14)Le 3 lettere magiche dell'era digitale: KPI

Le tre lettere magiche dell'era digitale: KPI, Key Performance Indicator. Questi sono indici che misurano/monitorizzano l'andamento e la performance del processo aziendale. Possono essere visualizzati all'interno di report, portali e dashboard, tramite strumenti di Microsoft e di terze parti..
Un oggetto Kpi semplice è composto dalle informazioni di base, (nome e descrizione dell'indicatore Kpi), dall'obiettivo (un numero, che quantifichi la valutazione dei risultati aziendali), dal valore effettivo raggiunto, da un valore di stato, da un valore di tendenza e da una cartella in cui viene visualizzato l'indicatore Kpi.
Sintetizzando i Kpi:
*non sono numeri, ma metriche (tassi, medie percentuali, rapporti) correlate con gli obiettivi di business;
*sono indicatori sintetici utili per cogliere il livello di prestazioni (strategiche) raggiunte rispetto agli obiettivi di business;
*trovano impiego nel campo della Business Intelligence e sono utilizzati per prendere delle decisioni, per intraprendere azioni correttive e di miglioramento.

In un'organizzazione potrebbe essere necessario monitorare differenti livelli/attività dei processi aziendali e quindi possono essere usati due o tre indicatori di prestazioni chiave per valutare il successo aziendale. E' possibile quindi definire una relazione padre-figlio tra indicatori di prestazioni chiave che consente di utilizzare i risultati dell'indicatore di prestazioni chiave figlio (business unit) per calcolare i risultati dell'indicatore di prestazioni chiave padre (business performance). Un KPI per poter essere usato e misurare il fenomeno d’interesse, fornendo correttamente risultati utili all’indirizzamento strategico del business in genere risponde ai 5 criteri S.M.A.R.T.: Simple Measurable Achievable Rilevant Time specific.
Per andare a capire quale Kpi possa essere davvero adatto a misurare le performance di una unità o dell'intero processo di business di un'impresa, si devono considerare i diversi parametri che concorrono a totalizzare un valore da controllare significativo per il business. Quasi sempre si deve seguire il cosiddetto onion approach *gli obiettivi più evidenti ed immediati sono quasi sempre quelli di minore interesse; *gli obiettivi da raggiungere presentano una quantità di sottolivelli da approfondire in cascata in numero variabile; *i livelli più interni possono nascondere l’origine di ulteriori obiettivi di verifica di maggiore rilevanza. Molto utili, direi fondamentali risultano essere i Kpi per portare avanti una Web Analytics, il cui obiettivo è appunto misurare la performance di un qualsiasi sito web.
Un Kpi deve esprimere il valore di una variabile (espresso solitamente in forma di numero percentuale), deve essere un indicatore temporale, (per permettere il confronto dello stesso valore nel tempo) e deve rispondere ad un'azione mirata a trattare certi fenomeni riscontrati. Es: sul sito "taldetali" si è riscontrato, nel mese di maggio, un calo del tasso di conversione del 30%. Ad esempio, Kpi per un sito di:
-lead generation il cui obiettivo è avere contatti qualificati sono: single access ratio (num di visite 1 pag/num di visite tot); traffic concentration (num visitatori 1 pag/num di visitatori);
-di content e media che deve ottimizzare il traffico sul sito, sono: visits/visitor, new visitors %;
-di customer support: visits/visitors, satisfaction index;

13b) Sistemi informativi aziendali: ERP & CRM

La gestione del cambiamento richiede un programma specifico suddiviso in progetti ciascuno dei quali indirizza una leva del cambiamento. Un'azienda che opera oggi nell'E-Business è caratterizzata dall'uso di diversi sistemi informativi fondamentali (=sistema interconnesso di elementi che raccolgono, analizzano e distribuiscono dati per supportare le attività decisionali e trasformare le informazioni utili in conoscenza):

