Analisi dei dati Clausole campione

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. 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. 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. Abbiamo studiato come le aziende e le Organizzazioni sin- dacali nazionali, territoriali e aziendali hanno scelto di de- clinare tali regole, a seconda della specificità dei contesti aziendali. Ciò allo scopo di comprendere quali siano state le misure maggiormente attuate dalle aziende, in che modo esse siano state declinate in relazione agli specifici contesti aziendali e quali ulteriori regole, specifiche e più stringenti rispetto a quelle del Protocollo nazionale, siano state eventualmente introdotte a livello aziendale. Di se- guito i risultati delle analisi.

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: a) soddisfazione del cliente; b) soddisfazione dei familiari dell’utente (quando possibile) c) conformità del servizio ai requisiti; d) prestazioni dei fornitori; e) andamento delle procedure. I dati vengono analizzati tramite il monitoraggio dei processi e il riesame della direzione.

Analisi dei dati. Per effettuare le analisi del dataset, è stata utilizzata la tecnica di regressione di tipo logistico. Questo tipo di regressione fa parte delle regressioni non lineari, dove la variabile dipendente è di tipo dicotomico. In questo caso, la variabile dipendente è “TipodiRete”: le società presenti nel dataset hanno scelto di aderire ad una rete di tipo oggetto, quindi basata esclusivamente su un contratto tra le parti, o soggetto, dove il contratto vincola le parti in maniera più stringente perché viene a crearsi un soggetto terzo, un soggetto giuridico. Per poter effettuare la regressione logistica, è stata assegnata alla variabile dipendente “TipodiRete” il valore 0, per indicare che la società ha aderito ad una rete oggetto, e il valore 1, quando ha aderito ad una rete soggetto. Il modello Logit permette di calcolare quando aumenta, o diminuisce, la probabilità di entrare a far parte di una rete soggetto, dove la variabile dipendente ha valore 1, al mutare delle variabili indipendenti, scelte al momento della creazione del dataset. Poiché la variabile dipendente può assumere solo valori compresi tra 0 e 1, se si volesse usare un modello di regressione lineare, si troverebbe come risultato sia valori compresi tra 0 e 1, ma anche valori inferiori a 0 o superiori ad 1, cosa che non ha alcun senso quando si parla di probabilità. Il modello non risponde in maniera precisa, indicando di quanto aumenta la probabilità di scegliere una rete soggetto se, ad esempio, il capitale sociale è più o meno alto, ma il coefficiente che la regressione restituisce per ogni singola variabile permette solo di esprimere una valutazione qualitativa. In teoria il coefficiente potrebbe essere valutato come una percentuale pari a X che la variabile dipendente assuma valore pari ad 1, se X>0, o assuma valore pari a 0, se X<0. Un esempio può chiarire bene l’interpretazione dei coefficienti stimati dal modello: se risulta che il coefficiente per il capitale sociale, di una SRL agricola, aumenti al passaggio da una rete oggetto, quindi valore delle variabile dipendente pari a 0, ad una rete soggetto, variabile dipendente pari ad 1, allora il modello restituirà un coefficiente positivo, e verificando la significatività dello stesso tramite il P-value, si potrà dire se effettivamente ad un aumento di capitale sociale in una SRL agricola corrisponderà una maggiore probabilità di aderire ad una rete soggetto.

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 gestione delle azioni di miglioramento (procedura: “gestione delle azioni di miglioramento”)

Analisi dei dati. La Sorgente individua, raccoglie ed analizza i dati appropriati SHU GLPRVWUDUH O·DGHJXDWH]]D H O Gestione per la Qualità. Rientrano in tali ambiti i dati risultanti dalle attività di monitoraggio, di misurazione e di altre fonti pertinenti, che hanno lo scopo di fornire informazioni in merito alla soddisfazione delle parti interessate, alla conformità ai requisiti del servizio e alle caratteristichH GHOO·DQGDPHQW processi incluse le opportunità per azioni preventive.

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.