Predictive Analytics in crescita, ma non in manifattura

Tags: : Qlik, analitiche predittive, manifattura, predictive analytics

SDA Bocconi, la Scuola di Direzione Aziendale dell’Università Bocconi di Milano, e Qlik, leader nella Visual Analytics, hanno realizzato un’indagine su circa 100 aziende appartenenti a diversi settori merceologici (45,9% manifatturiero, 22,9% servizi, 15,6% PA, 15,6% distribuzione e retail) per capire a che punto si trovano in termini di analitiche predittive, ossia nella capacità di mettere insieme dati pregressi e quelli raccolti in tempo reale, per identificare rischi e opportunità.

La diffusione attuale delle Predictive Analytics è parziale (24,8%), ma entro un anno è previsto un raddoppio per arrivare a un 54% di imprese che le utilizzeranno. Le aziende che affermano di non considerare le Predictive Analytics una priorità aziendale sono in prevalenza imprese manifatturiere. La complessità di progettazione e gestione di questi sistemi, la scarsa padronanza delle tecnologie di Data Analysis, nonché la capacità di utilizzare realmente i risultati delle Predictive Analysis da parte dei manager per migliorare i risultati aziendali, sono i timori indicati.

Perché scegliere le Predictive Analytics

Le aziende che già utilizzano o che hanno pianificato l’utilizzo delle Predictive Analytics, ammettono di farlo maggiormente quando si tratta di analizzare il comportamento d’acquisto del cliente o del consumatore, in termini di: probabilità di reazione ad azioni promozionali o a proposte di nuovi prodotti/servizi o a combinazioni nuove degli stessi (54,2%); probabilità di comportamento negativo nei confronti dell’impresa come rischio di abbandono, riduzione del volume e della redditività degli acquisti (30,5%); possibile fruizione dei pacchetti di servizio cliente disponibili come accesso a call center, utilizzo di garanzie, effettuazione di resi, etc (20,3%).

Le motivazioni principali dell’investimento in strumenti analitici risiedono nel miglioramento delle previsioni della domanda di prodotti/servizi e quindi delle performance commerciali dell’azienda (50,8%). Tuttavia la ricerca di ogni possibile ambito di contenimento dei costi operativi di vendita, di marketing e di logistica, si trova al secondo posto tra le motivazioni dell’investimento in Predictive Analytics (32,2%). Il miglioramento della customer experience è al solo al terzo posto (20,3%) probabilmente perché molte imprese operano nel B2B dove il concetto di customer experience stesso difficilmente viene applicato.

Tra gli ostacoli all’introduzione di Predictive Analytics, ci sono: la progettazione e gestione di questi sistemi analitici (40,7%); la conoscenza delle tecnologie di Data Analysis (e di data management – 37,3%) e di metodi statistici e matematici di predizione (32,2%); la qualità dei dati (25,4%) e i costi di investimento per la progettazione e realizzazione (23,7%). Mentre i costi di esercizio di questi sistemi analitici (che includono la gestione e la manutenzione degli stessi) non sembrano essere considerati un problema.

Lascia un commento

Devi essere loggato per postare un commento.