Riassunto analitico
La digitalizzazione sta progressivamente cambiando la nostra società trasformando il modo di interagire e intrattenere relazioni. Questo grande cambiamento ha un’importante ricaduta tecnologica e cioè la grande quantità di dati disponibili e che spesso non sono realmente utilizzati.
La missione di Doxee, un’azienda di Modena leader nel settore della trasformazione digitale, è di estrarre il valore nascosto dai dati, mettendoli a disposizione delle aziende. Qualunque sia la modalità, il canale o il momento in cui un cliente entra in contatto con una azienda la sua esperienza di interazione è fondamentale per consolidarne la relazione, imparare a conoscerne i bisogni e i desideri e utilizzare queste informazioni nelle interazioni successive, creando un processo continuo che abbia come centro il cliente e come scopo lo sviluppo del valore per l’azienda.
In questo ambito si è svolto il mio tirocinio presso Doxee; durante il quale ho lavorato principalmente su tre macro-attività:
- Costruzione di un sistema di processing e visualizzazione di dati nell’ambito del CCM (Customer Communications Management) e Interaction analytics con stesura requisiti, definizione architetturale ed analisi; costruzione di pipeline di ETL (Extract, Transform, Load) per la pulizia e processing del dato; costruzione di dashboard per la visualizzazione dei dati con tool di Business Intelligence.
- Creazione e gestione di uno schema di Anagrafiche Utenti GDPR compliant.
- Segmentazione degli Utenti su logiche “custom” e clusterizzazioni degli Utenti con tecniche di Machine Learning.
Nell’elaborato verranno esposte e spiegate le fasi e le tecniche utilizzate per svolgere le mansioni assegnatemi nell’ambito del progetto DXP (Digital Experience Platform), sia internamente all’azienda, sia la parte svolta in collaborazione con DBGroup dell’università degli studi di Modena e Reggio Emilia, poiché per questo progetto Doxee ha affidato al DBGroup un’attività di ricerca basato su tecnologie per il trattamento di Big Data mediante sistemi di machine learning e su sistemi e metodi per la raccolta e manutenzione di Big Data.
Verranno inoltre discusse, le analisi e gli approcci alternativi che sono stati presi in considerazione, e le motivazioni che hanno portato all’assumere determinate decisioni.
|
