INNOVATIABLE

[Musica]

Gli algoritmi di Netflix basati su Machine Learning e Artificial Intelligence sono talmente sofisticati e funzionano talmente bene che le raccomandazioni personalizzate determinano circa l'80% delle scelte di visualizzazione da parte della clientela. Questo ha permesso, tra l'altro, di ridurre in maniera molto significativa al tasso di abbandono della clientela che aderisce alla piattaforma. Ecco com'è possibile trarre vantaggio da questo bel connubio tra il mondo analitycs, tra il machine learning, l'artificial intelligence anche su diverse Industry?

Io sono Lorenzo Beliusse, Direttore Marketing di Reti S.p.A. e vi do il benvenuto a INNOVATIONABLE, il podcast di Reti in cui trovare spunti per stimolare innovazione, indubbiamente, sostenibile. Qui con me per affrontare questa puntata e parlare di questo tema abbiamo nuovamente Alessandro Piva, Direttore dell'Osservatorio sull'Artificial Intelligence del Politecnico di Milano. Buongiorno Alessandro.

Ciao Lorenzo grazie mille per l'invito

e bentornato! Nella prima puntata con te abbiamo parlato di come si può intraprendere questo percorso per diventare aziende data driven, ora facciamo un passo in più con il tuo aiuto per capire come la tripletta che abbiamo descritto - che tu ci hai proposto come titolo che ci è piaciuto molto quindi è Analytics, Machine Learning e AI possano veramente aiutare le industrie.

Sì assolutamente. Quando ci affacciamo a questo a questi temi parliamo prima di tutto di un approccio che deve essere orientato alla qualità del dato, la qualità del dato spesso viene trascurata però è un elemento fondamentale no? Si stima che l'80% del tempo dedicato allo sviluppo di progettualità legate al mondo dei dati sia in realtà legato alla preparazione, alla validazione dei dati, alla verifica che
questi dati non abbiano dei bias, ecco quindi il primo aspetto è legato all'attenzione alla qualità e all'infrastruttura tecnologica che permetta di avere questi dati sempre disponibili, perché qualità del dato significa anche dati aggiornati, nel giusto formato, disponibili per essere analizzati in varie progettualità in un contesto particolare che ci vede davanti ad una proliferazione di fonti di dati, di dati strutturati ma anche i dati non strutturati; cioè significa dei dati che nel loro formato nativo sono già pronti per essere analizzati, quindi dati tipicamente dai sistemi transazionali, ai nostri CRM, dei nostri sistemi di gestione delle risorse umane e quant'altro ma anche dati non strutturati cioè dati che nel loro formato iniziale necessitano di essere manipolati. Quindi pensiamo al mondo delle immagini, al mondo del testo che sono ambiti su cui c'è grande fermento anche prospettico e questo quindi ci richiede un'evoluzione anche tecnologica e di approccio al dato stesso. Questo è il punto di partenza.

Poi in questo processo di trasformazione c'è anche una maggiore attenzione alle tipologie di analisi che si possono fare, tipicamente quello che succede nella realtà grandi così come nel mondo delle piccole-medie imprese è partire da quello che possiamo definire un approccio descrittivo, quindi analizzare dati storici o dati attuali dell'azienda e dare delle rappresentazioni, rappresentazioni anche visuali di come il business dell'azienda o un determinato ambito dell'azienda sta performando.

Questa tipologia di approccio che definiamo descrittivo, che possiamo chiamare del mondo del Basic Analytics, della Data Visualization, che pure è l'aspetto più tradizionale e diciamo iniziale è comunque un ambito di progetto in cui si ha un estremo valore nel riuscire a rappresentare in modo corretto l'andamento del business dell'azienda. Questo tipo di approccio dedicato alla rappresentazione e allo sviluppo delle capacità di far vedere l'andamento dell'azienda si affianca tipicamente ad un'attenzione legata ai processi interni dell'azienda, quindi tipicamente ci si muove andando ad ottimizzare ad efficientare le modalità con cui facciamo business all'interno dell'azienda, quindi un focus sulle efficientamento dei processi di acquisto, dei processi di vendita, dei processi di produzione e in questa fase non si ha ancora maturato quella che può essere una prospettiva dell'utilizzo dei dati nel cambiamento della relazione con il cliente quindi il focus è molto legato all'efficienza, si iniziano a intravedere delle opportunità e però il modo anche migliore per riuscire a coinvolgere il top manager perché sono dei business case semplici con il ritorno dell'investimento molto chiaro e anche come dire molto immediato che non vanno sbagliati perché se si sbaglia qui si rischia poi di bloccarsi in un processo di trasformazione molto più ampio.

