1. EVOLUZIONE DELLE TECNOLOGIE DI ANALISI DEI DATI

Transcript

1

2 1. EVOLUZIONE DELLE TECNOLOGIE DI ANALISI DEI DATI 1.1 Evoluzione delle tecnologie informatiche di gestione e analisi dati Fase 1 Database relazionali e SQL Fase 2- Data Warehouse e Business Intelligence Fase 3 On Line Analytical Processing (OLAP) Fase 4 Data mining Fase 5 Advanced analytics, collaboration, cloud Fase 6 Big Data e advanced analytics Le fonti dei Big Data Dai dati operazionali ai Big Data Le fonti operazionali Dati forniti da DCS, sensori e strumenti scientifici Dati semi-strutturati e non strutturati Altre fonti di Big Data Evoluzione dei modelli di analisi dei dati Tecniche predittive, prescrittive e cognitive Tipologie di algoritmi di advanced analytics Fasi di sviluppo di un progetto di predictive/prescriptive analytics Bibliografia BUSINESS INTELLIGENCE E MACHINE LEARNING 2.1 Business Intelligence (BI) Dai dati alle informazioni e alla conoscenza Componenti di un sistema di BI Fattori abilitanti un sistema di BI Sistemi di BI e metodologie di analisi BI e Sistemi di Supporto alle Decisioni (DSS) Il Data Warehousing Data mart Architettura di un Data Warehouse Cubi e analisi statistiche multidimensionali BI 4.0 e DSS Il Machine Learning Sistemi di Machine Learning Fasi di costruzione di un modello di ML Tipologia di problemi risolvibili in ambiente Microsoft Azure ML Sinossi degli algoritmi di Machine Learning Bibliografia Wolters Kluwer Italia Big data analytics e Data mining 13

3 3. DATA MINING: SEGMENTAZIONE, PREVISIONE, LANCIO DI PRODOTTI, CUSTOMER SATISFACTION 3.1 Data Mining e applicazioni nel Marketing Introduzione al Data Mining Il Data Mining nel CRM Dai dati alla conoscenza Applicazioni di Data Mining Processo di Data Mining Classificazione dei metodi di data mining Fase di acquisizione del CVC: Segmentazione della clientela Introduzione Classificazione dei metodi di segmentazione Metodi di segmentazione descrittivi: la cluster analysis metrica Segmentazione comportamentale della clientela con gli alberi decisionali Fase di sviluppo del CVC: Analisi previsionale delle vendite Modelli di previsione della domanda Un nuovo approccio alla previsione: la regressione su variabili indicatrici Conclusioni Fase di sviluppo del CVC: Lancio di nuovi prodotti con la conjoint analysis Introduzione Fasi operative della procedura COA Forma algebrica del modello COA Il piano sperimentale di rilevazione dei giudizi di valutazione La COA metrica Applicazione: lancio di un nuova polizza vita con la COA Segmentazione dei valutatori ed individuazione del marketing-mix ottimale Fase di sviluppo del CVC: Valutazione della customer satisfaction Ricerca di customer satisfaction presso le agenzie di un Gruppo bancario Valutazione degli attributi del servizio Valutazione dei fattori del servizio: analisi delle componenti principali Bibliografia DATA MINING: CAMPAGNE PROMOZIONALI, MARKET BASKET ANALYSIS, CHURN ANALYSIS 4.1 Fase di sviluppo del CVC: Massimizzazione della redemption di una campagna Obiettivo Wolters Kluwer Italia Big data analytics e Data mining

