Progetto FIRB Gestione della conoscenza Esposizione dei casi di studio Bressanone, 15 settembre 2006 Unità di ricerca del Politecnico di Bari

FIRB - Politecnico di Bari2 Agenda Descrizione della metodologia Esposizione dei casi di studio Caso Laterza breve presentazione del caso intervista preliminare descrizione del database e degli algoritmi risultati preliminari (regole scoperte) prossimi step Proposta di ri-articolazione della analisi della letteratura

FIRB - Politecnico di Bari3 Metodologia Intervista preliminare obiettivi aziendali conoscenza già in possesso dellazienda Analisi dei dati pre-processing del database algoritmi di data-mining Validazione della conoscenza statistica manageriale Refining dellanalisi dei dati

FIRB - Politecnico di Bari4 Misure di performance Data una regola: ant. cons. Supporto No.Trans.(ant.&cons.)/Tot.Trans. in quante transazioni antecedente e conseguente appaiono insieme? Confidenza No.Trans.(ant.&cons.)/No.Trans.(ant.) in quante transazioni in cui appare lantecedente, appare anche il conseguente? Valutazione manageriale quali regole hanno realmente valore per il management?

FIRB - Politecnico di Bari5 Intervista preliminare Direttore amministrativo e direttore delle vendite Conoscenza posseduta periodo di maggiori vendite regioni con maggiori vendite Obiettivi associazione luogo argomento meccanismi di adozione da parte delle università

FIRB - Politecnico di Bari6 Descrizione del database clienti su tutto il territorio nazionale transazioni 11 variabili utilizzate argomento, titolo, autore, collana, prezzo, quantità, data movimento, ecc. Algoritmi utilizzati (dopo il pre-processing) J48 (classifier – albero decisionale) a-priori (regole associative) predictive a-priori (regole associative)

FIRB - Politecnico di Bari7 Risultati preliminari Misure di performance confidenza > 30% supporto > 10% No. di regole ottenute = 200 (circa) Variabili le cui associazioni sono state indagate: primo e secondo argomento più acquistati regione città (universitaria o no) primo e secondo autore più acquistati valore netto (acquisti meno resi) mesi più redditizi

FIRB - Politecnico di Bari8 Alcuni esempi SE argomento più acquistato = Arte E città univ. = si ALLORA Secondo argomento più acquistato = Architettura e Urbanistica SE Autore più acquistato = Gallino ALLORA Secondo autore più acquistato = Bauman SE Regione = Sicilia E Città univ. = si ALLORA Transazioni = alte SE Regione = Sicilia E Città univ. = no ALLORA Transazioni = basse SE Regione = Trentino E Città univ. = si ALLORA Transazioni = alte SE Regione = Trentino E Città univ. = no ALLORA Transazioni = medie

FIRB - Politecnico di Bari9 Prossimi step Validazione della nuova conoscenza Review delle regole scoperte insieme al management aziendale Raffinamento dei criteri di analisi ad es. da città universitaria a facoltà

FIRB - Politecnico di Bari10 Proposta di ri-articolazione dellanalisi della letteratura Meccanismi di relazione interoganizzativa Task leader: Politecnico di Bari Ri-articolare per attori Motivazione Maggiore enfasi alle relazioni con i clienti

FIRB - Politecnico di Bari11 Indice precedente 2) MECCANISMI DI RELAZIONE INTEROGANIZZATIVA Drivers/motivazioni per la gestione conoscenza in termini interorganizzativi - WHY es. Clienti per raccogliere la VOC Attori coinvolti e loro ruoli - WHO clienti, users, intermediari, concorrenti, fornitori, centri ricerca Tipologie e caratteristiche delle relazioni - WHAT Tipologie: consorzi, alleanze, reti nei distretti, partnership Caratteristiche: relazioni diadiche o a network, presenza di capofila o meno, grado formalizzazione, ecc. Meccanismi organizzativi messi in atto a seconda della tipologia di relazione e di soggetti coinvolti - HOW es. meccanismi di coordinamento; Metodi e strumenti di analisi della relazioni interorganizzative es: social network analysis

FIRB - Politecnico di Bari12 Nuovo indice 2) Relazioni interoganizzative per la gestione della conoscenza Clienti Drivers e motivazioni della gestione della conoscenza Struttura e caratteristiche della relazione Modelli e metodi per la gestione della conoscenza Supply Chain Drivers e motivazioni della gestione della conoscenza Struttura e caratteristiche della relazione Modelli e metodi per la gestione della conoscenza Network di imprese Drivers e motivazioni della gestione della conoscenza Struttura e caratteristiche della relazione Modelli e metodi per la gestione della conoscenza