Analisi Predittive nella Gestione di Flotte di Auto Aziendali con Metodi di Data Science

L'attività che ha condotto allo sviluppo di questa tesi è iniziata con un tirocinio presso l'Azienda Global Sistemi che si occupa di software di gestione di flotte aziendali. In particolare l'azienda tramite dispositivi elettronici è in grado di controllare i percorsi che le singole unità di un parco auto possono effettuare. L'interesse aziendale riguarda l'ottimizzazione delle risorse, in particolare si è posta l'attenzione sui costi che una singola auto comporta annualmente, tale argomento non riguarda in primis l'azienda in cui ho svolto il tirocinio, bensì l'interesse dei propri clienti che sono i possessori del parco auto. Mi sono stati forniti perciò i dati di alcuni clienti, ma spesso presentavano dati mancanti nelle variabili di interesse. Il lavoro, quindi, si occupa di analizzare tali informazioni e prevedere con metodi di Data Science il loro andamento, per poter fornire previsioni future utili a decisioni aziendali. La tecnica utilizzata è quella della regressione, utile per analizzare una serie di dati che consistono in una variabile dipendente e una o più variabili indipendenti; il principio su cui si basa è servirsi delle informazioni del passato come strumento per la simulazione del futuro. Per la loro versatilità la tecniche di regressione trovano impiego nel campo delle scienze applicate: chimica, fisica, ingegneria, nonché nelle scienze sociali: economia, psicologia e sociologia.