Metodi Quantitativi per Economia, Finanza e Management Lezione n°2 L’organizzazione dei dati Fonti interne SIGI SAVA Repository Temporaneo Data Warehouse CDV Fonti esterne Data Warehouse Il Data Warehouse è un ambiente dati a supporto dei DSS con le seguenti caratteristiche: • • Integrato Fonti diverse (interne – esterne) Dati omogenei Meta-informazione Non volatile Profondità temporale 3-5 anni Aggiornamenti per accodamento Data inizio validità in chiave L’organizzazione dei dati Data Warehouse Multi Level Summary OLAP CDB Analisi Statistica L’organizzazione dei dati Gestore anagrafiche Dati Interni Dati Esterni CDB Data Mart Analisi Cliente Data Mart Analisi Prodotto Segmentazione comportamentale Modelli di Scoring Associazioni Proposta commerciale: selezione target e product mix. R.O.I. Gestore campagne Data Mart Analisi Mercato Segmentazione socio-demo Potenziali di zona L’organizzazione dei dati Gestore anagrafiche Dati Interni Dati Esterni CDB Data Mart Analisi Cliente Data Mart Analisi Prodotto Segmentazione comportamentale Modelli di Scoring Associazioni Proposta commerciale: selezione target e product mix. R.O.I. Gestore campagne Data Mart Analisi Mercato Segmentazione socio-demo Potenziali di zona L’unità logica di buiness (unità statistica) c\c C1 c\c C2 NDGC1 NDGC2 titoli C2 c\c F2 NDGF1 moglie NDGF2 marito cliente marito= c\c C1 + c\c F2 cliente moglie= cliente padre= c\c C2 NDGF3 padre + c\c C2 + c\c C1 + titoli C2 titoli C2 Un giusto equilibrio (la matrice dei dati) Customer Table Per ciascun cliente o prospect si vuole misurare il numero di auto acquistate per: A) tipologia di auto => 10 segmenti di mkt B) evoluzione storica => 0-2, 2-5 oltre 5 anni C) fedeltà => Fiat, Alfa, Lancia, Giapponesi, Euro1, Euro2, USA per poter incrociare le tre dimensioni A) x B) x C) => 10 x 3 x 7=210 variabili ! L’organizzazione dei dati Gestore anagrafiche Dati Interni Dati Esterni CDB Data Mart Analisi Cliente Data Mart Analisi Prodotto Segmentazione comportamentale Modelli di Scoring Associazioni Proposta commerciale: selezione target e product mix. R.O.I. Gestore campagne Data Mart Analisi Mercato Segmentazione socio-demo Potenziali di zona Data Mining & Customer Profiling Segmentazione Come identificare i segmenti per l’attività di target marketing? Valutazione dei risultati Identificazione area di business Implementazione Predisposizione dei dati piano di marketing comportamentali Analisi e classificazione Decisioni strategiche Customer DataBase Scoring System Chi sono i migliori destinatari della campagna XYZ? Valutazione dei risultati Implementazione della campagna Identificazione regole marketing a priori Raccolta dei dati comportamentali Costruzione del modello di scoring Decisioni tattiche Segmentazione Marketing Segment Behavioral Clusters % VIP High Rollers Premium • Got-it-all • Frequent Flyers 20.0% • To Invest • High Time Consuming • Up-selling using Business Rules and Propensity Models • Portfolio Retention using Churn Models High Potential Customer • Young warriors • High potential 26.3% • To Improve • Medium Time Consuming • Cross-selling using Propensity Models • Product Holding Retention using Churn Models Basic Customers • Young Consumers • Conventional Savers • Abandoned hounds 51.7% • To Manage • Low Time Consuming • Basic Up & Cross-selling using Business Rules and Propensity Models • Customer Retention using Churn Models 2.0% CRM Actions • To Take Care (one-to-one) • Maximum Time Consuming • Share-of-wallet Retention using Business and Management Rules Modelli di Scoring % Population Score MIN-MAX Avg Score Cum. # Customers Cum. # Target Cum. Redemption Cum. Lift % Response Captured 5 1:0.1577-0.8055 0.2703 27509 5.00 18.73 8.37 41.83 10 2:0.0835-0.1576 0.1141 55026 10.00 13.51 6.04 60.36 15 3:0.0509-0.0834 0.0655 82537 15.00 10.59 4.73 70.96 20 4:0.033-0.0508 0.0409 110025 20.00 8.74 3.90 78.04 25 5:0.0231-0.0329 0.0276 137442 24.98 7.41 3.31 82.62 30 6:0.0169-0.023 0.0197 165356 30.05 6.42 2.87 86.12 35 7:0.0127-0.0168 0.0146 192621 35.01 5.68 2.54 88.84 40 8:0.0096-0.0126 0.0110 219814 39.95 5.09 2.27 90.88 45 9:0.0072-0.0095 0.0083 247301 44.94 4.62 2.06 92.69 50 10:0.0053-0.0071 0.0061 275370 50.04 4.21 1.88 94.12 55 11:0.0039-0.0052 0.0045 303506 55.16 3.87 1.73 95.36 60 12:0.0029-0.0038 0.0033 329490 59.88 3.60 1.61 96.27 65 13:0.0021-0.0028 0.0024 356163 64.73 3.36 1.50 97.09 70 14:0.0014-0.002 0.0017 386197 70.18 3.12 1.39 97.79 75 15:0.0009-0.0013 0.0011 414908 75.40 2.92 1.31 98.51 80 16:0.0006-0.0008 0.0007 439066 79.79 2.78 1.24 98.97 85 17:0.0003-0.0005 0.0004 474474 86.23 2.58 1.15 99.49 90 18:0.0002-0.0002 0.0002 491813 89.38 2.50 1.11 99.65 95 19:0.0001-0.0001 0.0001 517245 94.00 2.38 1.06 99.86 100 20:0-0 0.0000 550258 100.00 2.24 1.00 100.00 L’evoluzione dei progetti di Customer Profiling Master en Investigación de Mercado y Data Minin Modelli di Scoring Segmentazione Comp. Credit Scoring X Basel II Credit Scoring X Griglie Segmentazione Needs Based 2000 1990 Vendita a Distanza Telecomunicazioni New Media Finanza Editoria Social Network Analysis