Il patrimonio informativo aziendale come supporto alle attività di marketing



Documenti analoghi
POR FESR Sardegna Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

EH SmartView. Una SmartView sui rischi e sulle opportunità. Servizio di monitoraggio dell assicurazione del credito.

Economie di scala, concorrenza imperfetta e commercio internazionale

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O /

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services

InfoCenter Product A PLM Application

Ottimizzare il contact center bilanciando costi e qualità del servizio

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

Economia del Lavoro. Argomenti del corso

Soluzioni per lo scarico dati da tachigrafo innovativi e facili da usare.

Introduzione al Machine Learning

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

MODELLI DI UTILITÀ ALEATORIA

L innovazione nella gestione della Qualità nelle PMI

I SINDACATI E LA CONTRATTAZIONE COLLETTIVA. Il ruolo economico del sindacato in concorrenza imperfetta, in cui:

FORMAZIONE ALPHAITALIA

TECNICHE DI PROGRAMMAZIONE

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

La verifica delle ipotesi

Ministero dell Ambiente e della Tutela del Territorio e del Mare MANUALE OPERATIVO PER IL SISTEMA DI MISURAZIONE E VALUTAZIONE DEL PERSONALE

icard Virtual POS Servizio di accettazione pagamenti online con carte di credito e debito MasterCard, VISA or JCB

Variabili statistiche - Sommario

Relazioni tra variabili: Correlazione e regressione lineare

Apprendimento Automatico e IR: introduzione al Machine Learning

Hansard OnLine. Unit Fund Centre Guida

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

La contabilità analitica nelle aziende agrarie

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Richiami di modelli di utilità aleatoria

Soluzione esercizio Mountbatten

Università degli Studi di Urbino Facoltà di Economia

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

3. Esercitazioni di Teoria delle code

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

DATA MINING E CLUSTERING

Modelli di utilità aleatoria

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

Modelli di utilità aleatoria

Le decisioni di gruppo in materia di trasporti: teorie, modelli, applicazioni Romeo Danielis e Lucia Rotaris

GURU. Facebook. Gli strumenti avanzati di Facebook ADS WEBLIME

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Corso di Economia Applicata

Lezione 4. Politica Economica Avanzata

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

McGraw-Hill. Tutti i diritti riservati. Caso 11

Modelli di utilità aleatoria

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

Turismo e innovazione in Trentino

PIANIFICAZIONE DEI TRASPORTI

Statistica e calcolo delle Probabilità. Allievi INF

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Tutti gli strumenti vanno tarati

SISTEMI PREVISIVI PER IL FLUSSO DI CLIENTELA IN POSTE ITALIANE

ESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato:

Modello del Gruppo d Acquisto

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Gli appartamenti Residence Alberti

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

Performance Attribution mono-periodale e multi-periodale: quali implicazioni per la scomposizione dell extra-rendimento?

Misure Ripetute ed Indipendenti

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

Valutazione dei Benefici interni

La tua area riservata Organizzazione Semplicità Efficienza

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

LA COMPATIBILITA tra due misure:

Concetti principale della lezione precedente

Strutture deformabili torsionalmente: analisi in FaTA-E

MACROECONOMIA A.A. 2014/2015

Efficienza energetica nelle PMI esempi di problemi tipici e possibili soluzioni per un risparmio economico ed energetico

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV)

Calcolo della caduta di tensione con il metodo vettoriale

Bonus Cap Certificates con sottostante Allianz SE, AXA SA, Assicurazioni Generali S.p.A.

PROGRAMMAZIONE DIDATTICA

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Programmazione e Controllo della Produzione. Analisi dei flussi

I fabbisogni standard nel settore sanitario Commento allo schema di decreto legislativo

Progetto Formativo ECM per Tecnici di Radiologia Medica Sanitaria Diagnostica per immagini: produzione e gestione delle immagini digitali

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Obiettivi Il concetto di Resilienza applicato ai territori rurali Una proposta p metodologica Un esempio: diversità e sviluppo

Codice di Stoccaggio Capitolo 7 Bilanciamento e reintegrazione dello stoccaggio

HOTEL PRICING AND YIELD MANAGEMENT. 1 Yield management e processo decisionale: le variabili di scelta.

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L.

