L’approccio Advanced Analytics, i dati al servizio del manager

La rivoluzione digitale che stiamo vivendo ha profondamente trasformato il comportamento dei consumatori, sovvertendo l’antico paradigma secondo cui le aziende produttrici di beni e servizi potevano, con buona accuratezza, prevedere i loro volumi di vendite basandosi su dati storicizzati e pianificare di conseguenza la produzione. L’utilizzo sempre più intensivo da parte degli utenti di servizi di social networking, chat, mailing, ha spostato il terreno di gioco nel mondo virtuale.

I big player del digital hanno costruito un modello di business del tutto nuovo, incentrato sulla raccolta e successiva elaborazione delle informazioni circa i comportamenti degli utenti. L’informazione diventa così la vera moneta di scambio della nuova era. Grazie ai sofisticati algoritmi che fanno utilizzo di intelligenza artificiale, i dati raccolti permettono di elaborare strategie di marketing personalizzate. Siamo nell’era della customizzazione di massa. Chi detiene le informazioni più accurate, indirizza il mercato.

Oggi più che mai il tempo è denaro 

In questo scenario, per essere competivi, diviene di fondamentale importanza essere rapidi nel lancio di nuovi prodotti, altamente customizzati e a prezzi concorrenziali, garantendo al contempo elevati standard di qualità. Su un altro fronte, le nuove tecnologie che spingono la corsa di ciò che va sotto il cappello di Industria 4.0, diventano abilitatori irrinunciabili per inseguire i consumatori, concorrendo inoltre alla proliferazione di dati, in virtù della interconnessione tra dispositivi ‘parlanti’.
Le aziende che vogliono cogliere le opportunità derivanti da questi profondi cambiamenti, devono farlo digitalizzando le proprie operations, realizzando così a pieno il modello di digital business, come meglio illustrato nella figura 1:

Visto dall’interno dell’azienda, il punto di arrivo è rappresentato dall’intelligent supply chain planning, un nuovo moderno processo di supply chain in grado di catturare gli enormi volumi di dati disponibili, elaborarli e utilizzarli, così da ottimizzare i processi decisionali e di esecuzione. Una corretta interpretazione delle informazioni derivanti dalle diverse fonti, interne ed esterne alla organizzazione, può infatti risolversi in molteplici aree di miglioramento, come dettagliato nella seguente tabella (figura 2):

Un innovativo approccio alla elaborazione e all’utilizzo delle informazioni va sotto il nome di Advanced Analytics. Esistono sostanziali differenze tra il tradizionale approccio basato suie i metodi di Advanced Analytics. Nei sistemi basati su KPI vengono utilizzati i dati per ricostruire scenari relativi al passato, seppur recente. Nel moderno approccio, i dati vengono utilizzati in modalità real time per costruire un’immagine del presente, garantendo supporto alle decisioni per i manager. La frontiera è poi rappresentata dai moderni algoritmi di intelligenza artificiale che, ben alimentati, permettono di costruire scenari predittivi e di fatto rendersi potenzialmente autonomi nel processo decisionale.

Risulta evidente come un simile utilizzo dei dati apporti valore a ogni fase del processo. Si pensi alla possibilità di prevedere i volumi di ordini provenienti dai diversi canali implementati o alla possibilità di sviluppare rapidamente nuovi prodotti in linea con le aspettative dei consumatori, di prevedere gli interventi di manutenzione all’interno delle aree produttive, di modificare in corsa le strategie di gestione dell’intera catena logistica. Tutto ciò si risolve nell’incremento delle revenue e nella contrazione dei costi, apportando marginalità all’organizzazione.

Da un punto di vista tecnologico, tale processo di innovazione può risultare molto complesso e oneroso per quelle aziende che nel corso delle ultime due decadi hanno sostenuto ingenti investimenti per informatizzare i loro processi, spesso attraverso l’implementazione di architetture in house molto customizzate. In tal senso, sono sicuramente da ritenersi vincenti le odierne soluzioni disponibili in cloud, che permettono di ridurre il time to market, garantendo flessibilità di integrazione, un corretto percorso di migrazione per le vecchie installazioni, scalabilità e soprattutto consentono di cogliere le opportunità derivanti dal contenuto di innovazione apportato dai provider oggi presenti sul mercato, che in queste applicazioni stanno investendo per il loro futuro.