Analisi dei dati. Aon è un’azienda innovativa che si basa sullo sviluppo di prodotti e servizi sofisticati. Aon adotta misure volte a garantire che i Suoi diritti siano assicurati dall’uso di dati aggregati e non identificati e che i Suoi dati personali siano protetti da un utilizzo legittimo delle nostre attività. Qualora Aon volesse utilizzare i Suoi dati personali per uno scopo che non è compatibile con la finalità per la quale tali dati sono stati raccolti, Le chiederemo un espresso consenso.
Analisi dei dati. I dati rilevati devono essere sintetizzati in tabelle ed indicatori ed analizzati nel contesto contrattuale evidenziando le tendenze nel tempo tramite l’utilizzo di tecniche statistiche (fogli di raccolta dati, istogrammi, distribuzioni di frequenze, analisi dei quartili, analisi di stratificazione, analisi di correlazione, carte di controllo), la produzione di diagrammi e grafici (diagrammi causa-effetto, diagrammi di Pareto, diagramma delle affinità, diagramma delle relazioni, diagrammi ad albero, matrici di correlazione, diagrammi di flusso). L’analisi dei dati deve prevedere: ✓ aggregazione della moltitudine di dati elementari in indicatori sintetici; ✓ rappresentazione di dati ed indicatori (tabelle, grafici, diagrammi); ✓ analisi delle serie storiche; ✓ valutazione del rispetto dei valori soglia e analisi degli scostamenti; ✓ commento ed interpretazione di dati ed indicatori; ✓ la memorizzazione dei risultati dell’analisi (tabelle, grafici, diagrammi, commenti) all’interno della BIP.
Analisi dei dati. Gli studi delle reti fognarie, mediante modello numerico, prevedono la verifica della funzionalità del sistema sotto condizioni di carico note e statisticamente identificate, che sono, in questo caso, rappresentate dal contributo meteorico che va ad insistere sul sistema. Occorre quindi associare alla rete una “durata” o comunque evidenziare il periodo atteso di vita operativa. Si introduce così il concetto probabilistico di rischio. Tale rischio si può evidenziare sotto diverse forme e quindi anche come l’evento critico che, con tempo di ritorno T, crea il danno materiale calcolato. Operativamente diventa necessario identificare, per periodi di ritorno noti, lo ietogramma che va ad insistere sul bacino oggetto dello studio. Lo ietogramma dovrà essere costruito a partire da dati statistici rilevati nelle stazioni pluviometriche che insistono sul bacino o che risultano ad esso molto prossime. L’approccio da utilizzare si può riassumere nella seguente metodologia operativa: • verifica delle eventuali informazioni preesistenti; • reperimento di dati pluviometrici disponibili relativi alla pluviometria della zona di studio; • costruzione della curva di possibilità pluviometrica per periodi di ritorno consoni alla necessità di dover procedere alla verifica della rete fognaria (2, 5, 10 e 30 anni); • creazione degli eventi di progetto di tipo Chicago a partire dalle curve di possibilità pluviometrica precedentemente citati; • assegnazione del periodo di ritorno ad eventi pluviometrici di particolare interesse a disposizione, reperibili da stazioni pluviometriche locali; • scrittura delle informazioni pluviometriche in un formato compatibile con il software di modellazione. A seguito della campagna di misura l’Appaltatore procederà alla quantificazione dei volumi di pioggia convogliati nelle reti fognarie e delle portate in transito nel caso di eventi meteorici significativi. I dati saranno elaborati per la successiva fase di calibrazione dei modelli. Particolare attenzione andrà posta in fase preliminare per: − analisi idraulica dei segnali registrati in tempo di pioggia e correlazione con i dati di pioggia per gli eventi significativi registrati; − analisi idraulica dei segnali registrati in tempo secco. Si procederà, inoltre, con l'applicazione della metodologia del minimo di portata (per il periodo di tempo secco) al fine di quantificare e pre-localizzare le acque parassite con riferimento ad ogni rete comunale analizzata. Le elaborazioni saranno accompagnate...
