Upload
antonio-bucciol
View
688
Download
0
Embed Size (px)
Citation preview
I BIG DATA EL’ANALISI PREDITTIVAProject work su come evolve l’analisi di business predittiva con i big data
Antonio Bucciol, 839430
2015
Data miningVarie definizioni:
• Non-trivial extraction of implicit, previously unknown and potentially useful information from data
• Exploration & analysis, by automatic or semi-automatic means, of large quantities of data in order to discover meaningful patterns
P.Tan, Introduction to Data Mining
Analisi di business
Cos’èSistema evoluto di data processing che permette di acquisire una visione accurata della situazione attuale, di individuare scenari futuri e di favorire e suggerire decisioni efficaci e risultati tangibili.
CategorieAnalisi di business:• Descrittiva• Diagnostica• Predittiva• Prescrittiva• Preventiva
Big Data e analisi di business
L’analisi di business non è nata ieri, e fa da decenni uso dei computer per elaborare grandi moli di dati.
Cos’è cambiato allora?
Con l’avvento dei Big Data, assistiamo ad una congiuntura eccezionale:- Enormi quantità di dati- Dati digitali- Dati estremamente diversificati- Correlazione: semplice tracciare utente, facile
creare relazioni- Diminuzione costi
Analisi predittiva
Modello predittivoIdentifica automaticamente le relazioni all’interno dei dati per prevedere le future tendenze del mercato e i comportamenti dei clienti, per esempio per effettuare previsioni sull’efficacia delle prossime campagne di marketing.
I dati disponibili sono opportunamente suddivisi in gruppi.
L’A.P. ha vari risvolti. Vediamo subito un paio di esempi.
Ottimizza:• Acquisizione clienti• Identificazione clienti top• Elaborazione strategie
marketing• Pianificazione campagne
digitali• Gestione retention
[Esempio A]: A.P. in negozio [1/4]
ContestoAttività commerciale aperta al pubblico.Provvista di n postazioni di pagamento, con n grande.
Contingenzam casse aperte, con m < n
Problemaquando attivare ulteriori casse?
[Esempio A]: A.P. in negozio [2/4]
Approccio elementare
- Rilevazione numero di accessi al negozio- t = tempo medio di permanenza del cliente tipico
Risultatoso che circa t minuti dopo un forte afflusso in entrata, avrò molti arrivi in cassa.
[Esempio A]: A.P. in negozio [3/4]
Approccio più sofisticato
È possibile migliorare tale approccio di k gradi (con k potenzialmente illimitato, ma sottomesso al rapporto gain/cost).
Ad esempio:- Calcolo tempo medio di checkout tramite i log di cassa
- Personalizzazione per cassa (tipologia, posizione)- Personalizzazione per cassiere (esperienza) (nota: in rapporto alla cassa gestita)- Da sottrarre al tempo permanenza
- Rilevazione posizione (dispositivi mobili, RFID prodotti/carrello, cam, etc.)- «Ultimo reparto»- Avvicinamento alle casse- Lunghezza code
[Esempio A]: A.P. in negozio [4/4]
Next step
- Ulteriori device IoT
- Riconoscimento cliente e applicazione medie personali
- …
[Esempio B]: A.P. in negozio [1/4]
ContestoAttività commerciale aperta al pubblico.
ProblemaCome posso migliorare le vendite?
Approcci• Analisi KPI* del negozio• Analisi degli effetti di pubblicità• Ottimizzazione dello staff• Analisi demografica specifica
Fare clic sull'icona per inserire un'immagine
*KPI: Key Performance Indicator
[Esempio B]: A.P. in negozio [2/4]
Analisi KPI del negozioCercare di migliorare il KPI basandosi su:• Presenze• Pattern di movimento
Approccio1. Costruzione modello descrittivo (simulazione).2. Modifica del modello (ricerca del massimo)3. Applicazione delle modifiche al negozio fisico4. Rilevazione delle variazioni nel comportamento
dei clienti5. Calcolo coeff. miglioramento effettivo tra i due
modelli. Eventuale ritorno al punto 2.
[Esempio B]: A.P. in negozio [3/4]
Analisi degli effetti di pubblicità- Singola pubblicità- Pubblicità multiple
- Interazione tra le stesseEffetti sulle vendite?
Ottimizzazione dello staff- Numero dipendenti- Approccio con il cliente- Etc.Effetti sulle vendite?
Fare clic sull'icona per inserire un'immagine
[Esempio B]: A.P. in negozio [4/4]
Analisi demografica
La domanda è: il mio layout funziona con un determinato tipo di cliente?
Target definito da intersezione di:- Età- Nazionalità- Sesso- Cultura (dato sensibile ma inferibile!)- Etc.
Potrei avere un KPI migliore anche perdendo clienti?Sì, se aumenta il sottoinsieme dei clienti di fascia alta in rapporto conveniente rispetto alla perdita di altre tipologie di clienti.
Fare clic sull'icona per inserire un'immagine
DOMANDE?