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

STATISTICA DESCRITTIVA CON EXCEL

Potenzialità degli impianti

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Memorie Caratteristiche principali

Tali linee strategiche si concretizzano nel: 2_Organizzazione di spazi da dedicare ad eventi temporanei di qualità;

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Transcript:

Unverstà degl Stud d RomaTre - Facoltà d Economa Corso d Rcerche d Marketng Il patrmono nformatvo azendale come supporto alle attvtà d marketng ng. Stefano Cazzella stefano.cazzella@datamat.t

Agenda La valorzzazone del patrmono nformatvo azendale per l supporto decsonale I sstem nformatv azendal Il ruolo de data warehouse I sstem d supporto decsonale Strument d supporto al marketng: l mercato telefonco resdenzale come studo d caso Scenaro d rfermento (problema e rsorse dsponbl) Strument d CRM per la retenton Strument d modellazone delle scelte d consumo 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 2

Il ruolo dell nformazone ne process decsonal La qualtà d una decsone dpende (anche) dalla qualtà delle nformazon su cu s basa: dsponbltà attendbltà / affdabltà tempestvtà completezza Le font d nformazone possono essere: esterne sondagg, stud d settore, ecc. nterne sstem nformatv azendal (dat operatv generat dalla quotdana gestone de process ntern) 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 3

Font nformatve Dsponbltà Affdabltà Tempestvtà Completezza Esterne forma aggregata o camponara dpende dalla fonte temp d ndagne buona Interne forma dsaggregata medamente buona mnut o gorn ncomplete e parzal 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 4

Sstem nformatv azendal Sstem operazonal (funzon operatve) Sstem d supporto decsonale (funzon manageral) Gestone magazzno Anals avanzate Settore vendte Ammnstrazone personale Data Warehouse Closng loop Cruscott Reportstca 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 5

Il ruolo de Data Warehouse Caratterstche fondamental de DW: Storctà le nformazon sono organzzate secondo una dmensone temporale Tematctà le nformazon sono modellate n funzone della realtà d nteresse Integrazone le nformazon sono ntegrate ndpendentemente dalla fonte Massma granulartà le nformazon sono rappresentate al massmo dettaglo d nteresse Il data warehouse rappresenta la vertà sulla realtà d un mpresa 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 6

DSS: Reportstca e Cruscott drezonal Reportstca Prmo strumento d busness ntellgence Scarsa nterattvtà Cruscott drezonal Inseme d ndcator (KPI) rassuntv della realtà azendale Balanced Scorecard andamento fnanzaro clent prospettva nterna capactà nnovatva 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 7

DSS: Anals OLAP Modellazone dmensonale delle nformazon dmenson: n,, g msure: Q, P Anals dnamche drll down / roll up slce & dce Roma centro Cod. 110 Prodotto () Negozo (n) Q(n,,g) = 10 pezz P(n,,g) = 20 al pezzo 1/1/2004 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 8 Data (g) Quale negozo convene chudere ne gorn festv? n ff n = g g. festvo= Y Q( n,, g) P( n,, g)

Esempo ambente OLAP Roll-up su Prodotto Roll-up su Data Slce & dce su Festvo 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 9

DSS: Data Mnng Processo d esplorazone ed anals d un ampa mole d dat al fne d scoprre modell e regole sgnfcatv... sfruttando tecnche algortmche d tpo statstco e d ntellgenza artfcale CRISP-DM 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 10

Esempo modello d Data Mnng Classfcator Funzon che assocano ad un vettore d nformazon una n classe d appartenenza f : R [1, k] Ν Dato un nseme d esemp <x, c> d assocazon è possble addestrare un classfcatore affnché classfch coerentemente vettor non usat per l addestramento Vettore X Classe C Tempo Tempo Sole Pogga Temperatura 25 25 Joggng S No Pogga No Sole Temperatura Sole 35 No > 30 30 Pogga 35 No No S 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 11

DSS per l marketng Marketng operatvo Anals del lfe tme value Customer retenton (churn analyss) Promozone mrata e cross-sellng Fraud detecton Marketng analtco Anals de trend del mercato Anals de process d scelta d consumo Anals d effcenza de canal d vendta 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 12

Unverstà degl Stud d RomaTre - Facoltà d Economa Corso d Rcerche d Marketng Studo d caso: applcazon nel settore della telefona resdenzale ng. Stefano Cazzella stefano.cazzella@datamat.t

Scenaro d rfermento Deregolamentazone del mercato telefonco Transzone del mercato telefonco resdenzale da una struttura monopolstca ad una olgopolstca I consumator non possono (ancora) scndere l contratto con Telecom Itala (carrer pre-selecton) Operator concorrent dell ex-monopolsta (TI) offrono servz analogh a prezz pù bass Telecom Itala è nteressata a: attvare campagne mrate d customer retenton stmare l fenomeno d nerza de consumator 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 14

Metodologa applcata Busness understandng (scenaro e obbettv) Anals d churn applcata al mercato telefonco Data understandng Dat d traffco telefonco (sngole chamate) Data preparaton Elaborazone d un proflo d utlzzo per ogn clente d Telecom Itala Modelng Clusterng per rcostrure le scelte d consumo (ndvduare churner) Addestramento d un predttore che ndvdu churner prma che cambno operatore (marketng operatvo) Costruzone d un modello economco che rappresent l processo d scelta de consumator (marketng analtco) Evaluaton Anals de rsultat del modello delle scelte d consumo 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 15

