Statistica aziendale avanzata

Statistica aziendale avanzata (SAA)

Introduzione - Argomenti

Fonti & qualità: Partiamo dalla materia prima. Produzione & raccolta: Partiamo da zero. Descrizione e problemi. Analisi esplorative, analisi statistiche multivariate: semplificare la vita. Analisi di regressione: relazioni tra variabili e come utilizzarle. Analisi grafiche: comunicare informazioni semplicemente. Chi-quadrato: segreti del test statistico. Carte di controllo: qualità e capability per raggiungere risultati prefissati. SAS Studio: professionale, potente, diffuso, ... facile! Tutto servirà per prendere e supportare le decisioni. Decision Making.

Lezione 2

Cambiamento, novità → Incertezza dovuta alla variabilità di fenomeni che voglio studiare. La statistica deve guidare le decisioni pratiche che devono essere prese in condizioni di incertezza. Fenomeni di tipo collettivo (riguardano più unità), incerti e soggetti a cambiamento. Ci devono essere una o più informazioni che ci guidino a prendere una decisione.

Per prendere la decisione pratica serviranno i dati da cui recepiremo le informazioni per colmare il gap informativo. Non si può improvvisare, ci vuole uno statistico.

Compiti dello statistico

Rilevazione e analisi di dati per produrre nuove informazioni, supporto pratico, che permettono al management di prendere decisioni. Fare analisi e ricerche di mercato, analisi target-clienti, soddisfazione del personale e della clientela, valutazioni statistiche dei campioni di produzione, valutare i vari scenari che si possono verificare, interpreta e ricerca i dati aziendali. L'output dello statistico finirà al manager che le utilizzerà per prendere decisioni.

Strumenti principali

PC e Web, software statistici (es. SAS), indagini campionarie (per creare banca dati), questionario, sondaggi, indagini, censimenti, formule, Excel, Big Data Analysis, grafici, tabelle, percentuali, modelli con metodo scientifico, statistica, test statistici di ipotesi.

Parole chiave della statistica

Analisi e dati: Lo statistico deve essere pratico per prendere decisioni in campo di incertezza. I principali strumenti sono: dati, metodi, modelli. Lo statistico si interfaccia principalmente con i dati. Lo statistico deve trasformare i dati in informazioni. Un dato per diventare informazione deve essere utile. Per rendere i dati utili dobbiamo procedere a riassumerli e rielaborarli per trasformarli in informazioni.

Lo statistico deve comunicare informazioni al manager per risolvere un problema pratico (gap informativo). Lo statistico deve saper tradurre il problema pratico del management in un problema statistico. Tradurre il problema informativo in quali dati mi servono. Starà al manager risolvere il problema. Raccoglie i dati per risolvere il problema. Per fare ciò può usare un questionario (chi fa le domande? Come si valuta la scala delle risposte?).

Lo statistico deve essere coinvolto nel preparare il questionario, altrimenti si rischia di raccogliere dati inutili. Lo statistico deve identificare la fonte dei dati necessarie, deve produrre la fonte e dopo prenderà la fonte dati per fare le sue analisi. Questo primo passaggio mi servirà quindi per creare il mio database dati. Posso partire dai dati che sono già interni all’azienda, questi dati sono più affidabile, veloci e meno costosi. Devo capire che fonti di dati ho e quali usare.

Tipi di dati

• Primari (raccolti appositamente)
• Secondari (dati non prodotti per questo scopo specifico ma posso riutilizzarli, sono quindi dati già esistenti)
• Interni (già presenti dentro l’azienda)
• Esterni (devo raccoglierli all’esterno. Buona parte formati da statistiche ufficiali di istituti nazionali. In ambito aziendale sono molto importanti anche le fonti statistiche non ufficiali, cioè fatte da società private di ricerche di mercato che analizzano in profondità i comportamenti di consumo delle famiglie, imprese)

Es. Prendo i dati presenti sul sito ISTAT saranno esterni e secondari. Commissiono un’analisi di mercato a soggetto esterno, dati esterni e primari. Posso chiedere all’ufficio marketing di trovarmi dei dati specifici, saranno interni e primari. Chiedo all’ufficio marketing dei dati che hanno già, interni e secondari.

