Posts

Assimil Italian 19-27

  Presentazioni Allora Penelope, sei pronta? Vieni al bar con me? Vengo, vengo, sono pronta fra un minuto. Il signore e la signora Ford prendono un aperitivo al bar dell’albergo. Ci sono anche altri turisti stranieri, tutti molto felici di essere in vacanza a Napoli. Ci sono i signori Dupont: sono francesi, vengono dal sud della Francia. Abitano vicino a Marsiglia. La signorina Schultz è tedesca, viene da Francoforte. Molto lieto di fare la Sua conoscenza! Il mio nome è Arcibaldo Ford, e questa è mia moglie Penelope. Siamo americani, veniamo dalla California. Abitiamo non lontano da San Diego. Piacere! Camillo Gonzales. Sono spagnolo, vengo da Barcellona. Anche voi venite dagli Stati Uniti? No, noi siamo inglesi, veniamo dallo Yorkshire. Progetti di gite PROGRAMMA DELLE GITE RISERVATE AI SIGNORI CLIENTI DELL’ALBERGO MARECHIARO: LUNEDÌ DICIOTTO MAGGIO: GITA IN PULLMAN AD AMALFI. PARTENZA DALL’ALBERGO ALLE OTTO. SOSTA A SORRENTO E A POSITANO. RITORNO PREVISTO PER LE DICIASSETTE E ...
Post a Comment
Read more

Assimil Italian 10-18

  A tavola! A tavola, il pranzo è pronto! Ecco le mie specialità. Quali sono le tue specialità? Risotto e cotolette alla milanese, naturalmente! Magnifico! Sono i miei piatti preferiti! Ed ecco un’ottima bottiglia di Barbera... Sai, Davide, apprezzo molto anche le tue specialità: i tuoi vini sono sempre eccellenti! Francesca prepara le sue specialità: sono i piatti tipici di Milano. Quali sono i vostri piatti preferiti? I nostri piatti preferiti sono le lasagne alla bolognese e gli spaghetti alla carbonara. Bambini, non mangiate le vostre tagliatelle così rumorosamente! Il loro ospite apprezza la cucina milanese. Carlo e Isabella aspettano i loro amici a cena. La mattina Davide prepara la colazione per i suoi bambini. Che ore sono? I nostri amici finiscono di pranzare. Scusa, Francesca, che ore sono? Sono le due e un quarto. Marco, preferisci fare la siesta o fare quattro chiacchiere con noi? È vero, Davide, noi romani preferiamo fare la siesta dopo pranzo, ma oggi preferisco la ...
Post a Comment
Read more

Assimil Italian 1-9

  Al telefono Pronto! Vorrei parlare con Davide, per favore. Davide non è a casa. Io sono Francesca. Chi è? Sono Marco. Ciao, Francesca! Come va? Bene, grazie, e tu? Benissimo! Sei a Milano? No, non sono a Milano, sono a Roma. Arrivo a Milano domani mattina. Benissimo! A domani, allora. D’accordo! Arrivederci! Sei di Milano? No, non sono di Milano, sono di Roma. Marco è di Roma. Francesca e Davide sono di Milano. Siete di Firenze? No, non siamo di Firenze, siamo di Bologna. Alla stazione Buongiorno, signorina. Vorrei un biglietto di seconda classe per Milano. È un’informazione, per cortesia: questo treno ha un vagone-ristorante? No, non ce l’ha. Marco, hai un giornale per il viaggio? Sì, ce l’ho, e ho anche una rivista. Marco ha un posto in uno scompartimento per fumatori. Ha un pacchetto di sigarette, ma non ha un accendino. Scusi, Lei ha da accendere? Sì, certo. Io non ho da accendere. Tu hai una rivista. Lui ha un accendino; lei non ha un giornale. Noi abbiamo un’amica a Mila...
Post a Comment
Read more