Font nformatve Data Warehouse d Telecom Itala CDR dettaglo delle sngole telefonate Numero chamante (codfcato per prvacy) Numero chamato (codfcato per prvacy) Data e ora d nzo Data e ora d fne Campone: dstretto telefonco nord-est, 6 mes Dettaglo contratt/lnee/clent e tarffe applcate Dat d pubblco domno Tarffe pratcate da concorrent Popolazone de comun del dstretto (ISTAT) 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 16

Modello dmensonale Ogn telefonata è descrtta da Durata n second Costo per ogn operatore Ogn telefonata è analzzable per Lnea chamante Istante d nzo Drettrce d traffco urbana (dstrettuale) nterurbana verso rado-moble nternazonale nternet 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 17

Descrzone del proflo d utlzzo mensle 32 ndcator rassuntv del proflo d utlzzo DRT_MED_xxx durata meda delle telefonate per cascuna drettrce e fasca d tarffazone NUM_CHT_xxx numero d telefonate per cascuna drettrce e fasca d fatturazone IMPORTO_TOT mporto totale per telefonate DISAL_MAX massmo dsallneamento tarffaro fra TI e l mglor compettor (scelto a posteror) INET_yy uso d Internet con TI o con compettor TIPO_LINEA tpo d lnea (ISDN o analogca) 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 18

Segmentazone utenza per proflo d utlzzo Applcando algortm d clusterng s ndvduano natural raggruppament d utent omogene rspetto all utlzzo del servzo % % 25 20 15 10 5 0 15 10 IMPORTO_TOT 5 0 0 2 4 6 8 10121416182022 SR_DRTA_MED_INTDS Claster 1: altoconsumant mport elevat durata meda delle telefonate elevata su dverse drettrc d traffco (es. nterdstrettual) % % 30 20 10 0 80 60 40 20 0 IMPORTO_TOT 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 SR_DRTA_MED_INTZ Claster 2: utent med mport contenut durata meda delle telefonate rdotta su dverse drettrc d traffco (es. nternazonal) 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 19

Rcostruzone delle scelte d consumo Lo spostamento de clent fra cluster con dvers lvell d consumo consente d ndvduare: churn = passaggo ad un concorrente non-churn = fedeltà I profl d consumo assocat ad entrambe le scelte sono osservabl tramte dat azendal prma che l fenomeno del churn s present Lvello d consumo 12 10 8 6 4 2 0 1 2 3 4 5 6 Perodo d osservazone churner non-churner 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 20

Addestramento d un predttore I profl d utlzzo assocat alle relatve scelte d consumo ndvduate possono essere usate come esemp per addestrare un classfcatore che predca qual clent sono n procnto d cambare operatore (churner) Il modello addestrato ha un buon grado d accuratezza, ma non è d facle nterpretazone Non-churner Churner IMPORTO_TOT PC_DRTA_RM NUM_CHIAMATE DRTA_MED_GRN_RM PC_DRTA_OFF 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 21

Modello edonstco La dfferenzazone de ben valorzza gust e le necesstà ndvdual de consumator Ogn consumatore vene descrtto attraverso un vettore d caratterstche x L utltà che l consumatore trae dal consumo del bene dpende funzonalmente dalle caratterstche x del consumatore e da quelle del prodotto w u, = u ( x ) = u( w, x ) = w x Un modello d questo tpo è stato applcato da Berry, Levnsohn e Pakes n uno studo della domanda del mercato automoblstco statuntense 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 22

09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 23 Caratterstche nosservabl Non è possble, n pratca, osservare tutte le caratterstche che nfluenzano l processo d scelta ntroducamo component aleatore Delle component nosservabl ε s può solo stmare l contrbuto medo complessvo Contrbut fondamental per lo studo de modell d domanda probablstc sono stat fornt da McFadden e x w x w x u, ), ( + = + = ε ξ ε x w e x w x u δ + = + =, ) (

Modello delle scelte d consumo Il modello analtco complessvo del comportamento de consumator razonal consste nello sceglere l opzone che massmzza l utltà: u = h, 64748 ( x ) = arg max w x + δ h= 1, L, k Il modello analtco è un classfcatore I pes del modello sono stat stmat addestrando un classfcatore a y rete neurale w 1 = w 1 x + d 1 1 x argmax (x)=argmax y h (x) w N 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 24 h y N = w N x + d N h : R n [1, k] h=1,,k

Rsultat dello studo d caso Caratterstche nosservabl (35,36%) Lnea ISDN (31,36%) Importo totale (11,63%) Numero nterrurbane peek (3,57%) Numero chamate verso cellular peek (3,15%) Uso d Internet con TI (3%) Uso d Internet con altr ISP (2,53%) Altro (9,40 %) Le caratterstche nosservabl spegano l 35% del processo d scelta d consumo (nerza) 6 caratterstche su 27 spegano l 90% del processo d scelta: Lnea ISDN ( ) Importo totale (+) Interurbane (+) Verso cellular (+) Uso d Internet con TI (+) Uso d Internet con altr ISP (+) 09/06/2005 Il patrmono nformatvo azendale come supporto alle attvtà d marketng 25