Cos’è l’Analisi Predittiva
L’Analisi Predittiva è una tecnica di Advanced Analytics che permette di prevedere i risultati futuri basandosi su dati storici e attuali per aumentare i profitti e ottenere un vantaggio competitivo sulla concorrenza.
I modelli di analisi predittiva si avvalgono di tecnologie come il machine learning (ML), la modellazione statistica e il data mining. Questo tipo di analisi avanzata rappresenta una sorta di continuum o evoluzione della Business Intelligence (BI) verso la Business Analytics (BA):
- Il punto di partenza è l’analisi descrittiva (cosa è successo e perché) sviluppata grazie a sistemi di BI, per cui si presuppone che l’azienda abbia già superato il passaggio alla Digital Transformation.
- Il passo successivo è l’analisi predittiva (cosa succederà) che rappresenta il primo step significativo nell’ambito della BA: è la base per implementare sistemi automatici che prevedono i problemi e li risolvono prima ancora che si verifichino.
- Fino allo sviluppo di modelli di analisi prescrittiva (come reagire o intervenire) in cui gli strumenti di BA non solo prevedono eventi futuri, ma consigliano le azioni da intraprendere per prevenirli o raggiungere i risultati desiderati.
Perché usare l’analisi predittiva nel business
Grazie a questa tecnica di analisi avanzata, le aziende possono prevedere e anticipare tendenze, comportamenti e risultati futuri, trasformando tali informazioni in valore strategico ed economico per:
- accrescere e far proliferare i propri affari;
- cogliere opportunità di business prima della concorrenza;
- ridurre al minimo il rischio di eventi negativi e ripercussioni sul proprio business.
Oggi l’analisi predittiva è entrata nelle aziende e segna il gap dell’”analytics divide”: chi possiede i dati e “prevede” il futuro vince le sfide nel mercato globale.
Stimare la probabilità di eventi futuri (o risultati) basandosi sui dati storici, è da sempre appannaggio di matematici e statistici, ciò che ha reso possibile l’accesso a tali tecnologie anche alle piccole e medie aziende è stato l’insieme di alcuni mutamenti nelle condizioni dei mercati e della tecnologia (sia in termini di sviluppo, che diffusione):
- Disponibilità di dati (Big Data): grazie all’Internet of Things, strumenti e sensori di rilevazioni sempre connessi, e alla ricchezza dei dati forniti dai sistemi aziendali (transazioni, comportamenti, marketing, dati di produzione, vendite, etc.);
- Tecnologie più accessibili (anche economicamente), user friendly, curve di apprendimento ridotte e maggiori livelli di adozione;
- Incremento delle capacità di calcolo;
- Possibilità di analizzare anche dati non strutturati (testi, immagini, video, etc.).
Questo pone nelle mani del management aziendale strumenti dalle grandi potenzialità.
Applicazioni della Predictive Analytics
L’analisi predittiva è applicabile in tutte le business area aziendali e settori industriali. Alcuni esempi di utilizzo sono:
- Rilevamento delle frodi: grazie ad algoritmi di Anomaly Detection è possibile identificare comportamenti anomali e intervenire preventivamente.
- Riduzione del rischio: utile nei settori bancario, assicurativo ma anche per il credito aziendale grazie al punteggio di solvibilità (es. credit score).
- Previsioni sul recupero dei crediti: indicatori predittivi segnalano in anticipo eventuali anomalie nei tempi di liquidazione da parte dei creditori.
- Ottimizzazione campagne marketing: individuare percorsi di comportamento, promuovere azioni di up-selling e cross-selling, fidelizzare i clienti, aumentare il tasso di soddisfazione e la customer retention.
- Manutenzione predittiva: prevenire guasti e fermi macchina su sistemi di produzione e macchinari evitando fermi e ritardi nella produzione.
- Ottimizzazione dei trasporti: controllo in tempo reale dello stato dei trasporti sul territorio, riduzione dei costi, ottimizzazione delle rotte di trasporto, saturazione dei mezzi, ottimizzazione della flotta, miglioramento della qualità (es. controllo della temperatura costante nel trasporto dei farmaci).