ERP, Entrerprise Resocurce Planning, è un complesso insieme di strumenti di pianificazione, programmazione e previsione il cui obiettivo è il miglioramento del processo decisionale per tutti i soggetti che ne sono coinvolti, dal produttore al cliente. E' un sistema compure based disegnato in ambiente client/server o web, per processare le transazioni dell'organizzazione e consentire l'integrazione in tempo reale di dati provenienti da tutti i processi di business (pianificazione/produzione) e dei dati provenienti dall'ambiente esterno. Sono pacchetti di software strutturati in moduli specifici per ciascuna attivita, ma che risultano strettamente interconnesse e che alla fine confluiscono in un unico database. Per ciascuna attività l'erp individua cosa è necessario, la quantità utile, il costo, il tempo necessario per ottenerla..
CRM, Customer Reletionship Mangement, prima di essere un software aziendale è un vero e proprio modello di business che coinvolge tanto il sistema informativo quanto l'organizzazione aziendale. Un buon sistema crm comprende una serie di infrastrutture sia a livello di front office (nella relazione con l'esterno, col il cliente), sia a livello di back office, per analizzare e misurare dati e i risultati raggiunti. E' anche vero che per cercare una relazione con il proprio cliente non occorrono sempre software complicati!
Le componenti strutturali di una strategia di crm sono:
Analisi e gestione della relazione con i clienti: contatto con i clienti e analisi dei bisogni attraverso molteplicità di strumenti come mail, lettere, telefonate, sms, eccetera. Il contatto è fondamentale così poi da procedere alla mappatura del ogni singolo cliente ed organizzare tutte le informazioni raccolte in un database strutturato. Queste informazioni sono preziose in quanto permettono di conoscere, e se possibile, anticipare le esigenze del cliente.
Lo sviluppo di contenuti e servizi personalizzati: i dati raccolti vengono gestiti per elaborazioni statistiche utili a segmentare i clienti in specifiche scale. Una volta organizzati, è possibile procedere con l'analisi dei dati per sviluppare una comunicazione e un'offerta commerciale e personalizzata. L'infrastruttura informatica: attivazione di strumenti informatici che aiutano in questo processo di gestione del cliente. Gli strumenti di analisi dei fenomeni e dei profili conosciuti sono il DATAMINIG e gli OLAP. Ad esempio con il primo andiamo ad estrarre le informazioni, i profili comportamentali, i trend sconosciuti a priori dai dati. Il Dmining rapportato al Crm viene definito come uno degli aspetti più interessanti del Crm stesso. I sistemi di Dmining, per la loro capacità di analisi di grandi quantità di dati, sono ormai un approccio consolidato per individuare tendenze e comportamenti del clienti. Diventa importante il Dmining per utilizzare i dati a disposizione per fidelizzare i clienti, per ottimizzare le performance commerciali imparando a sfruttare le info del Db di marketing a supporto delle decisioni strategiche ed operative, ad esempio per: segmentare la clientela in funzione dei comportamenti di acquisto, razionalizzare il portafoglio prodotto, valutare l’impatto delle diverse tipologie di campagna..

Il Crm nel web 2.0. Nell’era del web 2.0 il cliente è al centro di qualsiasi operazione, strategia ed obiettivo dell'azienda. L'E-CRM, a differenza del Crm tradizionale (software installato sul server locale e quindi utilizzato solo all’interno dell’impianto aziendale) permette di disporre sul web di una tecnologia che ha reso accessibili le informazioni indipendenti da qualsiasi vincolo fisico/strutturale. E' un settore applicativo della tecnologia dell'informazione che utilizza il complesso delle tecnologie Internet (web, e-mail, FTP, streaming video etc.). Utilizza in modo particolare i Kpi, oggetto del prossimo post!

13a) Excel, Access e PowerPoint.

Il miglior software è quello che fa le cose che ci servono, quindi si dovrebbe per prima cosa capire bene a cosa ci serve un certo programma. Realizzati dalla Microsost ed inclusi nel pacchetto Microsoft Office Professional troviamo:

EXCEL, è un prodotto software che consente di creare tabelle; calcolare e analizzare dati; costruire fogli di calcolo che lavorino su valori numerici immessi, fornendo in automatico il risultato di formule anche molto articolate; stampare tabelle con layout chiaro; creare grafici anche molto complessi. Uno strumento insomma che semplifica di molto la vita lavorativa ed universitaria in questo caso. Si può lavorare sempre su uno stesso foglio in cui, in modo abbastanza intuitivo ma professionale, si riporteranno parti di testo, grafici, tabelle, calcoli e immagini, facendo fare alla macchina tutti quei calcoli che porterebbero via tempo.
ACCESS, è un relational database management system. Può utilizzare dati immagazzinati in formato Access/Jet, SQL Server, Oracle... Può essere utilizzato a differenti livelli sia da sviluppatori software esperti, sia da programmatori alle prime armi per sviluppare applicativi anche molto complessi. In Access un unico file comprende tutti gli strumenti per lo sviluppo delle applicazioni: tabelle, query, maschere, report.
POWERPOINT, nasce per la creazione di presentazioni basate su diapositive (o lucidi) o meglio per presentare informazioni in modo efficace e professionale.

