Non ti va di leggere? Prova ad ascoltare l'articolo in modalità audio 🎧
Oggi pomeriggio i giovani Data Analyst della seconda edizione di Business Data Analysis Master, presentano i project work di gruppo, definiti con l’intento di delineare lavori capaci di dare origine a output concreti e che rispondano ai reali bisogni di business di Eni, partner del Master Part Time. Al tal fine sono state massimizzate le sinergie con l’Eni Data Science Lab (che ha l’obiettivo di monitorare real-time le conversazioni sul web, analizzare i big data e elaborare insight specifici per la misurazione della comunicazione), in particolare nell’ambito della sperimentazione di algoritmi e di data visualization. Curiosi e impazienti di conoscere nello specifico i progetti elaborati con tecniche di Data Analysis e Machine Learning nell’ambito della Corporate Reputation, abbiamo chiacchierato con gli studenti Lorenzo Chiesura, Lorenzo Costa, Michele Petrone, Davide Basilicata, Alessandro Greppi Riccardo Arrigoni autori del progetto Modello reputazionale delle Eni Station sul territorio Italiano T: Qual è stato l'obiettivo del progetto? Il progetto è stato sviluppato per creare una metodologia di valutazione delle esperienze di acquisto dei consumatori di carburante presso i distributori Eni attraverso meccanismi di machine learning e di sentiment analysis. Nella prima fase ci siamo concentrati sulla costruzione di due database alimentati da una fonte pubblica, Google Maps. T: In cosa differiscono i due database? Il primo database si basa su rating e commenti dei consumatori presso distributori di benzina di marchi generici, mentre il secondo è composto esclusivamente da commenti di benzinai Eni. Con il primo DB, attraverso l’addestramento supervisionato, abbiamo creato un tool di classificazione capace di distinguere l’ambito trattato da ciascuna recensione distinguendo prezzi, personale, servizio standard e servizi extra. T: E cosa è emerso? Incrociando le quattro categorie con le valutazioni degli utenti raggruppate in tre macro categorie ovvero recensioni positive (4 e 5 stelle), neutre (3 stelle) e negative (1 e 2 stelle), è apparso un quadro geografico di dove l’esperienza nelle Eni station è stata positiva e in che ambito (es. rating: 4 stelle, commento: “Personale gentile e cortese” à positivo, personale). Inoltre sugli stessi commenti abbiamo svolto una sentiment analysis così da avere un quadro maggiormente dettagliato della situazione con anche una valutazione di intensità del commento lasciato. Sono così emersi preziosi insights per il managment di Eni che può arricchire il suo panorama informativo con un’ulteriore dimensione di analisi.
Articolo aggiornato il: 09 agosto 2023
Talent Garden
Scritto da
Talent Garden, Digital Skills Academy

Continua a leggere

Marketing data analytics: tecniche e visualizzazioni efficaci

I marketer di tutti i tipi, di aziende di tutte le dimensioni, si affidano al marketing data analytics per guidare il ...
data analytics

Data Analytics & Green Economy Program. Un approfondimento sul Master

All'incrocio tra dati e sostenibilità: Riflessioni sul termine di un percorso formativo innovativo Il viaggio del Data ...

Al via Digital Restart: il primo percorso di reskilling digitale per over 40 senza occupazione

LA DATA ANALYSIS COME NUOVA OPPORTUNITÀ PER RISPONDERE ALLA CRISI GENERATA DALLA PANDEMIA Un progetto pilota, ...

HR e Dati: cosa sono e come usare i People Analytics

Cosa sono i People Analytics? Che i dati siano al centro delle attenzioni da parte delle aziende e che le maggior parte ...