Data mining e rischi aziendali
|
|
- Luigi Roberti
- 8 anni fa
- Visualizzazioni
Transcript
1 Data mining e rischi aziendali Antonella Ferrari
2 La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento Data Mining Esplorazione dei dati Analisi statistica e visualizzazione Data warehouse e data mart Analisi dei cubi multidimensionali Analisi attive di Bi Estrazione di informazioni e conoscenze a partire dai dati Analisi passive di Bi Metodi statistici, sistemi di interrogazioni e reporting Fonti di dati Dati operazionali, documenti e dati esterni Fonte: Business Intelligence. Modelli matematici e sistemi per le decisioni ioni,, C. Vercellis, McGraw Hill,,
3 Il data mining è Il processo di esplorazione e analisi di grandi quantità di dati avente lo scopo di scoprire conoscenza, nuovi fatti, correlazioni, regolarità utili nella presa di decisioni 3
4 Il data mining, la statistica classica e gli strumenti Olap Olap Estrazione di dettagli e totali aggregati dai dati Informazione Distribuzione dei redditi di chi richiede mutui Statistica Verifica di ipotesi formulate da analisti Validazione Analisi di varianza dei redditi di chi richiede mutui Data mining Identificazione di regolarità e ricorrenze nei dati Conoscenza Caratterizzazione di chi richiede mutui e predizione di chi li richiederà in futuro Fonte: Business Intelligence. Modelli matematici e sistemi per le decisioni ioni,, C. Vercellis, McGraw Hill,,
5 Il data mining, la statistica classica e gli strumenti Olap Analisi statistiche Preventiva formulazione di un ipotesi che in seguito si cerca di confermare in base all evidenza campionaria Analisi Olap Criteri di estrazione, reporting e visualizzazione basati su ipotesi formulate Entrambi forniscono elementi a conferma o a smentita delle ipotesi formulate Approccio di analisi di tipo top-down 5
6 Il data mining, la statistica classica e gli strumenti Olap Modelli di data mining Predizioni e interpretazioni che costituiscono nuova conoscenza Approccio di analisi di tipo bottom-up Apprendimento dai dati 6
7 Apprendimento dai dati Gli algoritmi imparano dai dati, sono quindi adattabili, cioè possono essere impiegati anche quando le condizioni cambiano Inoltre sono in grado di fornire buone risposte a fronte di dati rumorosi (errori o anomalie per eventi straordinari, ) 7
8 Obiettivo del data mining Capire il fenomeno (Apprendere dall esperienza passata) Prevedere il fenomeno (Ampliare l orizzonte) l Ieri Oggi Domani Un ponte tra il passato e il futuro 8
9 Dal dato alla conoscenza Dati Selezione Dati di target Preparazione Dati trasformati Data mining Patterns Interpretazione/ Valutazione Fonte: Advances in knowledge discovery and data mining, U. M.Fayyad, G.Piatetsky-Shapiro Shapiro,, P. Smyth,, R. R.Uthurusamy,, AAAAI Press / The MIT Press, Conoscenza 9
10 Dal dato alla conoscenza Processo interattivo e iterativo,, strutturato in diverse fasi: 1. Identificazione del problema, tenendo conto della relativa conoscenza già acquisita in precedenza e degli obiettivi che si vogliono perseguire 2. Selezione dell insieme dei dati, oggetto del processo di estrazione (scoperta) della conoscenza 3. Pulizia e normalizzazione dei dati attraverso, ad esempio, l eliminazione l dei dati rumorosi (noise( noise) ) e dei valori estremi (outlier( outlier), la gestione dei campi vuoti (missing values field) 10
11 Dal dato alla conoscenza Processo interattivo e iterativo,, strutturato in diverse fasi: 4. Individuazione delle caratteristiche salienti per rappresentare il fenomeno che si sta analizzando in funzione dell obiettivo definito 5. Scelta del cosiddetto data mining task,, cioè il tipo di analisi sui dati da effettuare (classificazione, previsione, ) 6. Scelta delle tecniche di data mining da impiegare per ricercare i pattern nei dati 11
12 Dal dato alla conoscenza Processo interattivo e iterativo,, strutturato in diverse fasi: 7. Svolgimento del data mining, cioè si compie la ricerca dei pattern d interessed 8. Interpretazione dei pattern scoperti con la possibilità di ritornare alle fasi precedenti per ulteriori iterazioni 9. Consolidamento e formalizzazione della conoscenza acquisita (realizzazione/integrazione di un sistema applicativo, redazione di documentazione, presentazione alle parti interessate, ) 12
13 Tipologia di problemi Classificazione/Valutazione Paziente A Paziente B t0 Previsione Paziente A Paziente B t1 Segmentazione Cluster A Cluster B Cluster C 13
14 Tipologia di apprendimento Apprendimento supervisionato Input Output Info Cliente XXX Info Cliente YYY Cliente Classe A Cliente Classe B Apprendimento non supervisionato Solo Input Cluster A Clienti Cluster B Cluster C 14
15 Alcune tecniche Apprendimento supervisionato Alberi decisionali Reti neurali * Apprendimento non supervisionato Regole associative Algoritmi di clustering 15
16 Reti neurali Tecnica di apprendimento che vuole essere il tentativo di imitare il cervello umano nella sua struttura di miliardi di neuroni interconnessi attraverso le sinapsi e nel suo funzionamento Essa è impiegata per la risoluzione di problemi in cui sono richieste capacità di riconoscimento,, di classificazione o di previsione 16
17 Alberi decisionali Tecnica di apprendimento per la risoluzione di problemi di classificazione e di previsione Essa genera regole del tipo se allora che consentono di capire il processo che ha portato a un certo risultato 17
18 Regole associative Tecnica che consente di estrarre informazioni sulla base della concomitanza del verificarsi di certi eventi Essa è spesso associata alla market basket analysis,, una tecnica impiegata per scoprire le relazioni o le correlazioni tra un insieme di prodotti (paniere o basket) 18
19 Algoritmi di clustering Gli algoritmi di clustering esplorano i dati al fine di individuare caratteristiche comuni che consentano di suddividerli in gruppi omogenei (cluster) I dati vengono raggruppati sulla base delle somiglianze e affinità che presentano 19
20 Differenze nelle tecniche Accuratezza versus comprensibilità Alto Alberi decisionali Livello di facilità di comprensione Algoritmi di clustering Regole associative Basso Reti neurali 20
21 Ambiti applicativi Rischio frodi perpetrate attraverso l uso l di carte di credito o Sim telefoniche Rischio frodi assicurative Rischio di credito Rischio di abbandono Rischi legati alla diagnostica medica Rischi legati a processi produttivi di diversa natura Rischi legati all It Governance (controllo, sicurezza, integrità dei dati, ) 21
22 Altri campioni (set) Altri campioni (set) Altre tecniche Altre tecniche 22 L ambiente ad hoc di data mining Definizione set/modelli Dati Scelta tecnica Quali Addestra- mento Raccolta Valutazione modelli Nuovi dati Nuovi dati Verifica, analisi e pulizia Altre variabili derivate Scelta miglior modello Pre- elaborazione A. Ferrari Dati scorretti o incongruenti Se non disponibili
23 Flusso operativo Database X Codice CLIENTE Caratteristiche individuate dal modello Codice CLIENTE Cluster di appartenenza Database X Datamart X Cluster di appartenenza da definire Modello di clustering Datamart X DWH X DWH X Tabella CLIENTI Tabella CLIENTI.. Report 23
24 Data mining e Edp auditing Il data mining come strumento a supporto dell attivit attività di Edp Auditing Il data mining come sistema informativo oggetto di attività di Edp Auditing 24
25 Grazie! 25
SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE
SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE Arricchimento dei dati del sottoscrittore / user Approccio Tradizionale Raccolta dei dati personali tramite contratto (professione, dati sul nucleo familiare, livello
DettagliPDF 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
DettagliMarketing 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
DettagliData Mining a.a. 2010-2011
Data Mining a.a. 2010-2011 Docente: mario.guarracino@cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario delle lezioni A partire dall 19.10.2010, Martedì h: 09.50 16.00
DettagliUno standard per il processo KDD
Uno standard per il processo KDD Il modello CRISP-DM (Cross Industry Standard Process for Data Mining) è un prodotto neutrale definito da un consorzio di numerose società per la standardizzazione del processo
DettagliSistemi di supporto alle decisioni
Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision
DettagliData 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
DettagliSistemi 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,
DettagliMASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016
MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence e Data Science In collaborazione con IV edizione 2015/2016 Dipartimento di Culture, Politica e Società Dipartimento di Informatica Dipartimento
DettagliMASTER UNIVERSITARIO
MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence In collaborazione con II edizione 2013/2014 Dipartimento di Culture, Politica e Società Dipartimento di Informatica gestito da aggiornato
DettagliPer capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L.
