SlideShare a Scribd company logo
1 of 11
Dai report alle analisi: la «scoperta» attraverso
i dati
L’analisi dei dati
2
Dai report alle analisi
La raccolta dei dati aziendali è normalmente rivolta alla
generazione di resoconti riassuntivi dell’andamento di vari
aspetti dell’attività (ad esempio l’andamento delle vendite, la
saturazione degli impianti, ecc.)
Partendo dai dati è possibile estrapolare nuove intuizioni,
inizialmente nascoste. Tramite la analisi dei dati è possibile
scoprire caratteristiche di grande rilevanza dei fenomeni in
esame.
Ma essi non sono sufficienti a creare informazioni.
REPORT
TRADIZIONALI
3
Cos’è l’analisi dei dati ?
L'analisi dei dati è un processo
di osservazione e modellazione di dati
con il fine di estrapolare informazioni,
utili a generare nuove intuizioni,
che arricchiscono la conoscenza
e migliorano la capacità decisionale
dell’Organizzazione
4
John Wilder Tukey ha definito* l’analisi
dei dati come:
• Procedure per analizzare i dati,
• Tecniche per interpretare i risultati di
tali procedure
• Metodi di pianificazione della
raccolta dei dati per renderne le
analisi più semplici, più precise o più
accurate,
• E tutti i meccanismi e risultati di
statistiche (matematiche) che si
applicano per l’analisi dei dati
John Wilder Tukey (1915 –
2000) fu un matematico
Americano che contribuì
fortemente ai metodi
statistici moderni di analisi
esplorativa.
5
I tre tipi di analisi
L’analisi può essere di tipo:
1. Conoscitivo: sintetizza le informazioni tramite
classificazioni e aggregazioni, ad esempio valori
medi, indici di variabilità, rapporti statistici, ecc.
2. Esplorativo: ha come obiettivo la scoperta di
nuove caratteristiche dei dati, formulando ipotesi
e verificandone la validità
3. Previsionale: applicazioni di tecniche statistiche
per la previsione dei dati
6
Il processo VIRTUOSO di Data Science
Raccolta dati
grezzi
Comunicazione
Visualizzazione
Risultati dei
dati
Modelli e
algoritmi
Analisi
esplorativa dei
dati
Elaborazione
dei dati
dati
depurati
Scelte
strategiche
I dati grezzi sono raccolti
laddove si svolgono i
processi di gestione (il
mondo dello schema)
Successivamente sono depurati e modellati
per essere analizzati
L’analisi esplorativa genera modelli utili alle aree operative
dell’impresa, ad esempio suggerendo di pianificare nuove
offerte basate sulla scoperta di nuove esigenze del cliente,
prima sconosciute
1
2
3
7
Analisi per il miglioramento competitivo
L’analisi deve portare a nuove intuizioni
secondo quattro principali obiettivi:
1. Suggerire nuove ipotesi sulle cause dei fenomeni
osservati
2. Valutare le ipotesi su cui si basa l'inferenza statistica
3. Sostenere la scelta di adeguati strumenti e tecniche
statistiche
4. Fornire una base per ulteriori raccolte di dati
attraverso indagini o esperimenti
8
La forza di Amazon è costituita dalla sua capacità di analisi dei dati:
1. Raccoglie puntualmente ogni «azione» dei clienti (conoscitiva)