- Ottimizzazione della logistica: allineare dati di ordini, vendita e magazzino con previsioni future di produzione e approvvigionamento (es. evitare fenomeni di stock out).
- Ottimizzazione della produzione e delle operazioni: nei settori manifatturieri come in quelli dell’hospitality, prevedere il numero di affluenza/richiesta e ottimizzare le risorse per massimizzare i profitti.
- Gestione dell’infrastruttura IT: prevedere e risolvere il verificarsi di errori e guasti, talvolta adottando sistemi prescrittivi autonomi.
- Analisi della domanda: in relazione ad eventi ricorrenti o eccezionali.
Alcuni settori che hanno maggiormente beneficiato dei Predictive Analytics sono quello dell’Energia (stimare la produzione e pianificare l’attività estrattiva in base alla domanda e ad altri fattori capaci di condizionare il mercato), Assicurativo e Bancario (per la stima del rischio e il calcolo dei premi assicurativi), il Manifatturiero, l’Hospitality, il Retail e GDO, Luxury & Fashion per anticipare nuovi trend, prevedere stime di vendita e produzione in base ai dati geo-territoriali (affluenza, tempi di percorrenza, etc.), i settori Pharma e Life Science, che hanno potuto reagire in maniera tempestiva ad eventi impattanti e non prevedibili come il Covid-19.
Come funziona l’analisi predittiva per il business
Esistono due tipi di modelli predittivi utili per la business analytics:
- modelli di classificazione (discrimina tra due stati: 0 e 1)
- modelli di regressione (genera un risultato numerico)
Tali modelli fanno uso di svariate tecniche di modellizzazione predittiva:
- Alberi decisionali: ideali per rappresentare dei flussi di percorso in presenza di alternative (es. un processo decisionale);
- Regressione: stima la relazione tra variabili (es. effetti di determinati fattori sulla domanda di un determinato bene o per la stima del rischio del credito bancario);
- Reti neurali: tecniche adatte a modellare relazioni complesse;
- Machine Learning: il modello apprende ed evolve in maniera autonoma, senza essere riprogrammato;
- e molte altre.
Tecniche e modelli predittivi vengono sviluppati ad hoc sulle problematiche del business/azienda, presuppongono la presenza di un sistema di BI, un data warehouse con dati puliti e certificati e un team di persone con competenze di business management, di gestione dei dati, costruzione di modelli e algoritmi predittivi.
Processi di AI e ML nei modelli di analisi predittiva
Business Intelligence e Predictive Analytics svolgono funzioni diverse all’interno di uno stesso processo: le funzionalità di AI permettono di coniugare analisi di BI e di Advanced Analytics nello stesso strumento/soluzione.
Semplificando agli estremi un sistema di Machine Learning, potremmo riassumerlo così:
- Operazioni per la raccolta dei dati in un data warehouse;
- Realizzazione di un modello/algoritmo di ML per indagare un quesito;
- Elaborazione dei dati: software che lavorano esternamente e restituiscono dati arricchiti con più significato al dwa, dove sono nuovamente disponibili per la lettura/analisi o per alimentare altri modelli.
Tutto in un processo continuo, che si autoalimenta e si arricchisce di nuove informazioni in maniera autonoma.
Come fare analisi predittiva in azienda?
Per implementare modelli di analisi predittiva, o in generale di Advanced Analytics, nella tua azienda sono necessari:
- Elevato volume di dati disponibili (i modelli di analisi predittiva sono tanto più affidabili quanto più ampia è la base dati);
- Capacità di integrare fonti eterogenee (dati strutturati e non).
Secondo la nostra esperienza, per implementare soluzioni di BI e analisi predittiva, sono indispensabili alcuni passaggi preliminari:
- Attuare una reale Digital Transformation aziendale;
- Generare un cambio di paradigma culturale verso processi data-driven;
Blue BI, come partner di Business Intelligence & Analytics, offre un percorso di Laboratorio per meglio comprendere la situazione in essere e quindi la possibilità e modalità di inserimento di processi di ML all’interno della propria realtà.
Realizziamo soluzioni di Business Intelligence & Advanced Analytics per trasformare semplici dati in informazioni di grande valore strategico.