Ecco le analisi sono appunto diverse, come tipologie, si sente spesso parlare di analisi di tipo predittivo su diversi ambiti, parlo sul lato marketing e quello che forse conosco indubbiamente meglio e posso andare per dire lo stato di soddisfazione di un cliente rispetto al mio prodotto analizzando quello che posso avere in casa mia come base dati, ambito medicale sto pensando anche il fatto di poter andare a predire uno stato di evoluzione di una certa patologia in funzione dei dati. Ecco come si fa, come si approccia questo tipo di analisi?

Assolutamente sì, è corretto quello che dici ed è la dimensione di lavoro successiva a quella che abbiamo visto finora, quindi spostare l'attenzione dalla rappresentazione attuale della mia azienda a provare a fare delle predizioni per l'appunto quindi spostare l'attenzione su ciò che potrà accadere in futuro. È chiaro che qui ci spostiamo da un contesto deterministico ad un contesto statistico, di probabilità, di capacità di comprendere come evolveranno il nostro business, quindi ovviamente c'è un contesto di variabilità più elevato e ci sono anche tecniche diverse che possiamo utilizzare per stimare un determinato avanzamento-andamento di business. Qui esistono diversi livelli di predittività per l'appunto una prima tipologia che è proprio quella dei progetti di Predictive Analytics ha a che vedere con la capacità di predire l'andamento di una determinata variabile che ci interessa andare a monitorare, poi abbiamo un successivo elemento di di predizione che viene chiamato in letteratura Prescriptive Analytics dove il nostro sistema di Machine Learning, di intelligenza artificiale è in grado non soltanto di prevedere dei determinati contesti ma anche di suggerirci delle possibili alternative; pensiamo ad esempio in un contesto di produzione, in un impianto industriale, il nostro sistema è in grado di prevedere quali possono essere dei piani di manutenzione, quindi andare ad analizzare contesti più complessi, mettere insieme diverse informazioni e quindi suggerirci diversi piani di manutenzione sulla base di molte molte variabili e quindi andare a, in un contesto in cui magari fermare la produzione dei costi incredibili, andare a pianificare una serie di azioni tutte di concerto insieme per ridurli. E poi abbiamo l'ultimo ambito della predizione che quello che viene chiamato Automated Analytics, in questo caso ci avviciniamo sempre di più ai contesti e intelligenza artificiale, quindi in questo caso il nostro sistema non solo è in grado di predire che cosa potrà accadere in futuro ma in grado anche di prendere delle decisioni in maniera autonoma, in maniera automatizzata, quindi questo caso possiamo avere delle automazioni di tipo deterministico quindi all'avvenire di una determinata situazione mettere in campo una determinata azione, oppure contesti di maggiore autonomia dei nostri sistemi e quindi si adattano, quindi se pensiamo ad esempio la guida autonoma, all'auto guida autonoma ma anche in contesti della logistica o quant'altro, stiamo pensando a situazioni in cui i nostri sistemi possono muoversi in maniera autonoma. Dicevi, giustamente, il tema dei processi citavi il marketing, ecco abbiamo diverse progettualità che si possono come dire prestare a diverse tipologie di industrie in maniera trasversale che riguardano tutti i processi, i processi che tutte le aziende hanno quindi ad esempio il mondo del marketing, la relazione con il cliente, la predizione del tasso di abbandono, l'analisi della banda reputation sui social piuttosto che la capacità di fare chaos e upselling di prodotti e servizi ma anche altri ambiti progettuali pensiamo a tutto il mondo risorse umane, mondo molto tradizionale che però inizia a utilizzare gli analytics nell'acquisizione dei talenti, nella gestione dei talenti, nello sviluppo delle persone piuttosto che altri processi di vendita o di produzione; quindi le opportunità va detto sono potenzialmente infinite c'è ovviamente un progressivo coinvolgimento delle diverse figure di business, noi che negli anni ci siamo occupati di analizzare questa evoluzione vediamo oggi tante figure di business che tradizionalmente erano lontane da queste tematiche che oggi invece non solo le comprendono ma hanno voglia di portare in azienda questa innovazione perché hanno visto che ci sono opportunità quindi davvero tante tante opportunità in tutti i processi aziendali.

