english | español

contatti

Metodi di Data Mining per il CRM

la copertina del libro

Prefazione

di Renzo Traversini

Lo sviluppo delle tecniche e dei sistemi di Data Mining è uno dei tratti caratteristici e forse più interessanti dell’evoluzione dei sistemi informativi aziendali nel corso degli anni ‘90; questa tendenza è ancora in atto e riceverà ulteriori forti motivi di sviluppo nell’ambito dei sistemi di e-commerce e in generale nel trend di allineamento delle strutture organizzative alle nuovo modalità di business che la internet economy sta generando.

La letteratura che concerne il Data Mining, sia nazionale che internazionale, è ormai molto vasta e ci si può forse chiedere quale ulteriore valore possa fornire un nuovo testo che si occupa di questa materia.

Ebbene credo che in questo nuovo libro gli autori abbiano affrontato due questioni essenziali che fanno di questo contributo un elemento di novità e di interesse:

  • La prima riguarda la giusta collocazione concettuale del Data Mining. Nel testo si cerca di sviluppare il concetto fondamentale di Data Mining visto come processo di costruzione di informazioni che non si riduce ad una semplice elencazione di tecniche particolari di analisi dei dati. Il Data Mining prevede l’articolazione di un procedimento di problem solving e system building orientato non solo ad individuare una possibile modalità di soluzione di uno specifico problema quantitativo, ma alla realizzazione di sistemi che per così dire portino in produzione e rendano sistematica la produzione di certe “soluzioni” a “problemi” ricorrenti nella prassi aziendale, problemi quali la determinazione dei target delle campagne commerciali oppure la valutazione di merito di credito di controparti finanziarie;
  • La seconda questione riguarda la citazione di esperienze significative che riescano ad orientare il lettore esemplificando efficacemente gli aspetti significativi di un progetto di Data Mining. Il testo vuole fornire delle esperienze applicative reali di questo processo e non semplicemente la esposizione di casi puramente indicativi di utilizzo di metodi analitici.

La rilevanza di questi due punti sta nel fatto che la loro corretta trattazione consente di mettere in evidenza il legame tra la messa in opera di procedure specialistiche ed il risultato che se ne può trarre in termini di miglioramento del business.

Il Data Mining è materia specialistica e resta il fatto che il suo impiego presuppone la disponibilità di conoscenze e strumenti specifici che naturalmente ne condizionano il costo. Ma d’altro canto il profitto che ne consegue, come il gran numero di casi reali di applicazione testimonia, giustifica abbondantemente la scelta di intraprendere questa attività. Oggi sul mercato italiano la diffusione del Data Mining appare legata alla disponibilità di società specializzate, portatrici delle necessarie conoscenze, e ad aziende che sappiano ingaggiare con proprio personale queste società specializzate e trarre il maggior profitto possibile dal rapporto che si instaura nel quadro di un progetto di Data Mining, sia in termini di specifici risultati immediati che per quanto riguarda lo sviluppo delle professionalità e delle capacità operative in azienda.

E’ evidente che la disponibilità di una adeguata conoscenza sia di tipo operativo che di tipo manageriale può diventare un fattore limitante per l’impiego su vasta scala del Data Mining. Al fine di diffondere la conoscenza di queste tecniche e il loro impiego in ambito industriale, SAS Institute ha promosso numerose iniziative di collaborazione con Università ed Enti di ricerca, volte allo sviluppo di esperienze applicative e alla creazione di personale che sia a conoscenza dell’uso delle tecniche di Data Mining ed abbia maturato dei casi applicativi significativi.

Aziende specializzate, operanti nel ramo della analisi di marketing quantitativo, quali Nunatac, hanno sviluppato rapporti di partnership con SAS Institute ed in questo ambito hanno potuto maturare una profonda conoscenza degli strumenti SAS per il Data Mining e tra questi in particolare della piattaforma Enterprise Miner, di cui si fa cenno in questo testo. L’impiego di una piattaforma efficiente, metodologicamente solida e dotata di tutta la strumentazione necessaria alla costruzione di un processo di Data Mining ha favorito lo sviluppo delle esperienze cui questo libro fa riferimento. D’altra parte, non sarebbe possibile trarre vantaggio dagli strumenti di Data Mining e dalle opportunità analitiche che essi offrono senza un adeguato backgroud di conoscenze ed esperienze sul campo, background di cui gli autori si sono avvalsi nell’esecuzione dei casi e nella compilazione di questo testo.

Il mio augurio è che questo libro possa contribuire alla diffusione del Data Mining, aiutando gli operatori aziendali a meglio comprendere e controllare l’impiego del Data Mining in azienda. I vantaggi che le aziende possono trarre dallo sviluppo della conoscenza inerente i propri clienti e i rapporti che con essi intercorrono mediante le tecniche di Data Mining sono ancora un’opportunità tutta da cogliere e possono costituire quel vantaggio competitivo che sempre più è essenziale per la sopravvivenza e lo sviluppo delle singole imprese.