Creare una strategia affinchè il DB si adegui alle esigenze del nostro business - Parte 2

foto by 姒儿喵喵

Parliamo oggi di alcune domande chiave da porsi riguardo alla strategia del Data Base.


Non esiste un approccio unico per creare una strategia per il Data Base che possa adattarsi ai bisogni costantemente mutanti del business. Detto questo, Feinberg tra gli altri dice che ci sono domande chiave da tenere a mente che possono aiutare a semplificare il processo di decision-making.
Un buon punto di partenza consiste nel prendere in considerazione il proprio portafoglio di businss application e capire bene cosa queste richiedano alle leggi del Data Base. Non solo oggi: i manager IT dovrebbero essere consci dei futuri bisogni quando guardano ai parametri delle applicazioni correnti.
Le domande da considerare comprendono: questa applicazione è critica per la nostra mission? Deve necessariamente essere disponibile 24/7? L'applicazione richiede un ammontare di dati massiccio fin da subito o può forse arrivare a quel livello? Richiede dati specialistici o complessi? Verrà utilizzata solo da una business unit oppure su base aziendale?

Le risposte a queste domande determineranno i tipi di tecnologie del Data Base necessarie e possono aiutare ad evitare al tendenza ad acquistare troppo e finire con costose feature e funzionalità DBMS non necessarie. Anche coinvolgere nel processo i futuri utenti è importante, in particolare quando un'azienda sta acquistando applicazioni nuove.
Un altro modo per evitare di acquistare prodotti sbagliati è quello di considerare gli attuali set di skill come parte del processo di pianificazione del DB e quindi fare in modo di scegliere tecnologie compatibili con gli skill che già si hanno in casa o quelle che siete preparati ad aggiungere.
Questo significa porsi domande come chi supporterà un DBMS e fare il richiesto lavoro di design e sviluppo del DB prima di finalizzare i piani per progetti sul DB. Supporto e sviluppo sono davvero cose impegnative. Se non si fissa una strategia per il DB in maniera appropriata, si avranno tool anche molto costosi ma inutilizzati perchè non si è tenuto in considerazione il lato umano dell'equazione.

continua...

Creare una strategia affinchè il DB si adegui alle esigenze del nostro business - Parte 1

Pic by lumaxart

Il compito di implementare una nuova strategia per il nostro Data Base o per l'aggiornamento di un Data Base esistente richiede molto più di una semplice telefonata ad un fornitore o della scelta online delle ultime tecnologie consigliate dai vostri analisti e professionisti IT.

I veterani dell'industria IT dicono che trovare una strategia giusta per il proprio DB significa crerare un team di lavoro con gli utenti ch dovranno usarlo, per determinare le richieste di analisi di ogni singola applicazione, prendere stock di set di skill disponibili ed assicurarsi che l'ambiente DB sia abbastanza flessibile per far fronte ai cambiamenti nei bisogni del business. Solo dopo sarà possibile usare la propria intelligence interna, acquisita durante le fasi di planning, per cercare le tecnologie più giuste per la propria azienda.

Non bisogna dimenticare la differenza tra un "Data Base standard" ed una "Strategia del Data Base".
Il primo si riferisce alla tecnologia per il sistema di gestione del Data Base (DBMS), cioè alle tecnologie che un'azienda pianifica di utilizzare. Una strategia va invece più a fondo, documentando come ogni singola tecnologia si muoverà all'interno non solo dell'architettura IT aziendale, ma anche dei business plan.
Donald Feinberg, analista di Gartner, ci ricorda che "la strategia deve andare al di là della semplice scelta del DBMS che userete. Deve definire dove e come userete il DBMS".

Feinberg cita 3 ragioni per cui un'azienda potrebbe voler migliorare o rivedere completamente la propria strategia di Data Base. La crisi economica vede ovunque aziende che cercano modi per ridurre i costi ed incrementare l'efficienza. Il fatto che il business sia diventato più veloce potrebbe poi rendere i software dei sistemi di Data Base esistentiormai obsoleti. Emergenti tecnologie di gestione delle informazioni ad elevate prestazioni - come NoSQL e Data Base column-oriented - fungono infine da reminder ai CIO per rammentare che potrebbe essere ora di cambiare il tradizionale modo di agire IT.

Bisogna domandarsi se la propria strategia è abbastanza flessibile da permetterti di accettare elementi nuovo o differenti nel momento in cui si presentano e risultano essere sensati e utili. Se capita di dover farli girare su un DBMS differente dal vostro standard, questo può rivelarsi un problema. Dovrete usare un DB diverso perchè queesto è ciò che il business richiede.

continua...

Retailer alle prese con la formazione? Scegliete l'analisi!

Una recente ricerca McKinsey torna sull'argomento dell'analisi di dati legata alle vendite. In questo ambito l'analisi è sicuramente molto importante, in particolare nel mondo retail e dei beni di consumo. Secondo McKinsey i retailer dovrebbero assumere venditori con personalità, che siano estroversi e presentino la giusta motivazione ad aiutare i propri clienti. A tal fine è necessario fornire corsi di formazione ai venditori riguardo tecniche di vendita, stili di approccio, capacità di lettura del linguaggio del corpo e molto altro ancora. Così facendo le vendite, secondo McKinsey saranno molto più proficue.

In realtà i retailer oggi hanno un altissimo numero di prodotti con molte potenziali vendite cross- e up- tra cui scegliere. Pensiamo al settore dell'abbigliamento. Anche se si trovano persone con gli skill tecnici necessari, questi potrebbero non essere capaci per esempio di abbinare i colori, rendendo difficile la scelta giusta per un abbigliamento da esterno. Se a questo aggiungiamo sconti multipli, programmi di loyalty ed altre forme di pricing dinamiche l'ambiente da gestire può risultare complicato.

I negozianti capiscono quindi che sia necessario impiegare tempo e risorse nella formazione dello staff, scegliendo di ridurre il tempo disponibile per corsi sulle tecniche di vendita. Così come capiscono che devono assumere persone capaci di confrontarsi con questa complessità, anche se i loro budget possono permettersi solo persone skillate tecnicamente. Quali persone assumere e quali corsi di formazione scegliere?Situazione difficile?

Non se si introduce l'analisi di dati. Con un'analisi dei dati storici ed un focus sulle decisioni che devono essere prese durante il processo di vendita, i retailer possono concentrare il proprio tempo ed i propri corsi di formazione per lo staff sugli skill tecnici di cui hanno bisogno, lasciando ai propri sistemi ed alle proprie analisi di dati il resto del lavoro. Si possono usare regole di business/analisi e processi decisionali per rispondere a domande come "quale sconto ha avuto questo cliente, qual è il miglior prodotto da spingere su quel cliente dati i suoi trend di acquisto, quale cross-selling completa le abitudini di acquisto di quel cliente". Si possono analizzare i dati di vendita, i dati relativi a card speciali per seguire i comportamenti tipici del cliente, oltre a dati esterni, e utilizzare regole derivate da questi dati o dalle best practise dei venditori migliori. Utilizzando l'approccio "loyatly card" ed osservando immediatamente i dati, i venditori possono infatti utilizzare fin da subito i dati in loro possesso per spingere un prodotto o un servizio piuttosto dell'altro.

from McKinsey

Feedback sul seminario Marketing e Analisi di Dati per i clienti strategici

Come avrete visto leggendo questo blog, nei giorni 28 e 29 Settembre ho avuto il piacere di tenere un seminario dedicato all'analisi di dati in collaborazione con ITER srl di Milano.
Non mi sono dimenticata di raccontarvi come è andata, ma ho preferito aspettare e raccogliere il feedback da una partecipante: Sara Giorgini che si occupa di marketing e dati per l'azienda Grasselli spa.
Dal mio punto di vista è stata un'esperienza molto stimolante: il contatto con i corsisti ti mette a confronto con realtà aziendali dalle logiche di business e dalle dimensioni anche molto diverse.
Lascio quindi la parola a Sara.
Vi farò sapere se verranno fissate altre date per il seminario.
A presto!


Ho partecipato il 28 e 29 settembre scorso al seminario Marketing ed Analisi Dati presso Iter srl a Milano. Il seminario si è rivelato molto interessante e coerente con il mio obiettivo: “apprendere tecniche di analisi da poter applicare al business della azienda in cui lavoro”. La prima parte è stata teorica e mi è servita ad imparare l'importanza delle informazioni qualitative e dell'aggiornamento costante di dati/informazioni. La seconda giornata ha mostrato come mettere in pratica gli insegnamenti, come rendere quantitative le informazioni qualitative, come farlo, cosa analizzare, dove reperire le informazioni, etc. Ci sono stati mostrati esempi pratici, che mi hanno dato spunti di riflessione, sui quali intendo impostare il mio lavoro in azienda.



Consiglierei di partecipare al seminario a tutti coloro che sono interessati al marketing, alle tecniche di analisi per gestire al meglio il proprio business e i propri clienti. Ritengo che in versione ridotta, questo seminario sia interessante per la forza vendite e il management di ogni azienda.


L'unica cosa che mi è mancata è stata l'applicazione pratica di tutti questi insegnamenti. Suggerisco quindi alla relatrice di introdurre esercitazioni pratiche che aiutano a rinforzare l'apprendimento e a coinvolgere maggiormente l'attenzione dei partecipanti.

Sara Giorgini

Disallineamento tra Google Analytics e Statistiche di Blogger

Chi gestisce blog sa che dal mese di Luglio scorso Blogger ha introdotto un nuovo e simpatico tab che permette di visualizzare le statistiche del blog in tempo reale. E' ora possibile osservare immediatamente la reazione dei lettori ad un post, anche se si possono vedere solo i dati relativi alle visualizzazioni e non alle visite.
Il problema è che le statistiche di questo nuovo tab non mi risultano essere per nulla allineate con quelle di Analytics - di cui conosco l'affidabilità anche confrontata con panel particolarmente famosi.
Vi faccio un esempio per capirci: ho ricavato queste due immagini realative allo stesso blog

Immagine 1: tab statistiche di blogger

Immagine 2: Google Analytics

Come dicevo, si riferiscono allo stesso blog ed allo stesso periodo di tempo...
Vi sembrano allineati? I paesi non tornano per nulla.
Direi che il sistema sta registrando con criteri diversi, ma a quale credere?
Perchè hanno introdotto statistiche non affidabili?
Non era meglio, allora, stare tranquilli senza l'assillo dei dati in tempo reale, ma almeno ottenere informazioni corrette?
Non è nemmeno chiaro, nella gestione del famoso tab di Blogger, se vengano registrate o meno le proprie personali visualizzazioni. Il sistema apparentemente ti da la possibilità di togliere le tue, ma in realtà anche dopo averlo fatto i dati non cambiano... quindi?
Qualcuno di voi ha la risposta a qualcuno dei miei quesiti?
Grazie! :-)

Seminario: Marketing e analisi di dati per la gestione dei clienti strategici

A fine mese terrò un seminario con ITER Srl, azienda di Milano specializzata in formazione ed editoria.
Tratterò del tema "cliente strategico", definendolo e descrivendone un metodo di gestione, con focus particolare sulla figura del Business Data Analyst.
Vi lascio la desccrizione del seminario ed il modulo per le ISCRIZIONI.
Vi aspetto!

SCENARIO
Non è necessario essere una grande azienda multinazionale per poter parlare di clienti strategici.

Chi sono? Come identificarli? E soprattutto, come gestirli?
Se la vostra azienda non è strutturata per la gestione dei propri clienti strategici, potrebbe essere giunto il momento di rivedere i team di lavoro interni.
Un’organizzazione che veda persone dedicate alla gestione dello sviluppo del business su clienti ad alta potenzialità permette infatti di avere una maggiore focalizzazione, un’ottimizzazione delle risorse e delle competenze, un reale affiancamento al cliente in quello che è il suo business, che a lungo termine ripaga grazie alla costruzione di un rapporto preferenziale con quelli che possiamo definire “Strategic Account”: i nostri clienti strategici.
All’interno di questi team di lavoro si colloca la figura del Business Data Analyst: conoscitore dei sistemi informativi e dei processi aziendali, capace di supportare azienda e cliente in progetti congiunti, si può rivelare una figura chiave per la definizione di strategie commerciali e di marketing di alto livello.
Il seminario mira alla descrizione delle attività della figura del Data Analyst, all’interno di visione più ampia, che descriva strategia ed approccio focalizzati sulla gestione dei clienti strategici.

