Claudio Sguoto Come si vince la sfida dei dati?€¦ · A fronte di un cliente sempre più...
Transcript of Claudio Sguoto Come si vince la sfida dei dati?€¦ · A fronte di un cliente sempre più...
Copyright © 1996 SAS Institute srl
itasascom è una pubblicazioneperiodica di SAS Institute s.r.l.
Tutti i diritti sono riservati
Registrazione al Tribunaledi Milano N. 71 del 15/02/97
SAS è un marchio registratodi SAS Institute Inc. (NC) USA.Altri marchi o nomi di prodotticitati sono marchi registratidelle rispettive aziende.
È vietata la riproduzioneanche parziale della rivistasenza autorizzazione
Distribuzione:versione cartacea e digitale
iEditorialei
IoT e streaming analytics:il futuro basato sulla conoscenza
Emanuela SfercoRegional Marketing Director SAS
Con l’Internet of Things ogni oggetto sarà inter-connesso e fornirà attraverso la rete dati utili alle decisioni. Si prospetta un mondo basato sulla
conoscenza. Ma come elaborare il flusso continuo dei Big Data provenienti dagli da smart object?
Grazie alla gestione dei dati in streaming, per cui le infor-mazioni vengono analizzate automaticamente prima di venire memorizzate nel cloud o altro repository. L’analisi avviene mentre il sistema continua a ricevere e trasmettere dati da e verso l’Iot (Analytics of Things), fornendo insight predittivi in tempo reale. La chiave risiede nella tecnologia: si analizza il presente per predire il futuro, grazie a strumenti capaci di identificare i modelli nel momento in cui i dati sono ricevuti.
Le applicazioni sono tantissime (dai sistemi di trasporto intelligenti alle smart grid), ma con un unico denominatore: il potere della conoscenza.
4BILLION
$4TRILLION
25+MILLION
25+BILLION
50TRILLION
Connected People
Revenue Opportunity
Apps Embedded & Intelligent
Systems
GBs of Data
FONTE: IDC
Impatto atteso dell’ IoT nei prossimi anni
Stanhome, mette al centro il canale / p. 19
Direttore responsabile:Emanuela Sferco @EmanuelaSferco
Caporedattore:Michela Guerra @mhg326
Coordinamento editoriale:Augusta Longhi @augustalonghi
Impaginazione:Marketing ArenaIdentity Atlas
Stampa:CPZ spa - via Landri 37/3924060 Costa di Mezzate,Bergamo
Fotografo:Gabriele Sandrini
Per sottoscrivere un abbona-mento gratuito a itasascom scrivere a:[email protected]
COVER STORY6 Come si vince la sfida dei dati?
La partita dei dati si gioca tutti insieme mettendo a fattor comune le competenze
PROTAGONISTI11 Zurich Italia, analytics per una
tariffazione veloce e competitivaData quality e soluzioni analiticheper migliorare la competitività
PROTAGONISTI19 Stanhome, mette al centro il canale
Innovare lavorando sul campo per conoscere il contesto e gli strumenti
IL PUNTO DI VISTA30 Quattro fenomeni che stanno
cambiando il mondo delle impreseInnovazione per l’economia di domani
SOLUZIONI E TECNOLOGIEAdvanced Analytics
14 Analytics in Action: come trasformarei dati in insight di businessData, Discovery e Deployment per un approccio strutturato agli analytics
SOLUZIONI E TECNOLOGIEData Management
22 Per analytics di qualitàoccorrono dati di qualitàPrendere decisioni a partire dai dati
PROTAGONISTI24 Leroy Merlin mette insieme
tutti i pezzi della supply chainLegare produzione e marketingper ripensare la supply chain
PROTAGONISTI28 Česká Pojišťovna,
dalla difesa all’attaccoUn approccio più proattivo e in temporeale per combattere le frodi
ContentiSommarioi
Come si vincela sfida dei dati?
La partita dei dati si gioca tutti insieme,mettendo a fattor comune le competenze
data knowledge / advanced analytics / finance
iCover Storyi
Centro direzionale La Torre Intesa Sanpaolo, Torino
7itasascom · 1/2016
P iù valore per le persone, più valore per il business. Questa è la sfida che le banche vogliono vincere mettendo al centro i dati. Omni-channel e omni-en-
gagement, real-time e sempre a portata di mano.