Assimil Italian 35-40

  Che Cosa Regaliamo a Marco? Sono già le tre! Devo proprio andare via. Ho moltissime cose da fare: devo fare delle spese e vorrei anche comprare un regalino a Marco. Ida, perché non mi accompagni? - Perchè no, ti accompagno volentieri, ma non ho la macchina, lo sai. Ma ce l’ho io! E’ proprio qui all’angolo... Vorrei anche fare un regalo a Lorenza, l’amica di Marco, che mi è molto simpatica. Ma per lei ho già deciso: le prendo il catalogo della mostra dei disegni di Leonardo da Vinci. E a Marco, che cosa gli regali? Non so, tu che cosa mi suggerisci? Perchè non gli regali una cravatta? La solita cravatta! No, troppo banale... Un pullover? - Troppo caro. Una camicia? - Non conosco le sue misure... Allora non so proprio. Ho un’idea! So che Marco va spessissimo a sciare... gli posso comprare un bel berretto di lana rossa! All’Ufficio Postale Prima di prendere la macchina vorrei passare un attimo alla posta. C’è un ufficio postale proprio qui di fronte. Devo fare un telegramma ai Ton...
Post a Comment
Read more

Assimil Ita 29-34

  Una giornata di Francesca Pronto?... Sei tu, Ida? Sì, sono io. Ciao, Francesca, come va? Non c’è male. Hai due minuti? Certo, aspetta un attimo: spengo la radio e accendo una sigaretta. Eccomi qua. Allora: che hai fatto in questi ultimi giorni? Bah, le solite cose... i bambini, la casa, il lavoro... Sei andata in ospedale stamattina? Sì, come al solito, e prima ho accompagnato i bambini a scuola. Per di più Lisa ha fatto un sacco di capricci per andare all’asilo, ed è entrata solo quando è arrivato Federico... il suo amico del cuore! Alla fine del mio turno in ospedale ho fatto un po’ di spesa: sono passata dal macellaio e dal salumiere, e poi anche in lavanderia a ritirare un vestito... Ieri sera invece ho passato una serata piacevole... Sostantivo: una giornata, Francesca, Ida, due minuti, un attimo, la radio, una sigaretta, questi ultimi giorni, le solite cose, i bambini, la casa, il lavoro, l’ospedale, stamattina, la scuola, un sacco di capricci, l’asilo, il suo amico del c...
Post a Comment
Read more

Data comes from

  1. Where does the data come from in Zalando Size & Fit? A Senior Data Analyst does not just analyse one table — they actively connect multiple data sources , such as: 1. Customer behavior data From Zalando’s platforms: Clickstream: what customers click, which sizes they view, where they drop off Conversion funnel: view → add to cart → purchase → return Return reasons: “too small”, “too large”, “didn’t like the fit” → This is the core source to understand Size & Fit problems from the customer side 2. Product & assortment data From product management systems: Brand, category, gender, material Size charts per brand Actual garment measurements → Used to analyse whether issues come from the product itself or customer behavior 3. Logistics & operations data Return flows Cost per return Lead times → To quantify the financial impact of Size & Fit problems 4. ML / Algorithm output data From the Applied Science team: Size ...
Post a Comment
Read more

Heineken and Zalando example

  1. Analyse Size & Fit data Example: You discover that: Brand A has a high return rate due to “too small” in Germany While Brand B is mostly returned as “too large” in Italy → Conclusion: the issue is not only customer behavior, but inconsistencies in brand sizing By category analysis: Jackets have much higher return rates than T-shirts → Suggestion: prioritize improving Size & Fit for outerwear 2. Design and analyse A/B tests Example: You run an A/B test on a “Fit Recommendation” feature: Group A: old interface Group B: shows “Runs small – order one size up” → Results: Return rate decreases by 1.5% Conversion increases by 0.8% → You recommend rolling out the feature across the platform 3. Translate data into business language Example: The ML team says: “Model accuracy improved by 4%” → You translate this into: “Return rate decreased by 1.2%” “This saves approximately €3M per year in logistics costs” → This makes ...
Post a Comment
Read more