Chelli, Giacomo
(2022)
Machine learning applicata ai processi decisionali aziendali.
[Laurea], Università di Bologna, Corso di Studio in
Informatica per il management [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
|
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (1MB)
| Contatta l'autore
|
Abstract
Sono un Product Manager in un'azienda d'importazione e distribuzione B2B online e mi occupo principalmente di stilare analisi di mercato, pianificare le gamme prodotto, trovare fornitori, gestire gli acquisti, creare listini multi livello ed affiancare il reparto vendite.
Con il consenso del dipartimento IT, svilupperò la tesi applicando algoritmi di Machine Learning (una branca dell’AI), utilizzando i dati del dipartimento di cui sono responsabile. Nello specifico, implementerò, tramite il linguaggio di programmazione Python, un algoritmo di clustering volto alla segmentazione della clientela. Seguirò in letteratura la tecnica RFM che pone le fondamenta su tre valori ottenuti da ciascun cliente in un dato periodo: fatturato, data di ultimo acquisto e frequenza
degli acquisti.
Successivamente, dopo aver tratto le conclusioni, proverò a fare sperimentazione modificando l’algoritmo RFM. Infine, suddividerò i canali di vendita della clientela in ordine dei cluster ottenuti, così da conoscere per ciascun canale la profondità d’inserimento e indirizzare così i futuri investimenti.
Tramite questa tesi, ho avuto l’opportunità, grazie alla Prof.ssa Elena Loli Piccolomini ed al dottor Davide Evangelista, di applicare algoritmi di learning al mio quotidiano, inserendo così un nuovo tassello al mio know-how.
Abstract
Sono un Product Manager in un'azienda d'importazione e distribuzione B2B online e mi occupo principalmente di stilare analisi di mercato, pianificare le gamme prodotto, trovare fornitori, gestire gli acquisti, creare listini multi livello ed affiancare il reparto vendite.
Con il consenso del dipartimento IT, svilupperò la tesi applicando algoritmi di Machine Learning (una branca dell’AI), utilizzando i dati del dipartimento di cui sono responsabile. Nello specifico, implementerò, tramite il linguaggio di programmazione Python, un algoritmo di clustering volto alla segmentazione della clientela. Seguirò in letteratura la tecnica RFM che pone le fondamenta su tre valori ottenuti da ciascun cliente in un dato periodo: fatturato, data di ultimo acquisto e frequenza
degli acquisti.
Successivamente, dopo aver tratto le conclusioni, proverò a fare sperimentazione modificando l’algoritmo RFM. Infine, suddividerò i canali di vendita della clientela in ordine dei cluster ottenuti, così da conoscere per ciascun canale la profondità d’inserimento e indirizzare così i futuri investimenti.
Tramite questa tesi, ho avuto l’opportunità, grazie alla Prof.ssa Elena Loli Piccolomini ed al dottor Davide Evangelista, di applicare algoritmi di learning al mio quotidiano, inserendo così un nuovo tassello al mio know-how.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Chelli, Giacomo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
machine learning,data mining,RFM,K-means,clustering clientela,processi decisionali,product manager
Data di discussione della Tesi
25 Maggio 2022
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Chelli, Giacomo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
machine learning,data mining,RFM,K-means,clustering clientela,processi decisionali,product manager
Data di discussione della Tesi
25 Maggio 2022
URI
Statistica sui download
Gestione del documento: