Modeling relationship between business and technical KPIs in big data benchmarking

Today, increasingly competitive conditions have transformed the idea from a request to reduce the uncertainties towards the future into a request to take preliminary measures against potential negativities. Technological progress in human activities have led to the acceleration of production of large amounts of data. For this reason, researchers have been confronted with the problem of identifying appropriate methods in order to convert existing data masses into useful information. Big Data is considered a huge amount of data that can be analyzed by organizations in order to achieve actionable insight for their business and to provide data-driven decision making. The comparison of the big data stack ensures that it provides full performance according to the desired properties. The process of decision making is one of the most complex tasks for any kind of business. At this point, the importance of benchmarking is increasing, because, benchmarking is a way to determine how the company, a competitor, or a whole other sector performs best in industry and is the process of getting a measure. This paper presents the conceptual features of the decision tree, an important data mining method that is, due to its explorative nature, highly suitable for determining the data structure when analyzing performance in various sectors and performance indicators. Decision tree methodology is a data mining method commonly used to create classification systems based on multiple variables or to develop predictive algorithms for a target variable. The study was conducted through a questionnaire of DataBench which aims to understand the decision variables, which can help to provide business benefits from Big Data applications. The aim of the article is to create a decision tree model and to give a general idea in order to develop a benchmarking process.

Oggi, condizioni sempre più competitive hanno trasformato l'idea da una richiesta di riduzione delle incertezze verso il futuro, in una richiesta di adottare misure preliminari contro potenziali negatività. I progressi tecnologici nelle attività umane hanno portato ad un'accelerazione della produzione di grandi quantità di dati. Per questo motivo, i ricercatori hanno dovuto affrontare il problema di identificare metodi appropriati per convertire le masse di dati esistenti in informazioni utili. I Big Data sono considerati un'enorme quantità di dati che possono essere analizzati dalle organizzazioni al fine di ottenere informazioni utili per la loro attività e per fornire decisioni basate sui dati. Il confronto del grande stock di dati assicura delle prestazioni complete in base alle caratteristiche desiderate. Il processo decisionale è uno dei compiti più complessi per qualsiasi tipo di attività.. A questo punto, l'importanza del benchmarking è in aumento, perché il benchmarking è un modo per determinare come l'azienda, un concorrente o un intero settore svolga il suo ruolo in un determinato settore in modo da ottenerne un confronto. Questa tesi presenta le caratteristiche concettuali dell'albero decisionale, un importante metodo di estrazione dei dati che, grazie alla sua natura esplorativa, è altamente adatto per determinare la struttura degli stessi quando si analizzano le prestazioni in vari settori e gli indicatori di performance. La metodologia dell'albero decisionale è un metodo di estrazione dei dati comunemente utilizzato per creare sistemi di classificazione basati su più variabili o per sviluppare algoritmi predittivi per una variabile target. Lo studio è stato condotto attraverso un questionario di DataBench che ha lo scopo di comprendere le variabili decisionali, che possono aiutare a fornire benefici aziendali dalle applicazioni Big Data. Lo scopo della tesi è di creare un modello di albero decisionale e di dare un'idea generale per sviluppare un processo di benchmarking.