2. Mette in relazione questi dati, profilando le preferenze di ogni cliente secondo diverse
caratteristiche (esplorativa)
3. Prevede le scelte di acquisto (predittiva)
Il risultato?
Una profilazione dei clienti tanto approfondita da essere in grado di spedire la merce ancora prima
che effettuino l’ordine.
Il 24 dicembre 2013 Amazon ha brevettato il sistema di anticipatory shipping. Tramite questo sistema,
Amazon spedisce i prodotti alla clientela ancora prima che l’ordine sia stata effettuato: un esempio
eccellente di analisi dei dati usata al suo pieno potenziale.
Uno degli esempi principali dell’uso dei dati per gestire il proprio
business è costituito da Amazon.
Una funzione ormai quotidiana è «Chi ha acquistato questo articolo ha
acquistato anche…». Le raccomandazioni e le offerte sono mirate al
singolo utente sulla base della propria wish-list, acquisti, oggetti
visualizzati, ma anche rispetto alla clientela similare.
Un esempio di DATA ANALYTICS
9
L’analisi dei dati, attraverso le applicazioni di Business Intelligence, costituisce uno strumento
cruciale per le IMPRESE. È opportuno però che tutti i processi e strumenti che partecipano alle
scelte strategiche siano coordinate in modo da evitare alcune «trappole» che porterebbero a scelte
decisionali errate.
• Scarsa qualità dei dati: le intuizioni che scaturiscono da dati non
corretti non possono che essere errate.
• Limitazione delle analisi: talvolta i dati a disposizione dell’impresa
sono forniti dal software gestionale o dai processi in esecuzione.
Talvolta i dati disponibili non sono sufficiente: è opportuno talvolta
predisporre la raccolta di nuove misure.
• Accentramento delle informazioni: uno dei maggiori errori è
quello di lasciare nelle mani di pochi manager dell’impresa le
informazioni e le scoperte. L’obiettivo dell’analisi dei dati è
arricchire la conoscenza per migliorare le scelte decisionali. Per
farlo con efficacia, il modo migliore è diffondere la cultura
dell’informazione a ogni livello dell’impresa, sfociando nelle scelte
operative in tempo reale.
Le trappole da evitare
10
I soli dati non sono in grado di fornire valore aggiunto
all’impresa.
Occorre analizzarli tramite tecniche strutturate per
estrapolare nuove intuizioni in grado di generare nuove
opportunità.
Per farlo occorre però evitare alcune trappole che
porterebbero a scelte sbagliate:
per prevenirle, lo strumento è l’implementazione di un
processo strutturato di data science.
CONCLUSIONI
SOGESI Headquarter
Via Trieste, 14 27029 Vigevano (PV) Tel. 0381 691010 Fax 0381 691020
SOGESI Filiale di Torino
Corso Palermo, 44
10152 Torino
Tel. 011 0198929
Fax 011 0565410
SOGESI Filiale Piemonte Nord-Verbano
Viale Marazza, 14
28021 Borgomanero (NO)
Tel. 0322 846081
Fax 0322 096579
le nostre sedi
www.sogesi.it e-mail: info@sogesi.it
SOGESI Filiale di Cagliari
Via dell'Artigianato , 14
09122 Cagliari (CA)
SOGESI Direzione Commerciale
Strada 4 Palazzo Q7 Milanofiori 20089 Rozzano (MI) Tel. 02 35925910 Fax 02 35925920
Filiali

