Appunti di Organizzazione dei Sistemi Informativi

DSS, ESS.

Differenze rispetto ad altre tipologie di SI: a livello operativo i dati sono numerosi e dettagliati (devono

essere corretti...), vengono estrapolate poche informazioni ma ricche di contenuto. Si ottiene quindi un

resoconto significativo elaborando i dati che derivano dal livello operativo e producendo un output costituito

da dati di sintesi.

Management Information Systems (MIS)

Si trovano ad un livello intermedio tra SI a livello operativo e DSS. Esempio: tre sistemi di elaborazione

delle transazioni (ordini, produzione, contabilità) forniscono i dati riepilogati delle transazioni, alla fine di

ogni periodo temporale, al sistema di gestione delle informazioni per la gestione di report.

I manager accedono ai dati aziendali tramite il sistema di gestione delle informazioni che fornisce i report

appropriati.

Informazioni di input: riepilogo dei dati sulle transazioni, alti volumi di dati, semplici modelli;

Elaborazioni svolte: report di routine, modelli semplici; analisi di basso livello;

Informazioni di output: riepiloghi e report delle eccezioni;

Utenti: middle manager.

Decision Support Systems (DSS)

I DSS, noti anche come Sistemi di Business Intelligence, combinano dati, strumenti analitici e modelli per

sostenere decisioni manageriali di tipo semi-strutturato (a volte destrutturato). Forniscono quindi un supporto

decisionale soprattutto per il middle management e per le differenti business units (es. molto sviluppati in

ambito marketing e vendite, vedi CRM).

Esempi di query: quali fattori a lungo termine influiscono sulle prestazioni di un atleta? Quali sono le

preferenze e gli schemi di acquisto della clientela?

I DSS sono composti da:

- DSS Database, cioè archivi elettronici di dati organizzati in modo centralizzato, datawarehouse e datamart;

- DSS Software, cioè strumenti e applicazioni necessari per l'analisi dei dati e delle informazioni (modelli,

applicazioni OLAP, data mining).

I DSS Database

a) Data warehouse (DWH) o magazzino di dati: è un database che conserva i dati correnti e storici

potenzialmente interessanti per i manager dell'azienda. I dati vengono generati dai principali sistemi

aziendali (tra cui anche i TPS) e da fonti esterne.

Un DWH è l'insieme delle strutture dati e degli strumenti necessari per ottenere, a partire dai dati

operazionali, informazioni utili come supporto alle decisioni. Si distinguono dai database tradizionali.

Sul DWH agiscono sofisticati strumenti di elaborazione e di interpretazione dei dati.

Caratteristiche dei dati nel DWH:

1. Integrati. Derivano da più fonti interne (es. SI diverse funzioni) ed esterne (es. analisi di mercato)

all'azienda;

2. Storici. I software devono poter avere un patrimonio di dati che si riferisca ad azioni ed eventi avvenuti in

un arco temporale il più lungo possibile (es. 5, 10 anni);

3. Subject-oriented. Non dipendono dall'applicazione che li ha generati ma sono strutturati secondo una

logica definita dal DWH;

4. Non volatili. Non possono essere cancellati e modificati se non in particolari situazioni.

Queste caratteristiche servono per creare una base conoscitiva utile per poter applicare i software che

agiscono su questi dati.

b) Data mart: Sono DWH di minore dimensione (quindi stesse logiche), decentrati in unità organizzative in

modo da contenere solo dati relativi ad una business unit e separati per esigenze di efficienza e di costo e

velocità di elaborazione.

Non sempre sono previsti: lo sono solo se il DWH contiene un numero molto elevato di dati.

I DSS Software

a) Le applicazioni OLAP (On Line Analytical Processing) consentono l'analisi multidimensionale dei dati,

cioè di leggere gli stessi dati da diverse prospettive (ipercubi).

I sistemi OLAP consentono di analizzare grandi quantità di dati da un certo numero di prospettive differenti

e di accedere ai dati di un DWH, supportando sofisticate analisi a supporto di un processo decisionale.

Esempio di prospettive di analisi per le vendite: mercati, prodotti, tempo, clienti ecc.

Differenze tra sistemi transazionali e OLAP: quali dati posso estrapolare?

- TPS: quali sono i nomi, indirizzi, ID, età ecc di questo gruppo di clienti?; Creare etichette di ciascun cliente

della Lombardia; ecc.

- OLAP: qual è il trend della quota di mercato nel Sud Italia per il prodotto xy? Qual è il tasso di crescita

delle vendite previsto per il prodotto xy suddiviso per regione? Mostrare il migliore/peggiore/most

changed/the least changed/ the top 10, bottom 10... cliente/prodotto/ area geografica; ecc.

b) Data Mining: è l'insieme delle tecniche che consentono di effettuare l'esplorazione e l'analisi dei dati per

individuare modelli e schemi logici non espliciti a priori all'interno di database di grandi dimensioni.

Le applicazioni di data mining individuano relazioni particolari e non note a priori fra i dati, mediante

modelli statistici o tecniche di intelligenza artificiale (alberi decisionali, reti neurali, algoritmi genetici ecc).

Il Data mining consiste nell'attività di ricerca e analisi di una grande mole di dati utile per estrarre concetti e

scoprire nuove informazioni. Si descrive l'andamento del passato per prevedere tendenze future.

Esempio (marketing). Gli strumenti di data-mining (es. Clementine) eseguono ricerche su database di punti

vendita per individuare informazioni quali prezzi, quantità vendute e date di vendita, prendendo in

considerazione migliaia di prodotti in centinaia di aree geografiche. Comprendendo le preferenze e gli

schemi di acquisto è possibile individuare meglio le esigenze della clientela. Altri esempi di applicazioni:

salute, scienze ecc.

Riepilogo: dati di input; elaborazioni; informazioni di output; destinatari.

Customer Relationship Management

Il CRM

Il CRM è una strategia di business per la gestione del cliente, abbinando le esigenze di business alle

tecnologie più adatte. E' un approccio globale, con una componente tecnologica (SI transazionali, SI per il

supporto decisionale) ed una organizzativa (ruoli, processi...).

Obiettivo: migliorare la soddisfazione dei clienti per:

1. sviluppare relazioni durature;

2. aumentare la redditività (ROI per cliente ecc.);

3. individuare quelli più profittevoli;

4. attirare nuovi clienti.

Comprende strategie di mass marketing e strategie personalizzate (gestione più accurata della relazione con

la clientela).

Principali driver del CRM: competizione; globalizzazione; aspettative del mercato e clientela più sofisticata;

gestione della multicanalità e integrazione dei canali di vendita.

Caratteristiche dei progetti di CRM

- È necessario un approccio integrato;

- Possono essere scomposti in più iniziative separate ma tra loro coordinate;

- Prospettiva tecnologica + organizzativa;

- Coerente disegno che tenga in considerazione: 1. i clienti, 2. i canali distribuitivi e 3. i prodotti/servizi

offerti.

Quindi è necessario:

a) disegnare nuovi processi; e

b) realizzare sistemi basati su tecnologie innovative tra loro integrate che consentano di supportare in modo

coordinato l’interazione con il cliente attraverso tutti i canali di comunicazione di cui dispone la azienda.

Necessario focus sulla combinazione clienti/prodotti/canali.

Le componenti di un progetto di CRM

Le componenti organizzative

- Spesso trascurate;

- Necessari interventi sui processi di vendita;

- Crescita di quelle business unit che organizzano e gestiscono l’interazione con i clienti;

- Evoluzione delle competenze e nascita di nuovi ruoli (marketing e SI) > Spostamento delle competenze

dalle unità che gestiscono i sistemi informativi a quelle di marketing e di vendita > nascita di nuove aree di

competenza “sistemi informativi di marketing”;

- Necessario commitment del management dell’azienda;

- Necessità di attuare interventi di change management;

- I progetti di CRM non devono mai essere considerati conclusi.

Le componenti tecnologiche

- CRM transazionale: i SI a livello transazionale automatizzano i processi operativi e registrano i dati

dell'area marketing e vendite, per produrre resoconti;

- CRM informativi: DSS di marketing e vendite;

- CRM di interazione: rappresentano canali che l'azienda ha a disposizione per svolgere attività di marketing

personalizzati (caso).

Social CRM: È sia una filosofia che una strategia di business, supportata da tecnologie, piattaforme, regole

economiche, piani di lavoro, fattori sociali, finalizzata al coinvolgimento del consumatore in una

conversazione collaborativa utile a fornire benefici e valori condivisi per entrambi.

Approfondimento: social media strategy

Web 1.0 e Web 2.0

Il web 2.0 è una combinazione di:

- nuove tecnologie, in grado di fornire un'interattività di tipo avanzato; e

- un approccio filosofico alla tecnologia, indirizzato a una sempre maggiore partecipazione e al

coinvolgimento degli utenti nella redazione dei contenuti (approccio user-generated content).

Nel web 1.0 il modello di marketing e comunicazione tipico era un monologo; nel web 2.0 il nuovo modello

è un dialogo.

Verso campagne di marketing 2.0: da campagne diventano conversazioni. Svantaggio: gli user-generated

content non sono strumenti controllabili. I social media sono importanti perchè l'utente si fida molto di più

della community/degli altri consumatori che dei messaggi istituzionali: necessario definire una social media

strategy.

N.B. Diversi approcci delle aziende verso i social media. Si distinguono: divulgatori, trascinatori, promotori

timidi, broadcaster, osservatori.

Social media strategy

Significa individuare come posizionarsi nei social media in base agli obiettivi da raggiungere, attivare i

canali più appropriati, definire un piano di contenuti, progettare campagne on-line per far parlare di te e dei

tuoi prodotti.

1. Enstablish goals: stabilire gli obiettivi;

2. Listen: ascoltare;

3. Build: costruire;

4. Engage: coinvolgere l'utente;

5. Analyze and optimize: misurare sforzo e feedback.

1. Stabilire gli obiettivi

Definire gli obiettivi in modo chiaro, possibilmente scritti. Esempi: migliorare customer service; promuovere

un prodotto/servizio; supportare una causa; rispondere ad una crisi.

2. Ascoltare

Capire com'è composta l'audience: chi/dove sono, personalità, come/dove consumano, come/dove si

coinvolgono.

E' fondamentale ascoltare: chi sta parlando di te; ciò che stanno dicendo; se è positivo o negativo; dove si

svolgono le conversazioni; come si comportano i tuoi concorrenti nei social media; chi sono gli influenzatori

in questi blog o comunità; dove sono le opportunità e le minacce.

Tantissimi strumenti di ascolto, es. YouTube.

3. Costruire

Scegliere con attenzione i canali di conversazione. I canali di conversazione devono essere utilizzati in modo

coere