Il seguente lavoro di tesi è da intendersi come elaborato relativo all’esperienza di stage svolta presso l’azienda AGSM-AIM Energia S.p.A., si pone come scopo quello di presentare nel dettaglio il progetto seguito, ponendo l’accento sulle conoscenze e competenze trasversali maturate nel ruolo di data scientist. L’obiettivo del progetto di stage consiste nell’adottare un modello di sintesi informativa su tre driver caratterizzanti per il cliente entro il canale commerciale di riferimento, ovvero: valore, fedeltà e rischio, al fine di realizzare KPI commerciali. Alla costruzione del KPI di ciascuno di questi indici precederanno le analisi effettuate per individuare, comprendere e studiare il driver di interesse. Verranno talvolta riportati spunti teorici utilizzati come guida per gli approcci metodologici, altre volte gli algoritmi di calcolo elaborati. Il primo capitolo di analisi del contesto aziendale fornisce qualche spunto sulle peculiarità del mercato dell’energia elettrica analizza i macro-numeri di AGSM-AIM, permettendo di dare una dimensione e una collocazione all’azienda all’interno del mercato. Il capitolo in sé sottolineerà l’importanza di un accurato studio del contesto da anteporre alle analisi sulla customer base. Il secondo capitolo servirà da introduzione ai dati. Si approfondiranno le classificazioni in canale di acquisizione e cluster cliente, nonché verranno fornite della caratterizzazioni per gli stessi. Queste combinazioni ne caratterizzano i comportamenti e le richieste di servizi utili al cliente stesso. Il modello di analisi non può dunque prescindere da queste informazioni, in quanto consentono il monitoraggio e permettono di adeguare approcci ed azioni specifici per il cliente. Il terzo, il quarto e il quinto capitolo approfondiranno rispettivamente i driver di fedeltà, rischio e valore, punti focali e centrali nel progetto di stage. Il sesto ed ultimo capitolo riporterà il risultato finale del progetto, porterà una vista del report realizzato e l’implementazione a livello aziendale. Verranno mostrate per quanto possibile le modalità di impiego e le potenzialità, cercando di trasmettere su carta quanto viene elaborato dinamicamente dal software utilizzato. Il progetto è stato sviluppato in un arco di tempo di tre mesi completamente tramite smart working. Di conseguenza, molte delle decisioni prese e delle metodologie utilizzate tengono conto delle tempistiche ristrette, della natura della collaborazione e delle modalità. Nelle prime fasi del percorso sono stati inoltre ritagliati dei momenti per seguire corsi di formazione, anche esterna, al fine di acquisire competenza con il software Sas e Sas Visual Analytics, i quali hanno permesso di svolgere buona parte delle elaborazioni sui dati, la loro visualizzazione, nonché la reportistica e la realizzazione di grafici e tabelle per la tesi oggetto d’esame.

Progetto di modellazione sul parco clienti aziendale per la realizzazione di KPI commerciali

TOMIATO, LUCA
2021/2022

Abstract

Il seguente lavoro di tesi è da intendersi come elaborato relativo all’esperienza di stage svolta presso l’azienda AGSM-AIM Energia S.p.A., si pone come scopo quello di presentare nel dettaglio il progetto seguito, ponendo l’accento sulle conoscenze e competenze trasversali maturate nel ruolo di data scientist. L’obiettivo del progetto di stage consiste nell’adottare un modello di sintesi informativa su tre driver caratterizzanti per il cliente entro il canale commerciale di riferimento, ovvero: valore, fedeltà e rischio, al fine di realizzare KPI commerciali. Alla costruzione del KPI di ciascuno di questi indici precederanno le analisi effettuate per individuare, comprendere e studiare il driver di interesse. Verranno talvolta riportati spunti teorici utilizzati come guida per gli approcci metodologici, altre volte gli algoritmi di calcolo elaborati. Il primo capitolo di analisi del contesto aziendale fornisce qualche spunto sulle peculiarità del mercato dell’energia elettrica analizza i macro-numeri di AGSM-AIM, permettendo di dare una dimensione e una collocazione all’azienda all’interno del mercato. Il capitolo in sé sottolineerà l’importanza di un accurato studio del contesto da anteporre alle analisi sulla customer base. Il secondo capitolo servirà da introduzione ai dati. Si approfondiranno le classificazioni in canale di acquisizione e cluster cliente, nonché verranno fornite della caratterizzazioni per gli stessi. Queste combinazioni ne caratterizzano i comportamenti e le richieste di servizi utili al cliente stesso. Il modello di analisi non può dunque prescindere da queste informazioni, in quanto consentono il monitoraggio e permettono di adeguare approcci ed azioni specifici per il cliente. Il terzo, il quarto e il quinto capitolo approfondiranno rispettivamente i driver di fedeltà, rischio e valore, punti focali e centrali nel progetto di stage. Il sesto ed ultimo capitolo riporterà il risultato finale del progetto, porterà una vista del report realizzato e l’implementazione a livello aziendale. Verranno mostrate per quanto possibile le modalità di impiego e le potenzialità, cercando di trasmettere su carta quanto viene elaborato dinamicamente dal software utilizzato. Il progetto è stato sviluppato in un arco di tempo di tre mesi completamente tramite smart working. Di conseguenza, molte delle decisioni prese e delle metodologie utilizzate tengono conto delle tempistiche ristrette, della natura della collaborazione e delle modalità. Nelle prime fasi del percorso sono stati inoltre ritagliati dei momenti per seguire corsi di formazione, anche esterna, al fine di acquisire competenza con il software Sas e Sas Visual Analytics, i quali hanno permesso di svolgere buona parte delle elaborazioni sui dati, la loro visualizzazione, nonché la reportistica e la realizzazione di grafici e tabelle per la tesi oggetto d’esame.
2021
Modeling project on the corporate customer base for the creation of commercial KPIs
KPI
Fedeltà
Rischio
Valore
Clienti
File in questo prodotto:
File Dimensione Formato  
Tomiato_Luca.pdf

accesso riservato

Dimensione 2.78 MB
Formato Adobe PDF
2.78 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/11345