Luglio 2015  ad oggi • Nome e indirizzo del datore di lavoro Accenture SpA – Piazzale dell’Industria 40, Roma • Tipo di azienda o settore Consulenza e Servizi • Tipo di impiego Data Science Consultant – Contratto a tempo indeterminato (CCNL Metalmeccanico) • Principali mansioni e responsabilità Dashboard Design per Birra Peroni

Gennaio 2017  ad oggi Disegno di Dashboard / Report customizzati e dinamici da implementare su Power BI per fornire alla forza vendita e alle diverse aree aziendali degli strumenti accessibili ed utilizzabili per indirizzare analisi di dettaglio. Segmentazione della Clientela After Sales per FCA

Ottobre 2016  Dicembre 2016 Disegno di un modello di cluster analysis per la segmentazione della clientela per indirizzare campagne di marketing after sales. Analisi dei dati mediante interrogazioni su piattaforma Hadoop (Hive) e definizione della richiesta dei KPIs per l’implementazione del modello Progetto Analisi dei Riscatti per Intesa Sanpaolo Vita

Maggio 2016  Settembre 2016 Realizzazione di un modello predittivo volto a calcolare la propensione al riscatto totale della polizza vita, sulla base delle informazioni bancarie ed assicurative del cliente, tramite SAS Enterprise Guide e SAS Enterprise Miner. Definizione della Customer Analytical Record sulla base delle informazioni Bancarie ed Assicurative. Implementazione di un modello predittivo per stimare la probabilità di riscatto totale anticipato senza reinvestimento e successiva profilazione della clientela. Approfondimento dei determinanti di riscatto totale anticipato con contestuale reimpiego in altre forme di risparmio/investimento. Progetto Uconnect Analytics per FCA

Novembre 2015 – Aprile 2016 Analisi dei dati provenienti dalla piattaforma Uconnect EMEA per valutarne l’utilizzo in modelli predittivi di Business Intelligence. Implementazione di modelli di data mining, tramite l’utilizzo del tool SPSS Modeler, a supporto del business con le seguenti finalità:  Segmentazione dei clienti in base ai diversi stili di guida, per indirizzare specifiche campagne promozionali e azioni di cross-selling  Analisi dello stato di salute dei veicoli, per proporre pacchetti e/o servizi di manutenzione con logica up-selling  Manutenezione predittiva dei veicoli, per individuare la probabilità di eventuali guasti avvisando proattivamente il cliente

Progetto Pilota per Regione Sardegna Ottobre 2015  Novembre 2015 Implementanzione, tramite l’utilizzo del tool SPSS Modeler, di un modello di propensione all’occupabilià dei lavoratori che usufruiscono della Mobilità in deroga (Regione Autonoma della Sardegna – anno 2014). Individuazione di quattro fasce di propensione al fine di prioritizzare gli interventi sociali e identificare specifiche aree di opportunità lavorativa. Il modello proposto definisce la propensione all’occupabilità dei lavoratori, con l’obiettivo di utilizzare tale indicatore come valutazione del costo di una eventuale ricollocazione. Adeguamento Reportistica Business Inteligence per Wind

Luglio 2015  Ottobre 2015 Adeguamento della reportistica aziendale a supporto del business a seguito della migrazione DB di alcuni stream SPSS Modeler

Gennaio 2013  Luglio 2015 • Nome e indirizzo del datore di lavoro Everis Italia SpA – Viale Regina Margherita 279, 00198, Roma • Tipo di azienda o settore Consulenza IT nel settore delle Telecomunicazioni e nel settore Assicurativo (Area Danni) • Tipo di impiego Junior Consultant – Contratto a tempo indeterminato (Contratto Commercio e Terziario) • Principali mansioni e responsabilità Progetto Datamart Danni per PosteAssicura

Aprile 2014  Giugno 2015 Data Integration Analysis per l’adeguamento, tramite SAS Data Integration Studio, delle procedure ETL che popolano il Datamart dell’area Danni di PosteAssicura a fronte dell’integrazione con nuovi Sistemi di gestione dei Sinistri e delle Polizze. Gap Analysis in relazione alla migrazione verso i nuovi gestionali e analisi dell’intervento. Implementazione delle soluzioni individuate in ambiente di Sviluppo e in ambiente di Test per il primo livello del Datamart Danni (trasformazione del dato senza livelli di aggregazione). Analisi delle specifiche di calcolo di indicatori a supporto del reparto di Attuariato (Area Sinistri). Implementazione degli indicatori per i Sinistri in ambiente di Sviluppo e in ambiente di Test per il secondo livello del Datamart Danni. Implementazione di KPI di quadratura. Partecipazione a SAL di progetto per raccolta requisiti e successiva implementazione mediante il software statistico utilizzato.

Gennaio 2013  Marzo 2014 Gestione della profilazione utenze per l’ambiente SAS di PosteMobile tramite SAS Management Console. Migrazione delle utenze dalla precedente configurazione alla nuova in ambiente di produzione. Redazione ed esecuzione casi di test su applicativi SAS (SAS Enterprise Miner e SAS Enterprise Guide) in ambiente di sviluppo e test. Produzione di documentazione tecnica e manuali utente. Reingegnerizzazione, tramite SAS Data Integration Studio, del processo ETL dei dati in PosteMobile (caricamento mensile). Implementazione del software in ambiente di sviluppo, rilascio sugli ambienti di test e produzione; monitoraggio tramite piattaforma LSF dell’esecuzione del software rilasciato. Redazione ed esecuzione di casi di test. Produzione di documentazione tecnica e manuali di supporto al processo di caricamento. Implementazione soluzioni di Data Mining a supporto del reparto Marketing di PosteMobile: ottimizzazione di algoritmi previsionali attraverso SAS Enterprise Miner per la previsione su segmenti della clientela a due, tre e quattro mesi.

Luglio 2012  Dicembre 2012 • Nome e indirizzo del datore di lavoro Everis Italia SpA – Viale Regina Margherita 279, 00198, Roma • Tipo di azienda o settore Consulenza nel settore delle Telecomunicazioni • Tipo di impiego Stage (Durata 6 Mesi) • Principali mansioni e responsabilità Progetto Data Mining per PosteMobile Analisi del modello dati (SAS) di esercizio in PosteMobile. Implementazione soluzioni di Data Mining a supporto del reparto Marketing di PosteMobile: ottimizzazione di algoritmi previsionali attraverso SAS Enterprise Miner per la previsione su segmenti della clientela a due, tre e quattro mesi.

ISTRUZIONE E FORMAZIONE • Date Dicembre 2016 • Nome e tipo di istituto di istruzione o formazione Sas Institute • Qualifica conseguita SAS Certified Predictive Modeler Using SAS Enterprise Miner 13 • Principali tematiche/competenze professionali acquisite Utilizzo di modelli statistici predittivi tramite SAS Enterprise Miner

Ottobre – Novembre 2014 • Nome e tipo di istituto di istruzione o formazione Sas Institute • Qualifica conseguita Attestato di Frequenza corsi di Programmazione SAS 1 e 2 • Principali tematiche/competenze professionali acquisite Utilizzo del modulo SAS Base per programmare e per gestire dati

Dicembre 2012 • Nome e tipo di istituto di istruzione o formazione Sas Institute • Qualifica conseguita SAS Certified Predictive Modeler Using SAS Enterprise Miner 6 • Principali tematiche/competenze professionali acquisite Utilizzo di modelli statistici predittivi tramite SAS Enterprise Miner

Dicembre 2009 – Marzo 2012 • Nome e tipo di istituto di istruzione o formazione Università “La Sapienza” Roma • Principali materie / abilità professionali oggetto dello studio Confronto tra modelli predittivi di Data Mining • Qualifica conseguita Laurea Magistrale in Scienze Statistiche per le Strategie Aziendali – Un’Analisi Multivariata per la Gestione delle Visite Mediche di Controllo Domiciliari Votazione: 110/110 e Lode • Progetto formativo e di orientamento Periodo 28 Novembre 2011 – 28 Febbraio 2012: Stage per l’elaborazione della tesi presso l’Istituto Nazionale della Previdenza Sociale – Coordinamento Generale Statistico Attuariale – Analisi statistica multivariata sui certificati di malattia e valutazione della capacità predittiva del modello utilizzato.

Ottobre 2006 – Dicembre 2009 • Nome e tipo di istituto di istruzione o formazione Università “La Sapienza” Roma • Principali materie / abilità professionali oggetto dello studio Analisi dei dati e approfondimento sull’indagine in questione • Qualifica conseguita Laurea Triennale in Statistica ed Informatica per la Gestione Aziendale – L’Indagine EU-SILC (European Statistics on Income and Living conditions): un Confronto a Livello Europeo Votazione: 110/110 e Lode

Settembre 2001 – Luglio 2006 • Nome e tipo di istituto di istruzione o formazione Liceo Ginnasio “G. Cesare” Roma • Qualifica conseguita Diploma di Maturità Classica Votazione: 82/100 • Livello nella classificazione nazionale (se pertinente) Diploma di Scuola Secondaria Superiore di II grado

CAPACITÀ E COMPETENZE PERSONALI Acquisite nel corso della vita e della carriera ma non necessariamente riconosciute da certificati e diplomi ufficiali. PRIMA LINGUA ITALIANO ALTRE LINGUE INGESE • Capacità di lettura Livello: buono • Capacità di scrittura Livello: buono • Capacità di espressione orale Livello: buono Certificato FCE, conseguito nel Marzo 2006

CAPACITÀ E COMPETENZE TECNICHE Con computer, attrezzature specifiche, macchinari, ecc. Esperienza cross – settore in analisi statistiche, con competenze specifiche acquisite in ambito di soluzioni data mining tramite l'utilizzo di analisi predittive (advanced modeling, customer segmentation, churn analysis). Principali software statistici utilizzati: SAS Base, SAS Enterprise Miner, SAS Enterprise Guide, SAS Management Console, SAS Data Integration Studio, SPSS Modeler. Ottima conoscenza del pacchetto Microsoft Office (Word, Power Point, Excel, Visio). Conoscenza del linguaggio SQL per la manipolazione dei dati di input per i modelli predittivi implementati.