DATA WAREHOUSE Un Dataware House può essere definito come una base di dati di database. In molte aziende ad esempio ci potrebbero essere molti DB, per effettuare ricerche di diverso tipo, in funzione del
DettagliData 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
DettagliData mining. Data Mining. processo di Data Mining estrarre automaticamente informazioneda un insieme di dati
Data mining Il consente l informazione processo di Data Mining estrarre automaticamente informazioneda un insieme di dati telefoniche, ènascostaa a causa di fra quantitàdi loro, complessità: non... ci
DettagliSISTEMI 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 Sistemi informazionali La crescente diffusione dei
DettagliBusiness Intelligence Revorg. Roadmap. Revorg Business Intelligence. trasforma i dati operativi quotidiani in informazioni strategiche.
soluzioni di business intelligence Revorg Business Intelligence Utilizza al meglio i dati aziendali per le tue decisioni di business Business Intelligence Revorg Roadmap Definizione degli obiettivi di
DettagliSISTEMI 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
DettagliProgetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliSupporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;
.netbin. è un potentissimo strumento SVILUPPATO DA GIEMME INFORMATICA di analisi dei dati con esposizione dei dati in forma numerica e grafica con un interfaccia visuale di facile utilizzo, organizzata
DettagliCiclo di vita dimensionale
aprile 2012 1 Il ciclo di vita dimensionale Business Dimensional Lifecycle, chiamato anche Kimball Lifecycle descrive il framework complessivo che lega le diverse attività dello sviluppo di un sistema
Dettaglimanifatturiera e per i servizi
CAPITOLO 7 Tecnologie per la produzione manifatturiera e per i servizi Agenda Tecnologia e core technology Processi core ed ausiliari Tecnologia e struttura organizzativa Tecnologia core manifatturiera
DettagliData warehouse Introduzione
Database and data mining group, Data warehouse Introduzione INTRODUZIONE - 1 Pag. 1 Database and data mining group, Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi
DettagliModelli matematici avanzati per l azienda a.a. 2010-2011
Modelli matematici avanzati per l azienda a.a. 2010-2011 Docente: Pasquale L. De Angelis deangelis@uniparthenope.it tel. 081 5474557 http://www.economia.uniparthenope.it/siti_docenti P.L.DeAngelis Modelli
DettagliIndice. pagina 2 di 10
LEZIONE PROGETTAZIONE ORGANIZZATIVA DOTT.SSA ROSAMARIA D AMORE Indice PROGETTAZIONE ORGANIZZATIVA---------------------------------------------------------------------------------------- 3 LA STRUTTURA
DettagliLa suite Pentaho Community Edition
La suite Pentaho Community Edition GULCh 1 Cosa è la Business Intelligence Con la locuzione business intelligence (BI) ci si può solitamente riferire a: un insieme di processi aziendali per raccogliere
DettagliAgenda. I sistemi a supporto delle decisioni Information Directory Sviluppi futuri. Cinque anni di Data Warehouse:dai dati alle decisioni 1
Cinque anni di Data Warehouse: dai dati alle decisioni Mario ANCILLI SETTORE SISTEMI INFORMATIVI ED INFORMATICA DIREZIONE ORGANIZZAZIONE; PIANIFICAZIONE, SVILUPPO E GESTIONE DELLE RISORSE UMANE Torino,