12)OuTpUt del Report e Query di Join

Le Query di Join..
per capire cos'è una query di unione, possiamo pensare a queste due tabelle come se fossero due insiemi:
tabella A = insieme 1; tabella B = insieme 2
intersecando i due insieme si vanno ad ottenere: una zona condivisa e due aree separate. I diversi tipi di Join si occupano di selezionare queste aree estrapolando diversi gruppi di risultati. In base all'esistenza o meno della condizione (WHERE), la Inner Join restituisce solo i record verificati esistenti in entrambe le tabelle, tutte quelle righe che non hanno corrispondenza verranno escluse. Nel caso degli insiemi si va a prendere in considerazione solo la parte che si sovrappone. Nel caso della tabella avremo: 1-->architettura-->gino-->1

La Outer Join restituisce tutti i record che non corrispondono alle chiavi di ricerca. E' il contrario della Inner join. In realtà si usa insieme a left/right diventando left outer join o right outer join. Nel caso degli insiemi per meglio comprendere, viene selezionato tutto ciò che è fuori dall'intersecazione (a dx o/e sx).
La Left Outer Join, mette insieme il concetto di inner join e outer join. Il risultato che si ottiene è la selezione di tutti i record della tabella A che corrispondono con la tabella B, più i record della tabella A che non corrispondono. I record che non corrispondono vengono valorizzati a null. Esiste anche la right outer join ma normalmente non si usa e per ottenere lo stesso risultato si cambia l'ordine delle tabelle.
Ricordo che ogni oggetto all'interno di un Database puo essere ogni oggetto può essere creato, memorizzato, utilizzato, modificato e che tramite tabelle, schede e query si possono anche modificare i dati. (Tipi di oggetti all'interno di un Db: – tabelle: contenitori di dati, relazionali –query: operazioni sui dati, di consultazione o modifica –schede: interfacce visuali per l’accesso ai dati –report: produzione di stampe –macro: sequenze di operazioni pre-registrate e rieseguibili a comando –moduli: applicazioni programmate).

Una Query su più tabelle ha, come predicati di join automatici, le relazioni definite sul DB ma in assenza di relazioni predefinite i predicati di join si stabiliscono graficamente come le relazioni (queste stabiliscono i vincoli di integrità referenziale: uno a uno e molti a molti. In caso di aggiornamento e cancellazione di un record si può richiedere l’aggiornamento o impedire l’operazione).

Il RISULTATO di una QUERY è una vista sui dati che può essere manipolata come una tabella. Le viste ottenute da query con raggruppamenti non sono modificabili mentre le viste da query tramite join sono direttamente modificabili.
Il REPORT invece è lo strumento che ci serve per la produzione di stampe, per personalizzare le intestazioni, per definire gruppi e sottogruppi; per calcolare totali parziali sui gruppi.
REPORTISTICA STATICA: E’ il primo tipo di applicazione di supporto alle decisioni. Di solito è costituito da un programma/script che recupera i dati operazionali attraverso un linguaggio come SQL effettuando una qualche elaborazione e presentado il risultato in modo tabellare. E’ definita statica perché la logica ed il formato di output è definito una volta per tutte e richiede un programmatore per essere modificato.

11b) Tipi di Query e Funzioni Aggregative

Una query è una richiesta specifica di recupero, creazione, modifica o eliminazione di dati in un database. Esistono diversi tipi di query:
Le Query di selezione, ovvero quelle che recuperano dati da una o più tabelle e visualizzano il recordset in un foglio dati. È inoltre possibile utilizzare una query di selezione per raggruppare i dati e calcolare somme, conteggi, medie e altri tipi di totali.

Una Query con parametri visualizza durante l'esecuzione una finestra di dialogo in cui si richiede di immettere informazioni da utilizzare come criteri della query. È possibile progettare una query con parametri in modo che vengano richieste più stringhe di informazioni, ad esempio due date. Access recupererà quindi tutti i dati con valori compresi tra queste due date.

Una Query a campi incrociati dispone un recordset in modo da facilitarne la visualizzazione, utilizzando intestazioni di riga e di colonna. È possibile visualizzare i dati in termini di due categorie alla volta.
Le Query di comando, ovvero quelle procedure che inseriscono, modificano o eliminano dati. Questo tipo di query crea una nuova tabella o modifica una tabella esistente aggiungendovi dati, eliminando dati o aggiornandola, è particolarmente potente, in quanto modifica effettivamente i dati della tabella.