PROGRAMMA


I CLIENTI STRATEGICI
Verranno esposti i criteri ed i metodi per l’identificazione e la selezione dei propri clienti strategici e si andrà attraverso l’analisi che l’organizzazione dovrebbe fare al proprio interno, per capire il proprio stato rispetto questi clienti e la propria concorrenza.

IL BUSINESS DATA ANALYST
verranno esposti

• compiti della figura
• gli strumenti informatici che utilizza
• le interazioni con i vari dipartimenti all’interno dell’azienda
• Marketing
• Finance
• Sales

Verranno poi mostrati diversi esempi di reportistica e di modelli di calcolo ad elevato valore aggiunto che la figura del Business Data Analyst può sviluppare all’interno dell’azienda, per supportare attività e strategie Sales e Marketing, come

Per i clienti interni:

• Analisi per la selezione dei clienti strategici
• Compilazione dei Profili Strategici dei clienti
• Definizione di una Pipeline di clienti strategici
• Analisi per il calcolo del Market Share sul cliente
• Report di vendita mensili e consolidamento dei dati
• Analisi della Supply Chain: key player, concorrenza, alleanze strategiche
• Analisi del business di canale
• Creazione di una libreria di Case Study strategica
• Raccolta ed analisi delle News di cliente

Per i clienti esterni:

• Pricelist personalizzate per clienti strategici
• Calcolo del risparmio dato dagli accordi quadro
• Progetti ad hoc

Dati: troppi interni e pochi esterni

Pic by Nathan Wells

I primi sistemi di data warehouse, comparsi sul mercato a partire dagli anni '70, richiedevano notevoli risorse in termini di tempo ed elaborazione: far girare le query poteva richiedere giorni, se non addirittura settimane.
Oggi invece è possibile far girare query di piccola scala usando poco più di un data base, un laptop ed un foglio Excel.
Molte aziende, soprattutto di piccole dimensioni, gestiscono le proprie analisi di dati in questo modo.
Ma questo approccio fa fatica a crescre per supportare le aziende di più grandi dimensioni, e può creare reali difficoltà in aree come la gestione dei dati in aziende che hanno master data multipli.
Le aziende cominciano con una gestione semplice, e non c'è nulla di male, ma se marketing, finance e vendite hanno scorecard diverse, basate sui propri dati, si rischia di costruire una torre di Babele: non ci si capisce, è difficile integrare i dati.
Inoltre, anche se è cresciuta la capacità di elaborazione e si sono abbassati i prezzi dello storage, la crescita dei dati di business è ancora molto veloce. Si calcola che i volumi di dati si duplichino ogni 12 o 18 mesi.
Soprattutto le grandi organizzazioni stanno cominciando a scontrarsi con il tempo che si impiega a scaricare dati nei sistemi warehouse o di BI, specialmente se derivano da più fonti.
C'è troppa fiducia nei dati provenienti dai sistemi CRM o ERP: molte organizzazioni non utilizzano dati esterni, ma fanno affidamento solo sui dati provenienti dai propri sistemi informativi per risolvere problemi specifici. Il risultato è che i dati saranno buoni quanto lo sono le informazioni dei sistemi da cui provengono.
Prima di costruire sistemi di gestione di dati o di BI, bisogna lavorare sulla qualità dei dati.
Questi possono anche essere accurati ma parziali o fuorvianti, specialmente se originariamente raccolti per scopi diversi.
Le aziende devono decidere quali informazioni useranno ed essere chiare con se stesse riguardo la completezza dei propri set di dati. Se non lo fanno, i risultati potrebbero essere pessimi, soprattuo se non si ha la visione più ampia.
Sarebbe opportuno trovare il modo per estrarre le informazioni contenute in dati non strutturati, come email, presentazioni e documenti, video o telefonate registrate, per fornire una base per BI, e supportare una migliore presa di decisioni.
Il rapporto tra i dati strutturati e non è di 80/20. Questo significa che ci sono molti dati utili che non vengono presi in considerazione perché difficili da reperire.

Tratto da FT.com

SAS Conference: che la Finanza calcoli meglio i rischi

Pic by ScriS

Secondo il professore Bart Beasens dell'università cattolica belga Luven, i modelli di Data mining relativi ai servizi Finance dovrebbero comprendere un livello di calibrazione per gestire il rischio d'impresa.
Durante il suo discorso alla conferenza che si sta tenendo a Copenhagen SAS A2010, ha infatti dichiarato che, oggi più che mai, i modelli di data mining guidano la presa di decisioni strategiche all'interno delle istituzioni finanziarie.
Mentre i modelli attuali sono capaci di discriminare i dati - facendone ranking e classificazione - i modelli analitici dovrebbero fornire probabilità ben calibrate e progettate accuratamente, basate su dati storici ed aspettative future.
I dipartimenti IT dovranno sviluppare e controllare architatture multi-livello per supportare cicli di vita analitici, incorporando sia dati interni che esterni, data mining ed un modello macro economico, per permettere la creazione di modelli di rischio attraverso un'organizzazione.

Source: ComputerWeekly.com

SQLBits: l'UK per l'Europa di SQL

Vi sengalo l'evento SQLBits che si terrà presso l'Unvieristà di York dal 30 Settembre al 2 Ottobre prossimi.
Giunta ormai alla settima edizione, la conferenza in tema di Server SQL si conferma essere la più importante in Europa sul tema, rappresentando un must per tutti i professionisti di BI e gli sviluppatori che lavorano con SQL Server di Microsoft non solo in UK.
La conferenza ripropone la formula dei 3 giorni già sperimentata lo scorso anno in Galles.
Il primo giorno consiste in una sessinoe di training, con seminari approfonditi tenuti da professionisti SQL Server; il secondo giorno si terranno diverse conferenze con importanti membri della community SQL; il terzo giorno, infine, sarà il più tradizionale, con un'ampia gamma di sessioni relative ai vari aspetti di SQL Server a tutti i differenti livelli di abilità.
Le sessioni dei primi due giorni saranno a pagamento, mentre l'ingresso del Sabato sarà gratuito.
Per registrarsi e per maggiori informazioni, vi rimando al sito dell'evento.

5 domande per 1 utente

Pic by 姒儿喵喵

Quante volte soluzioni o funzionalità dei sistemi di Business Intelligence richieste direttamente dagli utenti vengono poi ignorate nel momento in cui sono realmente implementate?
Si danno agli utenti gli strumenti che loro stessi domandavano, quindi perchè non vengono usati?

Il fatto è che molto spesso ciò che gli utenti dicono e ciò che intendono non corrispondono.
Prima di iniziare il processo di implementazione di una applicazione di Business Intelligence, il professionista IT parlerà con gli utenti per conoscere le loro necessità e le loro richieste.
Si informerà riguardo a che tipo di informazioni servono ed in che formato dovranno essere visualizzabili e gestibili.
Solitamente verranno date risposte diverse, per cui la flessibilità sembrerà fondamentale.
Molto spesso infatti risulterà necessario poter rispondere a richieste ad hoc, poichè il tipo di informazione richiesto potrà cambiare continuamente.
Il professionista IT deve quindi interpretare queste "richieste ad hoc" e questa "flessibilità" come necessità per il tool di Business Intelligence e Data Warehouse.

Ma chi si occupa di implementare Business Intelligence dice che più del 90% degli utenti non ha in realtà ne il tempo ne gli skill per usare il tool di BI.
In altre parole, le risposte degli utenti e l'interpretazione ad esse data dal professionista IT non corrispondono. Questo scenario può sembrare strano o estremo.
Ma la verità è che gli utenti spesso inconsapevolmente forniscono informazioni non corrette quando esprimono le proprie necessità in ambito di reportistica, mentre l'IT dal canto suo considera erroneamente che gli utenti sappiano cosa intendono quando chiedono cose come un tool ad hoc.

Ci sono 5 cose importanti che è necessario farsi dire dagli utenti prima di fornire loro tecnologie:

1- Quanto sono skillati gli utenti dal punto di vista tecnico?

2- Quanto tempo possono dedicare gli utenti a reperire, accedere ed analizzare le informazioni?

3- A che tipo di domande dovranno rispondere gli utenti?

4- Quanto spesso viaggiano?

5- Quanto puntuali dovranno essere i dati a cui avranno accesso?

