Progetto di Business Intelligence a supporto della piattaforma di monitoraggio dei disservizi. Il caso TIM

Questa tesi si sviluppa grazie ad un’esperienza di stage, della durata di cinque mesi, svolta presso ELIS Consulting & Labs (Roma). Lo stage ha riguardato lo sviluppo di un progetto di consulenza nell'ambito IT, in qualità di Junior Analyst, all'interno di un team composto da due colleghi ed un team leader. In particolare l’ambito del progetto è inerente alla piattaforma di intrattenimento digitale offerta da TIM. Inizialmente la dashboard di monitoraggio della piattaforma non consentiva di individuare agevolmente le cause che generavano disservizi, andando ad inficiare sulla qualità percepita dal cliente. Viene trattata la riprogettazione della dashboard, al fine di migliorare il monitoraggio dei dati e viene evidenziato il processo che permette di descrivere le evidenze sulla base di una logica descrittiva. Questo successivamente potrà permettere di passare ad una logica predittiva, allo scopo di prevenire eventuali disservizi, utilizzando algoritmi di Machine Learning. In conclusione gli obiettivi sono: 1) Ridisegnare la dashboard Digital Support Decoder 2) Creare un modello che permetta di ridurre i disservizi This thesis is developed thanks toa five-month internship at ELIS Consulting Academy (Rome). The internship involved the development of an IT consulting project, as a Junior Analyst, within a team of two colleagues and a team leader. In particular, the scope of the project is inherent to the digital entertainment platform offered by TIM. Initially, the platform's monitoring dashboard did not allow to easily identify the causes that generated inefficiencies, affecting the quality perceived by the customer. The redesign of the dashboard will be discussed, in order to improve the monitoring of data and the process will be highlighted that allows the evidence to be described on the basis of a descriptive logic. This will then allow you to switch to a predictive logic, in order to prevent any disruption, using Machine Learning algorithms. In conclusion, the objectives are: 1) Redesigning the Dashboard Digital Support Decoder 2) Create a model that aims to reduce inefficiencie