corso di marketing industriale informazioni.pdf · 2007-04-23 · corso di marketing industriale u...

Prof Ferruccio Piazzoniferruccio.piazzoni@unibg.it

Corso di Marketing Industriale

U N I V E R S I T A' D E G L I S T U D I D I B E R G A M O

Facoltà di Ingegneria

Le informazioni come vantaggio competitivoInformation & Knowledge Marketing Database

I Mktg-L10

Introduzione alla didatticapagina 2

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Business Intelligence

• Per Business Intelligence (&Decision) si intende la ricerca intelligente di dati, produzione e analisi in tempo reale di informazioni, "push", ma soprattutto "pull", per il supporto ad attività di controllo e di decisione di manager e professional (Knowledge Information Worker) di qualunque livello aziendale.

• I Business Intelligence (&Decision) Systems sono i sistemi dedicati alla B.I.(&D.) e costituiti da diverse soluzioni di:

- software applicativo (applicazioni analitiche, tool di interrogazione, navigazione e presentazione dei dati, ecc.)

- software di ambiente (RDBMS, MDBMS, warehouse admin, modellingtool, ETL tool, catalogo dati,...)

- hardware e sw di base (DB server, Application Server, Web server, sistema operativo e di rete, ...)

• I BI(&D)S integrano e completano i sistemi di Datawarehousing.

Introduzione alla didatticapagina 3

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Datawarehouse

• “…. Un insieme ordinato di elementi che raccolgono e archiviano dati di diversa natura e formato, con lo scopo di costruire il patrimonio di dati necessario alla produzione di informazioni di carattere gestionale e strategico, mediante l’applicazione di opportune procedure.” R.Donà

• “…. un singolo integrato data base che fornisce l’infrastruttura necessaria per le applicazioni informative dell’azienda.” S.Kelly

• “…. una piattaforma sulla quale vengono archiviati e gestiti dati provenienti dalle diverse aree dell’organizzazione. Tali dati sono aggiornati, integrati e consolidati dai sistemi di carattere operativo per supportare tutte le applicazioni di supporto alle decisioni.” Gartner Group

• “…. Un insieme di dati subject-oriented, integrato, time-variant, non volatile costruito per supportare il processo decisionale.” W.Innon

Introduzione alla didatticapagina 4

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Il content datawarehouse

• Un insieme di dati subject-oriented, integrato, time-variant, non volatile, costruito per supportare i processi dei flussi informativi.

Un insieme ordinato di elementi che raccolti e archiviati in files di diversa natura e formato, con lo scopo di costruire il patrimonio necessario alla produzione di informazioni

Introduzione alla didatticapagina 5

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Marketing Knowledge System

Il Data Warehousingè l'anello mancante di collegamento tra i dati, le

applicazioni e i sistemi informativi di tipo operativo e transazionali, e i sistemi informativi manageriali di supporto alle attività di controllo e di decisione nel

marketing, detti anche"Mktg Knowledge Systems"

Introduzione alla didatticapagina 6

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Immagazzinamento dei dati• Per produrre le informazioni manageriali necessarie, i dati eterogenei

provenienti dalle varie fonti interne ed esterne all'azienda, vanno trasformati in informazioni congruenti con le necessità informative del marketing non sempre ben prevedibili e strutturabili.

• I dati elementari alimentanti devono essere trasformati per poter essere utilizzati: la tecnica che si occupa di questa trasformazione viene definita di "Data Warehousing" [ Immagazzinamento dei dati ] la quale prevede:

– una mappatura delle fonti dei dati elementari necessari

– una loro pulizia e trasformazione

– una speciale modellizzazione dei dati stessi eseguita in funzione dei fenomeni e dei fatti di marketing che si desidera osservare,analizzare e su cui sarà necessario prendere delle decisioni.

Introduzione alla didatticapagina 7

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

I sistemi informativi alimentanti

• L'architettura è costituito dai sistemi informativi "alimentanti" di tipo operativo che possono essere sistemi integrati di tipo ERP o non ERP (Enterprise Resource Planning), correnti o storici, sistemi dedicati al Customer Support o varie applicazioni delle tecnologie Web (eCommerce, Portali, eSupply Chain, ecc.).