Tra queste ultime abbiamo:

--Query di accodamento. Crea nuove righe copiando le righe esistenti da una tabella in un'altra oppure nella stessa tabella.
--Query di aggiornamento. Modifica i valori delle singole colonne in una o più righe esistenti in una tabella.
--Query di eliminazione. Rimuove una o più righe da una tabella. (Una query di eliminazione rimuove intere righe dalla tabella. Per eliminare valori dalle singole colonne di dati, utilizzare una query di aggiornamento).
--Query di creazione tabella. Crea una nuova tabella con righe in cui vengono copiati i risultati della query.

Quando vogliamo sintetizzare i dati di una tabella, possiamo creare una Query di Aggregazione che una volta eseguita conterrà un'unica riga con le informazioni di riepilogo.
Le Funzioni di Aggregazione sono funzioni standard native di SQL che permettono di ottenere valori numerici e/o effettuare calcoli in funzione di query specifiche. Consentono sia di effettuare dei calcoli statistici sui dati che di compattattare i dati per determinati valori. Le funzioni principali:

• SUM - Calcola la somma dei valori.
• AVG - Calcola la media ( average ) dei valori.
• MIN - Estrae il minimo dei valori.
• MAX - Estrae il massimo dei valori.
• COUNT - Conta il numero dei valori.
• STDEV - Calcola la deviazione standard dei valori.
• VAR - Calcola la varianza dei valori.
• FIRST - Restituisce il primo dei valori.
• LAST - Restituisce l'ultimo dei valori.

E' possibile calcolare il numero totale degli iscritti alla Sapienza nell'anno corrente, creando una tabella Iscritti_tot attraverso una query che vada a sommare i dati della colonna Iscritti. L'iscruzione in SQL potrebbe essere la seguente:
Select Sum (sapienza) iscritti_tot
From Iscritti

(Es di query di selezione tra più tabelle, degli esami sostenuti da Mario Bianchi. Su questa si può andare a calcolare la media dei voti dello studente, si possono conteggiare esami ed idoneità..)

11) Database con Access!

Ricapitolando..un DATABASE altro non è che una raccolta di dati, ordinati secondo un qualche criterio. Ho utilizzato Access per creare un database degli Studenti Iscritti alla Sapienza.

Sono partita dalla definizione dei Campi che fanno parte del database. Ogni utente che viene aggiunto al database, ogni colonna che si decide di rendere visibile per mostrarne i dati relativi, ne modifica la dimensione, ma non la struttura. Un database quindi è formato da una tabella. Vantaggi che comporta la realizzazione di un buon database:

• Riduzione dello spazio occupato; • Congruenza dei dati; • Riduzione degli errori di scrittura. E' fondamentale per non avere problemi di ridondanza dei dati normalizzare il database: ogni dato deve comparire una sola volta!!

Acces consente lavorare a un database in tre modi:

1. Utilizzando un database esistente. Il database Northwind è un esempio di tutte le possibilità offerte dal programma per la gestione dei dati.

2. Utilizzando progetti di database. In questo caso si utilizzano dei database preimpostati scegliendo quello che più si avvicina a ciò che vogliamo creare noi.

3. Creando il database dal nulla. In questo caso una volta pianificato il database si passerà alla costruzione degli elementi principali che lo compongono:

--Tabelle Sono strutturate in righe e colonne come i fogli Excel e contengono i dati principali del database. Due modi per operare sulle tabelle:

Apri: in questo caso si vedono i dati contenuti nella tabella. E' possibile aggiungere dei valori o righe e modificare i dati.
Struttura: per ogni campo è possibile definire il tipo di dati che contiene ed eventualmente delle regole per l'immissione dei dati. Può essere comodo aggiungere una descrizione che spiega più chiaramente il significato del campo.
--Query Sono interrogazioni che permettono di estrarre dei dati dal database secondo vari criteri.
(vengono analizzate in dettaglio nel post 11b)
--Maschere Facilitano l'inserimento dei dati in una o in più tabelle. Consentono di inserire dei controlli o addirittura di visualizzare dei risultati ottenuti lavorando sui dati.

--Report Consentono di stampare i dati presenti nel database secondo una certa struttura. Io ho creato il primo database, quello di cui si possono vedere le immagini usufruendo di un progetto di database proposto da Access stesso. Ho giocato un pò cercando di creare relazioni ad esempio tra l'età degli studenti ed la loro posizione universitaria (se in corso/fuori corso); o rapportando la facoltà di appartenenza e il possesso di un titolo di studio (laurea triennale/ magistrale); o se i laureati di una facoltà già lavorano..

Ho creato un report..semplice semplice, e lineare con le variabili più significative per avere una chiara visione d'insieme. (il report è la 1 immagine del post).

10) Data Mining. Approfondimenti su Processi, Tecniche e Modelli!