More Related Content

Similar to White Paper - L'analisi dei dati

Data driven recruitment_PwC & LinkedIn
Data driven recruitment_PwC & LinkedInData driven recruitment_PwC & LinkedIn
Data driven recruitment_PwC & LinkedInFrancesco Costanzo
 
Big Data Analysis: dalla teoria alla pratica
Big Data Analysis: dalla teoria alla praticaBig Data Analysis: dalla teoria alla pratica
Big Data Analysis: dalla teoria alla praticaGiulio Lazzaro
 
Produzione Perfetta: consulenza e formazione nel campo dell'analisi dati
Produzione Perfetta: consulenza e formazione nel campo dell'analisi datiProduzione Perfetta: consulenza e formazione nel campo dell'analisi dati
Produzione Perfetta: consulenza e formazione nel campo dell'analisi datiAlessio Passalacqua
 
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)Keen Consulting
 
Customer Insight e Social Analytics. Dai Big Data ai Relevant Data
Customer Insight e Social Analytics. Dai Big Data ai Relevant DataCustomer Insight e Social Analytics. Dai Big Data ai Relevant Data
Customer Insight e Social Analytics. Dai Big Data ai Relevant Dataduepuntozeroresearch
 
SMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in azienda
SMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in aziendaSMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in azienda
SMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in aziendaSMAU
 
Conosci il vero significato dei tuoi dati con Analytics!
Conosci il vero significato dei tuoi dati con Analytics!Conosci il vero significato dei tuoi dati con Analytics!
Conosci il vero significato dei tuoi dati con Analytics!Contactlab
 
È possibile migliorare i processi senza usare il Digital Process Discovery?
È possibile migliorare i processi senza usare il Digital Process Discovery?È possibile migliorare i processi senza usare il Digital Process Discovery?
È possibile migliorare i processi senza usare il Digital Process Discovery?Maurilio Savoldi
 
CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...
CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...
CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...Advance Operations Management School srl
 
Customer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant dataCustomer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant dataFederico Capeci
 
Noonic Guides - Growth Hacking
Noonic Guides - Growth HackingNoonic Guides - Growth Hacking
Noonic Guides - Growth HackingNoonic Agency
 
Cristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web ListeningCristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web ListeningKnowCamp
 
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...Alexandru Dinu
 
00 presentazione sintetica04-auto-p0415
00 presentazione sintetica04-auto-p041500 presentazione sintetica04-auto-p0415
00 presentazione sintetica04-auto-p0415Sandro Savoldelli
 
Free digital marketing plan template - Preview
Free digital marketing plan template - PreviewFree digital marketing plan template - Preview
Free digital marketing plan template - PreviewMatteo Sorba
 

Similar to White Paper - L'analisi dei dati (20)

Data driven recruitment_PwC & LinkedIn
Data driven recruitment_PwC & LinkedInData driven recruitment_PwC & LinkedIn
Data driven recruitment_PwC & LinkedIn
 
Big Data Analysis: dalla teoria alla pratica
Big Data Analysis: dalla teoria alla praticaBig Data Analysis: dalla teoria alla pratica
Big Data Analysis: dalla teoria alla pratica
 
Produzione Perfetta: consulenza e formazione nel campo dell'analisi dati
Produzione Perfetta: consulenza e formazione nel campo dell'analisi datiProduzione Perfetta: consulenza e formazione nel campo dell'analisi dati
Produzione Perfetta: consulenza e formazione nel campo dell'analisi dati
 
02 consulenza t0104
02 consulenza t010402 consulenza t0104
02 consulenza t0104
 
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
 
Monitoraggio ricerche
Monitoraggio ricercheMonitoraggio ricerche
Monitoraggio ricerche
 
Customer Insight e Social Analytics. Dai Big Data ai Relevant Data
Customer Insight e Social Analytics. Dai Big Data ai Relevant DataCustomer Insight e Social Analytics. Dai Big Data ai Relevant Data
Customer Insight e Social Analytics. Dai Big Data ai Relevant Data
 
SMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in azienda
SMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in aziendaSMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in azienda
SMAU NAPOLI 2022 | 6 Step per adottare l'Intelligenza Artificiale in azienda
 
edSENSE.AI
edSENSE.AIedSENSE.AI
edSENSE.AI
 
Conosci il vero significato dei tuoi dati con Analytics!
Conosci il vero significato dei tuoi dati con Analytics!Conosci il vero significato dei tuoi dati con Analytics!
Conosci il vero significato dei tuoi dati con Analytics!
 
Big DATA
Big DATABig DATA
Big DATA
 
Lean Production Six Sigma
Lean Production Six SigmaLean Production Six Sigma
Lean Production Six Sigma
 
È possibile migliorare i processi senza usare il Digital Process Discovery?
È possibile migliorare i processi senza usare il Digital Process Discovery?È possibile migliorare i processi senza usare il Digital Process Discovery?
È possibile migliorare i processi senza usare il Digital Process Discovery?
 
CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...
CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...
CASE STUDY: La Riduzione del valore di magazzino – Da vincolo finanziario a o...
 