Analisi dei dati. Il Centro San Paolo, individua, raccoglie ed analizza i dati provenienti dai “verbali di non conformità/reclamo”, “azione di miglioramento, correttiva, preventiva”, “questionari di soddisfazione”, “rapporti di visite ispettive interne” e “rapporti di visite ispettive da parte dell’ente certificante” per: • monitorare l’adeguatezza del sistema di gestione; • valutare dove possono essere apportati miglioramenti. I dati raccolti servono a monitorare le seguenti aree:
Analisi dei dati. Al fine di verificare la stabilità dei valori inseriti nel database si è provveduto a effettuare un’analisi dei dati per verificarne la rappresentatività. I valori del campione presentano i seguenti elementi distintivi: ▪ Costo medio ora allievo pari a 11,37 € ora; ▪ Costo minimo ora allievo pari a 0,81€/ora ▪ Costo massimo ora allievo pari a 13,00 €/ora ▪ la devianza standard è risultata pari a 2,06, mentre il coefficiente di variazione (dato dal rapporto tra devianza standard e la media) è risultato pari a 0,16. Dall’esame dei dati permangono, in ogni caso, dei valori anomali che potrebbero distorcere le stime, se non opportunamente esclusi dal calcolo del costo standard. Al fine di giungere alla determinazione di una tavola di costi unitari standard che sia statisticamente più rappresentativa, si è proceduto ad escludere dal computo i costi delle operazioni che presentano valori o eccessivamente elevati o eccessivamente bassi rispetto al valore medio (i cosiddetti outliers). L’identificazione degli outliers è stata ottenuta attraverso l’adozione di una procedura statistica in grado di definire un intervallo in cui: ▪ il limite inferiore è dato da µ - ∂; ▪ il limite superiore è dato da µ + ∂. dove µ rappresenta il valore medio del costo annuale e ∂ la deviazione standard. I valori esterni a questi limiti sono considerati valori anomali e, quindi, sono stati esclusi, in quanto Di conseguenza sono stati escluse le operazioni che presentano un costo medio ora allievo: ▪ inferiori a 9,31€ (costo medio 11,37€ - deviazione standard 2,06); ▪ superiori a 13,43 (costo medio 11,37€ + deviazione standard 2,06).
Analisi dei dati. Quando richiesto dal Committente, l’Appaltatore, deve effettuare una analisi statis ica dei dati per fornire informazioni in me ito a: - NC dovute a materiali impiegati; - NC dovute a Subappaltatori/Subfornitori; - NC dovute a carenze nei processi realizzativi e /o di controllo; - NC che hanno determinato o che potenzialmente potevano determinare pregiudizio alla sicurezza e/o regolarità dell’esercizio ferroviario; - NC che hanno determinato o che potenzialmente potevano determinare pregiudizio alla sicurezza sul lavoro e a la tutela dell’ambiente. Il report, che sarà predisposto dall’Appaltatore con cadenza temporale richiesta dal Committente, deve riportare l’andamento delle NC per lavori, opere/i pianto e devono essere riferite alle possibile cause che le hanno determinate.
Analisi dei dati. Il portafoglio clienti in essere viene segmentato in cluster utilizzando variabili qualitative e quantitative per definire un profilo comportamentale. Per ogni variabile inserita nel modello viene valutato un peso atto a meglio definire il cluster di appartenenza e quindi i pattern tipici del profilo comportamentale di spesa. A titolo di esempio si riportano alcuni profili comportamentali individuati: • High spender; • Esterofili high spender; • Esterofili low spender; • Notturni; • Giornalieri; • Festivi; • Normali; • Impiegate; • Low Spender. Parimenti, vengono segmentati gli esercizi commerciali convenzionati con Nexi Payments per aggregarli in punti di accettazione omogenei per comportamento di vendita. In questo caso, vengono disaminati numero e importo delle autorizzazioni e divisi in 4 Gruppi, a loro volta divisi in 6 fasce in base al numero e all’importo delle autorizzazioni. Analogamente al portafoglio clienti la segmentazione viene applicata anche agli esercenti. I cluster risultanti aggregano tipologie di esercenti omogenei sia nell’accettazione delle carte che nelle caratteristiche intrinseche dell’esercente stesso. L’output ottenuto è rivisto su base periodica, più volte all’anno, per evidenziare spostamenti da un cluster all’altro del portafoglio e tarare le regole che vengono elaborate, a valle della disamina delle autorizzazioni genuine e fraudolente, e che vengono trasmesse al sistema di fraud detection per determinare le possibili anomalie derivanti da scostamenti nel profilo di spesa, o di accettazione per gli esercenti, delle carte.