4 4.1.2 Fasi della metodologia Metodologia della regressione logistica Applicazione della regressione logistica per massimizzare i risultati di una campagna Fase di sviluppo del CVC: Segmentazione della clientela e Market basket analysis Segmentazione della clientela e analisi MBA Applicazione della Market Basket Analysis - MBA Applicazione della MBA al portafoglio-prodotti dei clienti Utilizzazione dei risultati della segmentazione e della MBA Linee di sviluppo della MBA: analisi inferenziale con modello loglineare sulle associazioni tra prodotti Fase di maturità del CVC: Predizione dei clienti a rischio di abbandono (Churn analysis) Churn analysis nel settore bancario Individuazione dei clienti a rischio di abbandono Metodologia della churn analysis Regressione logistica su variabili qualitative per la churn analysis Applicazione della regressione logistica alla churn analysis Verifica della bontà della funzione di regressione logistica Analisi della Curva ROC Grafico della classificazione dei clienti Calcolo manuale delle probabilità di abbandono Bibliografia BIG DATA: CARATTERI, ALGORITMI, AMBITI APPLICATIVI 5.1 Big Data Definizione di Big Data Natura dei dati Ecosistema dei Big Data Classificazione dei Big Data Fonti e ambiti di utilizzazione dei Big Data RFID (Radio Frequency Identification) Dati provenienti dal Web Dati GIS Il ciclo di vita dei Big Data Big Data Analytics Processo di Big Data Analytics Il mercato degli analytics in Italia nel Rivoluzione tecnologica e trasformazione del Business La funzione del Data Scientist Ridefinizione della struttura organizzativa Analytics Wolters Kluwer Italia Big data analytics e Data mining 15

5 5.9 Il cloud computing Elementi del cloud computing Modelli di servizio Vantaggi del cloud Cloud computing e sicurezza dei dati Ambiti applicativi del cloud computing nelle PMI Registrazione di domini.cloud Servizi cloud e integrità dei dati Analisi real-time con i Big Data Abbattimento dei costi aziendali con i Big Data Vantaggio competitivo con i Big Data Utilizzazione dei Big Data Analytics Gestione della Forza vendita Il Digital Marketing con i Big Data Controllo delle frodi con i Big Data Big Data o «Big problem»? Il problema della privacy La leadership aziendale nel contesto dei Big Data Risk management La visione a 360 del cliente Riflessioni conclusive Bibliografia BIG DATA NEL MARKETING 6.1 Big Data e Marketing Marketing e Intelligence Gli analytics Di marketing Digital Marketing Previsioni di mercato Data Mining Gestione della relazione con il Cliente Big Data nel marketing Le tecnologie di Big Data per il Marketing Il Data-drive Gli analytics nei problemi di mercato Social analytics Intelligenza artificiale nel Marketing Big Data intelligence e audience Predictive analytics Customer profitability Dati di localizzazione del cliente Tecnologie di analytics applicate al Marketing Bibliografia Wolters Kluwer Italia Big data analytics e Data mining

6 7. Industria 4.0 e tecnologie abilitanti 7.1 L Industria Tecnologie abilitanti l Industria Stato dell arte dell Industria 4.0 in Italia Una recente ricerca Digital Economy Outlook 2017 dell OCSE Strategie per favorire lo sviluppo dell Industria Roadmap per l industria 4.0 in Italia Le prospettive dell Industria La nuova era del manifatturiero Benefici del Piano Industria 4.0 italiano Esempi di applicazioni dell IoT in Italia Case history Poltrona Frau e mass customization Case history Amplifon e Cloud Caso L Oréal: Tech beauty Bibliografia BIG DATA ANALYTICS: APPLICAZIONI, BENEFICI, PROSPETTIVE 8.1 Big Data, il «nuovo petrolio» Big Data nella Statistica La nuova frontiera dei censimenti Big Data nel settore sanitario Gli analytics nella sanità Gli analytics nel settore assicurativo Big Data nel settore bancario e finanziario Gli analytics nel settore aziendale Analytics e occupazione Tecnologie che accelerano il processo di automazione della forza lavoro Deep learning, etica, occupazione Verso nuove strategie di business Gestione manageriale evoluta con i Big Data Big Data Analytics e cloud: sfide e vantaggi per l azienda Tecnologie ed economia digitale Nuova economia digitale e convergency Convergenza tra settori: ecosistema, tecnologia, consumatore La ricerca Polimi e EY sulla cross industry convergency Nuova generazione di sistemi convergenti I futuri trend digitali delle organizzazioni IT Le due facce della medaglia dell IA Sviluppo di chatbot e blockchain La concorrenza tra i giganti tecnologici Applicazioni aziendali dei Big Data Analytics Case History 1: Analisi del rischio Case History 2: Anomaly detection e prevenzione di guasti Wolters Kluwer Italia Big data analytics e Data mining 17

7 Case History 3: Customer intelligence Case History 4: Gestione della produzione e del magazzino Case History 5: Ottimizzazione del processo produttivo Case History 6: Prevenzione di frodi Case History 7: Social media analysis Bibliografia Wolters Kluwer Italia Big data analytics e Data mining

8