Per l’attivit`a di Recruiting sono stati analizzati gli andamenti del numero di colloqui, numero di inserimenti in azienda e percentuale di offerte declinate da parte dei candidati. Anche qui le analisi si riferiscono ad una precisa finestra temporale, ovvero il 2018 e il primo quarter realtivo al 2019.
Studiando tali informazioni sar`a possibile:
• analizzare quali sono le top universit`a con cui l’azienda entra in contatto; • analizzare l’andamento dei colloqui effettuati durante l’anno per compren-
• confrontare le offerte accettate da parte dei candidati con quelle declinate; • scoprire quali sono le universit`a da cui l’azienda attinge maggiormente e viceversa, cos`ı da studiarne le dinamiche al fine di invertire le tendenze. Nel seguente grafico possiamo osservare la distribuzione del numero di col- loqui effettuati nel 2018 per Universit`a.
Figure 41: Numero di colloqui effettuati per Universit`a
Risalta subito all’occhio come l’universit`a di Palermo risulti qualla con il maggior numero di colloqui. Questo vuol dire che l’attivit`a in esame concentra molto le proprie funzioni su quel polo.
Dal grafico comprendiamo subito come la distribuzione visualizzata sia alta- mente sbilanciata, questo poich`e sono numerose le universit`a corrispondenti ad un numero limitato di colloqui.
Per esaminare pi`u a fondo gli elementi, sono state messe a disposizione opzioni di drill-down per poter osservare pi`u da vicino la composizione della metrica. Di seguito `e possibile apprezzare la navigazione attraverso le gerarchie di attributi per l’universit`a di Palermo.
Figure 42: Drill-down universit`a di Palermo: livello Facolt`a
Figure 43: Drill-down universit`a di Palermo: livello Corso di Laurea
In questo modo varia la quantit`a di colloqui effettuati all’interno dei singoli centri di studio. Tenendo conto della distribuzione appena mostrata, viene fornita un’ulteriore vista focalizzata sulle top 10 Universit`a in termini di numero di colloqui.
Figure 44: Distribuzione numero colloqui top 10 Universit`a
A seguito delle analisi sul numero di colloqui vengono riportati gli andamenti sulle assunzioni da parte dell’azienda. In questo caso mostriamo i dati secondo una prospettiva diversa.
Figure 45: Distribuzione assunzioni per Facolt`a
Anche qui notiamo una distribuzione fortemente sbilanciata che ci suggerisce come le preferenze dell’attivit`a siano rivolte verso figure ingegneristiche pretta- mente gestionali.
A monte del processo di assunzione vi `e la formalizzazione di un’offerta da parte dell’azienda, la quale potr`a essere accettata o meno dal candidato. Dunque definiamo le due possibilit`a come: OfferteOK e OfferteKO.
Nella seguente tabella vengono riportate le percentuali relative alle due metriche citate.
OfferteOK OfferteKO
62% 38%
Nonostante la percentuale di offerte accettate sia superiore rispetto a quelle de- clinate, risulta opportuno porre attenzione su quest’ultime per riuscire a com- prendere i fattori che alimentano tale valore.
Figure 46: Distribuzione percentuale OfferteKO
In figura viene distribuito il numero di offerteKO nei diversi atenei, cos`ı da effettuare analisi mirate al fine di conoscere i disallineamenti con tali elementi. Ad esempio, analizzando la situazione per il POLITO notiamo come il 73% delle 11 offerte inoltrate per candidati provenienti dal cosrso di Ingegneria Gestionale sono state rifiutate
6
CONCLUSIONI
Il modello prodotto riflette le esigenze aziendali risultanti dall’analisi dei req- uisiti svolta inizialmente, gettando le basi per la realizzazione di un prodotto interno in grado di gestire in maniera efficiente ed efficace le informazioni pre- senti e future. Questo sar`a di supporto per gli owner delle diverse attivit`a sia nella gestione che nell’improvement della qualit`a aziendale.
Il processo di realizzazione si `e articolato in diversi step: analisi dei requisiti, progettazione del modello, implementazione del modello, analisi dei dati.
