L’approfondimento di questa ricerca trae origine dall’esperienza personale maturata durante il tirocinio svolto presso l’azienda Oberalp, all’interno del dipartimento di Trade Marketing Export. Il gruppo si inserisce nel settore dell’outdoor, con sei brand di proprietà e otto brand di distribuzione. In questo contesto è stato possibile osservare e analizzare da vicino il processo di valutazione, definizione e implementazione delle strategie di marketing nei mercati di esportazione. Il mercato Export rappresenta quei Paesi nei quali Oberalp opera tramite una rete di distributori e agenti. Data la diversità e la complessità dei mercati serviti, la domanda di ricerca riguarda il processo decisionale che porta a identificare i distributori sui quali concentrare le risorse e a definire le iniziative di marketing più efficaci. Sebbene l’esperienza nel settore e la conoscenza delle abitudini e delle culture locali rappresentino un vantaggio, è innegabile che i dati svolgano un ruolo cruciale in questo processo. Nell’era dei Big Data, la capacità di raccogliere, filtrare, analizzare e interpretare grandi quantità di informazioni è diventata essenziale per prendere decisioni più informate e consapevoli. Tuttavia, la disponibilità di una vasta mole di dati pone anche delle sfide significative, richiedendo strumenti e competenze avanzate per trasformare i dati grezzi in informazioni utili e azionabili. L’obiettivo di questo studio è, dunque, analizzare le metodologie di raccolta, archiviazione ed elaborazione dei dati adottate dalla Business Unit Export di Oberalp, con l’intento di identificare le best practices attualmente in uso e di evidenziare eventuali criticità. La ricerca, poi, applicherà il metodo del Recency-Frequency-Monetary value dei distributori attualmente presenti per estrarre il gruppo sul quale è opportuno concentrare le proprie risorse. In seguito, verrà utilizzato l’algoritmo di clustering K-means per segmentare i distributori in tre categorie principali: A, B e C al fine di validare o eventualmente correggere l’approccio attualmente utilizzato dall’azienda nella classificazione dei distributori. Successivamente, l’attenzione sarà rivolta al segmento A, con il maggior potenziale strategico, per individuare ulteriori opportunità di crescita. L’analisi sarà orientata a fornire suggerimenti data-driven, con l’obiettivo di rafforzare il posizionamento competitivo dell’azienda nei mercati di esportazione.

Il Potere Strategico del Data Mining: Nuove Opportunità per la Business Unit Export del Gruppo Oberalp

ZAMENGO, GAIA
2023/2024

Abstract

L’approfondimento di questa ricerca trae origine dall’esperienza personale maturata durante il tirocinio svolto presso l’azienda Oberalp, all’interno del dipartimento di Trade Marketing Export. Il gruppo si inserisce nel settore dell’outdoor, con sei brand di proprietà e otto brand di distribuzione. In questo contesto è stato possibile osservare e analizzare da vicino il processo di valutazione, definizione e implementazione delle strategie di marketing nei mercati di esportazione. Il mercato Export rappresenta quei Paesi nei quali Oberalp opera tramite una rete di distributori e agenti. Data la diversità e la complessità dei mercati serviti, la domanda di ricerca riguarda il processo decisionale che porta a identificare i distributori sui quali concentrare le risorse e a definire le iniziative di marketing più efficaci. Sebbene l’esperienza nel settore e la conoscenza delle abitudini e delle culture locali rappresentino un vantaggio, è innegabile che i dati svolgano un ruolo cruciale in questo processo. Nell’era dei Big Data, la capacità di raccogliere, filtrare, analizzare e interpretare grandi quantità di informazioni è diventata essenziale per prendere decisioni più informate e consapevoli. Tuttavia, la disponibilità di una vasta mole di dati pone anche delle sfide significative, richiedendo strumenti e competenze avanzate per trasformare i dati grezzi in informazioni utili e azionabili. L’obiettivo di questo studio è, dunque, analizzare le metodologie di raccolta, archiviazione ed elaborazione dei dati adottate dalla Business Unit Export di Oberalp, con l’intento di identificare le best practices attualmente in uso e di evidenziare eventuali criticità. La ricerca, poi, applicherà il metodo del Recency-Frequency-Monetary value dei distributori attualmente presenti per estrarre il gruppo sul quale è opportuno concentrare le proprie risorse. In seguito, verrà utilizzato l’algoritmo di clustering K-means per segmentare i distributori in tre categorie principali: A, B e C al fine di validare o eventualmente correggere l’approccio attualmente utilizzato dall’azienda nella classificazione dei distributori. Successivamente, l’attenzione sarà rivolta al segmento A, con il maggior potenziale strategico, per individuare ulteriori opportunità di crescita. L’analisi sarà orientata a fornire suggerimenti data-driven, con l’obiettivo di rafforzare il posizionamento competitivo dell’azienda nei mercati di esportazione.
2023
File in questo prodotto:
File Dimensione Formato  
880947_Zamengo_Gaia_TesiMagistrale.pdf

accesso aperto

Dimensione 5.92 MB
Formato Adobe PDF
5.92 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14247/24124