Skip to content

La valutazione del credito commerciale tramite l'utilizzo di modelli di Data Mining per il Credit Scoring: Un caso applicativo nel settore Orologeria e Gioielleria

In un contesto economico critico come quello dell’Italia degli ultimi anni in cui le piccole e medie imprese che ne costituiscono il tessuto imprenditoriale sono soffocate dalla mancanza di liquidità; in cui le banche hanno “chiuso i rubinetti” del credito; ed in cui le stesse aziende, grandi e piccole, si trovano a fronteggiare sempre più numerosi casi di insolvenza, la necessità di concedere credito sotto forma di merce è diventata di fondamentale importanza per la maggior parte delle imprese che vogliono sostenere il proprio business ed è spesso alla base dei rapporti con le altre imprese della filiera produttiva (1 “Il credito commerciale in Italia tra rischi e bisogni”).
Una corretta gestione del credito commerciale oltre a garantire un business sano e duraturo potrebbe aprire nuove possibilità di un più semplice accesso al credito finanziario da parte delle imprese stesse.
Le usuali tecniche di gestione del credito commerciale nella maggior parte dei casi si limitano ad attività di monitoraggio del credito scaduto e di aggiornamento del rischio di credito commerciale. Il giudizio sull’affidabilità del cliente ed eventualmente il calcolo del fido da concedere, spesso si affida a Società Esterne Specializzate (2 “Principi sulla gestione dei crediti commerciali”).
Senza in alcun modo poter prescindere dall’essere influenzato dal particolare quadro economico e sociale di crisi, il presente elaborato si è proposto di sviluppare modelli di Data Mining per misurare il rischio derivante dalla concessione di credito commerciale in modo da poter supportare il processo decisionale del Credit Manager (3 “Data Mining: Il Credit Scoring”).
Il Professor Edward Altman fu tra i promotori di questo tipo di modelli di analisi del rischio di credito ma la prima equazione dal lui progettata fu rivolta essenzialmente all’analisi del rischio finanziario delle società per azioni. Nel susseguirsi degli anni lo stesso E. Altman, ma anche altri studiosi e ricercatori hanno approfondito ed ampliato lo studio all’analisi del rischio di credito al consumo e del rischio di default delle Piccole e Medie Imprese (4.1 “La ricerca scientifica: Credit Scoring PMI e Consumatori”).
Il caso oggetto di studio ha riguardato l’utilizzo di strumenti di data mining per il controllo preventivo del rischio che scaturisce dalla concessione di credito sottoforma di merce. Sulla base dei dati a disposizione, si è cercato di capire in che modo uno strumento di questo tipo potrebbe essere utile al Credit Manager di un’ impresa manifatturiera per supportarlo nelle decisioni di concessione del credito commerciale verso i punti vendita.

