Analytical Intelligence: il RIGORE e la SEMPLICITA' dell'orologio

Evento: Articolo pubblicato sul numero 4/2003 di ITA.SAS.COM
Autori: Alberto Saccardi 

“L’orologio fu la più grande conquista dell’ingegno medievale nel campo della meccanica. Rivoluzionario nella concezione, fu molto più innovativo di quanto i suoi inventori pensassero. Fu il primo esempio di strumento digitale in opposizione a quelli analogici: contava una sequenza regolare e ripetitiva di azioni distinte (le oscillazioni di un dispositivo di controllo) anziché seguire un movimento continuo e regolare quale lo spostamento dell’ombra di una meridiana o lo scorrere dell’acqua.”

Da “La Ricchezza e la povertà delle Nazioni”
di David S. Landes – professore emerito di storia ed economia Università di Harvard

Scarica il documento (.pdf 75.7 KB)

Modelli di Enterprise Miner® per applicazioni di database marketing

Evento: SUGItalia (1999)
Autori: Federico Ambrogi, Guido Cuzzocrea, Massimo Saputo

l data mining è un’opportunità per acquisire vantaggio competititvo. Nel caso delle applicazioni di database marketing dovrebbe garantire al management la produzione di informazioni tattiche e strategiche quali l’identificazione del miglior target destinatario di una campagna, la stima del potenziale di cross-selling per ciascun cliente, l’individuazione dei fattori di customer attrition.

Con un’enorme quantità di dati a disposizione e il miglior ambiente software per analizzarli, l’isola del tesoro sembra proprio vicina.

Ciononostante i dati e la tecnologia sono necessari, ma non sufficienti. Per applicare con successo processi di data mining all’attività di database marketing è necessario seguire un percorso che inizia con l’identificazione dell’obiettivo di business, richiede la predisposizione di opportuni dataset di input e, quindi, la realizzazione della fase di analisi secondo la metodologia SEMMA. Non è ancora abbastanza: è necessario mettere in produzione i risultati ed implementare le campagne, cosiderando non solo le nuove regole di targeting, ma anche i criteri tradizionali, le cross-section e i campioni di controllo per la misurazione del ritorno sull’investimento.

Tutto ciò mettendo a confronto i budget con i valori di break-even attesi per segmento e mediando gli obiettivi di massimizzazione del profitto della singola campagna con quelli di sviluppo commerciale.

Non sarebbe utile avere a disposizione una mappa dettagliata per guidarci nella ricerca del tesoro?

Scarica il documento (.pdf 198.0 KB)

Dal codice contratto al codice cliente

Evento: SUGItalia (1998)
Autori: Elena Castaldi, Alberto Saccardi

Identificare il ‘Cliente’ come cardine del disegno strategico aziendale porta alla necessità di disporre di informazioni relative al comportamento della clientela stessa. Infatti, in un contesto di questo tipo, misurare il numero dei nuovi clienti acquisiti è importante tanto quanto misurare l’incremento delle vendite, così come valutare il ‘life time value’ è essenziale quanto valutare il margine sul prodotto.

Tuttavia dati di questo tipo non sempre sono prontamente disponibili. In particolare, questa difficoltà è enfatizzata nei casi in cui il business è finalizzato alla sottoscrizione di una polizza, di un conto corrente o di un abbonamento ed il sistema informativo è strutturato per la gestione del singolo contratto.

In questo lavoro, sintesi dell’esperienza maturata nella costruzione di Database di marketing (DBMa) in diversi settori, esporremo come affrontare e risolvere alcune delle principali criticità nella realizzazione di un DBMa partendo da un Sistema Informativo Gestionale organizzato per codice contratto.

Scarica il documento (.pdf 145.5 KB)

Data Mining: un nuovo approccio all’analisi dei dati o un semplice neologismo? La Metodologia per il Data Mining

Evento: SUGItalia (1998)
Autori: Alfredo Roccato, Alberto Saccardi

Quali sono le linee guida che consentono di poter svolgere proficuamente un’attività di analisi quantitativa orientata alle problematiche di business? Quali le caratteristiche e quali le competenze necessarie per estrarre ricchezza informativa dai vasti e complessi database aziendali? In che misura una corretta metodologia, supportata da un’adeguata “scatola degli attrezzi” inserita in un ambiente software dedicato e di facile accesso, possono portare consistenti vantaggi economici?

In termini generali, ciò che distingue l’attività di Data Mining dall’analisi statistica comunemente intesa non è solamente la mole di dati su cui vengono effettuate le elaborazioni, così come nemmeno la disponibilità di un numero rilevante di tecniche, quanto l’orientamento verso le esigenze aziendali e la possibilità di operare in un ambiente predisposto per l’integrazione di contributi tecnici e conoscenze di business: fare Data Mining significa seguire una metodologia che va dalla definizione della problematica all’implementazione di regole decisionali economicamente misurabili.

