Elementi propedeutici di statistica
Le basi: media, moda, mediana, deviazione standard e loro utilizzo e lettura (con esempi)
La correlazione e il suo uso e interpretazione
Le distribuzioni
La statistica campionaria
I test di ipotesi
Esempi d’uso e di applicazione
2,5 ore
Big Data, advanced analytics e algoritmi
Il significato di advanced analytic ed algoritmo
L’importanza dei dati e dei big data
45 minuti
Gli algoritmi e il rapporto con la matematica e l’AI
Il concetto di soluzione algoritmica
Il rapporto fra algoritmo e basi matematiche
La soluzione algoritmica : advanced analytic o AI?
1 ora
Le principali famiglie di algoritmi
Le principali famiglie di algoritmi e il loro uso
Gli algoritmi «a doppio uso» (advanced anaytic o base di apprendimento)
Gli algoritmi per il machine learning
Esempi d’uso
2 ore
Machine learning
Cosa si intende con machine learning
Come funziona
Quando serve e quando no
Le criticità del machine learning (bias algoritmico)
Esempi
1 ore
Dati, informazioni e reporting
La differenza fra dato, informazione, informazione aggregata, informazione sintetica
Il concetto di reporting e le tipologie di reporting
Mappatura dei fruitori, obiettivi decisionali e tipologie di reporting
0,5 ore
Analisi del TNPS (esempio d’uso della correlazione)
NPS, RNPS, TNPS: cosa sono, a cosa servono, cosa dicono
L’analisi del TNPS e le aspettative del cliente (derivante dall’analisi di 18.000 questionari)
0,5 ore
Data storytelling e data visualization: esporre i risultati degli analytics
Attributi pre-attentivi e percettività (dimensione, forma, colore, posizione, …)
Carico cognitivo del reporting e ottimizzazione di efficacia
Comporre report e dashboard al variare del target ed obiettivi dei fruitori
Dashboard strategiche, operative, analitiche e tattiche
2 ore
Esercitazione
Progettare una dashboard
45 min
Creare i grafici con excel
Le tipologie di grafico in excel
Le linee di tendenza: attivarle, significato e interpretazione, visualizzazione di R-quadro
Esempi d’uso (andamento delle sottoscrizioni, andamento dei recessi, …)
0,5 ore
Regressione e analytics predittivi
Cos’è la regressione e come si applica (e perchè)
Leggere la «bontà» del modello con R-quadro
Generare informazione e previsione con la regressione a partire da un grafico a dispersione
Esempi d’uso (con excel)
1 ora
Esercitazione
Progettare analytics descrittivi (su basi dati reali mascherate)
•conoscenza del cliente sul rischio riciclaggio
•analisi di un prodotto di pagamento
•confronto fra KPI andamentali
1 ora
Q&A
0,5 ore