Rispondendo a questa domande si dovrebbe essere in grado di tracciare una mappa delle esigenze piuttosto precisa. Che ne dite? Siete d'accordo o ci stiamo dimenticando qualcosa?

Un Osservatorio sulla BI in Italia

Tutti conoscono l'Università Bocconi di Milano. Forse non tutti, invece, sanno che all'interno della School of Management esiste un'osservatorio dedicato alla Business Intelligence.

Lo scopo di questo osservatorio è quello di aiutare aziende, fornitori o ricercatori fornendo informazioni sulla diffusione, le dinamiche e le migliori modalità di impiego della Business Intelligence in Italia.

L'osservatorio è composto da un Comitato Scientifico, da aziende di tutti i settori economici e di diverse dimensioni che rappresentano la domanda di sistemi di BI e BPM, oltre che da risorse dedicate, operative all'interno dell'Osservatorio.

Nel corso degli ultimi anni l'attività di ricerca si è focalizzato su diversi temi:

-  Lo studio del livello di maturità della BI nelle aziende italiane con più di 100 dipendenti (2007-2008)

- Le Practice utilizzate all’interno delle 2 Famiglie Professionali identificate come le maggiori utilizzatrici di soluzioni di BI/BPM nelle imprese, cioè Marketing & Sales ed Amministrazione Finanza e Controllo (2008-2009)

- “Nuove forme di Intelligence su Web", “BI Governance” e “Processi Mentali Associativi dei decisori aziendali e il supporto dei nuovi strumenti di BI” (2009-2010)

Per maggiori INFO

La qualità dei dati

La qualità dei dati dovrebbe essere controllata fin da subito, prima di procedere con le altre fasi di analisi. E' possibile farlo in diversi modi, utilizzando vari tipi di analisi mirata come conteggi di frequenza, statistiche descrittive (come deviazione standard e media), normalità (come istogrammi di frequenza, analisi di probabilità), associazioni (come correlazioni e disperzione).

Per verificare i dati è possibile effettuare:
- un controllo sulla pulizia dei dati: la distribuzione delle variabili prima della pulizia dei dati si compara alla distribuzione delle variabili dopo la pulizia, per vedere se questa operazione ha avuto effetti non voluti sui dati;

- un'analisi delle osservazioni mancanti/perse: ci sono molti valori mancanti e sono questi ultimi casuali?
Le osservazioni mancanti sono analizzate per vedere se mancano più del 25% dei valori, se i dati vengono persi in maniera casuale e se è necessaria qualche forma di statistica;

- analisi delle osservazioni estreme: si analizzano le osservazioni più periferiche per vedere se disturbano la distribuzione;

- comparazione e correzione delle differenze negli schemi di codifica: le variabili sono comparate con gli schemi di codifica delle variabili esterne al set di dati, e vanno quindi possibilmente corrette se gli schemi di codifica non sono comparabili.

La scelta delle analisi per assicurarsi la qualità dei dati, che si svolgono durante la fase iniziale dell'analisi di dati, dipende dalle analisi vere e proprie che verranno condotte nella fase principale di analisi.

Data Mining: le fasi del processo

Come già anticipato, il Data Mining richiede un approccio sistematico: si possono definire fasi di un processo ben preciso, da eseguire per poter giungere ai migliori risultati.
Vediamo allora quali sono le 7 fasi operative per l'analisi dei dati ed il loro ordine:

Fase 1 - Gli obiettivi:
bisogna definire lo scopo che si vuole raggiungere con l'analisi dei dati

Fase 2 - La selezione dei dati:
è necessario reperire, organizzare e preparare i dati per l'analisi

Fase 3 - L'analisi esplorativa dei dati:
bisogna fare un'analisi preliminare ed eventualmente modificare i dati

Fase 4 - I metodi statistici:
si specificano i metodi statistici che si andranno ad utilizzare

Fase 5 - Elaborazione dei dati: si va ad agire sui dati

Fase 6 - Scelta del modello di analisi:
si applicano diversi modelli per capire quale sia il più appropriato

Fase 7 - Interpretazione ed implementazione del modello:
si applicano i risultati ai processi decisionalli aziendali


Se vi interessa, potremo poi tornare sull'argomento per dare maggiori dettagli riguardo queste fasi.