DettagliISTITUTO TECNICO ECONOMICO MOSSOTTI
CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche
DettagliLa reingegnerizzazione dei processi nella Pubblica Amministrazione
La reingegnerizzazione dei processi nella Pubblica Amministrazione Dott.ssa Teresa Caltabiano Area della Ricerca Catania, 15 luglio 2011 Agenda Il contesto di riferimento Le organizzazioni I processi Il
DettagliLA STATISTICA AZIENDALE
LA STATISTICA AZIENDALE (Sintesi da Prof.ssa M.R. Ferrante www2.stat.unibo.it/ferrante/stataziendale.htm) Insieme dei metodi statistici utilizzabili per la raccolta, l organizzazione e l analisi dei dati
DettagliSuggerimenti per l approccio all analisi dei dati multivariati
Suggerimenti per l approccio all analisi dei dati multivariati Definizione degli obbiettivi Il primo passo è la definizione degli obbiettivi. Qual è l obbiettivo della sperimentazione i cui dati dovete
DettagliPREDICTIVE ANALYTICS A CA FOSCARI Proposta di un nuovo Corso di Laurea Magistrale
PREDICTIVE ANALYTICS A CA FOSCARI Proposta di un nuovo Corso di Laurea Magistrale Preparare gli specialisti dell informazione per le aziende e la società Scopo del Corso L informazione contenuta nei dati
DettagliData mining for e- commerce sites
Data mining for e- commerce sites Commercio elettronico Possibilità di svolgerele attività commerciali per via elettronica, in particolare tramite Internet. Un qualsiasi tipo di transazione tendente a
DettagliCorso di. Analisi e contabilità dei costi
Corso di Analisi e Contabilità dei Costi Prof. 1_I costi e il sistema di controllo Perché analizzare i costi aziendali? La CONOSCENZA DEI COSTI (formazione, composizione, comportamento) utile EFFETTUARE
DettagliSegmentare ovvero capire il contesto di mercato di riferimento
Lezione n. 5 Segmentare ovvero capire il contesto di mercato di riferimento Prof.ssa Clara Bassano Corso di Principi di Marketing A.A. 2006-2007 Verso la strategia aziendale Mission + Vision = Orientamento
DettagliLiceo Tecnologico. Indirizzo Informatico e Comunicazione. Indicazioni nazionali per Piani di Studi Personalizzati
Indirizzo Informatico e Comunicazione Indicazioni nazionali per Piani di Studi Personalizzati Indirizzo Informatico e Comunicazione Discipline con attività di laboratorio 3 4 5 Fisica 132 Gestione di progetto
Dettagli03. Il Modello Gestionale per Processi
03. Il Modello Gestionale per Processi Gli aspetti strutturali (vale a dire l organigramma e la descrizione delle funzioni, ruoli e responsabilità) da soli non bastano per gestire la performance; l organigramma
DettagliREALIZZARE UN MODELLO DI IMPRESA
REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità
DettagliCORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)
Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni
DettagliUniversità degli Studi di Roma Tor Vergata Facoltà di Lettere
Università degli Studi di Roma Tor Vergata Facoltà di Lettere CORSO DI ECONOMIA AZIENDALE Lezione 4: Le funzioni aziendali Le funzioni aziendali OBIETTIVI DELLA LEZIONE Definire il concetto di funzione
DettagliGESTIONE DELLE NON CONFORMITÀ E RECLAMI
