• business intelligence
• internship
• data analysis
• regression algorithms
• machine learning
• Baker Hughes

Questo lavoro di tesi descrive l’applicazione di tecniche di Business Intelligence nell’ambito della gestione dei progetti di un’azienda operante in ambito energetico e tecnologico. Nell’ambito della business unit chiamata Equipent and Project (E&P )della divisione Turbomachinery Process Solutions (TPS) è stato lanciato un progetto per la realizzazione di uno strumento che consenta il calcolo automatizzato della stima a finire di una commessa per il monitoraggio congiunto
dello stato di avanzamento del progetto, dei costi fino a quel momento sostenuti in cui l’aspetto innovativo e di grande importanza risiede nello stimare i costi ancora da sostenere. I costi
sostenuti e la stima di quelli ancora da sostenere saranno confrontati rispetto al budget consentendo di ottenere un’importante informazione sull’evoluzione dei costi del progetto dando
la possibilità di verificare se per la realizzazione del progetto si stia spendendo quanto previsto, di più, generando un overspending, o meno, generando un saving. Lo strumento creato,
chiamato Project Margin Tracker (PMT), consente di monitorare i costi al fine di poter analizzare i margini di contribuzione e indagare quali voci di costo ne causino l’eventuale erosione
o aumento.
Lo strumento consente quindi, attraverso la possibilità di analizzare le varie categorie di costo
a diversi livelli di granularità di identificare le eventuali cause di aumento o erosione del margine di contribuzione e –in caso di erosione porre in essere azioni correttive tempestive. Gli
utenti finali dello strumento sono i project manager di ogni funzione e gli analisti del Finance.
In quest’ultimo caso il PMT potrà essere un prezioso strumento di preparazione e di semplificazione del lavoro di project margin review tramite il quale viene stabilito il valore aggiornato
di Budgeted Cost Estimate (BCE). Nell’elaborato vengono descritte la soluzione informatica, il
modello logico e le implementazioni relative alle aree e alle categorie di spesa coinvolte, la
metodologia utilizzata per monitorare la stabilità dello strumento e le analisi condotte sui risultati. Inoltre si `e cercato di creare dei modelli predittivi Sulle categorie di spesa services and other al fine di migliorare la logica implementata nel PMT per il calcolo della stima a finire.
Questa però rappresenta un’attività secondaria portata avanti in un breve arco di tempo. Nonostante ciò i risultati ottenuti risultano essere interessanti. Anche in questo caso verranno
descritte le metodologie applicata per la creazione del dataset, la fase di preprocessing dei dati,
gli algoritmi utilizzati e i risultati ottenuti.