10) Tecniche di reporting, tecniche di mining, CRM

La crescita aziendale in termini di dimensioni, insieme 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 prefissati. 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 effettuate le dovute verifiche e correzioni necessarie a mantenere livelli di performance elevati. 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 quindi 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.

Un numero eccessivo di dati può produrre solo confusione ed alla fine troppi dati corrispondono a nessun dato utile. Tali dati per incontrare il minor numero possibile di resistenze all’interno dell’organizzazione devono essere espressi in forme facili da comprendere come grafici e tabelle.

L'attività di reporting consiste specificamente nella redazione periodica di prospetti e di tabelle che contengono dati e informazioni necessarie per analizzare l’andamento della gestione aziendale per quel che concerne efficacia, efficienza ed economicità.

Gli strumenti informatici odierni specializzati in reporting si sono dotati di alcune tecniche di visualizzazione per facilitare l'analisi dei dati.
Tecniche note nella visualizzazione dei report sono:
- drill-down
- slice & dice
Con drill-down (dal termine anglosassone che esprime l'azione di perforare un terreno) si intende la possibilità, una volta visualizzato il dato complessivo relativo ad una dimensione gerarchizzata di analisi, di esplorare tutta la gerarchia. Un classico esempio di dimensione gerarchizzabile è quella temporale: il dato annuale può essere esplorato per sottoreport che visualizzano gli aggregati mensili e questi ultimi possono essere, a loro volta, disaggregati secondo i dati giornalieri.
Per slice & dice (dall'inglese, il termine si riferisce nel complesso all'operazione di divisione di una torta) si intende la possibilità di restringere l'analisi solo ad alcune delle occorrenze delle dimensioni e solo ad alcune delle dimensioni proposte. È possibile nell'esempio visto sopra, esplorare le vendite annuali solo di alcune regioni e di queste regioni solo di alcune città. I dati visualizzati si riferiranno unicamente alle occorrenze selezionate.

Quella del datamining è una fase successiva a quella della reportistica, e si caratterizza per un processo automatico di scoperta ed individuazione di strutture all’interno dei dati, dove per struttura si intendono patterns, modelli e relazioni. Questo processo, noto anche col nome KDD (Knowledge Discovery in Databases), consente di estrarre conoscenza, in termini di informazioni significative e immediatamente utilizzabili, da grandi quantità di dati, tramite l’applicazione di particolari tecniche ed algoritmi.

Il data mining ha una duplice valenza: da un lato funge da strumento utile per l'estrazione, con tecniche analitiche all'avanguardia, di informazione implicita, nascosta, da dati già strutturati, per renderla disponibile e direttamente utilizzabile; dall'altro è uno strumento utile per l'esplorazione ed analisi, eseguita in modo automatico o semiautomatico, su grandi quantità di dati allo scopo di scoprire pattern (schemi) significativi.
L’applicazione di tecniche di data mining, sfruttando appieno la ricchezza informativa insita nel patrimonio di dati disponibili, consente di acquisire un effettivo vantaggio competitivo. La conoscenza delle diverse tipologie di comportamento presenti all’interno della propria clientela, delle regole che governano l’acquisto di un prodotto, delle strategie della concorrenza, così come l’individuazione tempestiva di nuove nicchie di mercato, di nuovi potenziali concorrenti, di innovazioni tecnologiche che avranno un impatto nel proprio campo di attività, sono elementi importantissimi per la sopravvivenza in mercati altamente competitivi e in rapida evoluzione.
Durante la lezione di laboratorio ci siamo esercitati con il software DataTime, creando layout differenti (verticale, orizzontale, cross) tabelle pivot table etc...
Le principali tecniche di data mining sono:
- segmentazione della clientela (databasemarketing) applicazione di tecniche di clustering per individuare i raggruppamenti impliciti nei dati, omogenei in termini di comportamento d’acquisto e di caratteristiche socio-demografiche;
- customer retention ossia applicazione di tecniche previsive per individuare i clienti a rischio di abbandono;- fraud detection, o meglio, individuazione di comportamenti fraudolenti;
-analisi delle associazioni (market basket analysis) che si caratterizza per la individuazione dei prodotti acquistati congiuntamente. Nello specifico questo è uno strumento di data mining basato sulle regole associative, che permette di studiare le abitudini di acquisto dei consumatori per evidenziare eventuali affinità esistenti tra prodotti o gruppi di prodotti venduti. Lo scopo è quello di inferire delle implicazioni, del tipo 2if condition then result", che esprimano la probabilità di acquisto di prodotti differenti al fine di stabilire quanto l’acquisto di un prodotto influenzi l’acquisto di un altro. L’analisi delle regole associative da informazioni del tipo: il 75% dei clienti che acquistano fragole acquistano anche panna, così da poter affermare che fragole e panna sono correlati, o altrimenti, che esiste un implicazione tra le due. Tale analisi costistuisce un forte strumento di marketing sfruttabile per incrementare i profitti con mirate strategie promozionali: non mettendo in promozione contemporaneamente item fortemente correlati. La promozione su uno dei prodotti e quindi l’aumento delle vendite del prodotto in promozione implicherà l’aumento delle vendite anche sugli item associati; il miglioramento della struttura logica del sito, creando iperlink o banner che colleghino i prodotti associati, nel caso dell’e-commerce; o trovando la posizione ottimale dei prodotti sugli scaffali, nel caso di un supermercato tradizionale. Cosicchè prodotti correlati potranno essere posizionati vicini o, al contrario, in diverse corsie, in modo tale da invogliare e stimolare il cliente ad acquistare diversi prodotti;

- Decision tree analysisi, ossia analisi degli "alberi di decisione" sono strumenti utili per aiutare a scegliere tra diversi corsi di azione.
Essi forniscono una struttura altamente efficace nell'ambito del quale è possibile esplorare le opzioni e indagare i possibili risultati della scelta di tali opzioni. Inoltre aiutano a formare un quadro equilibrato dei rischi e dei benefici connessi con ogni via possibile di azione.
Questo li rende particolarmente utile per la scelta tra diverse strategie, progetti o opportunità di investimento, in particolare quando le risorse sono limitate.

