cos e il data mining

Comprendere e sfruttare il data mining per le decisioni aziendali

Data mining e Data warehouse

Se esaminiamo come le modalità di analisi dei dati si sono evolute negli anni, notiamo come da indagini effettuate direttamente sulle fonti operazionali, si è passati, a partire dagli anni ’90, all’utilizzo di una base dati creata appositamente: il data warehouse.Con il data warehouse e i database multidimensionali è possibile analizzare i dati non solo al massimo livello di dettaglio, ma anche a diversi livelli di aggregazione, e, inoltre, eseguendo operazione di drill-down o slicing e dicing si ottengono dinamicamente prospettive diverse del dato. Tuttavia si tratta sempre di una visione storica, che consente soltanto una valutazione a consuntivo di ciò che è accaduto nel passato, oppure di ciò che sta accadendo ora.

Più di recente, a partire dai primi anni 2000, ha cominciato ad affermarsi la necessità di effettuare analisi previsionali, per anticipare gli eventi e ottenere un vantaggio di business. La grande quantità di dati disponibili ha reso inoltre necessaria l’adozione di tecniche di analisi efficienti e in grado di lavorare su valori numerici, testuali o binari (per es. le immagini).
Le tecniche di analisi, a cui ci riferiamo, prendono il nome di data mining,  poiché consentono di “scavare” nei dati ed estrarre informazioni, pattern e relazioni non immediatamente identificabili e non note a priori. Il data mining può essere utilizzato in qualsiasi settore economico. Per maggiori chiarimenti puoi consultare anche la sezione dedicata alla definizione di data mining o alle caratteristiche del data mining, un chiaro prospetto che aiuta a capire lo scopo dell’analisi, le potenzialità e i risultati.

Data mining: come iniziare

La costruzione di modelli di data mining prevedono la consulenza di un analista esperto nelle tecniche di analisi predittiva dei dati. Questa disciplina richiede una grande preparazione per permettere di ottenere un reale valore dai dati analizzati.
I passi necessari per implementare un efficiente modello di data mining sono sanciti dallo standard CRISP-DM, che dalla fine degli anni ’90 guida i data scientists nel creare soluzioni di analisi predittiva dei dati, scandendo una lista di azioni imprescindibili per la buona riuscita del progetto:
– Business understanding
– Data understanding
– Data preparation
– Modeling
– Evaluation
– Deployment
Per aiutare i team aziendali ad avvicinarsi alle tecniche di data mining, consigliamo di visitare la pagina del corso completo: Fondamenti di Analisi Predittiva.
Avatar User 2 1549298890

Alessandro Rezzani

Sono un consulente senior nell’ambito della Business Intelligence, specializzato in analisi di Big Data e tecniche di Analisi Predittiva. Nel 2016 ho fondato Dataskills, presto diventata azienda di riferimento nel territorio italiano per soluzioni di Data Science. Sono anche ricercatore e professore presso l’Università Bocconi di Milano.
Leggi la mia Biografia

Leave A Comment

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

Iscrivi alla newsletter














    Dichiaro di aver letto ed accetto l’informativa sulla privacy

    Avatar User 2 1549298890

    Alessandro Rezzani

    Sono un consulente senior nell’ambito della Business Intelligence, specializzato in analisi di Big Data e tecniche di Analisi Predittiva. Nel 2016 ho fondato Dataskills, presto diventata azienda di riferimento nel territorio italiano per soluzioni di Data Science. Sono anche ricercatore e professore presso l’Università Bocconi di Milano.
    Leggi la mia Biografia