Normalizza - The Innovation Group
annuncio pubblicitario
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
