{"id":4987,"date":"2020-10-07T11:48:36","date_gmt":"2020-10-07T09:48:36","guid":{"rendered":"https:\/\/dyrecta.com\/lab\/?p=4987"},"modified":"2020-10-07T11:50:37","modified_gmt":"2020-10-07T09:50:37","slug":"moda-e-sentiment-analysis","status":"publish","type":"post","link":"https:\/\/www.dyrecta.com\/lab\/moda-e-sentiment-analysis\/","title":{"rendered":"Moda e Sentiment Analysis"},"content":{"rendered":"<p><strong>Sempre pi\u00f9 la Moda si orienta verso l\u2019analisi degli utenti per quanto riguarda i loro desideri, <\/strong>le sensazioni rilevate dalla piattaforma (like, dislike, recensioni, lista desideri) in merito a nuovi capi di abbigliamento, proposte di mercato, promozioni, sfruttando la navigazione degli E-commerce e valutando la user experience del singolo utente.<\/p>\n<p>Immagazzinare una simile quantit\u00e0 di<strong> dati in modo che venga analizzata correttamente, richiede l\u2019utilizzo di un Big Data e di algoritmi di intelligenza artificiali strutturati su altri, che renderanno performanti le analisi finali indirizzati al Marketing<\/strong>. Qualsiasi acquisto effettuato, sar\u00e0 riconosciuto dalla piattaforma e generer\u00e0 un supporto alle decisioni per quanto riguarda il settore logistico di approvvigionamento e scorte.<\/p>\n<p><strong><a href=\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2020\/10\/J103.pdf\" target=\"_blank\">La pubblicazione che potrete trovare in allegato<\/a> a questo articolo, tratta di uno studio effettuato per interconnettere mediante Big Data System, le informazioni di pi\u00f9 store del settore moda.<\/strong> I dati vengono elaborati da engine di data mining in gradi di fornire predizioni di vendite degli store, predizioni di vendita dalla piattaforma E-commerce, out di ottimizzazione della logistica e analisi del \u201csentiment social\u201d circa i prodotti di vendita.<\/p>\n<p>Si dimostra quindi come migliorare la BI (Business Intelligence) con algoritmi di data mining in grado di prevedere le vendite, algoritmi logistici utili per la gestione della dislocazione di prodotti in tutta la rete di marketing costituita da diversi negozi e algoritmo di web mining adatti per le analisi delle tendenze sui social.<\/p>\n<p>Per i dati predittivi sono stati applicati algoritmi di data mining e web mining come Weka, Rapid Miner e Knime, oltre a quelli adottati principalmente per la logistica come Dijkstra e Floyd-Warshall. <strong>Gli algoritmi proposti sono un aggiornamento dell\u2019infrastruttura informatica orientata al marketing strategico.<\/strong> Un database Cassandra Big Data, raccoglier\u00e0 tutti i dati utili alla Business Intelligence. Gli obiettivi della BI vengono esposti in tempo reale e strutturano la pianificazione dell\u2019assortimento del magazzino e formulano azioni di marketing strategico. <strong>Un modello innovativo orientato alla vendita tramite E-commerce viene realizzato tramite una rete neurale bastata sull\u2019elaborazione multi-attributo che si interfaccer\u00e0 al data mining di supporto alle azioni logistiche.<\/strong><\/p>\n<p><strong>In questo studio \u00e8 dimostrato come \u00e8 possibile incorporare molti algoritmi di data mining in un sistema informativo prototipale unico, collegato ad un Big Data e come su questo sia basata la Business Intelligence.<\/strong><\/p>\n<p>Nel paper in allegato viene mostrato come diversi dati e gli strumenti di data mining possono essere realizzati e funzionare in un unico sistema informativo.<\/p>\n<p>Scarica la pubblicazione:<\/p>\n<p><a href=\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2020\/10\/J103.pdf\" target=\"_blank\"><img loading=\"lazy\" class=\"size-full wp-image-4895 alignleft\" src=\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2020\/09\/833px-PDF_file_icon.svg-e1600177927454.png\" alt=\"833px-pdf_file_icon-svg\" width=\"32\" height=\"39\" \/><\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Sempre pi\u00f9 la Moda si orienta verso l\u2019analisi degli utenti per quanto riguarda i loro desideri, le sensazioni rilevate dalla&#8230;<\/p>\n","protected":false},"author":1,"featured_media":4989,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[97],"tags":[],"_links":{"self":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/4987"}],"collection":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/comments?post=4987"}],"version-history":[{"count":4,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/4987\/revisions"}],"predecessor-version":[{"id":4994,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/posts\/4987\/revisions\/4994"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media\/4989"}],"wp:attachment":[{"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/media?parent=4987"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/categories?post=4987"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dyrecta.com\/lab\/wp-json\/wp\/v2\/tags?post=4987"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}