Reporting e Mining

Dall'informazione al Reporting

La crescita aziendale in termini di dimensioni unita alla maggiore complessità dello scenario economico comportano una maggiore difficoltà nel coordinare tutte le aree aziendali in modo che vengano perseguiti e raggiunti gli obiettivi prescelti.
Per questa ragione diventa ancora più impellente la necessità di fornire informazioni a coloro che all’interno dell’organizzazione aziendale devono assicurare i risultati. Con una corretta ed efficace divulgazione di informazioni potranno essere fatte le verifiche e le correzioni necessarie a mantenere ciascuno nel proprio ambito la “rotta” concordata.
Per venire incontro a questa necessità risulta importante sviluppare ed implementare un sistema di reporting inteso come un processo di raccolta dati finalizzato non alla semplice comunicazione ma anche come strumento di crescita per le singole aree ed in definitiva per tutta l’azienda.
Senza un adeguato sistema di reporting il processo decisionale aziendale sarebbe privo di efficacia in quanto in seguito alle fasi di definizione degli obiettivi e di implementazione delle azioni necessarie a raggiungerli non ci sarebbe un tempestivo riscontro che evidenzi i risultati raggiunti e le cause degli eventuali insuccessi.
L’aspetto critico nell’implementazione di un sistema di reporting è la scelta del tipo e del numero di informazioni da produrre. Bisogna evitare l’errore di produrre un numero eccessivo di informazioni, nel quale risulterà poi difficile orientarsi, ma è necessario concentrarsi solo su quelle più significative ed utili a definire le scelte e le misure correttive (aspetti critici di successo). Per fattori critici di successo intendiamo tutti quegli aspetti che contribuiscono ad avere una posizione vincente nel mercato in cui si opera. In base all’ambiente in cui si è chiamati a competere cambiano gli aspetti critici da curare.


Che cos’è un Data mining?

Un data mining ha per oggetto l'estrazione di un sapere o di una conoscenza a partire da grandi quantità di dati e l'utilizzazione industriale o operativa di questo sapere. La Statistica, il campo della matematica applicata connesso con l'analisi dei dati può essere definita come "estrazione di informazione utile da insiemi di dati". Il concetto di data mining è analogo. L'unica differenza è che questa recente disciplina ha a che fare con cospicui insiemi di dati. In sostanza il data mining è l' analisi matematica eseguita su database di grandi dimensioni". Il termine data mining è diventato popolare nei tardi anni '90. Data mining: letteralmente: estrazione di dati ha una duplice valenza: estrazione, con tecniche analitiche all'avanguardia, di informazione implicita, nascosta, da dati già strutturati, per renderla disponibile e direttamente utilizzabile ed esplorazione ed analisi, eseguita in modo automatico o semiautomatico, su grandi quantità di dati allo scopo di scoprire pattern schemi significativi.In entrambi i casi i concetti di informazione e di significato sono legati strettamente al dominio applicativo in cui si esegue data mining, in altre parole un dato può essere interessante o trascurabile a seconda del tipo di applicazione in cui si vuole operare. Questo tipo di attività è cruciale in molti ambiti della ricerca scientifica, ma anche in altri settori come per esempio in quello delle ricerche di mercato. Nel mondo professionale è utilizzata per risolvere problematiche diverse tra loro, che vanno dalla gestione delle relazioni con i clienti (CRM), all'individuazione di comportamenti fraudolenti per finire all'ottimizzazione di siti web.


Il data mining nella ricerca scientifica e nella ricerca di mercato


I fattori principali che hanno contribuito allo sviluppo del data mining sono: le grandi accumulazioni di dati in formato elettronico, il data storage poco costoso e i nuovi metodi e tecniche di analisi (apprendimento automatico, riconoscimento di pattern). Le tecniche di data mining sono fondate su specifici algoritmi. I pattern identificati possono essere, a loro volta, il punto di partenza per ipotizzare e quindi verificare nuove relazioni di tipo causale fra fenomeni; in generale, possono servire in senso statistico per formulare previsioni su nuovi insiemi di dati. tecniche maggiormente utilizzate in questo ambito vi sono:
Clustering
Reti neurali;
Alberi di decisione;
Analisi delle associazioni

Mentre l'utilizzo del data mining nella ricerca di mercato è volto ad ampliare la conoscenza su cui basare i processi decisionali. Nel contesto aziendale il data mining è considerato parte del processo che porta alla creazione di un data warehouse. È efficace soprattutto per la valorizzazione delle informazioni aziendali residenti in questi grandi depositi di dati.
Affinché l'informazione estratta dai dati esistenti sia significativa, e quindi potenzialmente utile, deve essere: valida cioè può agire anche sui nuovi dati; precedentemente sconosciuta; comprensibile. In questo contesto, un pattern (schema) non è altro che la rappresentazione delle relazioni chiave che vengono scoperte durante il processo di estrazione dati: sequenze ripetute, omogeneità, emergenza di regole, ecc.
Per esempio, se un pattern mostra che i clienti di una certa area demografica sono molto propensi ad acquistare uno specifico prodotto, allora un'interrogazione query selettiva ad un data warehouse di probabili compratori può essere usata per generare un elenco di indirizzi promozionali.