Nessuno sa veramente quali potranno essere le ripercussioni nel breve e nel medio termine di questo evento che sta piano piano coinvolgendo le economie mondiali. Oggi, nel pieno dell’emergenza, fatichiamo anche a vedere le conseguenze immediate, se non quelle pratiche che ci limitano negli spostamenti, tuttavia ognuno di noi ha piena consapevolezza che la cosa non sarà indolore e le conseguenze di questo avvenimento si faranno sentire in ogni azienda.

E’ chiaro che ogni realtà dovrà prendere dei provvedimenti di tipo organizzativo, economico e/o produttivo, ma quali sono le azioni migliori da intraprendere?

Non sapendo esattamente cosa accadrà risulta difficile anche solo immaginare delle strategie da portare avanti, allora cosa possiamo fare?

In questo senso ci vengono incontro i dati: questi possono essere utilizzati per valutare scenari ed ipotesi, ovvero possono essere usati per valutare la migliore strategia da adottare al verificarsi di determinate situazioni economiche.

La vision futura non può che basarsi su serie riflessioni sul passato (analisi dei dati storici) supportata da validi modelli matematici e sistemi di machine learning che ci consentano di intercettare il futuro.

Quali sono le tecniche che possono consentire di procedere in tal senso?

 

What if Analisi: ipotesi e scenari

Una prima tecnica che consente di valutare il comportamento di un sistema è la What if analysis che permette di valutare l’impatto di un’azione tattica o strategica prima di intraprenderla. Si tratta di un processo di simulazione, che consente di analizzare il comportamento del business aziendale in base a specifici scenari.

Questo tipo di analisi viene utilizzata ad esempio per la pianificazione della produzione industriale, si assume come situazione di partenza quello che è l’ordinato, che, corretto di una opportuna percentuale cuscinetto diventa lo scenario da cui partire.

Le variabili indipendenti in ingresso al sistema sono invece: la massima capacità produttiva degli impianti, il numero massimo di giorni uomo disponibile, i giorni di cassa integrazione ipotizzati, i giorni di ferie e le capacità di stoccaggio dei magazzini.

Utilizzandole come leve possiamo valutare diverse combinazioni di questi valori per considerare gli scenari che si prospettano in termini di rispetto delle consegne previste e dei costi che devono essere sostenuti.

In pratica la creazione di uno scenario consente la creazione di un mondo ipotetico che l’analista può interrogare e navigare secondo diverse ipotesi.

L’analisi what if viene fatta utilizzando fogli di calcolo o strumenti OLAP: i fogli di calcolo offrono un contenuto interattivo ed un ambiente flessibile per specificare gli scenari, ma manca l’integrazione con i dati storici e la possibilità di salvare le versioni delle diverse simulazioni. Si tratta di un’analisi molto utile, soprattutto per analisi di breve periodo, adatta però a descrivere scenari relativamente semplici ed in cui le variabili possono essere considerate del tutto indipendenti.

 

Modelli di simulazione: valutare la complessità

Nella realtà le variabili sono spesso interconnesse, banalmente cambiando un fattore come il volume delle vendite si influenzeranno direttamente altri fattori come il prezzo di vendita.

Inoltre spesso le ipotesi su cui si basa uno scenario sono frutto di esperienza pregresse che non valgono qualora si presenti il cosiddetto “Cigno Nero”, come sta accadendo nel caso del Coronavirus.

Quindi, quando i dati che si hanno a disposizione diventano consistenti, così come le variabili in gioco, la semplice analisi what-if non basta più, occorre rivolgersi all’analisi predittiva ed a modelli di simulazione di sistemi complessi.

Esistono in questo caso diverse tecniche applicabili in funzione del sistema che vogliamo rappresentare, sicuramente quella che oggi potrebbe meglio descrivere la situazione causata dall’arrivo del virus è quella della simulazione di Sistemi Complessi ad Agenti arricchita dalle tecniche di indagine degli Interaction Pattern.

La modellazione basata su agente permette infatti di modellare sistemi suddividendoli in componenti autonome ed interagenti che, nel loro interagire, danno dinamicamente vita alla completezza del sistema.

Gli interaction pattern consentono, invece di individuare tendenze e comportamenti, consentendo quindi di predire scenari futuri.

I sistemi ad agenti sono particolarmente adatti quando si ha a che fare con persone od organizzazioni interagenti ed aventi finalità diverse. Ad esempio quanto un’organizzazione vuole modellare le sue dinamiche interne, oppure se si vuole rappresentare un’azienda che interagisce con le altre o con gli altri attori del suo sistema (fornitori, clienti, mercato …)

In definitiva la Simulazione Basata su Agente (meglio nota nella denominazione inglese Agent-Based Simulation: ABSS) serve a monitorare l’introduzione deliberata di nuove misure, nuovi prodotti o processi così come ad esplorare le tendenze evolutive (o involutive) spontanee dei sistemi.

L’utilizzo di queste tecniche può essere usato, adesso, per ipotizzare diversi scenari futuri e prevedere, per ognuno di essi azioni da intraprendere per preservare al meglio il futuro di ogni azienda ed, in generale, quello di ognuno di noi.

New call-to-action

Approfondimenti da BNext:

Prevenire l’abbandono dei clienti: le churn analysis in Niky

Le churn analysis sono analisi avanzate dei dati che non solo offrono una previsione della tendenza all’abbandono da parte dei clienti, ma consente di trarre efficaci strategie per migliorare la Customer eXperience.

Niky Analytics, analisi avanzate dei dati per il Retail Marketing

Gli analytics nel retail: Niky Analytics per migliorare l’esperienza del cliente, aumentare le vendite e ottimizzare le operations

Dataiku: le novità della release 9

Dataiku, tante novità. Le energie si concentrano sul processo di trasformazione e analisi del dato e sulla collaborazione con altri tool, come Tableau

Predictive Analytics nel Retail marketing, i casi d’uso

Retail marketing, i casi d’uso delle predictive analytics. Alcuni esempi applicativi delle analisi predittive nell’ambito del Retail marketing

Retail Analytics, la Data Science applicata al settore del commercio

Cosa sono i Retail Analytics, a cosa servono e per chi sono utili. Scopri come sfruttare al meglio la Retail Data Analysis

Dataiku: Intelligenza Artificiale per le case farmaceutiche

Oltre il 60% delle aziende farmaceutiche sono state identificate come “principianti” quando si parla della loro maturità riguardo l’AI.

denodo: quando la Data Virtualization fa la differenza

La data virtualization è trasversale e può fare la differenza in quelle situazioni in cui i dati sono su diverse fonti da integrare

Le analisi di coorte integrate in Niky, la piattaforma di Customer Analytics di BNova

Nelle analisi di coorte integrate in Niky puoi osservare l’evoluzione nel tempo delle coorti acquisendo informazioni di valore per il business

Data Virtualization: a chi porta i maggiori benefici?

I vantaggi e benefici che la Data Virtualization porta in azienda riguardano tutti i data consumer, ciascuno in modo diverso. Vediamo per le diverse funzioni aziendali, quali sono i benefici più evidenti.

Analisi di coorte: cos’è e perché è importante per capire il comportamento degli utenti

L’analisi di coorte è una tipologia di analisi dei dati che si concentra sulle attività ed il comportamento di una specifica coorte, ossia un gruppo di persone che condividono una o più caratteristiche comuni in un dato periodo di tempo.