Pagina 1 di 6 Procedura Rev. Data Descrizione modifica Approvazione 3 27.04.2003 Revisione generale (unificate NC e Reclami) C.V. 4 03.09.2007 Specificazione NC a carattere ambientale C.V. 5 07.03.2008
DettagliRelazione sul data warehouse e sul data mining
Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,
DettagliLezione 3: Introduzione all analisi e valutazione delle azioni. Analisi degli Investimenti 2014/15 Lorenzo Salieri
Lezione 3: Introduzione all analisi e valutazione delle azioni Analisi degli Investimenti 2014/15 Lorenzo Salieri Valutazione degli investimenti in azioni Intuitivamente si crea valore quando un azienda
DettagliCorso semestrale di Analisi e Contabilità dei Costi
Corso semestrale di Analisi e Contabilità dei Costi Aureli Selena 1_Sistema di controllo e contabilità analitica Perché analizzare i costi aziendali? La CONOSCENZA DEI COSTI (formazione, composizione,
DettagliGESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10. Angelo Bonomi
GESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10 Angelo Bonomi CONSIDERAZIONI SUL MONITORAGGIO Un monitoraggio ottimale dipende dalle considerazioni seguenti:
DettagliI sistemi di reporting e i rapporti direzionali
I sistemi di reporting e i rapporti direzionali Reporting - Sintesi dei fenomeni aziendali secondo modelli preconfezionati e con frequenza e aggiornamento prestabiliti - contabile (dati economici) - extracontabile
DettagliSistemi di Gestione dei Dati e dei Processi Aziendali. Computer-Assisted Audit Technique (CAAT)
Sistemi di Gestione dei Dati e dei Processi Aziendali Computer-Assisted Audit Technique (CAAT) Indice degli argomenti Introduzione Metodologia Esempi Conclusioni Slide 2 Introduzione Metodologia Esempi
DettagliUNIVERSITA DI PISA FACOLTA DI ECONOMIA CORSO DI LAUREA SPECIALISTICA IN STRATEGIA E GOVERNO DELL AZIENDA
UNIVERSITA DI PISA FACOLTA DI ECONOMIA CORSO DI LAUREA SPECIALISTICA IN STRATEGIA E GOVERNO DELL AZIENDA TESI DI LAUREA IN STATISTICA PER LE RICERCHE SPERIMENTALI E DI MERCATO L ANALISI STATISTICA DI DATI
DettagliPiano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
DettagliProgettazione dei Sistemi di Produzione
Progettazione dei Sistemi di Produzione Progettazione La progettazione è un processo iterativo che permette di definire le specifiche di implementazione per passare dall idea di un sistema alla sua realizzazione
DettagliL 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
DettagliOBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0
OBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0 OBIETTIVI DELL INTEGRAZIONE INTEGRAZIONE: INTERAZIONE DI UOMINI, PROCESSI E TECNOLOGIE CON L OBIETTIVO DI CREARE UN
DettagliIDENTIFICAZIONE DEI BISOGNI DEL CLIENTE
IDENTIFICAZIONE DEI BISOGNI DEL CLIENTE 51 Dichiarazione d intenti (mission statement) La dichiarazione d intenti ha il compito di stabilire degli obiettivi dal punto di vista del mercato, e in parte dal
DettagliRRF Reply Reporting Framework
RRF Reply Reporting Framework Introduzione L incremento dei servizi erogati nel campo delle telecomunicazioni implica la necessità di effettuare analisi short-term e long-term finalizzate a tenere sotto
DettagliOperatori Socio Sanitari risorsa e opportunità per il miglioramento della qualità e dell assistenza. Attribuzione o delega?
