Matematica e Consulenza: un connubio perfetto Mirco Patriarca Università di Pavia, Marzo 2018
AGENDA La mia storia Cosa vuol dire essere un consulente «Data is the new Oil» Esempi di progetto Geo-localization clustering for a Global bank Customer behavioural segmentation for a Global bank Accenture overview
LA MIA STORIA: ING. MATEMATICO AL SERVIZIO DELLE IMPRESE Tesi Magistrale nel Dipartimento di Matematica (Prof. Secchi, Vantini, Sangalli) Functional Data Analysis of brain spike trains Ingegneria Matematica Top Industrial Managers for Europe Invitato a presentare i risultati della tesi in USA (Ohio State University) Articolo pubblicato sull Electronic Journal of Statistics: Analysis of Spike Trains Data: an application of K-Mean Alignment Coautore di un R package fdakma, disponibile sul CRAN: http://cran.r-project.org/web/packages/fdakma/fdakma.pdf Ecole d Ingénieur Cognitive & Analytics Consultant @IBM Information & Data Strategist @Accenture
COSA VUOL DIRE ESSERE UN CONSULENTE Essere un Consulente vuol dire RISOLVERE PROBLEMI!
«DATA IS THE NEW OIL» PERCHÉ LE COMPETENZE MATEMATICHE SONO NECESSARIE NEL MERCATO DI OGGI 5
ESEMPIO: GEO-LOCALIZATION CLUSTERING FOR A GLOBAL BANK Obiettivo Identificare i movimenti dei clienti e i luoghi preferiti analizzando la geolocalizzazione dei dati interni ed esterni al fine di ottimizzare la rete delle filiali in termini di efficienza, migliorando la Customer Care e intraprendendo iniziative di Co-Marketing Approccio 1 2 3 Identificare i movimenti del Cliente Identificare i luoghi abituali del cliente (casa, lavoro, ecc.) e i siti dove effettua transazioni con le carte di credito/debito Applicare Algoritmo di ML Utilizzare degli algoritmi di clustering non supervisionato per clusterizzare i luoghi di interesse e identificare i centroidi Calcolare l effettiva distanza Una volta individuati i centroidi del cliente, calcolare la distanza rispetto alle filiali della banca tenendo conto del chilometraggio effettivo e delle informazioni sul traffico (tempo, giorno della settimana, ecc.) in modo da identificare la filiale più vicina
CLUSTERING METHOD: K-MEANS ALGORITHM L'algoritmo segue una procedura iterativa: inizialmente crea K partizioni e assegna ad ogni partizione i punti d'ingresso o casualmente o usando alcune informazioni euristiche calcola il centroide di ogni gruppo; costruisce quindi una nuova partizione associando ogni punto d'ingresso al cluster il cui centroide è più vicino ad esso; vengono ricalcolati i centroidi per i nuovi cluster e così via, finché l'algoritmo non converge.
CLUSTERING METHOD: K-MEANS ALGORITHM L'algoritmo segue una procedura iterativa: inizialmente crea K partizioni e assegna ad ogni partizione i punti d'ingresso o casualmente o usando alcune informazioni euristiche calcola il centroide di ogni gruppo; costruisce quindi una nuova partizione associando ogni punto d'ingresso al cluster il cui centroide è più vicino ad esso; vengono ricalcolati i centroidi per i nuovi cluster e così via, finché l'algoritmo non converge.
PRIVATI IMPRESE ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATION CLASSIFICAZIONE AS-IS DELLA CLIENTELA Patrimonio Fatturato e/o Accordato Large Corporate F: >200 mln A: > 100 mln > 750 K Top Private Core Corporate F: Da 10 a 200 mln A: Da 7 a 100 mln Da 50K a 750K Affluent Medie imprese F: Da 0,25 a 10 mln A: 0,02 a 7 mln <50 K Mass Market Microimpresa F: 0,25 mln A: 0,02 mln
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATION GLI AFFLUENT SONO CLIENTI A MAGGIOR VALORE 15% 80% 30% 18% 20% 22%
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATION DASHBOARD DI VALUTAZIONE DELLE IPOTESI
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATION DASHBOARD DI VALUTAZIONE DELLE IPOTESI
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATION TECNICHE STATISTICHE UTILIZZATE Principal Component Analysis (PCA) Nota anche come Trasformata di Karhunen-Loève (KLT), Trasformata di Hotelling o Decomposizione ortogonale propria, la PCA è una tecnica di riduzione dimensionale usata per identificare un numero minore di variabili scorrelate all interno del dataset
ESEMPIO: CUSTOMER BEHAVIOURAL SEGMENTATION TECNICHE STATISTICHE UTILIZZATE Principal Component Analysis (PCA)
ACCENTURE OVERVIEW /1 Nel Mondo In Italia NYSE È QUOTATA AL NYSE DAL 2001 5 SONO PRESENTI 5 CENTRI DI INNOVAZIONE PER LO SVILUPPO DI SOLUZIONI AVANZATE. 120 442.000 NEL MONDO ACCENTURE CONTA OLTRE 400 MILA PROFESSIONISTI E SOSTIENE LA CRESCITA DELLE PROPRIE PERSONE. ACCENTURE OPERA IN OLTRE 120 PAESI. 5 13.000 PROFESSIONISTI IN ITALIA IN ITALIA LE SOCIETÀ DEL GRUPPO SI DIVIDONO TRA LE SEDI DI MILANO, ROMA, TORINO, NAPOLI, BOLOGNA OLTRE A DIVERSI UFFICI.
ACCENTURE OVERVIEW /2 LE CINQUE AREE DI ACCENTURE
PERCORSO DI CARRIERA @ACCENTURE Career Track: CLIENT & MARKET ANALYST CONSULTANT MANAGER SENIOR MANAGER MANAGING DIRECTOR