Business Intelligence per iPad: QlikView

La nostra era digitale vede la creazione di sempre diverse applicazioni per i più nuovi supporti tecnologici mobile. Anche coloro che si occupano di dati non devono temere: sono già a disposizone applicazioni per Business Intelligence su iPad.
Eccone una, che personalmente non ho ancora sperimentato ma sembra interessante: si chiama QlikView.

Il suporto iPad permette soluzioni innovative, si sa, in quanto ha uno schermo più ampio rispetto agli smartphone tradizionali e ci libera dall'uso del mouse. Grazie ad esso le analisi di dati divengono quindi interattive, portatili e semplici.
Se l'iPad stesso permette di avere una grafica ad alta definizione, oltre a dare la possibilità di ruotare lo schermo per visualizzare in orizzontale piuttosto che in verticale, le funzionalità dell'applicazioni non sono meno interessanti: è possibile ricercare e consolidare dati da più fonti (Oracle, SAP, salesforce; Business Objects, Cognos, Hyperion; SQL Server, Oracle e MySQL), si possono eseguire ricerche associative, mentre è possibile visualizzare ed analizzare tutti i dati di business scegliendo il formato desiderato con un semplice tocco.

Purtroppo non potrò semplicemente rubare l'iPad del marito per fare qualche prova, anche se è possibile scaricare gratuitamente QlikView per iPad dall'App Store di iTunes, perchè ci vuole un server QlikView.

Ecco dove trovare INFO e un VIDEO di presentazione.

Vi faremo avere news su altri prodotti o servizi, mentre attendiamo commenti da tutti coloro che abbiano già cominciato ad utilizzare applicazioni simili.

Excel: corsi e ricorsi

Pic by Till Zoltàn

Quando mi assegnarono il ruolo di Business Data Analyst all'interno del Marketing, l'azienda mi iscrisse ad un corso di Excel avanzato (per intenderci non quello base che parte dalla descrizione del foglio di calcolo composto da celle ordinate in righe e colonne) presso un noto fornitore di corsi di formazione informatici di Milano.

Sono passati anni ormai, ma ancora ricordo che cosa successe: mi trovai di fronte un ragazzino giovanissimo, che ripeteva pedissequamente la lezioncina e non appena gli si rivolgeva una domanda, non poteva far altro che aprire la famigerata Guida di Excel...

Chi si occupa di dati sa quanto Excel sia importante e quanto la buona conoscenza derivi unicamente dall'utilizzo reale dell'applicazione.
Fare un corso, ottenere una certificazione, è sempre una bella cosa, anche per il proprio Curriculum Vitae, ma di sicuro vi consiglierei, se siete all'inizio, di passare un po' di tempo con i colleghi del Finance o dell'IT, per farsi dare indicazioni e formule magiche che in seguito vi potrebbero salvare la vita (intesa in termini di tempo e rompicapo :-)

Non è possibile purtroppo sapere in anticipo che tipo di docente vi aspetti fuori dall'azienda. Cosa che non accade invece con i propri colleghi. Mentre ci auspichiamo che nel corso degli anni la selezione degli insegnanti sia migliorata, il famoso Training on the Job può andare benissimo.

Data Mining: una definizione

Pic by George Franganillo

Per data mining si intende il processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire regolarità o relazioni non note a priori, e allo scopo di ottenere un risultato chiaro e utile al proprietario del database.
da Data Mining - metodi informatici, statistici e applicazioni, di Paolo Giudici

Ecco dunque una definizione di Data Mining, per coloro che ancora fossero al di fuori della materia ed abbiano voglia di tuffarsi nel magico mondo dell'analisi dei dati.

Ma a che cosa serve il Data Mining?
Che differenza c'è tra Data Mining ed Analisi Statistica?

L'azienda che utilizzi i metodi di Data Mining avrà un ritorno in termini di business, di risultati economici, non necessariamente correlato invece all'analisi statistica.
Per poter avere un ritorno economico, è però necessario abbinare alla conoscenza del database la conoscenza del business aziendale ed utilizzare una metodologia non lasciata al caso.
E' quindi necessario avere chiara la problematica da analizzare, reperire o creare il database necessario da analizzare ed applicare tecniche statistiche che producano risultati rilevanti per la presa di decisioni strategiche.