Data-Driven Strategy: una proposta di modello predittivo per Cimolai S.p.A.

La presente tesi ha come obiettivo la definizione di un modello predittivo in grado di classificare le commesse aziendali in base alla loro probabilità di raggiungere un determinato margine economico. A tal fine, è stato impiegato un dataset fornito da Cimolai S.p.A., azienda leader nella progettazione e realizzazione di grandi opere in acciaio. L'elaborato si apre con un'analisi del marketing B2B all'interno del contesto in cui opera l'azienda, per poi introdurre i fondamenti teorici del marketing data-driven. In particolare, vengono approfonditi concetti come: big data, data analytics, machine learning e data mining. Il cuore della tesi è costituito dalla creazione del modello predittivo, realizzato a partire da un dataset aziendale contenente le commesse e le rispettive variabili di riferimento. L'analisi, condotta sfruttando la piattaforma open-source KNIME Analytics, si compone di tre fasi: analisi esplorativa dei dati, finalizzata alla comprensione della struttura e di eventuali relazioni tra variabili; cluster analysis mediante algoritmo k-means, per suddividere le commesse in gruppi omogenei in base a margine, valore della produzione, durata e tipologia; costruzione del modello predittivo tramite un albero decisionale, da cui sono state ottenute regole predittive utili a stimare la probabilità che progetti presentino margini alti, in base al Paese e alla tipologia di opera. Il modello ottenuto è stato infine analizzato per trarne implicazioni strategiche. Da un lato esso può essere di supporto per le decisioni operative in fase di selezione delle commesse, preventivazione, ottimizzazione delle risorse e gestione dei rischi; dall'altro, rappresenta un valido strumento anche per il marketing, facilitando un targeting più efficace e per strategie di content marketing più mirate. Lo studio dunque evidenzia come l'adozione di un approccio data-driven rappresenti un fattore di successo anche in settori complessi, trasformando il marketing in una leva strategica per la crescita aziendale e la costruzione di un vantaggio competitivo sostenibile.