Criteri di scelta dei dati

Dati di qualità: non tutti i dati statistici disponibili sono ugualmente accurati, in assenza di informazioni sul loro grado di precisione si corre il rischio di trarne indicazioni fuorvianti. Un’alta qualità dell’informazione statistica è data dalla sua accessibilità, sarà massima quando i dati sono raccolti in banche dati disponibili online gratuitamente. La qualità è relativa, dipende dal contesto, da come la alimentiamo e dal tipo di fonte. Chiarezza nella raccolta del dato. Analisi costi-benefici-tempi.

Importanti sono le banche dati predisposte dall’ISTAT o i censimenti dell’industria e dei servizi (meno accurati ma più tempestivi), archivi statistici delle imprese e delle unità locali (ASIA). Serve guardare: tempestività, costi, dettagli. La domanda deve essere chiaramente interpretata da chi deve rispondere. I dati più veloci sono i secondari perché sono già disponibili. I dati interni dovrebbero essere meno costosi. L'informazione statistica può essere vista come un qualsiasi bene o servizio derivante da un più o meno complesso processo produttivo.

Criteri di scelta: 7 dimensioni della qualità per Eurostat

1. Accuratezza (o precisione) di un’informazione statistica esprime il grado di corrispondenza tra la stima ottenuta e il vero ma ignoto valore della caratteristica nella popolazione obiettivo. Esprime la capacità di misurare correttamente il fenomeno indagato. Le cause di inaccuratezza sono le diverse fonti di errore, campionario e non campionario.
2. Rilevanza (o pertinenza), è data dalla sua capacità di soddisfare le esigenze conoscitive degli utenti. Deve essere utile per chi se ne avvale, sarà dunque soggettiva e diversa a seconda dell’utilizzatore. Dipende dagli obiettivi di indagine in fase di progettazione, dovrò quindi averli ben chiari per poter conoscere i dati rilevanti.
3. Tempestività, serve efficienza nella produzione dei dati. È definita in relazione all’intervallo di tempo intercorrente tra il momento della diffusione dell’informazione prodotta e l’epoca di riferimento della stessa. Nel caso non disponessi di dati tempestivi questi potrebbero rivelarsi irrilevanti e poco utilizzabili. La tempestività è in relazione con l’accuratezza, che richiede tempi non troppo brevi per la correzione degli errori, e con i costi che saranno maggiori per informazioni accurate e tempestive allo stesso tempo.
4. Accessibilità, devo sapere dove sono i dati, semplicità nel reperirli. Condivisione. Dipende dai mezzi disponibili per la diffusione dell’informazione statistica. Viene favorito da banche dati disponibili online e dall’accessibilità senza costi.
5. Confrontabilità, possibilità di paragonare l’informazione statistica nel tempo e nello spazio. Devo poter confrontare dati derivanti da diverse fonti.
6. Chiarezza, per l’utente deve essere semplice comprendere il significato di una determinata informazione statistica disponibile e quindi valutarne l’utilità in relazione alle proprie esigenze conoscitive. Dipende dalla disponibilità dei cosiddetti meta-dati, ovvero le informazioni riguardanti la metodologia di raccolta, l’elaborazione dei dati e le analisi di qualità compiute.
7. Coerenza, è la capacità delle diverse fonti statistiche di fornire informazioni non contraddittorie tra loro. È accresciuta dall’uso di concetti, definizioni e classificazioni standard. Devo poter avere lo stesso dato da fonti diverse.
8. Completezza, è la capacità dell’insieme dei processi produttivi dei dati di integrarsi per fornire un quadro informativo completo.

Sono 8 perché il prof divide accessibilità e chiarezza. Vi è una stretta relazione tra tempestività-rilevanza. La tempestività è più importante dell’accuratezza. Come misuriamo e massimizziamo la qualità? Serve conoscenza, esperienza, intelligenza.

Lezione 3

Argomenti della lezione: Decalogo – tramite 10 parole introdurremo gli step per fare un’indagine. Fine dell’indagine. Selezionare un campione. Requisiti affinché un fenomeno sia studiabile dal punto di vista statistico: deve essere collettivo e in una situazione di incertezza. Devo dover prendere una decisione pratica sul futuro. Il fenomeno dovrà anche essere misurabile.

Le analisi relative a fenomeni aziendali o di mercato spesso richiedono informazioni specifiche, in genere non disponibili nelle statistiche ufficiali o nelle banche dati. In questi casi occorre rilevare le informazioni di interesse tramite appropriate indagini conoscitive a carattere campionario. Le indagini conoscitive hanno la particolarità di essere trasversali, cioè si possono applicare a tutti gli ambiti.

Caso punti fragola Esselunga (come li usano i clienti? Cosa offrirò l’anno prossimo). Il primo step da fare per capire in che modo i clienti spenderanno i loro punti fragola è: chiarire quello che mi serve sapere e a finalità, fissare gli obiettivi. La fase più impegnativa/costosa è relativa, dipende dal tipo di analisi. Importante è fare tutte le analisi cercando di ridurre al massimo le risorse utilizzate. L’ultimo step consiste nell’essere pronto a tutto: anche a rifare il lavoro da capo. Non devo fornire tutti i dettagli su ogni aspetto della ricerca, rischierei di confondere il manager, lui vuole solo una risposta. I dati devono essere accessibili al resto dell’azienda.

Step di una ricerca

1. Definire l’obiettivo
2. Selezionare un campione
3. Produrre la reportistica e comunicare i dati
4. Archiviazione definitiva (!!!) dataset Non toccherò più i dati a breve

Dovrò identificare il tipo di fonte che fa per me. Devo usare fonte interna o esterna? Primaria o secondaria? In questo caso ci vuole un’indagine conoscitiva.

L’indagine può essere:

• Censuaria, considero tutta la popolazione (più lunghe, costose e complicate), ogni singola unità del collettivo (analisi tipica dei contesti istituzionali);
• Campionaria, considero solo un campione, non tutto il collettivo. Può contenere l’errore campionario (può portare a conclusioni sbagliate). Devo conoscere tutta la popolazione per poter scegliere il giusto campione. (più usate dalle imprese).

Si sceglierà in base al budget, tempi, errori, complessità, forza lavoro. In questo caso per Esselunga conviene campionaria perché è più veloce, avrò una scelta obbligata. Se avessi già i dati converrebbe fare la censuaria.

Differenza tra indagine e sondaggio

Indagine (attività diligente, accurata, sistematica, volta alla scoperta della verità usando criteri scientifici) e sondaggio (ha poco fondamento scientifico). La realizzazione di un’indagine campionaria è solitamente preceduta da un’attenta progettazione che prevede le seguenti fasi.

Decalogo per fare un'indagine scientifica

1. Obiettivo: Fase preliminare: informazioni che voglio ottenere, attendibilità e precisione dei risultati. Si possono dividere in obiettivi: primario (ruolo prioritario) e secondario (complemento).
2. Popolazione: Devo capire chi mi interessa (attività che si fa insieme al manager), lista di campionamento (lista di tutte le unità che compongono la popolazione universo/obiettivo), è quindi l’insieme di unità sulle quali voglio ottenere le informazioni obiettivo dell’indagine.
3. Campione: Lo estraggo dalla popolazione. Lo estraggo in base al budget, ai tempi e all’affidabilità desiderata. Maggiore è il campione e maggiore sarà l’affidabilità del mio risultato.
4. Raccolta: Seleziono la modalità in base al tipo di informazione che voglio rilevare e ai tempi che ho (interviste dirette, questionario web/cartaceo…). Deciso il mezzo dovrò passare a realizzarlo.
5. Questionario: Le sue caratteristiche possono essere varie, di diversi tipi in base al tipo di raccolta che faccio e alle informazioni che voglio reperire. Sarà importare decidere la scala di valutazione.
6. Rilevazione: Invio il questionario ai miei clienti. Devo individuare il periodo più idoneo per la raccolta dei dati. NO festività-vacanze. Usare periodo breve per omogeneità.
7. Codifica e archiviazione: Preparo il file su cui farò l’analisi, pulisco e controllo la qualità dei dati, coerenza dei dati, ricodificare la risposta qualitativa in risposta quantitativa.
8. Analisi dei dati: Che output vado a generare. Quali stime, grafici, tabelle impostare. Avviene attraverso opportuni pacchetti per elaborazione di dati statistici (software). L’obiettivo primario di questa fase è la produzione delle stime che rappresentano una sintesi dei dati campionari e forniscono un’indicazione riguardo ai valori ignoti dell’intera popolazione.
9. Reportistica: Con risultati e non solo, quali problemi ho dovuto affrontare. I risultati vanno descritti e commentati. Va personalizzata in base all’utilizzatore del report. Se non so chi sarà a leggerlo, userò termini generici.
10. Comunicazione: Condivisione, data visualization, bisogna saper comunicare i dati ottenuti. Fase fondamentale, lo statistico deve saper comunicare i risultati. I dati se non vengono condivisi e comunicati al meglio sono inutili.