• Nel caso delle imprese che hanno implementato sistemi ERP o che comunque hanno profondamente rinnovato i propri S.I. operativi sul fronte della Supply Chain o delle relazioni con i clienti (CRM, Customer Relationship Management), uno dei modi per sfruttare il potenziale informativo degli ERP (unica base dati ampia ed integrata) e recuperare in parte l'investimento effettuato, è proprio quello di costruire il 2° e il 3° livello architetturale, cioè i sistemi di Datawarehousing e di Business Intelligence (B.I.).

Introduzione alla didatticapagina 8

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

I pacchetti applicativi

• Tra i pacchetti applicativi si possono annoverare:

– le analytic applications, il cui software applicativo contiene anche logiche di controllo direzionale o di supporto decisionale (es. applicazioni per l'analisi dei dati di vendita, per il consolidamento gestionale, per il budgeting di vendita

– i DSS Tools contiene varie applicazioni di supporto decisionale basate su metodi quantitativi di analisi statistica o di forecasting (es. correlazione, clustering, scenari, risk analysis ecc.) orientata alla simulazione aziendale (es. what-if analysis, goal seeking analysis, ecc.) più vicina ai software tools.

Introduzione alla didatticapagina 9

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Aspetti peculiari del DWHAspetti peculiari del DW

• orientato all'oggetto di indagine (il cliente, le vendite,...) nel senso che include tutti i datiche verranno utilizzati nel processo di controllo e di decisione, raggruppandoli per aree o temi d'interesse (Datamart) e finalizzandoli a chi li utilizza e non a chi li genera;

• mentre i sistemi informativi tradizionali supportano funzioni o attività operative specifiche (inventario, fatturazione, gestione ordini, ecc.), nel DW i dati sono organizzati per oggetti di analisi ritenuti rilevanti: prodotti, clienti, agenti, punti di vendita, e cosìvia, al fine di offrire tutte le informazioni inerenti ad uno specifico fenomeno o fatto rilevante di marketing;

• integrato, cioè consistente rispetto ad uno schema concettuale globale dei dati, al glossario aziendale e rispetto alle unità di misura e alle strutture di decodifica condivise a livello aziendale; in altri termini, mentre i dati archiviati nei sistemi informativi operativi sono spesso disomogenei in termini di codifica e formato, in un DW i dati sono omogenei e consistenti;

• variante nel tempo, ossia i dati nel DW hanno un orizzonte temporale storico di 3 o 5 anni, includono i dati correnti e spesso i dati previsionali riferiti all'immediato futuro;

• non volatile, nel senso che il dato viene caricato periodicamente fuori linea, cioè una volta memorizzato correttamente può essere acceduto, ma non modificato, dall'utente; in altri termini,

Introduzione alla didatticapagina 10

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Segmenti di utenza• professionale• semiprofessionale• residenziale...

Prodotti/Servizi• hardware• accessori• apparati utente• software• servizi avviamento• servizi gestione• contenuti...

Funzioni d’uso• informazione• comunicazione• intrattenimento• lavoro• istruzione/formazione• transazioni

Luogo di fruizione• casa• lavoro• scuola• mobilità

Le molte facce del mercato [ Fonte: Reseau ]

Introduzione alla didatticapagina 11

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Information DataBase

InputUtente

DatiEsterni

InformationData Base Data Base

Operativi

Introduzione alla didatticapagina 12

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Elementi costitutivi

Dati EsterniEstratti, Agregati

Dati Utente

Persone Utenti Specialisti

PrincipiAccentramentoDecentramento

Mezzi Tecnici DB Server Middlewarededicato

RDBMS,MDDBMS

Procedure AlimentazioneIdb

DART, OLAP DataMining,Reti_Neutrali

Introduzione alla didatticapagina 13

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Una moderna concezione dei S.I.