Realizzare progetti di Data Mining significa anche organizzare un efficace team di lavoro tenuto conto delle diverse risorse ed esigenze aziendali: quelle dei sistemi informativi, del marketing centrale e della rete commerciale.

Nella presentazione verranno illustrati i presupposti e gli aspetti organizzativi di questa problematica, la metodologia SEMMA e Enterprise Miner®.

Scarica il documento (.pdf 198.9 KB)

Tecniche di segmentazione per la previsione della redditività dei clienti

Evento: SUGItalia (1995)
Autori: Guido Cuzzocrea, Alberto Saccardi

Le reti neuronali non sono uno strumento universale, utilizzabile senza competenze specifiche, per ottenere la migliore e più rapida soluzione ai problemi più complessi: questa opinione non rappresenta una novità, così come non è una novità affermare che esistono spesso analogie tra determinate architetture di rete e modelli statistici. Tutto ciò è tanto più vero quanto più ci si allontana dall’ambito ingegneristico in cui le reti neuronali sono state sviluppate.

Ma allora, pensando ad applicazioni di marketing, quando è opportuno considerare una rete neuronale? Quali sono, dal punto di vista operativo, i passi da compiere per progettare e realizzare una rete che fornisca risposte soddisfacenti? Come possiamo avvalerci di conoscenze e strumenti statistici tradizionali per impostare correttamente l’analisi, selezionare le variabili esplicative, comprenderne le relazioni e, infine, valutare il margine di errore dei risultati forniti da una rete? In collaborazione con il Servizio Analisi di Marketing di CDE - Gruppo Mondadori siamo andati alla ricerca di risposte concrete, affrontando un problema di segmentazione e classificazione dei comportamenti di un file clienti, con gli strumenti messi a disposizione da SAS System, software per la costruzione di soluzioni di Business Intelligence.

Scarica il documento (.pdf 275.1 KB)

Statistica e democrazia: le mappe di preferenza nell'analisi dei sondaggi d'opinione

Evento: SUGItalia (1994)
Autori: Guido Cuzzocrea, Alberto Saccardi, Valeria Severini

L'introduzione del sistema elettorale maggioritario, la scomparsa o la trasformazione dei partiti tradizionali hanno caratterizzato il contesto socio-politico italiano, rendendo evidente la necessità di comprendere le nuove caratteristiche, esigenze e motivazioni di un elettorato in forte evoluzione. I sondaggi d'opinione non possono limitarsi a fornire previsioni sulla composizione di voto, ma devono rappresentare il fenomeno nella sua complessità. L'analisi dei risultati mediante le classiche rappresentazioni tabellari non risulta idonea al trattamento congiunto del patrimonio informativo a disposizione, concentrandosi su singoli aspetti e favorendo interpretazioni parziali. Nel seguente scritto mostreremo un diverso approccio, nel caso specifico applicato ad un sondaggio preelettorale, che permette di ottenere una rappresentazione più completa e corretta del profilo degli elettori e delle loro preferenze.

Scarica il documento (.pdf 266.2 KB)

SAS per la ricerca del migliori clienti. La progettazione di uno Scoring System per il Direct Marketing

Evento: SUGItalia (1993)
Autori: Flavio Addolorato, Giovanni Bonati, Guido Cuzzocrea, Alberto Saccardi

lo Scoring System è un insieme integrato di procedure volte alla costruzione di un modello che mette in relazione le caratteristiche di un insieme di individui (la lista dei potenziali clienti) con una variabile obiettivo.

Tale variabile rappresenta l'adesione ad una proposta commerciale, mentre le variabili esplicative sono legate al comportamento passato degli individui nei confronti di analoghe iniziative e alle loro caratteristiche anagrafiche. L'obiettivo del progetto consiste nell'assegnazione di un punteggio numerico (score) ad ogni anagrafica del file. Tale punteggio è direttamente collegato alla probabilità che ogni individuo risponda all'azione commerciale. In questo modo è possibile ordinare i potenziali clienti in base allo score e selezionare quelli a cui è associata una probabilità di adesione più elevata. Verranno illustrate la metodologia di base, lo sviluppo in SAS, con particolare riferimento all'utilizzo della PROC CATMOD, i risultati ottenuti. In questa trattazione faremo riferimento al caso specifico della promozione di vendite tramite catalogo non specializzato, ma l'applicabilità dello Scoring System è chiaramente molto più ampia.

Scarica il documento (.pdf 254.1 KB)