Le previsioni contano
Marketing Area: previsione della domanda, delle vendite,
preferenze dei consumatori.
Retail Area: previsione della domanda per ottimizzare i
carichi di magazzino.
IT Area: previsione del carico dell’infrastruttura per
anticipare aumenti di capacità ed ottimizzare la gestione
delle risorse.
Strategic Area: previsione dei movimenti di settore,
previsione dei competitors.
Production Area: previsione delle variabili di produzione
(pezzi difettati, qualità etc.), ottimizzazione della
sovraproduzione.
NOAA Wether forecasting
MarketMind Research® – ANALYTICS 2013
Gestione integrata del processo
di previsione
ANALYTICS 2013
13 GIUGNO MILANO - FOUR SEASONS HOTEL
MarketMind Research
®
FABIO FOGLIA
CO-FOUNDER
MarketMind Research® – ANALYTICS 2013
7 Step del processo di previsione
1
Definire lo
scopo
2
Definire la
previsione
• Variabili
• Distanza
temporale
3
Determinare
il modello
di previsione
4
5
6
7
Selezionare Normalizzare Validare &
Sfruttare le
e ottenere i dati
Effettuare
previsioni
i dati
la previsione
• Algoritmo
• Tool
MarketMind Research® – ANALYTICS 2013
7 Step del processo di previsione
4 attività tecnology driven
Attività Technology Driven
1
Definire lo
scopo
2
Definire la
previsione
• Variabili
• Distanza
temporale
3
Determinare
il modello
di previsione
4
5
6
7
Selezionare Normalizzare Validare &
Sfruttare le
e ottenere i dati
Effettuare
previsioni
i dati
la previsione
• Algoritmo
• Tool
MarketMind Research® – ANALYTICS 2013
4 Step technology driven
Le attività core del processo di previsione
3
Determinare
il modello
di previsione &
tuning
4
Selezionare e
ottenere
i dati
5
Normalizzare
i dati
6
Validare &
Effettuare
la previsione
MarketMind Research® – ANALYTICS 2013
1° Criticità
High skills required!
3
Determinare
il modello
di previsione &
tuning
Difficile stabilire a priori quale
algoritmo / tool usare
Come configurare il modello?
I cambiamenti di modello impattano
sul resto del processo (pochi tentativi
possibili)
Diversi algoritmi/tool possono
richiedere una differente
normalizzazione dei dati
Analisi di dati
MarketMind Research® – ANALYTICS 2013
2° Criticità
Gestire dati omogenei e con eccezioni
5
Normalizzare
i dati
Ricampionare i dati alla stessa
frequenza (es. ogni settimana, ogni
giorno)
Dati mancanti! Come gestirli?
Colonne parzialmente compilate
Dati alfanumerici in colonne
numeriche (es. “non disp.”, “n.a.”)
Colonne parzialmente compilate
Colonne di tipo alfanumerico
(es. “nome campagna”)
MarketMind Research® – ANALYTICS 2013
3° Criticità – Quali dati usare?
Determinare le variabili significative per la previsione
4
Dati disponibili
Dati utili
Selezionare
e ottenere
i dati
Poche metodologie disponibili!
(Approccio euristico)
MarketMind Research® – ANALYTICS 2013
4° Criticità: dipendenze
Le dipendenze tra le attività complicano il flusso reale del processo
Algoritmo/Tool sbagliato?
Normaliz. non ottimale?
Time consuming!
3
Determinare
il modello
di previsione &
tuning
4
5
Selezionare e
ottenere i dati
Normalizzare
i dati
6
Validare &
Effettuare
la previsione
Dati non rappresentativi?
MarketMind Research® – ANALYTICS 2013
5° Criticità: relazioni complesse
Alcune variabili potrebbero essere determinate da relazioni complesse
Modelli lineari
Poco
rappresentativi
in casi reali
Modelli regressione
/probabilistici
classici
Possono non
cogliere
relazioni
complesse
Modelli intelligenza
artificiale
Difficili da
configurare
Richieste
competenze
specialistiche
MarketMind Research® – ANALYTICS 2013
Analisi delle criticità
Criticità n°1
Criticità n°2
Criticità n°3
Criticità n°4
Criticità n°5
Scelta
dell’algoritmo e
configurazione
Normalizzazione
dei dati
Individuare variabili
significative
Necessità di
ripetere
iterativamente il
processo
Interpretare
relazioni complesse
presenti nei dati
Time consuming
Time consuming
Time consuming
Time consuming
Time consuming
Difficile ottimizzazione
Error-prone
Difficile ottimizzazione
Riduzione della
frequenza di
esecuzione
Riduzione della
frequenza di
esecuzione
MarketMind Research® – ANALYTICS 2013
Integrare & automatizzare
Ottimizzazione migliore grazie alla gestione unificata delle attività core
Business Forecasts
1
Definire lo
scopo
2
Definire la
previsione
• Variabili
• Distanza
temporale
3
Determinare
il modello
di previsione
4
Ottenere
i dati
5
6
7
Normalizzare Validare &
Sfruttare le
i dati
Effettuare
previsioni
la previsione
• Algoritmo
• Tool
MarketMind Research® – ANALYTICS 2013
Previsioni come asset aziendale
Previsioni disponibili dove servono e al momento giusto
MarketMind Business Forecasts:
Automatizza le attività core del processo di previsone
Impiega tecniche avanzate di machine learning
Normalizza automaticamente i dati eterogenei
presenti nel database aziendale
Pubblica automaticamente le previsioni nel
database aziendale, rendendole un vero asset
aziendale
MarketMind Research® – ANALYTICS 2013
Gestione delle criticità
Criticità n°1
Scelta
dell’algoritmo e
configurazione
Sistema proprietario di
apprendimento
automatizzato.
Criticità n°2
Normalizzazione
dei dati
Motore di
normalizzazione
integrato con il
processo.
Criticità n°3
Individuare variabili
significative
Sistema di selezione
automatico delle
variabili
significative.
Criticità n°4
Necessità di
ripetere
iterativamente il
processo
Completa
automazione del
processo.
Criticità n°5
Interpretare
relazioni complesse
presenti nei dati
Motore di
intelligenza
artificiale
proprietario.
MarketMind Research® – ANALYTICS 2013
Caso – previsioni vendite
Prevedere le vendite di un prodotto per il prossimo mese.
Criticità
Quali variabili
utilizzare?
Criticità
Dati di input
eterogenei
Criticità
Relazioni tra i
dati non chiare
Marco
Business Forecasts
Vendite
Media azienda
Selezione automatica
delle variabili
significative
Normalizzazione
automatica dei
dati aziendali
Sistema di machine
learning: impara a
prevedere studiando
il passato
MarketMind Research® – ANALYTICS 2013
Business Forecasts
Contatti
Fabio Foglia - Co-founder
[email protected]
MarketMind Research®
[email protected]
MarketMind Research® – ANALYTICS 2013
