Rosuda La Ricerca dell´Informazione attraverso il Visual Mining Varese, Maggio 2003.

Presentazione sul tema: "Rosuda La Ricerca dell´Informazione attraverso il Visual Mining Varese, Maggio 2003."— Transcript della presentazione:

1 rosuda La Ricerca dell´Informazione attraverso il Visual Mining Varese, Maggio 2003

2 rosuda ROSUDA: Varese, Maggio 2003 Lehrtstuhl für Rechnerorientierte Statistik und Datenanalyse Dipartimento di Statistica Computazionale ed Analisi dei Dati

3 rosuda CaseStudy: Varese, Maggio 2003 Analisi delle vendite di un negozio di Arredamento italiano Dati forniti rilevati a partire dalla fine del 1998 fino al Maggio 2003

4 rosuda Varese, Maggio 2003 Cominciamo dai Dati: La Veritá dei Dati Veritá Evidente Dati nudi e crudi Veritá Latente es. evoluzione delle Info da estrarre vendite enl tempo

5 rosuda Varese, Maggio 2003 Il nostro caso: VENDITE DI UN NEGOZIO DI ARREDAMENTO Tipo di Dati Dati relativi alle vendite di un negozio di mobili Dal 1998 ad oggi Fonte Registrazioni Contabili Perché sono stati raccolti Cassa

6 rosuda Varese, Maggio 2003 Osservazioni 4354 Variabili 20 (categoriche e numeriche) Il nostro caso: VENDITE DI UN NEGOZIO DI ARREDAMENTO

7 rosuda Varese, Maggio 2003 Osservazioni 6537(4354) Variabili 12(20) (categoriche e numeriche) Il nostro caso: VENDITE DI UN NEGOZIO DI ARREDAMENTO

8 rosuda Varese, Maggio 2003 Le Osservazioni Problemi particolari Missing Values Parecchie categorie, spesso poco numerose

9 rosuda Varese, Maggio 2003 Le Variabili Diverse formulazioni È possibile formulare le variabili diversamente a seconda delle singole esigenze

10 rosuda Varese, Maggio 2003 Le Variabili: esempio Data <- variabile continua <- giorno, mese, anno <- giorno + mese+ anno <- girono della settimana RICHIESTE ACQUISTI <- Items x richiesta/acquisto <- 1 record x ogni singolo item <- Variabili binarie

11 rosuda Varese, Maggio 2003 Primi tentativi Classificazione R <- rpart Risultati 1 nodo = nessuno! Con diverse combinazioni di variabili

12 rosuda Varese, Maggio 2003 Primi tentativi Classificazione R <- rpart Risultati 1 nodo = nessun risultato! Con diverse combinazioni di variabili Ragioni Procedure automatizzate Scarsa possibilitá di intervento Dati problematici

13 rosuda Varese, Maggio 2003 Successive Indagini Visualizzazione Grafici di natura esplorativa Interattivitá Strumenti che permettono di interagire con i dati Decidere passo passo la linea di indagine Software MANET

14 rosuda Varese, Maggio 2003 Ci Chiediamo…  Evoluzione nel tempo delle richieste  Evoluzione nel tempo delle vendite  Performances dei singoli venditori  Tipo di vendite  Collocazione geografica dei clienti  Ragione di passaggio  Ragione dell´acquisto ……………..

15 rosuda Varese, Maggio 2003 Evoluzione nel tempo Variabile Tempo in formato continuo “buchi” nelle vendite…

16 rosuda Varese, Maggio 2003 Evoluzione nel tempo

17 rosuda Varese, Maggio 2003 Vendite settimanali Sabato = + visite + acquisti Domenica = +visite - acquisti Lunedí chiusura mezza giornata

18 rosuda Varese, Maggio 2003 Vendite nel tempo per ID Punti anomali…...e significati nascosti…

19 rosuda Varese, Maggio 2003 Vendite SettimanalixOperatore Laura Non Lavora al Giovedí e poco la Domenica Federica lavora molto i giorni pari Elena lavora molto la Domenica

20 rosuda Varese, Maggio 2003 Richieste-Acqusti per ordine Gli acquisti rispetto alle richieste si aggirano intorno al 25- 30% Solo in pochi casi viene allestito un appartamento al completo

21 rosuda Varese, Maggio 2003 Richieste-Acqusti-Settimana

22 rosuda Varese, Maggio 2003 Vendita Singoli Items Chi acquista una cameretta lo fa quasi sempre come acquisto a sè

23 rosuda Varese, Maggio 2003 Soddisfazione dei clienti Consideria mo il rapporto fra items richiesti ed items effettivam ente acquistati

24 rosuda Varese, Maggio 2003 Ragioni della visita ed acquisto

25 rosuda Varese, Maggio 2003 Ragioni della visita ed acquisto

26 rosuda Varese, Maggio 2003 Fidelizzazione La percentuale di acquisti rispetto alle singole richieste è notevolmente piú elevato per clienti giá noti o consigliati da altri clienti.

27 rosuda Varese, Maggio 2003 Provenienza dei clienti 3 provenienze in particolare Giá clienti, di passaggio o amici di clienti I o II impianto (matrimonio o rinnovo)

28 rosuda Varese, Maggio 2003 Chi Cosa, Dove e Quando

29 rosuda Varese, Maggio 2003 Alcuni operatori riescono a vendere piú di altri….quali??? Chi Cosa, Dove e Quando

30 rosuda Varese, Maggio 2003 Federica, in assoluto ha venduto pu di tutti, ma Elena ha cominciato 2 anni dopo e sta migliorando le proprie performances fino a superare Federica Chi Cosa, Dove e Quando

31 rosuda Varese, Maggio 2003 Prospettive di Business  Evoluzione delle vendite nel tempo  Turn-over Operatori  Evoluzione delle vendite dei singoli items  Incidenza Operatori  Sviluppo territoriale  Utilitá del lavoro Domenicale  Associazione fra vendite di particolari items  Potenziare pubblicitá  Su quali clienti puntare

32 rosuda Varese, Maggio 2003 Prospettive di Business

33 rosuda Varese, Maggio 2003 Obiettivi del Data Mining - Analisi di dati raccolti per altre ragioni - I migliori risultati non sono necessariamente quelli di maggiore interesse - É comune trovare dati di Cattiva Qualitá - - Interpretazione difficile - Generalizzazione difficile

34 rosuda Varese, Maggio 2003 http://stats.math.uni-augsburg.de