Data Mining per il Marketing Andrea Cerioli Sito web del corso I modelli statistici nel marketing e nel Data Mining e

Perché si adatta una funzione o si stima un modello? Riassumere l’andamento dei punti con una formula che esprima il legame tra Y (variabile dipendente) e le variabili esplicative  analisi dei dati Riassumere l’andamento dei punti con una formula che esprima il legame tra Y (variabile dipendente) e le variabili esplicative  analisi dei dati Verificare una legge economica (ad es: prezzi e vendite) o una congettura di mercato (ad es: relazione tra vendite e fattori di mercato; stima del potenziale di mercato; posizionamento di un punto vendita)  problema di inferenza Verificare una legge economica (ad es: prezzi e vendite) o una congettura di mercato (ad es: relazione tra vendite e fattori di mercato; stima del potenziale di mercato; posizionamento di un punto vendita)  problema di inferenza Effettuare previsioni (y quantitativa: modello di regressione) o classificazioni (Y qualitativa)  applicazioni di marketing e Data Mining Effettuare previsioni (y quantitativa: modello di regressione) o classificazioni (Y qualitativa)  applicazioni di marketing e Data Mining

Più in generale: perché è utile avere consoscenze adeguate sui modelli statistici (anche) nel Trade Marketing? ’’In God we trust, all others bring data’’ ’’In God we trust, all others bring data’’ ’’All the models are wrong but some are useful’’ ’’All the models are wrong but some are useful’’ Le competenze quantitative sono fondamentali nel mercato del lavoro: ci sono buoni motivi per studiare bene i contenuti del corso! (v. materiale sul sito del corso) Le competenze quantitative sono fondamentali nel mercato del lavoro: ci sono buoni motivi per studiare bene i contenuti del corso! (v. materiale sul sito del corso) Qualcun altro verrà … e userà queste conoscenze al vostro posto! Qualcun altro verrà … e userà queste conoscenze al vostro posto!

Uso dei modelli (di regressione – Y quantitativa) Nel marketing un buon modello consente di effettuare previsioni più accurate, sfruttando l’informazione quantitativa Alcuni esempi: Alcuni esempi: –previsione del fatturato aziendale in differenti scenari micro e macroeconomici (v. materiale seminario su Prediction Models nel sito del corso) –effetto di promozioni o altre leve di marketing –previsione dei fabbisogni nel mercato dell’energia –calibrazione prezzo di un prodotto –potenziale di vendita di un’area –…

Uso dei modelli (di classificazione – Y qualitativa) Alcuni esempi (applicazioni di Data Mining): –Previsione del comportamento di acquisto dei consumatori (a differenti livelli di dettaglio: category, brand, reference …) –Previsione dell’adesione ad un’azione promozionale (stima della “sensibilità” alle promo) –Segmentazione della clientela –Credit scoring –… Questi obiettivi saranno ripresi nella II parte del corso: regressione logistica alberi di classificazione

Data Mining Varie definizioni. Ad esempio: Numerosi libri (da cui partire per eventuali tesi di laurea …) Elemento comune: estrazione di conoscenza non nota a priori I metodi statistici sono cruciali: statistical learning (tesi di laurea …)  v. materiale sul sito del corso Applicazioni in campi disparati: marketing (comportamento del consumatore), biologia, genomica, medicina … Uso di modelli e di tecniche statistiche algoritmiche (ad es: per la segmentazione)

Le prospettive di lavoro non sono scadenti … Generalmente corsi brevi costano (almeno) come un anno di LM … ibm.com/services/learning/ites.wss/it/it?pageType=course_description&courseCo de=0E004IT ibm.com/services/learning/ites.wss/it/it?pageType=course_description&courseCo de=0E004IT