I modelli trattati nel corso dello studio effettuato, per alcuni aspetti si sono differenziati dai modelli presenti in letteratura, in particolar modo per le variabili trattate e per l’ambito prettamente commerciale all’interno del quale si sono inseriti (Capitolo 4.3 “Credit Scoring Dettaglianti - Punti Vendita: similitudini e differenze”).
Il progetto di Data mining è stato sperimentato sui dati aziendali di una Società che ha registrato elevati casi di insolvenza nel particolare periodo di crisi del 2009. Il settore di riferimento è quello tra i più tradizionali dell’economia italiana, il settore dei preziosi (orologeria e gioielleria) (Capitolo 5 “Un caso di studio nel settore dei Preziosi (Orologeria e Gioielleria)”).
L’obiettivo è stato quello di progettare modelli che supportassero le decisioni dell’impresa produttrice nell’accettazione degli ordinativi richiesti dai dettaglianti già clienti e di quelli non conosciuti. L’attenzione è stata posta prevalentemente sui clienti conosciuti visto la maggiore disponibilità di dati e visto le usuali e consolidate pratiche di prudenza utilizzate in ambito commerciale per nuovi clienti che effettuano il primo ordine (Capitolo 7 “Modellazione e validazione”).
La prima parte dell’elaborato si riferirà all’individuazione delle esigenze delle imprese e di come queste possano essere simili a quelle del particolare caso trattato, e viceversa.
Nella seconda parte verrà descritto l’esperimento effettuato: la scelta dei modelli, la strutturazione dei data set, la progettazione dei modelli e l’interpretazione dei risultati.
Con lo scopo di illustrare l’utilizzo dei modelli generati, sono stati realizzati alcuni report di Business Intelligence rappresentati nel Capitolo 9 “Simulazione Report di Business Intelligence (scopo illustrativo)”.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
6 INTRODUZIONE In un contesto economico critico come quello dell’Italia degli ultimi anni in cui le piccole e medie imprese che ne costituiscono il tessuto imprenditoriale sono soffocate dalla mancanza di liquidità; in cui le banche hanno “chiuso i rubinetti” del credito; ed in cui le stesse aziende, grandi e piccole, si trovano a fronteggiare sempre più numerosi casi di insolvenza, la necessità di concedere credito sotto forma di merce è diventata di fondamentale importanza per la maggior parte delle imprese che vogliono sostenere il proprio business ed è spesso alla base dei rapporti con le altre imprese della filiera produttiva (1 “Il credito commerciale in Italia tra rischi e bisogni”). Una corretta gestione del credito commerciale oltre a garantire un business sano e duraturo potrebbe aprire nuove possibilità di un più semplice accesso al credito finanziario da parte delle imprese stesse. Le usuali tecniche di gestione del credito commerciale nella maggior parte dei casi si limitano ad attività di monitoraggio del credito scaduto e di aggiornamento del rischio di credito commerciale. Il giudizio sull’affidabilità del cliente ed eventualmente il calcolo del fido da concedere, spesso si affida a Società Esterne Specializzate (2 “Principi sulla gestione dei crediti commerciali”). Senza in alcun modo poter prescindere dall’essere influenzato dal particolare quadro economico e sociale di crisi, il presente elaborato si è proposto di sviluppare modelli di Data Mining per misurare il rischio derivante dalla concessione di credito commerciale in modo da poter supportare il processo decisionale del Credit Manager (3 “Data Mining: Il Credit Scoring”). Il Professor Edward Altman fu tra i promotori di questo tipo di modelli di analisi del rischio di credito ma la prima equazione dal lui progettata fu rivolta essenzialmente all’analisi del rischio finanziario delle società per azioni. Nel susseguirsi degli anni lo stesso E. Altman, ma anche altri studiosi e ricercatori hanno approfondito ed ampliato lo studio all’analisi del rischio di credito al consumo e del rischio di default delle Piccole e Medie Imprese (4.1 “La ricerca scientifica: Credit Scoring PMI e Consumatori”). Il caso oggetto di studio ha riguardato l’utilizzo di strumenti di data mining per il controllo preventivo del rischio che scaturisce dalla concessione di credito sottoforma di merce. Sulla base dei dati a disposizione, si è cercato di capire in che modo uno strumento di questo tipo potrebbe essere utile al Credit Manager di un’ impresa manifatturiera per supportarlo nelle decisioni di concessione del credito commerciale verso i punti vendita.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Il miglior software antiplagio

L'unico servizio antiplagio competitivo nel prezzo che garantisce l'aiuto della nostra redazione nel controllo dei risultati.
Analisi sicura e anonima al 100%!
Ottieni un Certificato Antiplagio dopo la valutazione.

Informazioni tesi

  Autore: Danilo Procida
  Tipo: Laurea II ciclo (magistrale o specialistica)
  Anno: 2009-10
  Università: Politecnico di Bari
  Facoltà: Ingegneria
  Corso: Ingegneria gestionale
  Relatore: Michele Gorgoglione
  Lingua: Italiano
  Num. pagine: 228

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l’utente che consulta la tesi volesse citarne alcune parti, dovrà inserire correttamente la fonte, come si cita un qualsiasi altro testo di riferimento bibliografico.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Per tradurre questa tesi clicca qui »
Scopri come funziona »

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

business
business intelligence
classification
classificazione
credit crm
credit score
credit scoring
credito
crm
data mining
gioielleria
gioielli
intelligence
marketing
orologeria
orologi
preziosi
score

Tesi correlate


Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi