ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-11122018-173147


Tipo di tesi
Tesi di laurea magistrale
Autore
FUCCIO, EMILIANO
URN
etd-11122018-173147
Titolo
ANALISI ESPLORATIVA E DI DATA MINING PER LA SUPPLY CHAIN
Dipartimento
INFORMATICA
Corso di studi
DATA SCIENCE AND BUSINESS INFORMATICS
Relatori
relatore Prof. Ruggieri, Salvatore
Parole chiave
  • data mining
  • data exploration
  • analisi esplorativa
  • supply chain
Data inizio appello
30/11/2018
Consultabilità
Completa
Riassunto
Il presente lavoro di tesi nasce nell’ambito dell’esperienza di tirocinio maturata presso la BNova S.r.l., società di consulenza che ha il proprio core business nella Business Intelligence e nella Big Data Analytics.
Il settore di riferimento, che fa da scenario di fondo a questo lavoro, è quello della logistica e più in particolare quello delle spedizioni di prodotti farmaceutici. L’obiettivo della tesi consiste nella definizione di un processo di analisi dei dati prodotti durante le singole spedizioni.
Le analisi effettuate hanno utilizzando tecniche che spaziano dalla data exploration, effettuata con l’ausilio di reportistica visuale, al data mining, comprendendo modelli di clustering e di classificazione.
L’obiettivo centrale è di disegnare un sistema che, partendo dai risultati prodotti dall’analisi dei dati, evidenzi le caratteristiche, in termini di performance qualitative e quantitative, delle spedizioni che vengono effettuate dall’azienda farmaceutica, con il fine di monitorarne e migliorarne le performance.
Scendendo più nel dettaglio, in questo lavoro di tesi vengono presentate le seguenti fasi affrontate durante la realizzazione del sistema:
 La fase di data exploration, in cui vengono presentati gli aspetti progettuali e realizzativi della piattaforma di analisi insieme ai principali aspetti informativi e conoscitivi emersi durante l’analisi dei dati.
 Le analisi di clustering, in cui vengono presentate le tematiche legate: all’applicazione di modelli descrittivi al fine di esplorare ed isolare eventuali pattern caratteristici all’interno dei dati e all’integrazione degli aspetti conoscitivi emersi in questa fase con quelli emersi nella fase precedente.
 Le analisi di classificazione, in cui vengono affrontate le tematiche relative alla realizzazione di un modello predittivo delle anomalie di consegna al fine di prevenirne il manifestarsi.
I risultati emersi evidenziano come sia possibile adottare una serie di misure correttive atte a migliorare le performance qualitative della supply chain in questione.
File