Customer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant dataCustomer insight e social analytics. dai big data ai relevant data
Customer insight e social analytics. dai big data ai relevant data
 
Noonic Guides - Growth Hacking
Noonic Guides - Growth HackingNoonic Guides - Growth Hacking
Noonic Guides - Growth Hacking
 
Cristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web ListeningCristiano Toni- Introduzione al Web Listening
Cristiano Toni- Introduzione al Web Listening
 
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...
Data Mining per il supporto alle decisioni aziendali (Presentazione Tesi di L...
 
00 presentazione sintetica04-auto-p0415
00 presentazione sintetica04-auto-p041500 presentazione sintetica04-auto-p0415
00 presentazione sintetica04-auto-p0415
 
Free digital marketing plan template - Preview
Free digital marketing plan template - PreviewFree digital marketing plan template - Preview
Free digital marketing plan template - Preview
 

More from Sogesi

Presentazione aziendale Sogesi 2020
Presentazione aziendale Sogesi 2020Presentazione aziendale Sogesi 2020
Presentazione aziendale Sogesi 2020Sogesi
 
Arxivar Next
Arxivar Next Arxivar Next
Arxivar Next Sogesi
 
Chi siamo sogesi 2019
Chi siamo sogesi 2019Chi siamo sogesi 2019
Chi siamo sogesi 2019Sogesi
 
Chi Siamo Sogesi 2018
Chi Siamo Sogesi 2018Chi Siamo Sogesi 2018
Chi Siamo Sogesi 2018Sogesi
 
Agyo sogesi
Agyo sogesiAgyo sogesi
Agyo sogesiSogesi
 
Gestione sistema integrato Qualità Ambiente Sicurezza con Qualibus
Gestione sistema integrato Qualità Ambiente Sicurezza con QualibusGestione sistema integrato Qualità Ambiente Sicurezza con Qualibus
Gestione sistema integrato Qualità Ambiente Sicurezza con QualibusSogesi
 
Mytho by Sogesi - la migliore soluzione di e-commerce in SaaS
Mytho by Sogesi - la migliore soluzione di e-commerce in SaaSMytho by Sogesi - la migliore soluzione di e-commerce in SaaS
Mytho by Sogesi - la migliore soluzione di e-commerce in SaaSSogesi
 
Sogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzione
Sogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzioneSogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzione
Sogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzioneSogesi
 
Caso di studio - Gestione pasti presso Istituti Ospedalieri Bresciani
Caso di studio  - Gestione pasti presso Istituti Ospedalieri BrescianiCaso di studio  - Gestione pasti presso Istituti Ospedalieri Bresciani
Caso di studio - Gestione pasti presso Istituti Ospedalieri BrescianiSogesi
 
Caso di studio - Anagrafica personale
Caso di studio - Anagrafica personaleCaso di studio - Anagrafica personale
Caso di studio - Anagrafica personaleSogesi
 
White paper - Fattori di successo nella implementazione dei sistemi ERP
White paper - Fattori di successo nella implementazione dei sistemi ERPWhite paper - Fattori di successo nella implementazione dei sistemi ERP
White paper - Fattori di successo nella implementazione dei sistemi ERPSogesi
 
Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...
Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...
Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...Sogesi
 
Gestione del gap formativo
Gestione del gap formativoGestione del gap formativo
Gestione del gap formativoSogesi
 
Evento sogesi dell
Evento sogesi dellEvento sogesi dell
Evento sogesi dellSogesi
 
Ospedale San Raffaele scadenzari kit SPP
Ospedale San Raffaele scadenzari kit SPPOspedale San Raffaele scadenzari kit SPP
Ospedale San Raffaele scadenzari kit SPPSogesi
 
Sogesi Istituto Clinico San Rocco - Sorveglianza sanitaria - Caso di Successo
Sogesi   Istituto Clinico San Rocco  - Sorveglianza sanitaria - Caso di SuccessoSogesi   Istituto Clinico San Rocco  - Sorveglianza sanitaria - Caso di Successo
Sogesi Istituto Clinico San Rocco - Sorveglianza sanitaria - Caso di SuccessoSogesi
 
Sogesi - Prevenzione Rischio Clinico
Sogesi - Prevenzione Rischio ClinicoSogesi - Prevenzione Rischio Clinico
Sogesi - Prevenzione Rischio ClinicoSogesi
 
Sogesi - Budget & Simulation
Sogesi - Budget & SimulationSogesi - Budget & Simulation
Sogesi - Budget & SimulationSogesi
 
Sogesi - La Sorveglianza Sanitaria
Sogesi - La Sorveglianza SanitariaSogesi - La Sorveglianza Sanitaria
Sogesi - La Sorveglianza SanitariaSogesi
 
Embyon - Metodo Evolus: Costi trasporto - logistica
Embyon - Metodo Evolus: Costi trasporto - logisticaEmbyon - Metodo Evolus: Costi trasporto - logistica
Embyon - Metodo Evolus: Costi trasporto - logisticaSogesi
 

More from Sogesi (20)

Presentazione aziendale Sogesi 2020
Presentazione aziendale Sogesi 2020Presentazione aziendale Sogesi 2020
Presentazione aziendale Sogesi 2020
 
Arxivar Next
Arxivar Next Arxivar Next
Arxivar Next
 
Chi siamo sogesi 2019
Chi siamo sogesi 2019Chi siamo sogesi 2019
Chi siamo sogesi 2019
 
Chi Siamo Sogesi 2018
Chi Siamo Sogesi 2018Chi Siamo Sogesi 2018
Chi Siamo Sogesi 2018
 
Agyo sogesi
Agyo sogesiAgyo sogesi
Agyo sogesi
 
Gestione sistema integrato Qualità Ambiente Sicurezza con Qualibus
Gestione sistema integrato Qualità Ambiente Sicurezza con QualibusGestione sistema integrato Qualità Ambiente Sicurezza con Qualibus
Gestione sistema integrato Qualità Ambiente Sicurezza con Qualibus
 
Mytho by Sogesi - la migliore soluzione di e-commerce in SaaS
Mytho by Sogesi - la migliore soluzione di e-commerce in SaaSMytho by Sogesi - la migliore soluzione di e-commerce in SaaS
Mytho by Sogesi - la migliore soluzione di e-commerce in SaaS
 
Sogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzione
Sogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzioneSogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzione
Sogesi e TeamSystem: da Metodo a Embyon, storia di un'evoluzione
 
Caso di studio - Gestione pasti presso Istituti Ospedalieri Bresciani
Caso di studio  - Gestione pasti presso Istituti Ospedalieri BrescianiCaso di studio  - Gestione pasti presso Istituti Ospedalieri Bresciani
Caso di studio - Gestione pasti presso Istituti Ospedalieri Bresciani
 
Caso di studio - Anagrafica personale
Caso di studio - Anagrafica personaleCaso di studio - Anagrafica personale
Caso di studio - Anagrafica personale
 
White paper - Fattori di successo nella implementazione dei sistemi ERP
White paper - Fattori di successo nella implementazione dei sistemi ERPWhite paper - Fattori di successo nella implementazione dei sistemi ERP
White paper - Fattori di successo nella implementazione dei sistemi ERP
 
Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...
Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...
Istituto Clinico Sant'Ambrogio - Milano Gestione interventi straordinari di m...
 