Le tecniche di Data Mining sono specifiche implementazioni degli algoritmi, utilizzate per portare a termine le operazioni di data mining. Si possono seguire diversi modelli ed effettuare varie operazioni.
Il Modello Predittivo è simile all’esperienza dell’apprendimento umano, quando utiliza le osservazioni per creare un modello delle caratteristiche principali, sottostanti ad un certo fenomeno. Nel data mining, i modelli predittivi vengono utilizzati per analizzare un database esistente, al fine di determinare qualche caratteristica essenziale relativa ai dati. I modelli predittivi vengo infatti sviluppati in due fasi:
o training: ovvero la costruzione di un nuovo modello sulla base di dati storici;
o testing: cioè il provare il modello su dati nuovi, precedentemente non noti, per determinarne l’accuratezza e le performances del modello stesso.
L’approccio della modellazione predittiva trova la sua più ampia applicazione nei settori del customer retention management, del credit approval, del cross selling e del target marketing.
L’operazione di Clustering (o data base segmentation) ha lo scopo di partizionare un database in segmenti di records simili che condividono tra loro un numero di proprietà tale da poterli considerare omogenei, senza nessun intervento da parte dell’utente in merito ai tipi o al numero di segmenti che ci si aspetta di individuare all’interno del database.
L’operazione di Link Analysis cerca di stabilire connessioni (associations) tra records individuali o insiemi di records di un database.
Tra le principali tecniche di mining possiamo annoverare:
- Profilazione. Il profiling è una speciale tecnica di valutazione qualitativa in grado di “stimare” dettagliatamente le caratteristiche del singolo utente in modo da poter cogliere per ognuno abilità varie, tipi di comportamento, aspetti della personalità. Dati questi, che sottoposti a specifici esami sono in grado di generare “correlazioni” significative da un punto di vista commerciale. Quest’ultimo aspetto della profilazione prende il nome di data mining : una sorta di “ricostruzione ordinata” e classificata di una montagna di dati reperiti precedentemente che identificano l'utente in base al sistema operativo utilizzato (Windows, Linux ecc. ), al software adoperato per accedere ad Internet (Internet Explorer, Mozilla, Opera), e all'ID utente.
- Market Basket Analysis. Sono tutti quei metodi che consentono di individuare profili o modelli ricorrenti nell’acquisto di prodotti/servizi al fine di rendere più efficaci le azioni di marketing e di merchandising. E' uno strumento di data mining basato sulle regole associative che permette di studiare le abitudini di acquisto dei consumatori per evidenzi
are affinità esistenti tra prodotti o gruppi di prodotti venduti. Lo scopo è quello di inferire delle implicazioni, del tipo "if condition then result", che vadano ad espreimere la probabilita' di acquisto di prodotti differenti per stabilire quanto l’acquisto di un prodotto influenzi l’acquisto di un altro. Es: l’80% degli studenti che conseguono un certo titolo di studio (es. laurea), trovano lavoro..così da poter affermare che titolo di studio X e lavoro Y sono correlati, o altrimenti, che esiste un implicazione del tipo: laurea-->lavoro. Sarà compito poi degli strumenti informatici del data mining estrarre le informazioni e conoscenze di supporto alle decisioni aziendali. -

- Decision Trees. Tecnica che permette di creare alberi decisionali e di classificazione per identificare con grande semplicità gruppi, individuare relazioni tra gruppi e realizzare analisi predittive. Questi possono essere utilizzati per segmentare e stratificare i dati, esplorare relazioni e interazioni, accorpare categorie simili e discretizzare variabili continue. La visualizzazione semplice e intuitiva ad albero permette la presentazione dei risultati ottenuti anche ad un pubblico non tecnico. Nel data mining un albero di decisione viene utilizzato per classificare le istanze di grandi quantità di dati. Si descrive una struttura ad albero dove i nodi foglia rappresentano le classificazioni e le ramificazioni l'insieme delle proprietà che portano a quelle classificazioni. Di conseguenza ogni nodo interno risulta essere una macro-classe costituita dall'unione delle classi associate ai suoi nodi figli. Il predicato che si associa ad ogni nodo interno (sulla base del quale avviene la ripartizione dei dati) è chiamato condizione di split. In molte situazioni è utile definire un criterio di arresto (halting), o anche criterio di potatura (pruning) al fine di determinarne la profondità massima. Questo perché il crescere della profondità di un albero (ovvero della sua dimensioni) non influisce direttamente sulla bontà del modello, (una crescita eccessiva della dimensione dell'albero porterebbe ad aumento sproporzionato della complessità computazionale rispetto ai benefici riguardanti l'accuratezza delle previsioni/classificazioni).