Metodologia

Oggigiorno, la grande disponibilità di dati consente (e incentiva) l'utilizzo di tecniche statistico-informatiche avanzate che diano la possibilità di estrarre il massimo valore delle informazioni.
Sviluppate nel mondo della ricerca di frontiera, dove enormi moli di dati vengono analizzate ormai da decenni, le tecnologie di profiling sono oramai utilizzate sempre di più anche nel mondo aziendale e industriale.

Con la denominazione tecniche di profiling, si intendono quegli algoritmi in grado di individuare e costruire categorie (o cluster) al fine di segmentare ed etichettare dati, scovare pattern nascosti ed applicare profili con lo scopo di estrarre e valorizzare al meglio le informazioni.


LE TECNICHE

profiling
Caratteristica comune delle tecniche di profiling è la capacità di "apprendere" dai dati a disposizione. In questo senso, si può quindi parlare di algoritmi di intelligenza artificiale, i quali migliorano le proprie performance nel tempo, all'arrivo di nuovi dati e informazioni. Queste tecniche sono suddivise in due macro-gruppi, a seconda del genere di apprendimento cui vengono sottoposte che può essere di tipo supervised, quando si mostrano alla macchina i profili che deve imparare a individuare o unsupervised, quando è la macchina stessa che cerca liberamente gruppi e cluster all'interno dei dati, senza essere necessariamente "indirizzata" dall'utente.


UTILIZZO

Queste tecnologie hanno un ampio range di utilizzo. Si pensi innanzitutto al contesto marketing, in cui le problematiche di targetizzazione offerte, CRM, anti-churn sono esempi perfetti di profiling di clienti, dei quali vanno individuate caratteristiche, tendenze e necessità.
Anche in ambito di fraud management e recupero crediti ci sono diverse naturali applicazioni delle tecniche di profiling: dall'assegnare la probabilità che un utente sia un potenziale frodatore, al capire se un cliente sarà o meno un cattivo pagatore, al definire per quali clienti è conveniente tentare azioni di recupero credito o meno.
Un terzo ambito è quello tecnologico che riguarda la manutenzione di asset. Come gestire le riparazioni, se attivare o meno contratti di interventi esterni in caso di malfunzionamenti, come ottimizzare i tempi e le modalità delle manutenzioni, sono tutti esempi di profling nei quali si cerca di capire la probabilità che un dato elemento o risorsa si rompa in un certo intervallo di tempo.

Fare previsioni è molto difficile,
specialmente se riguardano il futuro
Niels Bohr

Questo sito web utilizza i cookie per capire come viene utilizzato il sito e per permettere l'accesso all'area riservata. I cookie non permettono di identificare l'utente. I cookie sono salvati sul tuo browser e sono utlizzati per personalizzare la tua esperienza sul nostro sito web. Continuando la navigazione sul nostro sito senza modificare le impostazioni, accetti il nostro utilizzo dei cookie. Comunque potrai modificare le tue impostazioni dei cookie in qualsiasi momento.