Gestione del gap formativo
Gestione del gap formativoGestione del gap formativo
Gestione del gap formativo
 
Evento sogesi dell
Evento sogesi dellEvento sogesi dell
Evento sogesi dell
 
Ospedale San Raffaele scadenzari kit SPP
Ospedale San Raffaele scadenzari kit SPPOspedale San Raffaele scadenzari kit SPP
Ospedale San Raffaele scadenzari kit SPP
 
Sogesi Istituto Clinico San Rocco - Sorveglianza sanitaria - Caso di Successo
Sogesi   Istituto Clinico San Rocco  - Sorveglianza sanitaria - Caso di SuccessoSogesi   Istituto Clinico San Rocco  - Sorveglianza sanitaria - Caso di Successo
Sogesi Istituto Clinico San Rocco - Sorveglianza sanitaria - Caso di Successo
 
Sogesi - Prevenzione Rischio Clinico
Sogesi - Prevenzione Rischio ClinicoSogesi - Prevenzione Rischio Clinico
Sogesi - Prevenzione Rischio Clinico
 
Sogesi - Budget & Simulation
Sogesi - Budget & SimulationSogesi - Budget & Simulation
Sogesi - Budget & Simulation
 
Sogesi - La Sorveglianza Sanitaria
Sogesi - La Sorveglianza SanitariaSogesi - La Sorveglianza Sanitaria
Sogesi - La Sorveglianza Sanitaria
 
Embyon - Metodo Evolus: Costi trasporto - logistica
Embyon - Metodo Evolus: Costi trasporto - logisticaEmbyon - Metodo Evolus: Costi trasporto - logistica
Embyon - Metodo Evolus: Costi trasporto - logistica
 

White Paper - L'analisi dei dati

  • 1. Dai report alle analisi: la «scoperta» attraverso i dati L’analisi dei dati
  • 2. 2 Dai report alle analisi La raccolta dei dati aziendali è normalmente rivolta alla generazione di resoconti riassuntivi dell’andamento di vari aspetti dell’attività (ad esempio l’andamento delle vendite, la saturazione degli impianti, ecc.) Partendo dai dati è possibile estrapolare nuove intuizioni, inizialmente nascoste. Tramite la analisi dei dati è possibile scoprire caratteristiche di grande rilevanza dei fenomeni in esame. Ma essi non sono sufficienti a creare informazioni. REPORT TRADIZIONALI
  • 3. 3 Cos’è l’analisi dei dati ? L'analisi dei dati è un processo di osservazione e modellazione di dati con il fine di estrapolare informazioni, utili a generare nuove intuizioni, che arricchiscono la conoscenza e migliorano la capacità decisionale dell’Organizzazione
  • 4. 4 John Wilder Tukey ha definito* l’analisi dei dati come: • Procedure per analizzare i dati, • Tecniche per interpretare i risultati di tali procedure • Metodi di pianificazione della raccolta dei dati per renderne le analisi più semplici, più precise o più accurate, • E tutti i meccanismi e risultati di statistiche (matematiche) che si applicano per l’analisi dei dati John Wilder Tukey (1915 – 2000) fu un matematico Americano che contribuì fortemente ai metodi statistici moderni di analisi esplorativa.
  • 5. 5 I tre tipi di analisi L’analisi può essere di tipo: 1. Conoscitivo: sintetizza le informazioni tramite classificazioni e aggregazioni, ad esempio valori medi, indici di variabilità, rapporti statistici, ecc. 2. Esplorativo: ha come obiettivo la scoperta di nuove caratteristiche dei dati, formulando ipotesi e verificandone la validità 3. Previsionale: applicazioni di tecniche statistiche per la previsione dei dati
  • 6. 6 Il processo VIRTUOSO di Data Science Raccolta dati grezzi Comunicazione Visualizzazione Risultati dei dati Modelli e algoritmi Analisi esplorativa dei dati Elaborazione dei dati dati depurati Scelte strategiche I dati grezzi sono raccolti laddove si svolgono i processi di gestione (il mondo dello schema) Successivamente sono depurati e modellati per essere analizzati L’analisi esplorativa genera modelli utili alle aree operative dell’impresa, ad esempio suggerendo di pianificare nuove offerte basate sulla scoperta di nuove esigenze del cliente, prima sconosciute 1 2 3
  • 7. 7 Analisi per il miglioramento competitivo L’analisi deve portare a nuove intuizioni secondo quattro principali obiettivi: 1. Suggerire nuove ipotesi sulle cause dei fenomeni osservati 2. Valutare le ipotesi su cui si basa l'inferenza statistica 3. Sostenere la scelta di adeguati strumenti e tecniche statistiche 4. Fornire una base per ulteriori raccolte di dati attraverso indagini o esperimenti
  • 8. 8 La forza di Amazon è costituita dalla sua capacità di analisi dei dati: 1. Raccoglie puntualmente ogni «azione» dei clienti (conoscitiva) 2. Mette in relazione questi dati, profilando le preferenze di ogni cliente secondo diverse caratteristiche (esplorativa) 3. Prevede le scelte di acquisto (predittiva) Il risultato? Una profilazione dei clienti tanto approfondita da essere in grado di spedire la merce ancora prima che effettuino l’ordine. Il 24 dicembre 2013 Amazon ha brevettato il sistema di anticipatory shipping. Tramite questo sistema, Amazon spedisce i prodotti alla clientela ancora prima che l’ordine sia stata effettuato: un esempio eccellente di analisi dei dati usata al suo pieno potenziale. Uno degli esempi principali dell’uso dei dati per gestire il proprio business è costituito da Amazon. Una funzione ormai quotidiana è «Chi ha acquistato questo articolo ha acquistato anche…». Le raccomandazioni e le offerte sono mirate al singolo utente sulla base della propria wish-list, acquisti, oggetti visualizzati, ma anche rispetto alla clientela similare. Un esempio di DATA ANALYTICS
  • 9. 9 L’analisi dei dati, attraverso le applicazioni di Business Intelligence, costituisce uno strumento cruciale per le IMPRESE. È opportuno però che tutti i processi e strumenti che partecipano alle scelte strategiche siano coordinate in modo da evitare alcune «trappole» che porterebbero a scelte decisionali errate. • Scarsa qualità dei dati: le intuizioni che scaturiscono da dati non corretti non possono che essere errate. • Limitazione delle analisi: talvolta i dati a disposizione dell’impresa sono forniti dal software gestionale o dai processi in esecuzione. Talvolta i dati disponibili non sono sufficiente: è opportuno talvolta predisporre la raccolta di nuove misure. • Accentramento delle informazioni: uno dei maggiori errori è quello di lasciare nelle mani di pochi manager dell’impresa le informazioni e le scoperte. L’obiettivo dell’analisi dei dati è arricchire la conoscenza per migliorare le scelte decisionali. Per farlo con efficacia, il modo migliore è diffondere la cultura dell’informazione a ogni livello dell’impresa, sfociando nelle scelte operative in tempo reale. Le trappole da evitare
  • 10. 10 I soli dati non sono in grado di fornire valore aggiunto all’impresa. Occorre analizzarli tramite tecniche strutturate per estrapolare nuove intuizioni in grado di generare nuove opportunità. Per farlo occorre però evitare alcune trappole che porterebbero a scelte sbagliate: per prevenirle, lo strumento è l’implementazione di un processo strutturato di data science. CONCLUSIONI
  • 11. SOGESI Headquarter Via Trieste, 14 27029 Vigevano (PV) Tel. 0381 691010 Fax 0381 691020 SOGESI Filiale di Torino Corso Palermo, 44 10152 Torino Tel. 011 0198929 Fax 011 0565410 SOGESI Filiale Piemonte Nord-Verbano Viale Marazza, 14 28021 Borgomanero (NO) Tel. 0322 846081 Fax 0322 096579 le nostre sedi www.sogesi.it e-mail: info@sogesi.it SOGESI Filiale di Cagliari Via dell'Artigianato , 14 09122 Cagliari (CA) SOGESI Direzione Commerciale Strada 4 Palazzo Q7 Milanofiori 20089 Rozzano (MI) Tel. 02 35925910 Fax 02 35925920 Filiali