L’attuazione di queste fasi ha portato al’ottenimento di risultati utili al busi- ness e all’organizzazione aziendale:
SALES
Analizzare l’andamento del numero di richieste nel corso del tempo al fine di aumentare il proprio livello di proattivit`a
Analizzare e confrontare l’andamento del fatturato nel corso del tempo, maturato grazie allo stuffing delle risorse
Individuare i top clienti
Individuare i clienti fidelizzati, cos`ı da rafforzarne il rapporto commerciale Effettuare churn analisys e intervenire sui clienti per i quali viene
registrato un calo di richieste
Table 13: SALES business imrpovement
RECRUITING
Individuare le top universit`a
Individuare le Universit`a per le quali si registra un calo di colloqui
ed intervenire di conseguenza
Individuare le Universit`a / Facolt`a di provenienza dei candidati per le
quali si registra un alto numero di offerte declinate, cos`ı da stabilire
se incrementare o meno le sponsorizzazioni presso questi atenei
Analizzare l’andamento delle offerte
Analizzare l’andamento dei colloqui effettuati
Table 14: RECRUITING business improvement
Il materiale prodotto o i risultati ottenuti a seguito di ogni fase sono stati sottoposti ad un processo di valutazione da parte degli owner delle attivit`a in esame. Tale procedimento `e stato realizzato attraverso scambi di email o delle review in presenza.
6.1
Sviluppi futuri
Considerati gli ottimi risultati ottenuti dalla realizzazione del modello, si regis- tra un margine di ampliamento rilevante. Attraverso la strutturazione dei dati sar`a possibile effettuare diversi studi sugli aspetti di business dell’azienda. I primi passi saranno rivolti verso la definizione di un’architettura complessa in grado non solo di gestire i dati relativi alle attivit`a in esame per questo progetto, ma far`a riferimento a tutti gli aspetti dell’azienda: dati relativi all’amministrazione, consuntivazione delle giornate e delle spese per le risorse con sistemi di machine learning per il riconoscimento automatico delle informazioni.
Dunque `e prevista una fase di software selection per individuare il best ven- dor per l’ampliazione della base dati e un gestionale in grado di rispondere alle esigenze descritte.
Una volta impostata l’architettura verranno avviati diversi cantieri per la ges- tione intelligente delle informazioni. Le attivit`a in scope sono diverse e tra queste annoveriamo:
• sviluppo di modelli predittivi in grado di fornire indicazioni sugli anda- menti futuri dell’azienda in base ai dati storici;
• categorizzazione dei clienti attraverso tecniche di clustering per poter fa- vorire uno studio accurato e approfondito nei loro confronti in modo da rafforzare o migliorare i rapporti commerciali con gli stessi;
• churn analysis per comprendere le dinamiche riguardanti i clienti per le quali viene registrato un calo di richieste.
List of Figures
1 Organigramma Lipari Consulting . . . 16
2 Requisiti SALES . . . 21
3 Requisiti PKM . . . 23
4 Requisiti HR . . . 26
5 Report sul numero di colloqui per anno ed universit`a . . . 27
6 Report sul numero di colloqui per trimestre ed universit`a . . . 28
7 Report sul numero di colloqui per mese ed univsersit`a . . . 28
8 BR Sales . . . 30
9 BR PKM . . . 30
10 BR HR . . . 31
11 Granularit`a dei fatti . . . 31
12 Schema concettuale iniziale data mart RECRUITING . . . 37
13 Schema concettuale iniziale data mart PKM . . . 37
14 Schema concettuale iniziale data mart SALES . . . 38
15 Esempio file excel PKM - retention . . . 39
16 Esempio file excel PKM - statistiche . . . 40
17 Esempio file excel SALES - incontri clienti . . . 41
18 Esempio file excel SALES - dati opportunit`a . . . 42
19 AS-IS data - 1 . . . 43
20 AS-IS data - 2 . . . 44
21 AS-IS data - statistics . . . 45
22 Schema concettuale finale data mart RECRUITING . . . 46
23 Schema concettuale finale data mart PKM . . . 47
24 Schema concettuale finale data mart SALES . . . 47
25 Schema logico del data mart Gestione Risorse . . . 49
26 Schema logico del data mart Recruiting . . . 49
27 Schema logico del data mart Processo di Vendita . . . 50
29 Data Flow . . . 62 30 Min-Max Standardization . . . 68 31 Numero di richieste per time . . . 71 32 Numero di richieste OK e fatturato generato rispetto al totale . . 71 33 Andamento del fatturato a seguito dello stuffing . . . 72 34 Andamento del fatturato a seguito dello stuffing nel 2017 . . . . 72 35 Andamento del fatturato a seguito dello stuffing nel 2018 . . . . 73 36 Numero di richieste OK e fatturato generato rispetto al totale nel
2017 . . . 74 37 Numero di richieste OK e fatturato generato rispetto al totale nel
2018 . . . 74 38 Top 10 clienti . . . 75 39 Top 10 clienti OK . . . 75 40 Andamento nel tempo delle richieste dei clienti fidelizzati . . . . 76 41 Numero di colloqui effettuati per Universit`a . . . 77 42 Drill-down universit`a di Palermo: livello Facolt`a . . . 78 43 Drill-down universit`a di Palermo: livello Corso di Laurea . . . . 78 44 Distribuzione numero colloqui top 10 Universit`a . . . 79 45 Distribuzione assunzioni per Facolt`a . . . 79 46 Distribuzione percentuale OfferteKO . . . 80
List of Tables
1 Richieste dimension . . . 32 2 Clienti dimension . . . 33 3 Risorse dimension . . . 33 4 Universit`a dimenison . . . 33 5 Colloqui dimension . . . 34 6 StatoRisorse dimension . . . 34 7 Time dimension . . . 35 8 Hierarchy attributes . . . 35 9 Facts measures . . . 3510 Dimension per fact . . . 36
11 Measure per fact . . . 36
12 Trasformazioni effettuate . . . 68
13 SALES business imrpovement . . . 81
References
[1] Ralph Kimball, Margy Ross. The Data Warehouse toolkit - Third edition. Kimball Group, Wiley.