Certo anche perché con gli Osservatori appunto avete modo di entrare in contatto con tantissime realtà e anche accompagnare all'interno di questi bellissimi viaggi. Prendendo spunto da questa tua esperienza, pensando un attimo riflettendo sul tessuto imprenditoriale italiano, ecco tutto quello che riguarda l'industria la supply chain prima hai citato la logistica, puoi portarci qualche esempio esplicativo su questi ambiti?

Assolutamente sì dicevi il tessuto italiano è un
tessuto fortemente manifatturiero e questo è stato come dire un elemento caratterizzante della nostra economia e continua ad esserlo fortunatamente, anche in questi contesti però essere veloci ad adattarsi al cambiamento, ad essere rapidi, ad avere tecnologie abilitanti è diventato fondamentale, sia dal punto di vista delle modalità con cui produco e quindi pensiamo a tutto il mondo dell'Industria 4.0, agli impianti connessi quindi la possibilità di monitorare in tempo reale quello che sto facendo e quindi proprio nel processo manifatturiero quanto nel processo poi connesso, alla logistica, al movimentamento delle merci e quant'altro.
Qua dentro possiamo trovare molte progettualità che fanno leva sulla possibilità di avere molti più dati quindi i sensori nei nostri impianti ma anche nei nei nostri magazzini, nei nostri sistemi di movimentazione, i nostri muletti in qualsiasi tipo di ambito anche molto tradizionale oggi possiamo mettere dei sensori. Questo ci porta a tutta una serie di progettualità nuove sia nel mondo della manutenzione predittiva anche applicata all'ambito industriale quindi gestire nel modo corretto i miei impianti e i miei asset aziendali ma anche ad esempio nella gestione della qualità nel mio processo costruttivo utilizzando logica ad esempio legate al mondo della computer vision posso identificare anomalie di prodotto in maniera molto più rapida, in maniera molto più corretta e poi tutto il mondo della logistica quindi la movimentazione delle merci all'interno del magazzino quindi con percorsi di picking e di gestione della merce ottimizzati abilitati alla intelligenza artificiale ma anche nella gestione delle flotte, sia flotte che qualche modo trasportano poi la merce nei vari - tutto mondo della gestione dei corrieri sia ad uso consumer che uso business e anche agli stessi sistemi di movimentazione della merce, quindi tutto il mondo della gestione delle flotte, dei muletti o quant'altro no quindi sia dal punto di vista della pianificazione, dell'utilizzo di queste risorse, che del monitoraggio del loro utilizzo quindi anche qui in logica manutentiva o quant'altro. E poi ovviamente la gestione della supply chain più nel suo complesso quindi la capacità di predire la domanda in maniera più di prodotti in maniera più precisa in contesti di supply chain sempre più complesse, cioè chiunque oggi ha anche una piccola azienda inserita all'interno di una catena di fornitura significativa e quindi ha necessità di poter adattare la propria capacità produttiva in tempo reale, abbiamo visto molte tensioni sulle catene produttive con la carenza dei chip, con le crisi legate anche alle situazioni geopolitiche, ecco la logistica è sempre più importante dal elemento di efficientamento a elemento di valore competitivo e di capacità di mantenere le Bise poi ovviamente si poteva fare molti altri esempi in altri settori dal mondo dei servizi finanziari, il mondo delle utility, appunto citavi il mondo della medicina e della ricerca; qui ovviamente gli esempi sono molto ampi e vanno a coprire tanti tanti aspetti.

Insomma dovremmo creare diverse puntate per ognuno di questi verticali Alessandro ti chiederemo quindi di venire ancora, ancora una volta a trovarci.

Alessandro grazie mille per questa ennesima bellissima chiacchierata su questi temi assolutamente attuali che abbiamo capito che possono diventare degli elementi di competitività davvero importanti. Grazie ancora grazie per questa chiacchiera e per tutti gli approfondimenti vi invitiamo a consultare il sito reti.it/podcast e ci vediamo al prossimo episodio di INNOVATIABLE, il podcast di Reti!

[Musica]