Differenza tra concetti di: dati, informazioni e conoscenza - esempi

DATI : la codifica strutturata delle singole entità primarie e delle transazioni che coinvolgono due o più entità primarie. Tutte le entità su cui si basa la vita di un’azienda: clienti, fornitori, dipendenti, ordini di acquisto, ordini di vendita, ecc. Ad esempio la codifica strutturata di uno studente all’interno di un certo contesto è un dato.
INFORMAZIONI : il risultato di operazioni di estrazione e elaborazione compiute a partire dai dati (assumono significato in relazione ad un determinato contesto). La più banale è prendere il dato, estrarlo e visualizzarlo. E così via.
CONOSCENZA : l’utilizzo di informazioni per l’assunzione di decisioni e lo sviluppo di azioni conseguenti. L’utilizzo di informazioni elaborate a partire dai dati all’interno di un processo decisionale viene chiamato conoscenza.
La CONOSCENZA può essere estratta dai dati in modo:
- PASSIVO : attraverso criteri di analisi suggeriti dal decision maker (in questa categoria ricadono i metodi di analisi statistica classica, i sistemi di interrogazione e reporting inclusa l’analisi multidimensionale - OLAP);
- ATTIVO : con l’ausilio di modelli matematici di apprendimento induttivo e di ottimizzazione (in questa categoria ricadono la statistica inferenziale e i modelli di apprendimento induttivo, le tecniche di data mining).
Negli strumenti di analisi reporting di tipo tradizionale è già chiaro il modello che utilizzo per fare l’analisi dei dati. Se dico che voglio analizzare le vendite della penna per analisi geografica, ho già chiaro il modello di interpretazione, voglio solo sapere quanto ho venduto. Quindi è passivo in quanto lo strumento riceve una richiesta e risponde con un’informazione senza suggerire un modello di interpretazione della realtà.
Le metodologie attive suggeriscono un modello di interpretazione della realtà o del fenomeno che sto per analizzare.
Per definire attivo o passivo dobbiamo vedere il ruolo del decisior maker: se questo ha un modello precostituito di rappresentazione della realtà, lo strumento di business intelligence gioca un ruolo passivo, e viceversa.
ESEMPIO 6 – APPROCCIO PASSIVO
L’analisi delle transazioni di vendita di una catena della grande distribuzione organizzata sulla base di variabili quali il prodotto, la locazione del punto vendita e il periodo è un approccio passivo.
Presuppone, infatti, l’esistenza di un modello di analisi (tipicamente multidimensionale) sviluppato ex ante da parte del decision maker.
ESEMPIO 7 – APPROCCIO ATTIVO
L’analisi del contenuto dei carrelli (market basket analysis) di una catena della grande distribuzione organizzata per la ricerca di associazioni tra prodotti acquistati è una analisi di tipo attivo.
In questo caso, infatti, il decision maker non ha un’idea preventiva in merito alla eventuale presenza di associazioni, alla regolarità con cui si presentano e ai prodotti implicati.
ESEMPIO 8 – APPROCCIO ATTIVO
La classificazione dei clienti di una banca in gruppi omogenei (cluster analysis) sulla base di variabili anagrafiche e socio-demografiche e la successiva ricerca di correlazioni con la tipologia di rapporti intrattenuti è una analisi di tipo attivo.
In questo caso, infatti, il decision maker non ha un’idea preventiva delle variabili significative per la separazione dei gruppi, né dei valori caratteristici di tali variabili nell’ambito dei diversi gruppi, né dell’esistenza o meno di correlazioni tra i gruppi identificati e i prodotti della banca.