Analisi dei dati. Nel 2017 il tasso di ospedalizzazione realizzato in mobilità passiva si è attestato nei due ambiti provinciali di Potenza e Matera sui 35 ricoveri ogni mille abitanti. Tre gli ambiti critici in cui si concentra il fenomeno migratorio: ”Xxxxxxxx e disturbi del sistema muscolo- scheletrico”, “Malattie dell’apparato cardiocircolatorio”, “Malattie del sistema nervoso” il cui numero di ricoveri è più del 52% della casistica complessiva ordinata per valore economico. Azioni strategiche – Per contenere la mobilità passiva si prevede:
Analisi dei dati. I dati disponibili per le analisi corrispondono al massimo a quelli degli ultimi due anni nonché a quelli dell’esercizio in corso. I rapporti si possono generare tuttavia al massimo per un periodo di un anno. L’utente può salvare o esportare i rapporti (come file Excel e/o PDF). I rapporti vengono archiviati automaticamente nell’archivio online per il periodo di un anno, trascorso il quale essi vengono cancellati in automatico. Allo scadere di tale termine è necessario generare un nuovo rapporto; tale opzione resta comunque sempre disponibile anche durante il periodo di salvataggio dei dati. I rapporti archiviati nell’archivio online vengono cancellati automaticamente anche dopo che si modifica, sostituisce o sospende il servizio AirPlus Reports on Demand. Spetta all’utente creare copie di backup dei rapporti acquistati.
Analisi dei dati. L’installazione di venti dispositivi e l’implementazione delle nuove funzioni per la stima della classe d’età e del genere dei visitatori comporterà, nella prossima fase della collaborazione, notevoli impatti anche sulla fase di analisi dei dati. Se infatti nelle prime due sperimentazioni, con l’impiego di due soli dispositivi per un periodo molto limitato di tempo, i dati prodotti erano esigui ed utili fondamentalmente solo per testare il funzionamento del sistema, i dati che si otterranno da venti dispositivi su un periodo di tempo notevolmente più lungo saranno inevitabilmente molti di più ed anche più completi, considerando le nuove funzionalità. Si supererà quindi la fase di mero test del sistema per entrare in una fase in cui allo sviluppo dei dispositivi si deve accompagnare la capacità di gestire la grande mole di dati che si otterrà e soprattutto la capacità di trasformarli in informazioni utili per l’Istituzione, incrociando gli aspetti legati all’osservazione (numero di visitatori, tempo e distanza di osservazione, percorsi seguiti) con quelli legati alla profilazione dei visitatori. Si potranno quindi ottenere informazioni quali ad esempio il tempo medio o la distanza di osservazione suddivisi per genere e per classe d’età, i punti di osservazione dell’opera preferiti dai bambini o dalle persone più anziane, i percorsi preferiti dagli uomini e quelli preferiti dalle donne. Inoltre, installando un numero significativo di dispositivi lungo tutto il percorso della mostra, questi dati saranno disponibili non solo per le singole opere su cui sono installati i dispositivi, ma anche per l’insieme delle opere monitorate, aprendo lo studio alle correlazioni tra i dati ottenuti nei diversi punti del museo, classificandoli ad esempio per tipologia o dimensioni dell’opera, importanza all’interno del percorso espositivo, caratteristiche dell’ambiente circostante, posizione lungo l’itinerario di visita ecc. In aggiunta, si potranno identificare i percorsi più probabili che il pubblico compie all’interno del museo, suddividendoli sempre in base alla profilazione dei visitatori, o ottenere informazioni sugli aspetti sociologici della fruizione delle opere, ad esempio, su come l’allestimento della mostra sia vissuto in maniera diversa a seconda dell’età e del genere dell’osservatore o, quando non sarà più obbligatorio indossare la mascherina ed il dato sarà attendibile, su come varia l’umore del pubblico in base all’opera osservata o su come un’opera susciti em...