Riassunto analitico
Data-Driven Evolution: Ridefinire il Business con Tecnologie e Analisi Innovative
All’interno di questo elaborato di tesi si esplora l'impatto delle tecnologie avanzate e dell'analisi dei dati sull'evoluzione delle pratiche aziendali. Nello specifico, l’elaborato si focalizza sulla Business Intelligence, l’Enterprise Data Warehouse e su un algoritmo di deep learning adatto alla predizione delle serie temporali: le Recurrent Neural Network.
Nel primo capitolo, ci si concentra sui concetti fondamentali della Business Intelligence e su come possa rivoluzionare l’estrazione, la raccolta, l’elaborazione e la presentazione dei dati aziendali, fornendo insight critici per le decisioni strategiche.
Vengono anche confrontate diverse piattaforme di Business Intelligence con l’analisi dei quadranti magici di Gartner, in particolare Qlik Sense ed una sua visualizzazione dei dati.
Nel secondo capitolo, l'Enterprise Data Warehouse viene esaminato come infrastruttura chiave per la gestione integrata dei dati, in quanto permette di raccogliere dati da diverse fonti, elaborarli in un formato coerente e comune e prepararli in modo che possano essere utilizzati per fare predizioni con algoritmi di machine learning.
Il terzo capitolo si concentra sulla descrizione delle reti neurali ricorrenti per la predizione di serie temporali, evidenziando il ruolo cruciale di queste tecnologie nell'anticipare tendenze e modelli all'interno dei flussi aziendali.
In conclusione, attraverso questa tesi si vuole fornire una panoramica completa sulle tecnologie e analisi innovative che guidano l’evoluzione del business verso un approccio sempre più orientato al dato.
Ci si propone di offrire una nuova prospettiva e opportunità per le imprese che cercano di restare competitive in un ambiente più dinamico e complesso con la combinazione di Business Intelligence, Enterprise Data Warehouse e predizione di serie temporali con le reti neurali ricorrenti.
|