[2] Antonio Albano, Salvatore Ruggieri. Deciosion Support Database Essentials. September 18, 2017. [3] https://www.qlik.com/it-it/products/qlikview [4] https://help.qlik.com/it-IT/qlikview/November2018/Content/ QVHelpSites/QVAtAGlanceWebOnly.html [5] https://en.wikipedia.org/wiki/Anaconda(Pythondistribution) [6] https://www.anaconda.com/what-is-anaconda/ [7] https://searchsqlserver.techtarget.com/definition/SQL-Server [8] https://www.microsoft.com/it-it/sql-server/sql-server-2017 [9] https://it.wikipedia.org/wiki/MicrosoftSQLServer [10] https://powerbi.microsoft.com/it-it/what-is-power-bi [11] https://www.lipariconsulting.com/ [12] https://docs.microsoft.com/it-it/azure/architecture/ data-guide/relational-data/etl [13] https://www.geeksforgeeks.org/python-pandas-dataframe
Ringraziamenti
Non basterebbe un tomo intero per poter porgere la mia gratitudine a tutti col- oro che hanno contribuito al raggiungimento di questo obiettivo. Innanzitutto mi sento di dover ringraziare il mio relatore Giulio Rossetti, il quale mi ha sup- portato pienamente durante lo svolgimento dei lavori con la sua professionalit`a e la sua immensa simpatia e il Professore Roberto Bruni per i suoi preziosi con- sigli.
Relativamente al progetto di tesi ringrazio il Gruppo Lipari e la Lipari Tech- nology, la cui realt`a mi ha fornito la possibilit`a di portare avanti un progetto nella sua interezza. A questo proposito esprimo la mia immensa gratitudine nei confronti della mia referente Antonina Della Chiave che ha scelto di credere in me come professionista ma soprattutto come uomo, trasmettendomi fiducia in me stesso e nelle mie capacit`a.
Ringrazio tutti i miei colleghi universitari con cui ho avuto la fortuna di condi- videre due anni della mia vita, perch`e `e anche grazie a loro se oggi sono quel che sono. Insieme abbiamo riso, abbiamo studiato, abbiamo portato avanti progetti, abbiamo condiviso sogni, abbiamo gioito ma abbiamo anche sofferto. Tutto ci`o insieme, nell’unit`a che dovrebbe contraddistinguere un gruppo di ragazzi sper- anzosi per il proprio futuro. In tutto ci`o non posso dimenticare tutte le persone che ho conosciuto negli anni trascorsi a Pisa, i quali hanno reso la mia esperienza indimenticabile e irripetibile.
Per ultima ma non per questo meno importante, ringrazio la mia famiglia e i miei genitori che, nonostante un periodo di estrema difficolt`a hanno nuovamente reso possibile un evento del genere con i loro immensi sacrifici. Non posso fare altro che essergli grato in eterno per ci`o che hanno fatto e per la possibilit`a che hanno voluto regalarmi. Ringrazio i miei fratelli per il loro immenso sostegno e i consigli che non hanno mai smesso di dispensare nei miei confronti. Inoltre vorrei rendere omaggio a mio nonno Francesco, il cui esempio mi guida e mi affianca in tutto ci`o che faccio.