Prendere decisioni migliori e più rapide elaborando al meglio i dati complessi

Gli opinionisti di Mark Up (da Mark Up n. 285)

“Caro amico ti scrivo ...” cantava Lucio Dalla agli inizi del 1979. Oggi, alle soglie di un nuovo decennio, quarant’anni dopo, rifletto con voi come con degli amici, riprendendo un dialogo che avevamo iniziato in primavera, parlando di advanced analytics. Spostiamo lo sguardo a quelle che sono le opportunità offerte dalla tecnologia ed ecco tornare il termine analytics, questa volta, però, applicato alle operation. Per operations analytics si intende quell’insieme di analisi focalizzate sulle performance e ottimizzazione in tempo reale delle performance delle operations di un’azienda.

 

 

Attraverso l’uso di strumenti progettati per il data mining, è possibile trarre vantaggio dalla capacità di prendere decisioni migliori e più rapide grazie all’elaborazione di dati complessi.

L’analisi statistica è fondamentale per le operations analytics e ciò include la costruzione di modelli predittivi che guidino lo svolgimento del processo decisionale. Tali modelli potrebbero guidare decisioni completamente automatizzate o possono essere utilizzati come input per le decisioni di gestione, si pensi per esempio -nel mondo dei beni di consumo- a una fabbrica o a un magazzino di distribuzione. Tipicamente operations analytics comprendono sia le classiche estrazioni di dati sia reportistiche standard che possono a discrezione dell’utente sia guidare decisioni completamente automatizzate sia generare input per decisioni umane. Sono strumenti di allerta che possono essere utilizzati per rispondere a domande come “Dove si trovano i problemi, in che linea? Per quali materiali?”, “Cosa si è verificato di imprevisto?”, “Cosa abbiamo fatto in passato per risolvere un problema analogo?”. Nel settore dei beni di consumo una classica applicazione è quella dell’ottimizzazione della produzione o della distribuzione fisica. Le operations analytics possono innescare manutenzione preventiva, mirata a identificare potenziali problemi prima che si verifichino oppure possono innescare una condivisione di dati con i clienti in un’ottica di visibilità e miglioramento del livello di servizio. Questo già oggi avviene per alcune categorie ad alto valore unitario e alta rotazione -per esempio il dolciario- dove le analisi dei dati puntuali delle operations (in particolare sulla variabilità del lead time di consegna) sono spesso condivise con la gdo in modo da realizzare una migliore pianificazione della supply chain. Ci sentiamo tranquillamente di dire che oggi nessuna azienda può più permettersi di non investire in questo ambito e che l’utilizzo di dati nelle operations diventerà sempre più decisivo per prendere decisioni migliori e sostenere crescita e sostenibilità. Quando si tocca il lato degli investimenti è importante non trascurare anche il fronte dei benefici derivanti dall’adozione di queste tecnologie. Elenco quelli principali:  transparency, cioè avere la capacità di visualizzare tutto il ciclo delle operations, identificandone rapidamente le variabili.

 

 

Fast troubleshooting, ovvero la capacità di utilizzare i dati generati per identificare rapidamente la causa principale di un problema e le relative soluzioni.

Analisi dell’impatto, e con questo intendo identificare (grazie alla transparency) l’impatto sul business.

Le operation analytics, soprattutto nel mondo dei beni di consumo e del retail sono ancora in una fase embrionale, poiché l’attenzione è sempre stata spostata sul lato del consumatore.

I benefici di una loro applicazione si possono, però, già vedere e ottenere adesso, senza necessariamente aspettare l’anno che verrà.

 

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome