE DEGLI AVVOCATI DI NOVARA Parte istante Sede legale: Via P. Azari n. 15 28100 Nvara Partita IVA: 00529380032 iscritt al n.1026 del Registr degli rganismi deputati a gestire

Dettagli

Bando per la concessione di agevolazioni alle imprese per favorire la registrazione di marchi comunitari e internazionali Nazionale

Bando per la concessione di agevolazioni alle imprese per favorire la registrazione di marchi comunitari e internazionali Nazionale Scheda 1. Band per la cncessine di agevlazini alle imprese per favrire la registrazine di marchi cmunitari e internazinali Nazinale Tempistiche e scadenze del band Le dmande ptrann essere presentate dal

Dettagli

11/12/2014. Studiare meno, studiare meglio: supportare i figli nell acquisizione di un metodo di studio personalizzato ed efficace

11/12/2014. Studiare meno, studiare meglio: supportare i figli nell acquisizione di un metodo di studio personalizzato ed efficace Studiare men, studiare megli: supprtare i figli nell acquisizine di un metd di studi persnalizzat ed efficace 1 Argmenti 1. Perché ccuparci dei cmpiti sclastici? 2. Il rul dei genitri nell aiut cmpiti

Dettagli

QUANDO WINDOWS XP NON SI AVVIA

QUANDO WINDOWS XP NON SI AVVIA Tecnlgie infrmatiche QUANDO WINDOWS XP NON SI AVVIA In quest articl viene descritta la prcedura per ripristinare un sistema cn Windws XP che nn è più pssibile avviare a causa di un errre nel Registr di

Dettagli

SCHEDA DI SINTESI ATTIVITA

SCHEDA DI SINTESI ATTIVITA BENEFICIARI SCADENZA RISORSE FINANZIARIE DISPONIBILI BANDO SCHEDA SINTESI BANDO MIUR PER CLUSTER CENTRO NORD 2012 AVVISO PER LO SVILUPPO E POTENZIAMENTO DI CLUSTER TECNOLOGICI NAZIONALI Fndi FAR cmplessivi

Dettagli

Licei Costanza Varano Camerino

Licei Costanza Varano Camerino Licei Cstanza Varan Camerin SCHEDA PER L'ANALISI DELLA DOMANDA Prima Parte (a cura dell studente-diplmat, in mdalità assistita) 1. DATI PERSONALI (per studenti/diplmati) Nme e Cgnme studente Lug e data

Dettagli

WAS Monitoring Valutazione rischio Work organization

WAS Monitoring Valutazione rischio Work organization Mnitring Valutazine rischi Wrk rganizatin Premessa In base ai dcumenti dell WHO(OMS), alle linee guida eurpee, all Accrd Eurpe del 2004 sull stress lavr crrelat e in base al dcument ICF dell OMS 2001 che

Dettagli

T I N I T A L Y S.R.L. Fusione, Laminazione, Estrusione e Commercializzazione di Metalli non Ferrosi

T I N I T A L Y S.R.L. Fusione, Laminazione, Estrusione e Commercializzazione di Metalli non Ferrosi DESCRIZIONE TINITALY TSC 0307+ (Tin/Silver/Cpper) ULTRA LOW LEAD LEGA SENZA PIOMBO PER SALDATURA AD ONDA La Tinitaly è rgglisa di ffrire al mercat la nuva TSC 0307. Questa si presenta cme un ttim rimpiazz

Dettagli

Ecco le rendite che puo scegliere:

Ecco le rendite che puo scegliere: QUALE PENSIONE E MEGLIO PER TE? COSA SUCCEDE QUANDO VADO IN PENSIONE? All att del pensinament nel regime bbligatri (INPS), l iscritt matura anche il diritt alle prestazini pensinistiche di (purché abbia

Dettagli

Lezione Le Strategie e le Imprese Alberghiere a.a. 2008/09

Lezione Le Strategie e le Imprese Alberghiere a.a. 2008/09 Università degli Studi di Rma Tr Vergata Facltà di Lettere e Filsfia Lezine Le Strategie e le Imprese Alberghiere a.a. 2008/09 Prf.ssa Claudia M. Glinelli Imprese alberghiere Mn-Unit/Multi-Unit Lcalizzazine

Dettagli

Progettare l ambiente di apprendimento. Valorizzare l esperienza e le conoscenze degli alunni

Progettare l ambiente di apprendimento. Valorizzare l esperienza e le conoscenze degli alunni Rendiam prduttive le riunini Per prgettare un mdell di scula: un apprcci culturale e filsfic un elabrazine pedaggica una prgettazine didattica frti cnscenze disciplinari L autnmia è: respnsabilità innvazine

Dettagli

Le figure del sistema di Prevenzione aziendale secondo il D.Lgs.81/08

Le figure del sistema di Prevenzione aziendale secondo il D.Lgs.81/08 Le figure del sistema di Prevenzine aziendale secnd il D.Lgs.81/08 Le figure del sistema SICUREZZA Rappresentante dei lavratri per la sicurezza (RLS). Datre di lavr (DL), prepsti e dirigenti. Respnsabile

Dettagli

Regole per ottenere il riconoscimento IATF, 2 edizione, Sanctioned Interpretations

Regole per ottenere il riconoscimento IATF, 2 edizione, Sanctioned Interpretations Regle per ttenere il ricnsciment IATF, 2 edizine, Sanctined Interpretatins Le Regle per ttenere il ricnsciment IATF, 2 edizine, sn state pubblicate nel 2004. Le seguenti Sanctined Interpretatins sn state

Dettagli

Sviluppo di applicazioni con XML e Web Services

Sviluppo di applicazioni con XML e Web Services Svilupp di applicazini cn XML e Web Services di Gabriele Pellegrinetti Tecnet Dati s.r.l. Crs Svizzera 185 10149 Trin Tel. 011-7718090 http://www.tecnetdati.cm mail: inf@tecnetdati.it Tecnet Dati s.r.l.

