• Knowledge Data Discovery
• Predictive Analytics

Sommario
Il lavoro di tesi proposto è frutto di un’esperienza lavorativa della durata di cinque mesi, svoltasi all’interno del programma Junior Consulting, presso ELIS Consulting&Labs a Roma.
Lo stage aveva come obiettivo lo sviluppo di un progetto per il cliente Telecom Italia, riguardante la sezione TIM TV & Intrattenimento-Digital Support. Il progetto si è concentrato sull’analisi dei dati relativi al TIM BOX device, lo strumento che consente agli utilizzatori di accedere ad una vasta gamma di contenuti multimediali offerti dalla piattaforma di intrattenimento digitale fornita da TIM. L’ambito del progetto ha riguardato quattro applicazioni della piattaforma: TIMvision, TIMgames, TIMmusic e Sensi Unici. In particolare, il bisogno del cliente era quello di migliorare il monitoraggio dei dati, e creare un modello predittivo. L’analisi condotta aveva due obiettivi principali: il primo riguardava il miglioramento della Dashboard e la mappatura dell’architettura dati che la supportano, mentre il secondo la creazione di un modello predittivo, attraverso tecniche di Machine Learning. Al termine del progetto, grazie ai risultati raggiunti, il cliente beneficerà di un’efficiente individuazione dei disservizi della piattaforma e delle loro cause, così come di un aumento della qualità percepita dal cliente finale.

Abstract
This thesis is the result of a five-month educational program with ELIS Consulting&Labs, within the Junior Consulting project. The stage concerned the build-up of the TIM Digital Support project in the section of the so-called TIM TV & Intrattenimento-Digital Support. This project focused on data analysis of the TIM BOX, a device that allows customers to access the whole multimedia content of the digital entertainment platform provided by TIM. Moreover, the analysis regards the apps: TIMvision, TIMgames, TIMmusic and Sensi Unici. Particularly, the need of the client was to enhance the data monitoring and create a predictive model. Hence, the analysis had two main aims: the first was the improvement of the Dashboard and the mapping of its data architecture, while the second was the creation of a predictive model using Machine Learning algorithms. In the end, from the analysis’ findings, TIM will take advantage of an immediate identification of the inefficiencies and their causes, and a consequent improvement of the quality perceived by customers.