Metodi di Data Mining per il Customer Relationship Management

Nicola Del Ciello, Susi Dulli, Alberto Saccardi

Metodi di Data Mining per il Customer Relationship Management

Edizione a stampa

27,50

Pagine: 208

ISBN: 9788846423160

Edizione: 3a edizione 2002

Codice editore: 720.1.9

Disponibilità: Limitata

L'alto livello di competizione, costantemente messo a rischio dalla crescente globalizzazione oggi presente sul mercato, obbliga chi è impegnato in attività direzionali ad una sempre maggior attenzione all'utilizzo di strumenti informatici e a metodi di analisi statistiche che possono influenzare decisioni determinanti al raggiungimento di risultati strategici per l'impresa.

Le metodologie di analisi di grandi moli di dati al fine di individuare tendenze nei comportamenti dei clienti, note come sistemi di Data Mining, costituiscono un approccio consolidato che ha trovato oggi la sua più significativa affermazione grazie a strumenti software ad alte prestazioni ed affidabilità.

Proprio il successo di un'iniziativa di collaborazione tra mondo accademico ed aziendale è la motivazione che ha spinto gli autori a testimoniare con questo volume i risultati di un'attività formativa culturale e professionale.

Le tecnologie di Data Mining utilizzate nel testo sono quelle di SAS Institute, tra le maggiori aziende di software al mondo. SAS e Nunatac collaborano in Italia sulle soluzioni per Marketing Data Warehouse, analisi di Business Intelligence e Data Mining.

Susi Dulli , laureata nel 1972, è ricercatrice di Informatica presso la Facoltà di Scienze Statistiche, dove insegna Informatica Generale. È relatore di numerose tesi e tutor di stages presso medie e grandi imprese. Tra le sue pubblicazioni, oltre agli articoli scientifici, vi sono Il problema del Data Mining: algoritmi e applicazioni (Cleup) e Modelli e strutture per il Data Warehousing (Diade).

Nicola del Ciello , laureato presso la Facoltà di Statistica con la tesi Il Data Mining all'interno del processo per il supporto alle decisioni: sviluppi ed applicazioni mediante l'utilizzo di SAS Enterprise Miner . Attualmente svolge l'attività di data miner presso Nunatac.

Alberto Saccardi , laureato in Economia Politica presso l'Università Commerciale Luigi Bocconi di Milano, collabora dal 1990 con l'Istituto di Metodi Quantitativi della stessa università svolgendo attività di docenza. Nel 1994 costituisce, insieme a Guido Cuzzocrea e Giorgio Faini, Nunatac, società specializzata nello sviluppo e progettazione di sistemi decisionali a supporto dell'attività di marketing.


Renzo Traversini , Prefazione
Introduzione. Il fattore conoscenza come vantaggio competitivo per le imprese
Dati e processi aziendali
(I sistemi di supporto alle decisioni; Un magazzino dati nell'era dell'informazione)
Dai sistemi ERP al Data Mining
(I sistemi di Enterprise Resource Planning; Il Data Warehouse; Architettura dei dati; Il modello dimensionale; Oltre il Data Warehouse: OLAP e Data Mining)
Il Data Mining
(Come impostare correttamente un progetto di Data Mining; L'attività di Data Mining; Tecniche e ambiti applicativi)
Analisi fattoriale
(Il modello di analisi fattoriale; Il percorso di analisi)
Analisi cluster
(Il percorso di analisi; Identificazione delle variabili di classificazione; Selezione della misura di prossimità tra le unità; Selezione di un algoritmo di classificazione)
Alberi decisionali
(Il percorso di analisi; Scelta del tipo di variabile target; Scelta dei predittori; Determinazione dell'ordine di entrata dei predittori; Criteri di segmentazione; Ricerca di strutture simmetriche; Criteri per l'arresto del processo di segmentazione; Valutazione dei risultati dell'analisi; Stabilità dell'albero; Adeguatezza della dimensione dell'albero; Stima basata sull'albero di segmentazione; Interpretazione dei risultati dell'analisi; Denominazione dei gruppi formati)
Le reti neurali
(Neurone artificiale e sua legge di attivazione; L'apprendimento; Reti Neurali ad "Apprendimento Supervisionato"; Le reti Multilayer Perceptron (MLP); L'algoritmo di apprendimento back-propagation; Altri algoritmi di apprendimento; Le reti Radial Basis Function (RBF); Apprendimento delle reti RBF; Reti Neurali ad "Apprendimento non Supervisionato"; Reti di Kohonen)
Altre tecniche statistiche
(Metodi e tecniche di analisi; Analisi di regressione stepwise; Analisi di regressione logistica; Scaling multidimensionale; Analisi delle corrispondenze)
Applicazioni di Data Mining mediante l'utilizzo di SAS/Enterprise Miner 3.0
(Lo "Scoring System" come modello per ottimizzare i risultati di una campagna: il progetto "Lost Club Member's Recovery"; Conoscere e segmentare la clientela; il porgetto "Behavioral Segmentation of Retail Customers")
SAS Institute (a cura di), SAS Enterprise Miner
(Una panoramica sulla soluzione SAS per il Data Mining; L'interfaccia utente grafica (GUI); La metodologia SEMMA; Funzionalità client/server; Sintesi).

Potrebbero interessarti anche