Così cambia la banca grazie allo sviluppo di infrastrutture che mettono a fattore comune cloud, mobile, social e libe-rano la potenza degli analytics per misurare le perfomance, migliorare la gestione del rischio e prendere decisioni data driven. Ma come si vince la sfida dei dati? Abbiamo girato la domanda a Claudio Sguoto, Responsabile Servizio Data Governance di Intesa Sanpaolo.
iCover Storyi
La partita dei dati si gioca tutti insieme, met-tendo a fattor comune le competenze e superando certe “gelosie” che poi diventano freno al cambiamento. Da un lato il data scientist, con un mix di competenze, capace di gestire, acquisire, organizzare ed elaborare dati. Dall’altro un owner o “papà” dei dati e infine una figura di regia del processo dei dati che va dal mondo business all’IT, capace di progettare e costruire nuovi modelli di organizzazione, utilizzo e usabilità dei dati. La portata di questa sfida impone non solo di utilizzare l’arsenale delle competenze tecniche, ma di attingere anche a quelle competenze “soft” in grado di creare un contesto umano favorevole al cambiamento.
Come si vince la sfida dei dati?
Claudio Sguoto, Responsabile Servizio Data Governance, Intesa Sanpaolo
Centro direzionale La Torre Intesa Sanpaolo, Torino
8itasascom · 1/2016
Gli analytics supportano il management nel prendere decisioni di business più adeguate ed efficaci. Stiamo parlando di coprire le esigenze normative, gestire meglio la propria esposizione al rischio ed essere quindi più preparati a prendere decisioni, reagendo rapidamente. Tutto ciò non è possibile senza un’adeguata democratizza-zione degli analytics a livello aziendale. Ma con gli analytics è possibile comprendere come creare prodotti “sartoriali” a misura dei diversi tipi di clientela creare valore sia per il cliente che per la Banca.
Qual è l’importanza degli analytics?
“L’ABC della banca smart. Agile per rispon-dere al cambiamento. Bimodale per tenere
insieme governance e operations. Centrata sul cliente, perché la fiducia e la trasparenza sono l’anima dell’economia dei dati
iCover Storyi
9itasascom · 1/2016
Organizzare la cabina di regìa di tutto il pro-cesso dei dati. Definire un piano di change management per accompagnare il cambiamento e diffondere una nuova cultura dei dati. Ridurre la replica dei dati perché porta con sé problemi di mantenimento della data quality e disperde il significato originale dei dati. Distribuire in sicurezza la conoscenza agli utilizzatori finali. Smontare la tipica archi-tettura informativa a spaghetti, da molti punti a tanti punti, e permettere l’accesso a una fonte dati unica.
A fronte di un cliente sempre più connesso, mobile e social, diventa centrale per la banca la gestione della customer experience su tutti i canali digitali. Il migliora-mento del rapporto con il cliente e la capacità di sviluppare forti e qualificate relazioni sono ai primi posti nelle priorità del top management bancario.
Per costruire una strategia “data driven” bi-sogna abbattere le barriere funzionali. Ci deve essere una sola fonte dei dati, una sola “nuvola”, per rendere univoco il dato per ciascun utilizzatore. Si tratta di passare dalla pre-occupazione di essere proprietari dei propri dati all’essere capaci di utilizzare al meglio tanti dati. La conoscenza ha valore solo se genera conoscenza, se è condivisa e se è ali-mentata da tutti gli stakeholder. Forse, il vero “data owner” dei dati è chi ne ha una profonda conoscenza, sa utilizzarli meglio degli altri e ne cura la data quality.
Qual è la lista delle cose da fare?
Qual è la priorità?
Come si costruisce una strategia “data driven”?
iCover Storyi Intesa Sanpaolo
Guarda il video dell’intervista a Claudio Sguoto.
Leggi l’intervista completa.
Sede Zurich Italia, Milano
iProtagonistii
Analytics per una tariffazioneveloce e competitivaL’importanza della data quality e delle soluzioni analitiche a supporto dei processi di modellazione, ratemaking e reporting
finance / data quality / tariffazione
12itasascom · 1/2016
L e polizze stanno diventando una commodity e spes-so la scelta dell’assicurato è guidata esclusivamente dal prezzo. Una tariffazione accurata rappresenta
pertanto un fattore strategico di successo. Il punto critico è individuare e analizzare correttamente le molteplici variabili di rischio che concorrono a determinare il premio, attraverso modelli di calcolo predittivo.