- profilazione, ossia una tecnica di valutazione qualitativa in grado di “stimare” precisamente le caratteristiche del singolo utente in modo da poter cogliere per ognuno abilità varie, tipi di comportamento, aspetti della personalità. Questi sono dati che se sottoposti a specifici esami sono in grado di generare “correlazioni” significative da un punto di vista commerciale (cd. pattern). Qust’ultimo aspetto della profilazione prende il nome di data mining : una sorta di “ricostruzione ordinata” e classificata di una montagna di dati reperiti precedentemente;- sequential patterns che consiste nella individuazione di comportamenti ricorrenti in sequenze temporali di eventi. Nello specifico ha lo scopo di estrarre correlazioni interessanti, ad esempio se acquisto un libro di datamining, mi saranno consigliati altri libri oltre a quello che ho già scelto, e riguardanti lo stesso argomento;

- competitive intelligence che si caratterizza per applicazione di tecniche di clustering a documenti estratti da banche dati internazionali di tipo tecnicoscientifico volte ad individuare le tecnologie emergenti, le loro relazioni, l’evoluzione temporale e le aziende coinvolte;

- analisi testuale (text mining) che si concretizza nella individuazione degli argomenti trattati da un set di documenti e della ricerca ed individuazione delle eventuali relazioni tra argomenti.

Il CRM è un’insieme di strategie, tattiche, skill, competenze, processi e tecnologie volte alla massimizzazione, nel lungo periodo, del rapporto con il cliente. La relazione che viene a crearsi comprende tutti i rapporti dell’organizzazione con il cliente.

Il concetto di Customer relationship management (CRM) o Gestione delle Relazioni coi Clienti è connesso al concetto di fidelizzazione dei clienti.
In uncontesto"Market-oriented" l'impresa deve stabilire relazioni durevoli di breve e lungo periodo, tenendo conto dei valori dell'individuo/cliente, della società e dell'ambiente. Quindi l'attenzione verso il cliente è cruciale e determinante. Per questo motivo il marketing management deve pianificare e implementare apposite strategie per gestire una risorsa così importante.
Il CRM si spinge sostanzialmente secondo quattro direzioni differenti e separate:
- l'acquisizione di nuovi clienti (o "clienti potenziali");
- l'aumento delle relazioni con i clienti più importanti (o "clienti coltivabili");
- la fidelizzazione dei clienti che hanno maggiori rapporti con l'impresa (definiti "clienti primo piano");
- la trasformazioni degli attuali clienti in procuratori, ke generano passaparola, ossia consumatori che fodano l’azienda incoraggiando altre persone a rivolgersi alla stessa per i loro acquisti.
Il CRM si articola comunemente in 3 tipologie:
CRM operativo: soluzioni metodologiche e tecnologiche per automatizzare i processi di business che prevedono il contatto diretto con il cliente.
CRM analitico: procedure e strumenti per migliorare la conoscenza del cliente attraverso l'estrazione di dati dal CRM operativo, la loro analisi e lo studio revisionale sui comportamenti dei clienti stessi.
CRM collaborativo: metodologie e tecnologie integrate con gli strumenti di comunicazione (telefono, fax, e-mail, ecc.) per gestire il contatto con il cliente.

Le componenti strutturali di una strategia di CRM sono:
- analisi e gestione della relazione con i clienti, e quindi contatto con i clienti e analisi dei bisogni attraverso vari strumenti quali mailing, lettere, telefonate, SMS, e così via. Il contatto è fondamentale se si vuole mappare ogni singolo cliente per poi organizzare tutte le informazioni raccolte in un database strutturato. Queste informazioni sono preziose in quanto permettono di conoscere, e, magari, 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.

In aula laboratorio utilizzando il file di lavoro Northwind, abbiamo costruito degli esempi di report a fini di esercitazione.

Una tabella di frequenza in statistica è la forma più comune di descrizione dei dati per un numero limitato di valori e categorie. In essa viene riportata la distribuzione delle risposte per ogni frequenza. Fornisce una raffigurazione completa della distribuzione dei dati per ogni variabile. La tabella è di solito strutturata nel seguente modo : la prima colonna riporta i nomi delle diverse categorie, la seconda i codici di queste, la terza le frequenze. Ogni frequenza indica il numero di rispondenti che hanno scelto quella particolare categoria di risposta.

Tabella di contingenza in statistica è una tabella costituita da righe che rappresentano i possibili valori (o categorie) di una variabile e da colonne che rappresentano i possibili valori (o categorie) di una seconda variabile. I dati nel corpo della tabella sono il numero di volte in cui compare ogni coppia di valori/categorie.