Introduzione alla didatticapagina 14

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Il mondo ideale

Introduzione alla didatticapagina 15

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Struttura di un IDB• Distribuzione di informazioni e conoscenza detect, alert e propagazione di informazioni • Strumenti di analisi OLAP e Data Miningsupporto ad analisi avanzate • Strumenti di analisi OLAP e Data Miningsupporto ad analisi avanzate • Strumenti di analisi OLAP e Data Miningsupporto ad analisi avanzate • Data Warehouse Aziendaledati integrati rispetto ai soggetti • Dati Operatividati correntemente utilizzati dai sistemi di tipo OLTP• Dati Storicidati archiviati su supporti ad accesso tipicamente non

diretto

Introduzione alla didatticapagina 16

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Definizione di Data Mart

Un Data Mart è un Data Warehouselocale e dipartimentale

• DW subject specific• I dati di dettaglio provengono dai DW• I dati possono essere rielaborati• Possono essere aggiunti dati di livello locale • Il livello di dettaglio è ⇐ a quello della DW• Si basano sulle stesse logiche architetturali

Introduzione alla didatticapagina 17

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

I Data Mining

• Esistono nuovi approcci e tecnologie che consentono di estrarre conoscenza da basi dati molto consistenti e supportare, in questo modo, le decisioni strategiche ed operative del management.

• "Il Data Mining è il processo di scoperta di nuove correlazioni, strutture e tendenze significative setacciando grandi moli di dati depositate in archivi, utilizzando sia tecnologie di riconoscimento di modelli che tecniche statistiche e matematiche" (Gartner Group)

• "Il Data Mining è un processo di scoperta di conoscenza che consiste nell'estrazione di informazioni precedentemente sconosciute ed utilizzabili da database di grandi dimensioni“. (Meta Group)

Introduzione alla didatticapagina 18

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Aree di decisione del management

• Il "Data mining" è un processo strutturato di creazione di modelli a supporto delle decisioni di business, scoprendo relazioni, similitudini, sequenze e tendenze all'interno di basi dati di grandi dimensioni contenenti informazioni eterogenee, utilizzando tecniche statistiche e di intelligenza artificiale.

• Gli approcci e le tecnologie di Data Mining sono applicate ampliamente alle diverse aree di decisione del management:

· sviluppare il business· analizzare la concorrenza· gestire il portafoglio prodotti· gestire le promozioni· supportare le analisi di un sistema di crm· valutare il rischio

Introduzione alla didatticapagina 19

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Aree di applicazione del Data Mining• L'applicazione del Data Mining si può ricondurre a queste 5 aree

fondamentali:

– Previsione - Utilizzo di valori noti per la previsione di quantità non note (es. stima del fatturato di un punto vendita sulla base delle sue caratteristiche)

– Classificazione - Individuazione delle caratteristiche che indicano a quale gruppo un certo caso appartiene (es. discriminazione tracomportamenti ordinari e fraudolenti)

– Segmentazione - Individuazione di gruppi con elementi omogenei all'interno del gruppo e diversi da gruppo a gruppo (es. individuazione di gruppi di consumatori con comportamenti simili)

– Associazione - Individuazione di elementi che compaiono spesso assieme in un determinato evento (es. prodotti che frequentemente entrano nello stesso carrello della spesa)

– Sequenze - Individuazione di una cronologia di associazioni (es. percorsi di visita di un sito web).

Introduzione alla didatticapagina 20

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

• Individuazione dei dati che ci servono• Localizzazione dei dati da trattare• Programmazione dei dati verso l’IDB• Archiviazione dei dati• Manipolazione

Una metodologia di lavoro

Introduzione alla didatticapagina 21

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Classificazione dei dati

Introduzione alla didatticapagina 22

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Il cubo dei dati

Introduzione alla didatticapagina 23

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

MD Design: rotation(“slicing”)

Introduzione alla didatticapagina 24

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

Sales Volumes

MD Design: Raging(“dicing”)

Introduzione alla didatticapagina 25

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

MD Design: Roll Ups & Drill Down

Introduzione alla didatticapagina 26

Università degli Studi di BergamoFacoltà di Ingegneria

Marketing IndustrialeAnno Accademico 2006 / 2007

I Metadata

• Il data base dell’Informazione Database

• Contenuto, Organizzazione • Struttura- Gestione, Scheduling,

Ownership

PERCHE? CI SERVONO?

• Integrare dati e processi• Aggiornati dall’inizio alla fine• L’aggiornamento inizia in fase

di disegno• Se rvono risorse dedicate per

disegnare e manutenere