STATISTICHE
L’analisi e la rielaborazione del dato può avvenire attraverso modelli interpretativi, previsionali e causali o attraverso modelli esplorativi.
Tra i numerosi modelli interpretativi, previsionali e causali, utilizziamo le seguenti tecniche di analisi:
RETI NEURALI
Le reti neurali sono in grado di supportare modelli di simulazione complessi, utili anche per un’analisi previsionale.
EQUAZIONI STRUTTURALI
Sapere, all'interno di un fenomeno, che alcune dimensioni siano tra loro legate da rapporti di correlazione non è sufficiente. Sempre più frequentemente è necessario stabilire l'esistenza di rapporti di causa ed effetto. I modelli ad equazioni strutturali sono in grado di rispondere a questa esigenza.
CONJOINT ANALYSIS
Per quali motivi scegliamo un prodotto? Cosa incide di più sulla decisione di acquisto? Mediante la misurazione delle diverse caratteristiche di un prodotto, oppure di un servizio, la Conjoint Analysis è in grado di stabilire la combinazione preferita dall'utenza e il peso di ciascun attributo in relazione all'acquisto.
CLUSTER ANALYSIS
Per comprendere un fenomeno complesso bisogna identificare gruppi di soggetti simili per comportamento o modo di pensare ed essere in grado di rappresentarli; per questo viene usata la Cluster Analysis.
FRACTAL ANALYSIS
Un frattale è un oggetto geometrico. La sua peculiarità è di ripetere le proprie forme anche su scale diverse.
SINTESI MULTIDIMENSIONALE
Le ricerche – spesso – rilevano una quantità molto ampia di variabili e di dati. All'interno di questa ampiezza è necessario essere in grado di fornire una sintesi (non semplicistica) dei dati attraverso tecniche statistiche multivariate come l'Analisi fattoriale, l'Analisi delle corrispondenze o lo Scaling Multidimensionale.
