Diapositiva 1

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