Dettagli

BILANCIO DI CARRIERA E PERSONALE

BILANCIO DI CARRIERA E PERSONALE BILANCIO DI CARRIERA E PERSONALE Cnsci te stess. Scrate Se nn sai dve andare nn pss dirti cme arrivare. Prverbi Il bilanci di cmpetenze è un percrs di rientament che serve a realizzare scelte e/ cambiamenti

Dettagli

e/fiscali - Rel. 04.01.04

e/fiscali - Rel. 04.01.04 e/fiscali - Rel. 04.01.04 Rimini, 09 dicembre 2013 e/fiscali - Fix 04.01.04 Dcumentazine di rilasci 24 ORE Sftware S.p.A. 12/12/2013 Pag. 1 di 15 INDICE 1 FIX 04.01.04 DI E/FISCALI... 3 2 NOTE DI INSTALLAZIONE...

Dettagli

Ordine Avvocati Torino

Ordine Avvocati Torino Trin, Aprile 2015 La presente è per cmunicarvi che è stata stipulata una cnvenzine tra la Wlters Kluwer Italia, leader nella frnitura di sftware e cntenuti editriali che annvera i più prestigisi brand

Dettagli

RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI COMPILAZIONE ON-LINE. Manuale Operativo STUDENTI

RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI COMPILAZIONE ON-LINE. Manuale Operativo STUDENTI RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI COMPILAZIONE ON-LINE Manuale Operativ STUDENTI Intrduzine: A partire dall A.A. 2013/14 l Università degli studi di Siena ha attivat una prcedura di rilevazine

Dettagli

SETTORE PRIVATI. Analisi & Mercati fee only dispone di sistemi informatici e tecnologici che consentono di monitorare e analizzare l intera offerta.

SETTORE PRIVATI. Analisi & Mercati fee only dispone di sistemi informatici e tecnologici che consentono di monitorare e analizzare l intera offerta. SETTORE PRIVATI Analisi & Mercati fee nly è leader a Rma nella cnsulenza finanziaria senza cnflitti di interesse ed pera cn ricnsciuta prfessinalità. Analisi & Mercati fee nly aderisce all unic cdice etic

Dettagli

Economia principi e pratiche

Economia principi e pratiche Ecnmia principi e pratiche Lezine 4 Macrecnmia: Plitiche Marc Savili m.savili@unib.it Test di riferiment: Gary E. Claytn, 2008, Ecnmics: Principles & Practices, Glence McGraw Hill Perfrmance ecnmica Misurazine

Dettagli

Guida di riferimento rapido

Guida di riferimento rapido intrduzine Guida di riferiment rapid INSTALLAZIONE DI DOCUSOFT Versine 7 DOCUTECH srl Manuale utente - 1 intrduzine DOCUSOFT 7 DOCUTECH srl Manuale utente - 2 intrduzine INTRODUZIONE CONVENZIONI In questa

Dettagli

Riferimenti. Legge 136 del 13.08.2010. D.L. 187 del 12.11.2010. Determinazione n. 8 AVCP del 18.11.2010. Legge 217 del 17.12.2010

Riferimenti. Legge 136 del 13.08.2010. D.L. 187 del 12.11.2010. Determinazione n. 8 AVCP del 18.11.2010. Legge 217 del 17.12.2010 Riferimenti Legge 136 del 13.08.2010 D.L. 187 del 12.11.2010 Determinazine n. 8 AVCP del 18.11.2010 Legge 217 del 17.12.2010 Determinazine n. 10 AVCP del 22.12.2010 Finalità Assicurare la tracciabilità

Dettagli

COMUNICARE CORSO DI COMUNICAZIONE.

COMUNICARE CORSO DI COMUNICAZIONE. GIOVANI SOCI DELLA CASSA RURALE DI TRENTO PRESENTANO: COMUNICARE CORSO DI COMUNICAZIONE. Cme previst dall statut e cme sempre è stat nell intent del direttiv dell assciazine, i Givani Sci della Cassa Rurale

Dettagli

IL BUSINESS CONTINUITY PLAN DEI SISTEMI INFORMATIVI E DISASTER RECOVERY

IL BUSINESS CONTINUITY PLAN DEI SISTEMI INFORMATIVI E DISASTER RECOVERY IL BUSINESS CONTINUITY PLAN DEI SISTEMI INFORMATIVI E DISASTER RECOVERY UN BUON MOTIVO PER [cd. E453] Il Crs ha cme biettiv di frnire gli strumenti e le metdlgie per prevenire e gestire efficacemente le

Dettagli

Manager selection: gli indicatori Morningstar per la costruzione di portafogli attivi. Sara Silano Managing Editor Morningstar Italy

Manager selection: gli indicatori Morningstar per la costruzione di portafogli attivi. Sara Silano Managing Editor Morningstar Italy Manager selectin: gli indicatri Mrningstar per la cstruzine di prtafgli attivi Sara Silan Managing Editr Mrningstar Italy Smmari g Perché la Manager selectin è imprtante g Gli indicatri per valutare il

Dettagli