Marketing Intelligence

Il processo informativo di Intelligence a supporto delle ricerche di marketing, applicato principalmente per conoscere la composizione e le dinamiche di un particolare mercato ed il livello di competitività delle società leader

Sunday, May 14, 2006

Acquisizione dei dati: attività uniche, multiple, cicliche
















Qualsiasi processo informativo dipende dalla qualità dei dati utilizzati, e soprattutto dalla loro rilevanza ed attendibilità nel costituire elementi informativi completi.

Le informazioni ricavate da

> processi di ricerca finalizzati e continuativi, possono essere ottenute una sola volta (quindi si tratta di un contributo specialistico e utilizzabile per un singolo processo di studio),

> più processi (ad esempio le attività di analisi a campione multiplo, in cui le differenti informazioni possono essere acquisite e verificate in momenti e circostanze diverse)

Monday, May 08, 2006

SEGNALAZIONE LIBRO

Segnalo il libro MARKETING DUE DILIGENCE, leggendo la presentazione e due commenti mi sono convinto che possa essere un arricchimento per chi, all'interno della propria azienda, si occupa abitualmente di auditing di marketing e risk assessment interno

Il Marketing Due Diligence é un processo che si realizza attraverso un'attività completa di assessment per poter analizzare e comprendere gli spazi di ulteriore crescita di una determinata azienda

Si parte certamente dall’acquisizione di informazioni omogenee e riguardanti la composizione del perimetro societario, la visione, la strategia ed i risultati commerciali

Il libro è stato scritto da Malcolm McDonald e Brian Smith, ed è stato pubblicato dal gruppo editoriale Elsevier

Monday, May 01, 2006

Anticipazioni sulla tecnologia per il "governo" delle informazioni

Nella società della Conoscenza, é ormai nota a tutti la centralità dell'informazione.

Le organizzazioni aziendali non possono prescindere da una gestione puntuale e condivisa delle informazioni, per rimanere o essere ancora più competitive all'interno dei propri settori industriali di appartenenza.

Per semplificare e, almeno in parte, iniziare ad implementare sistemi informativi (semi) automatizzati, si stanno affermando particolari tecnologie per l'elaborazione dei dati, particolari metodologie e best practices per il "governo" della conoscenza all'interno di realtà societarie di medie e grandi dimensioni. Appunto come stiamo discutendo sul blog, si inizia a diffondere nelle aziende nazionali (meno nelle PMI, sebbene si tratti di un livello costante di minor coinvolgimento) la consapevolezza dell'importanza dei flussi informativi.

All'estero sono ormai realtà le discipline per il reperimento delle informazioni (dall'inglese information retrieval), oppure il filtraggio di informazioni (dall'inglese information filtering).

Queste tecnologie si occupano di governare sistemi altamente specialistici di gestione & accesso a grandi quantita di dati non strutturati, mole cospicue solitamente costituite da documenti scritti in linguaggio naturale.

Si trattava, fino al 2000 circa, di una quantità di dati "grezzi", non sempre immediatamente interpretabili dai sistemi di document management: infatti i primi sistemi documentali si caratterizzavano per la classificazione e la possibile gestione (anche concorrente, o semplicemente condivisa all'interno di gruppi di lavoro) di file, e le possibilità di ricerca dei contenuti si limitavano all'impiego di algoritmi di text mining, con pattern di individuazione specializzati per termini chiave e ranking. Si consideravano situazioni difficili quelle che sollecitavano i sistemi DM attraverso le funzioni di memorizzazione, reperimento e manutenzione di grandi quantita di dati destrutturati.

Un passo in avanti, nel segno del continuo progredire tecnologico ed applicativo, é rappresentato dalla possibile ricerca di contenuti mediante un livello operazionale semantico, ovvero un livello più pragmatico e per certi versi completo.

Le sfide più attuali, come vedremo nei prossimi contributi pubblicati, mirano a trattare e superare l’ambiguità dei dati elementari e delle informazioni sviluppabili, sia a livello di strutture per la categorizzazione delle forme di conoscenza (mediante l’utilizzo delle rappresentazioni per ontologie, cioè modelli concettuali riferibili ad un contesto), sia a livello linguistico (perfezionando la corrispondenza sintattica di tipo text mining).