Operatori Socio Sanitari risorsa e opportunità per il miglioramento della qualità e dell assistenza. Attribuzione o delega? Pordenone, Marzo 2014 Dott.ssa Catia Cassin Delega In ambito gestionale per delega
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze MM. FF. NN. Dipartimento di Matematica pura e applicata LAUREA TRIENNALE IN INFORMATICA Conversione di un datawarehouse SAS e dei relativi processi di
DettagliLA CONOSCENZA DEL MONDO
SCUOLA DELL INFANZIA INDICATORI LA CONOSCENZA OBIETTIVI DI APPRENDIMENTO 3 anni 4 anni 5 anni. DEL MONDO FISICO E.. Esplorare con curiosità attraverso i sensi. Manipolare materiali diversi. Sperimentare
DettagliSCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI TECNOLOGIA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA
Ministero dell Istruzione, dell Università e della Ricerca Istituto Comprensivo Statale di Calolziocorte Via F. Nullo,6 23801 CALOLZIOCORTE (LC) e.mail: lcic823002@istruzione.it - Tel: 0341/642405/630636
DettagliLA COMUNICAZIONE NELLA MADRELINGUA. Numeri e spazio, fenomeni e viventi (MATEMATICA)
COMPETENZE EUROPEE INFANZIA CAMPO D ESPERIENZA OBIETTIVI DI APPRENDIMENTO ATTIVITA E CONTENUTI LA COMUNICAZIONE NELLA MADRELINGUA Numeri e spazio, fenomeni e viventi (MATEMATICA) Ha interiorizzato le nozioni
DettagliSCUOLA PRIMARIA OBIETTIVI DI APPRENDIMENTO
SCUOLA PRIMARIA TECNOLOGIA classe 1^ COMPETENZE CHIAVE Competenza in campo scientifico-tecnologico Competenza digitale Imparare a imparare TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE L alunno: riconosce
DettagliMENTORING MENTORING MENTORING FOR SALES & MARKETING B2B
I programmi di Mentoring sono un approccio multidisciplinare allo sviluppo del Leader al fine di aumentare la performance manageriale, acquisire e ampliare competenze di ruolo. MENTORING MENTORING FOR
DettagliPIANIFICAZIONE AUTOMATICA DEGLI INTERVENTI DI ASSISTENZA TECNICA. 2 Dicembre 2010
DI ASSISTENZA TECNICA 2 Dicembre 2010 La Pianificazione come strumento di ottimizzazione delle attività di assistenza tecnica Origine dell idea progettuale... deriva dall interesse, manifestato dai Clienti
DettagliSISTEMA DI GESTIONE INTEGRATO. Audit
Rev. 00 del 11.11.08 1. DISTRIBUZIONE A tutti i membri dell organizzazione ING. TOMMASO 2. SCOPO Gestione degli audit interni ambientali e di salute e sicurezza sul lavoro 3. APPLICABILITÀ La presente
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliEvidenziare le modalità con le quali l azienda agrituristica produce valore per i clienti attraverso la gestione dei propri processi.
5. Processi Evidenziare le modalità con le quali l azienda agrituristica produce valore per i clienti attraverso la gestione dei propri processi. Il criterio vuole approfondire come l azienda agrituristica
DettagliIL NUOVO MODELLO ORGANIZZATIVO DELLE STRUTTURE COMMERCIALI TERRITORIALI
IL NUOVO MODELLO ORGANIZZATIVO DELLE STRUTTURE COMMERCIALI TERRITORIALI 22 gennaio 2004 Posteitaliane 1 LINEE DI CONTESTO Negli anni passati è stato fatto un vigoroso sforzo per arricchire e diversificare
DettagliProgrammazione e controllo
Programmazione e controllo Capitolo 1 L attività di direzione e il sistema di misurazione dei costi Un quadro di riferimento 1.a. I tratti caratteristici dell attività di direzione nelle imprese moderne
Dettagliun occhio al passato per il tuo business futuro
2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 un occhio al passato per il tuo business futuro BUSINESS DISCOVERY Processi ed analisi per aziende virtuose Che cos è La Business Discovery è un insieme
DettagliProblemi tra prima e seconda
Problemi tra prima e seconda AMBIENTI DI APPRENDIMENTO IN MATEMATICA Annalisa Sodi Claudia Novelli A.S. 2013 2014 SCUOLA-CITTÀ PESTALOZZI Firenze Il lavoro che presentiamo continua una riflessione iniziata
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
Dettagli* Obiettivi trasversali con tecnologia
Ministero dell istruzione, dell università e della ricerca Istituto Comprensivo Giulio Bevilacqua Via Cardinale Giulio Bevilacqua n 8 25046 Cazzago San Martino (Bs) telefono 030 / 72.50.53 - fax 030 /
DettagliUniversità degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena
Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena Corso di Laurea Specialistica in Ingegneria Informatica Business Intelligence per le imprese: progetto e realizzazione di
DettagliCRM 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
DettagliRiccardo Dutto, Paolo Garza Politecnico di Torino. Riccardo Dutto, Paolo Garza Politecnico di Torino
Integration Services Project SQL Server 2005 Integration Services Permette di gestire tutti i processi di ETL Basato sui progetti di Business Intelligence di tipo Integration services Project SQL Server
DettagliIl sistema informativo aziendale
Albez edutainment production Il sistema informativo aziendale III classe ITC 1 Alla fine di questo modulo sarai in grado di: conoscere funzioni, obiettivi e struttura del sistema informativo aziendale;
DettagliOrientamenti sulla valutazione ex ante dei Programmi 2014-2020. Il sistema di indicatori nella programmazione 2014-2020
Orientamenti sulla valutazione ex ante dei Programmi 2014-2020 Il sistema di indicatori nella programmazione 2014-2020 Simona De Luca, Anna Ceci UVAL DPS Roma 11 luglio 2013 Indice 1. Indicatori: un modo
DettagliCustomer 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
DettagliLa Formazione: elemento chiave nello Sviluppo del Talento. Enzo De Palma Business Development Director
La Formazione: elemento chiave nello Sviluppo del Talento Enzo De Palma Business Development Director Gennaio 2014 Perché Investire nello Sviluppo del Talento? http://peterbaeklund.com/ Perché Investire
DettagliISO 9001:2015 vs. ISO 9001:2008
ISO 9001:2015 vs. ISO 9001:2008 (Tabella di correlazione) In molti sono comprensibilmente curiosi di conoscere le differenze tra la nuova ISO 9001:2015 e l attuale ISO 9001:2008. La Perry Johnson Registrars
DettagliMirco Nanni KDD Lab,ISTI-CNR, Pisa mirco.nanni@isti.cnr.it. DM 2012, 28 marzo 2012. Churn analysis. Introduzione
Mirco Nanni KDD Lab,ISTI-CNR, Pisa mirco.nanni@isti.cnr.it DM 2012, 28 marzo 2012 Churn analysis Introduzione Contesto generale Attività e servizi caratterizzati da un rapporto continuativo tra fornitore
DettagliLo sviluppo dei ricavi
Lo sviluppo dei ricavi Programma di potenziamento e propulsione commerciale della rete: - diagnostico della rete di vendita - progetto di potenziamento commerciale Collaborazione tra la rete bancaria e
Dettaglida Centri Territoriali Permanenti Centri provinciali di Istruzione per Adulti di Augusta Marconi
da Centri Territoriali Permanenti a Centri provinciali di Istruzione per Adulti di Augusta Marconi Introduzione QuickTime e un decompressore sono necessari per visualizzare quest'immagine. Attualmente
DettagliRiepilogo delle modifiche di PA-DSS dalla versione 2.0 alla 3.0
Settore delle carte di pagamento (PCI) Standard di protezione dei dati per le applicazioni di pagamento () Riepilogo delle modifiche di dalla versione 2.0 alla 3.0 Novembre 2013 Introduzione Il presente
DettagliSCRIVANIA DIGITALE Soluzione per la dematerializzazione dei documenti del ciclo passivo.
Soluzione per la dematerializzazione dei documenti del ciclo passivo. La soluzione per la dematerializzazione dei documenti del ciclo passivo. I benefici della trasformazione dei Kelyan Specializzata nella
DettagliRICHIESTE INSERITE NELLA SCHEDA DI CONTROLLO CON RIFERIMENTO AL CONTROLLO INTERNO SULL INFORMATIVA FINANZIARIA
ALLEGATO RICHIESTE INSERITE NELLA SCHEDA DI CONTROLLO CON RIFERIMENTO AL CONTROLLO INTERNO SULL INFORMATIVA FINANZIARIA CONTROLLO INTERNO SULL INFORMATIVA FINANZIARIA Premessa. Le risposte alle domande
DettagliB C I un altro punto di vista Introduzione
Bollicine Community B C Intelligence B C I un altro punto di vista Introduzione Graziano Guazzi General Manager Data Flow Settembre 2007 pag, 1 Cosa misurare La definizione di quale domanda di mercato
DettagliQUESTIONARIO 3: MATURITA ORGANIZZATIVA
QUESTIONARIO 3: MATURITA ORGANIZZATIVA Caratteristiche generali 0 I R M 1 Leadership e coerenza degli obiettivi 2. Orientamento ai risultati I manager elaborano e formulano una chiara mission. Es.: I manager
DettagliAnalisi dei requisiti e casi d uso
Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................
