fbpx

Questa settimana, l’ingresso dei partecipanti nell’aula dell’Executive Master DMBA è davvero scandito da una domanda, posta direttamente dal docente, il Dott. Marco Cerri:

Se devo fare una mappatura bidimensionale di un certo fenomeno, quali strumenti ho a disposizione?

Rispondere a questa questione è, di fatto, l’obiettivo della serie di lezioni che andiamo ad affrontare.

Non un corso approfondito di statistica, bensì, un excursus attraverso il quale comprendere le differenze e l’utilità per il business di differenti approcci e metodologie di analisi.

Gli argomenti principali del weekend sono, infatti:

  • Multidimensional Scaling
  • Cluster Analysis
Il Multidimensional Scaling è una tecnica di analisi statistica che consente di ottenere una rappresentazione dei dati, la Mappa di Posizionamento, in base a informazioni relative a similarità o dissimilarità tra loro.

Anche in questo caso, quindi, stiamo cercando di ridurre la dimensionalità senza perdere troppe informazioni.

Questa metodologia di analisi e le mappe che ne derivano, trovano un ampio uso e hanno grande utilità per attività di marketing posizionamento o sviluppo di un prodotto.

Riuscire a segmentare il mercato, in particolare, è un’attività fondamentale per qualsiasi business, ed è a questo punto che entra in gioco la Cluster Analysis.
La Cluster Analysis è un metodo di analisi esplorativa che risponde esattamente a questa esigenza.

Da un grande numero di unità statistiche si otterranno, infatti, partizioni omogenee al loro interno ed eterogenee rispetto agli altri gruppi (cluster) attraverso la definizione della distanza tra due unità.

Il Dott. Cerri ci mostra che la Cluster Analysis dipende dal tipo di distanza che si sceglie di utilizzare (ad esempio quella euclidea), e anche che ci sono diversi criteri di raggruppamento: gerarchici e non gerarchici.

E allora, quale criterio di raggruppamento scegliere?

Dipende dai dati che abbiamo, dall’obiettivo di business dell’analisi… ci sono, però, delle regole d’oro da seguire per ottenere una buona segmentazione:

  • Cercare soluzioni che individuino meno di dieci cluster e che ciascuno dei segmenti sia sufficientemente ampio
  • Selezionare delle soluzioni di clustering che siano semplici da interpretare in termini di statistiche descrittive
  • Presentare il risultato dell’analisi identificando le differenze tra cluster, così da permettere di utilizzare più facilmente i risultati dell’analisi per guidare le strategie di business

Guidare la pianificazione aziendale in base ai dati significa trasformare i dati in informazioni e le informazioni in azioni.

La Business Intelligence si evolve in Big Data Analytics

Il dato entra in azione attraverso gli algoritmi di Machine Learning: anche giganti come Netflix o Facebook li utilizzano per garantire la qualità dello streaming e offrire ai clienti sempre più funzioni.

Ma c’è di più, la capitalizzazione del dato attraverso l’arricchimento dei DB aziendali, non riguarda solo il presente.

La costruzione di un modello analitico predittivo ha lo scopo di analizzare i dati presenti e storici attraverso tecniche statistiche e apprendimento automatico per prevedere le probabilità di un’azione.

Avremo modo di approfondire metodologie come la regressione logistica, per il momento ne misuriamo le potenzialità sulla previsione del churn attraverso una dettagliata Case History.

L’onere della risposta passa, infine, ai partecipanti.

Ognuno indica, per il proprio settore, quali potrebbero essere le tipologie di dati più utili da capitalizzare.

Tra confronti e vere e proprie consulenze, è possibile comprendere sempre più a fondo l’impatto economico e strategico delle informazioni che i dati sanno fornire, una volta messi in azione.

 

Richiedi la Ricerca

Indagine sul livello di adozione e utilizzo dell'Intelligenza Artificiale in Italia

Privacy Policy

You have Successfully Subscribed!