Il campione dalla popolazione, per dare maggiore rilevanza ai dati, verrà scelto random. Il campione deve essere rappresentativo della popolazione.

Lezione 4 e 5

Passaggio dalla popolazione al campione (da fase 2 a 3): Frame → Lista che fa riferimento alla popolazione universo/target/obiettivo. Lista di tutte le unità statistiche che voglio studiare.

Popolazione

Popolazione: Insieme di unità che soddisfano in maniera esaustiva uno o più criteri. Per individuarla dovrò definire le unità di analisi e definire i criteri spazio-temporali per individuarli.

Indagine campionaria: Ha come obiettivo la conoscenza di una popolazione attraverso l’analisi di un sottoinsieme di unità che la compongono, il campione. Il campione verrà selezionato con estrazione casuale, random. In base al budget selezionerò quante unità selezionerò (anche il metodo di analisi).

Serve un serio piano di campionamento, strategia che attuo per tirare fuori dal frame una sottopopolazione, sperando sia rappresentativa della popolazione di riferimento.

Il campione deve essere più piccolo della popolazione. Il campione è formato da una fetta delle unità statistiche che volevo studiare originariamente.

Procedimento di stima e inferenza statistica

Popolazione → Campione (sottogruppo) → Unità (unità statistiche). Attraverso la stima rendo utili i dati ricevuti dalle unità sul campione. (da unità a campione). È il procedimento mediante il quale una caratteristica del campione è assunta a rappresentare l’analoga caratteristica incognita della popolazione.

Inferenza statistica: Estenderò il risultato del campione a tutta la popolazione. (da campione a popolazione). È il processo mediante il quale desumo le caratteristiche di una popolazione attraverso lo studio di un campione.

Processo inverso: Facendo stima+infezione trasformo le unità in popolazione. Parametro da stimare: caratteristica appartenente alla popolazione di riferimento che costituisce l’obiettivo, o uno degli obiettivi dell’indagine conoscitiva, è incognito.

Stimatori e stima

Stimatore: Formula per calcolare il valore di tale caratteristica sulla base dei dati campionari. Stima: Risultato dell’applicazione dello stimatore sui dati campionari.

Parametro da stimare: Noi vogliamo stimare una popolazione ignota. Per trovarlo userò uno stimatore utile per sintetizzare i dati, trovare il risultato. Applicando lo stimatore otterrò la stima.

Caratteristiche stimatori:

• Stimatore non distorto: se nell’insieme degli infiniti campioni estratti casualmente dalla popolazione, la media della stima è uguale al valore del parametro da stimare.
• Uno stimatore è efficiente quanto minore è la dispersione della stima intorno alla sua media.
• Uno stimatore si dice accurato se è insieme non distorto e preciso.

Errore statistico: Differenza tra la stima e il parametro da stimare.

Schema di campionamento

Cosa devo selezionare:

1. Definire la popolazione (tutte le unità, selezionate con determinati criteri, che mi interessano).
2. Preparare la lista di campionamento/frame (comprende tutta la popolazione desiderata).
3. Individuare il metodo di campionamento (userò metodo opportuno, probabilistico o non).
4. Determinare la numerosità (tramite criterio seleziono il numero di unità definite precedentemente). Posso determinarla sia con approccio oggettivo (in base all’errore campionario accettabile) che soggettivo (in base a risorse economiche a disposizione).

L’errore campionario sarà tanto più piccolo quanto più grande è il...