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 processodi 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

ComunicazioneVisualizzazione

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 statistica3. Sostenere la scelta di adeguati strumenti e tecniche

statistiche4. 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 HeadquarterVia Trieste, 14 27029 Vigevano (PV)Tel. 0381 691010 Fax 0381 691020Visualizza su google map

SOGESI Filiale di TorinoCorso Palermo, 44 10152 TorinoTel. 011 0198929 Fax 011 0565410Visualizza su google map

SOGESI Filiale Piemonte Nord-VerbanoViale Marazza, 14 28021 Borgomanero (NO)Tel. 0322 846081 Fax 0322 096579Visualizza su google map

le nostre sedi

www.sogesi.it e-mail: info@sogesi.it