nel processo decisionale Sicilia orientale Il valore dei dati nel processo decisionale A cura di Gaetana Gagliano ©CMC Catania, 8 giugno 2018

Analitycs & Business Intelligence in outsourcing

Descriptive Analytics/Analisi descrittiva Analitycs L’analisi dei dati può condurre a diversi livelli di conoscenza correlati alla tipologia di modelli di analytics messi in campo. È possibile identificare quattro categorie principali: Descriptive Analytics/Analisi descrittiva Predictive Analytics/Analisi predittiva Prescriptive Analytics/Analisi prescrittiva Automated Analytics A cura di Gaetana Gagliano ©CMC

Analitycs Descriptive Analytics, l’insieme di strumenti orientati a descrivere la situazione attuale e passata dei processi aziendali e/o aree funzionali. Tali strumenti permettono di accedere ai dati secondo viste logiche flessibili e di visualizzare in modo sintetico e grafico i principali indicatori di prestazione. A cura di Gaetana Gagliano ©CMC

Analitycs Predictive Analytics, strumenti avanzati che effettuano l’analisi dei dati per rispondere a domande relative a cosa potrebbe accadere nel futuro; sono caratterizzati da tecniche matematiche quali regressione, forecasting, modelli predittivi, ecc. A cura di Gaetana Gagliano ©CMC

Analitycs Prescriptive Analytics, tool avanzati che, insieme all’analisi dei dati, sono capaci di proporre al decision maker soluzioni operative/strategiche sulla base delle analisi svolte. A cura di Gaetana Gagliano ©CMC

Analitycs Automated Analytics, capaci di implementare autonomamente l’azione proposta secondo il risultato delle analisi svolte. A cura di Gaetana Gagliano ©CMC

Presentazione al management Business Intelligence un insieme di processi aziendali per raccogliere dati ed analizzare informazioni strategiche; la tecnologia utilizzata per realizzare questi processi; le informazioni ottenute come risultato di questi processi. Software Componente umana Presentazione al management A cura di Gaetana Gagliano ©CMC

Flessibilità organizzativa Investimenti ridotti in tecnologia In outsourcing Flessibilità organizzativa Investimenti ridotti in tecnologia Alto expertise Investimento e non costo A cura di Gaetana Gagliano ©CMC

Data science/Scienza dei dati La Scienza dei dati è l'insieme di principi metodologici (basati sul metodo scientifico) e tecniche multidisciplinari volto ad interpretare ed estrarre conoscenza dai dati[1][2]. I metodi della scienza dei dati (spesso associati al concetto di data mining) si basano su tecniche proveniente da varie discipline, principalmente da matematica, statistica, scienza dell'informazione, e informatica, in particolar modo nei seguenti sottodomini: intelligenza artificiale (o machine learning), basi di dati e data visualization. A cura di Gaetana Gagliano ©CMC

Data Scientist/Scienzato dei dati Knowledge Deployment: la capacità di creare interessanti rappresentazioni di dati (data visualization) e consentire quindi una miglior interpretazione dei dati stessi. IRappresenta inoltre la capacità di sviluppare messaggi che possano influenzare positivamente le azioni degli stakeholder chiave; Technology: è la capacità di gestione di dati strutturati e non, la capacità di estrarre dati da fonti esterne tramite metodologie e tool specialistici e infine la capacità di manipolare e distribuire grandi quantità di dati; Programming: riguarda la conoscenza informatica e programmazione; Machine Learning/Analytics: la conoscenza di modelli e tecniche matematiche (analisi di apprendimento supervisionato e non supervisionato) e la conoscenza di tool e linguaggi in grado di effettuare analisi; Business: conoscenza di aspetti di business (conoscenza di effetti di micro e macro-economia, processi funzionali come il marketing, finance produzione o distribuzione) e di industry. Data Scientist/Scienzato dei dati Le principali competenze riguardano: A cura di Gaetana Gagliano ©CMC

Dai dati alle informazioni di valore per le decisioni: PROCESSO Raccogliere dati grezzi Processare i dati Modellizzare i dati Rilevare e visualizzare gli insight e le idee nuove Definire nuovi obiettivi e prendere le decisioni per raggiungerli A cura di Gaetana Gagliano ©CMC

Dai dati alle informazioni di valore per le decisioni: PROCESSO 4. Rilevare e visualizzare gli insight e le idee nuove 5. Definire nuovi obiettivi e prendere decisioni 3. Modellizzare i dati 1. Raccogliere dati grezzi 2. Processare i dati Dai dati …………………………………………………………….……………….. Alle decisioni che migliorano il business A cura di Gaetana Gagliano ©CMC

1. Raccogliere dati grezzi PROCESSO 1. Raccogliere dati grezzi Fonti Quantità Rilevanza Completezza Ripetitività A cura di Gaetana Gagliano ©CMC

Output: Analisi descrittiva PROCESSO 2. Processare i dati Output: Analisi descrittiva 2. Processare i dati Completamento database Classificazioni anagrafiche Riprogettazione dei processi ETL A cura di Gaetana Gagliano ©CMC

Output: analisi predittiva e prescrittiva PROCESSO 3. Modellizzare i dati Output: analisi predittiva e prescrittiva 3. Modellizzare i dati Correlazione con data set esterni Clustering Churn analisys Regressione Basket analisys Albero delle decisioni A cura di Gaetana Gagliano ©CMC

4. Rilevare e visualizzare gli insight e le idee nuove PROCESSO 4. Rilevare e visualizzare gli insight e le idee nuove Output: Business Intelligence 4. Rilevare e visualizzare gli insight e le idee nuove Visualizzazione esiti Definizione nuovi kpi Strategie A cura di Gaetana Gagliano ©CMC

5. Definire nuovi obiettivi e prendere decisioni PROCESSO 5. Definire nuovi obiettivi e prendere decisioni 5. Definire nuovi obiettivi e prendere decisioni Azioni di marketing mirate Esplorazione nuovi segmenti di mercato A cura di Gaetana Gagliano ©CMC

GRAZIE! www.studiogagliano.it 5. Definire nuovi obiettivi e prendere decisioni GRAZIE! www.studiogagliano.it A cura di Gaetana Gagliano ©CMC