DettagliSCELTA DELL APPROCCIO. A corredo delle linee guida per l autovalutazione e il miglioramento
SCELTA DELL APPROCCIO A corredo delle linee guida per l autovalutazione e il miglioramento 1 SCELTA DELL APPROCCIO l approccio all autovalutazione diffusa può essere normale o semplificato, a seconda delle
DettagliGENERALITÀ SULLA CUSTOMER SATISFACTION
GENERALITÀ SULLA CUSTOMER SATISFACTION Giuseppe Cicconi IL MODELLO DI GENERAZIONE DELLA CUSTOMER SATISFACTION Caratteristica dell'offerta Funzionalita' "Immagine - esperienze passate con l azienda Valore
DettagliProgettazione esterna
Progettazione esterna Processi: Successive scomposizioni funzionali: Data Flow Diagram fino all ennesimo livello (DFD) Tutte le bolle di un DFD dell applicazione devono essere ulteriormente scomposte applicando
DettagliMappatura dei processi aziendali. Una metodologia per l analisi dei processi
Mappatura dei processi aziendali Una metodologia per l analisi dei processi Perché Essere un azienda competitiva = rivedere l organizzazione e progettare l intera azienda lungo la catena del valore in
DettagliData warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa
DettagliProgrammazione Annuale LICEO ECONOMICO
Programmazione Annuale LICEO ECONOMICO Classe 3 STRUTTURA DELLA PROGRAMMAZIONE ANNUALE I QUADRIMESTRE - MODULO N. 1 STRUMENTI E MODELLI CAPITALIZZAZIONE SEMPLICE Sottomodulo 1 : STRUMENTI E MODELLI: FUNZIONI,
DettagliDall idea al business plan
Dall idea al business plan Nicola Mattina Imprenditore Relatore pubblico Consulente Esploratore blog.nicolamattina.it @nicolamattina Chi sono Dall idea al progetto di impresa BUSINESS PLAN BUSINESS PLAN
DettagliAdvanced Analytics per la pianificazione strategica in ambito marketing e pricing
Advanced Analytics per la pianificazione strategica in ambito marketing e pricing Paolo Beatini CIO SAP Forum, 1 1. La Compagnia 1 2 3 4 5 6 Grandi Navi Veloci è una delle principali società europee di
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliTHEME Matrice di Competenza - Meccatronica
AREE DI COMPETENZA FASI DELLO SVILUPPO DELLE COMPETENZE 1. Effettuare la manutenzione e garantire l'affidabilità dei sistemi. svolgere le operazioni di manutenzione programmata di base su macchine e sistemi
DettagliSommario. Capitolo 1 Impiego della statistica per la gestione dell azienda 1. Capitolo 2 Disponibilità e produzione delle informazioni statistiche 19
Prefazione XI Capitolo 1 Impiego della statistica per la gestione dell azienda 1 1.1 Premessa 1 1.2 Il ruolo della statistica a supporto del processo decisionale del manager 3 1.3 L impiego della statistica
DettagliPROGETTO LOGICO-MATEMATICO
SCUOLA DELL INFANZIA Plesso DECORATO A.S. 2012-2013 PROGETTO LOGICO-MATEMATICO ALLA SCOPERTA DEI NUMERI E DELLA LOGICA MOTIVAZIONE Il progetto nasce dal desiderio di accompagnare i bambini di cinque anni,
DettagliGestione Contratti ARCHIVIAZIONE OTTICA E DATA ENTRY
Gestione Contratti ARCHIVIAZIONE OTTICA E DATA ENTRY Il sistema di gestione documenti Sistema di gestione contratti elaborato da ed utilizzato, per moltissimo tempo, tra gli altri, per una primaria Società
Dettagli