Il settore Insurance è in rapida trasformazio-ne. Negli anni, il portafoglio di Zurich si è esteso dalle polizze Auto a prodotti che coprono più aree assicurative. Il processo di tariffazione presuppone l’analisi delle variabili di rischio rispetto all’oggetto del contratto, per stimare frequenza dei sinistri ed entità dei danni, in funzione predittiva. Da qui, si calcola il premio. I parametri multi-source da prendere in considerazione sono moltissimi e soggetti a vincoli normativi. La capacità di organizzare le informazioni e la data quality diventa requisito imprescindibile per il ratemaking.
I dati arrivano in forma disaggregata e biso-gna isolare le informazioni pertinenti. Con l’affiancamento di Nunatac, società partner di SAS, in questi anni è stato fatto un grande sforzo per pulire, standardizzare e organizzare l’enorme mole di dati, automatizzando tutte le operazioni di data management. Oggi disponiamo di database ordinati e divisi per prodotti, scevri da informazioni ridondanti e non pertinenti. Con il lavoro di pulizia fatto a monte del proces-so di elaborazione dati, rimangono più tempo e risorse da dedicare all’analisi.
Quali sono le esigenze del settore Insurancein termini di tariffazione?
Come si costruisce un processo di datamanagement efficiente?
iProtagonistii
Intervista aAnna PapolaHead of Pricing and Analyticsdi Zurich Italia
“Ora disponiamo di database ordinati e divisi per prodotti, scevri da informazioni ridondanti.
Rimangono più tempo e risorse da dedicare all’analisi.
Zurich Italia
Scopri l’azienda partner Nunatanc
13itasascom · 1/2016
Le persone preposte al data warehouse de-vono interfacciarsi con gli attuari per raccogliere informazioni sulle finalità delle analisi e sui desiderata, affinché le infor-mazioni siano presentate in modo congruo. Una buona data quality è la base per analisi efficaci. Il successo del progetto realizzato in Zurich è dovuto alla profonda sinergia tra chi si occupa di strutturazione e chi di analisi dei dati.
Quanto conta la collaborazione IT - Businessper ottimizzare il ratemaking?
Zurich ItaliaiProtagonistii
Come si ottengono analisi predittive sempreaggiornate? I modelli previsionali vengono sviluppati
sulla base dello storico, ma è fondamentale che siano poi applicati ai database aggiornati. Fondamentale risulta la creazione di un flusso continuo per cui l’IT prepara i dati storici su cui generare modelli che vengono poi alimentati da informazioni attuali: solo così è possibile predire la si-tuazione futura del portafoglio e intervenire sul presente.
Principali vantaggi di business• miglioramento della qualità del dato e accelerazione dei processi analitici;• più tempo per verificare eventuali anomalie con granularità e per attuare interventi correttivi;• sistema di reporting multidimensionale;• ritorni economici derivanti dalla velocità di risposta e dalla capacità di identificare un pricing ottimale;• visibilità a livello di gruppo della branch italiana.
Leggi le altre testimonianze di successo in ambito assicurativo.
14itasascom · 1/2016
iSoluzioni e tecnologiei
Analytics in Action: come trasformare
i dati in insight di business
analytics culture / citizen data scientist / big data
P er convertire i big data in insight utili al processo decisionale, occorrono strategie di analytics allineate agli
obiettivi di business, supportate da tecno-logie, commitment del top management e shift culturale che coinvolge l’intera orga-nizzazione, come racconta Angelo Tenco-ni, Analytics & Technology Director di SAS.
Quali sono le fasi del processo che permettono di convertire i dati in azioni di business?
Per trasformare gli Analytics in Action, occorre un approccio strutturato in tre pillar: Data, Discovery e Deployment. I Dati sono la base del processo analitico e vanno gestiti in modo efficiente, garantendone la qualità. La Discovery deve consentire l’esplorazione autonoma dei dati a qualsiasi utente, anche senza competenze tecniche. Con il Deploy-ment, infine, i modelli analitici entrano in produzione e vengono distribuiti all’interno dell’organizzazione.
Quali sono i fattori chiave che decre-tano il successo o il fallimento di una strategia di Analytics?
La tecnologia è un elemento critico per la riuscita delle iniziative di Analytics. Gli strumenti IT devono essere user-friendly e
abilitare una larga platea all’utilizzo autonomo degli analytics.
Gartner ha coniato in proposito il termine Citizen Data Scientist per indicare persone in grado di generare modelli di analisi predittiva senza un background statistico o matematico e SAS è fortemente impegnata nello sviluppo di tecnologie in grado di avvicinare gli uomi-ni di business agli analytics. Il commitment del top management è un altro imperativo. Fondamentali anche i Laboratori di Inno-vazione ovvero gruppi di lavoro composti da data scientist e supportati da tecnologie adeguate, che elaborano e prototipizzano modelli innovativi di analisi.
Come scegliere le tecnologie adeguate e future-proof a supporto dei processi analitici?
Per iniziative analitiche di successo, biso-gna adottare soluzioni in grado di coprire Data, Discovery e Deployment.
Siccome la velocità di prototipazione e sviluppo di use case è cruciale, diventano fondamentali tecnologie analitiche Cloud Based, scalabilità enterprise e porting dei modelli analitici negli ambienti produttivi.
Per abilitare l’avvio di centri di competenza analitici e laboratori di innovazione, inoltre SAS propone piani formativi e master per Data Scientist, in collaborazione con Uni-versità e Partner.
Analytics in Action
16itasascom · 1/2016
iSoluzioni e tecnologiei
Quanto è importante la velocità di azione?
La velocità è un parametro che deve gui-dare l’intero processo di analisi: la capacità delle soluzioni analitiche di elaborare grandi volumi di dati direttamente dove risiedono, è un elemento cruciale.
La velocità è importante nella fase di di-scovery: SAS permette la fruizione degli analytics self-service agli utenti di business, che possono esplorare i dati grezzi (non preaggregati) in autonomia.
Ma la velocità è importante anche in fase di collezione ed analisi dei dati, con partico-lare riferimento al mondo dell’IoT. I sensori trasmettono continuamente flussi di dati che vanno analizzati in motion. Si andrà quindi sempre più verso il concetto di Streaming e at Edge Analytics e l’ambito applicativo è ampio e in continua espansione.
I must per convertire gli analyticsin vantaggio competitivo
Solo l’intersezione di Data, Discovery e Deployment garantisce consistenza e integrazione sull’intero processo, dal dato alla produzione dell’informazione.
DataElaborare mole elevate di dati e applicare gli analytics anche all’interno di piat-taforme di big data quali hadoop senza dover movimentare i dati.
DiscoveryEsplorare e analizzare, con una interfaccia grafica user-friendly, tutti dati a dispo-sizione, senza doverli aggregare e sintetizzare.
DeploymentSupportare lo sviluppo veloce di modelli e il porting nell’ambiente produttivo. Oggi con le nuove tecnologie SAS lo sviluppo di un modello avviene in pochi secondi e non più in settimane.
Data
Discovery Deployment
Analytics in Action
Gartner posiziona SAS nel magic quadrant per gli Advanced Analytics. Leggi il report completo.
17itasascom · 1/2016
Indipendentemente dal settore di mercato e dalle dimensioni, oggi le aziende hanno a disposizione un ricco bacino di dati da convertire in insight utili al processo decisionale. L’intersezione delle tre fasi di Data, Discovery e Deployment garantisce la trasformazione degli Analytics in Action, creando valore per il business.
Analytics in Action
Gestire i dati provenienti da fonti aziendali, interazioni web, social e IoT in modo efficiente garantendo qualità e velocità di trasformazione in informazioni utili.
Data
Deployment È la fase attuativa, in cui i modelli analitici, testati e validati, entrano nell’ambiente produttivo e vengono distribuiti all’interno dell’organizzazione.
I dati devono essere accessibili ad un’ampia platea di utenti per:
Discovery
Favorire la sperimentazione
Prototipizzare velocemente modelli innovativi di analisi
Testare la validità di idee innovative (Innovation Lab)
iSoluzioni e tecnologiei
CITIZEN DATA SCIENTIST
DATA SCIENTIST
BUSINESS- ANALYST-
Citizen Data Scientist
Millenials
I 7 fattori chiaveper una strategiabasata sugli analytics
Termine coniato da Gartner, indica una figura professionale in grado di generare modelli di analisi predittiva senza background statistico o informatico.
Secondo Gartner la richiesta di citizen data scientist nei prossimi anni sarà 5 volte maggiore rispetto a quella dei Data Scientist.
I millennials sono coloro che hanno la giu-sta attitudine e la dimestichezza per diventare citizen data scientists. Spesso però mancano di competenze di business.
Diffusione della cultura analitica
in azienda
Creazionedi laboratori
di innovazione
Governance dell’intero processo
Velocità di esplorazione e
analisi
Gestione e trasformazione
dei dati
Soluzioni e tecnologie user-
friendly
Committent del top management
iSoluzioni e tecnologiei
18itasascom · 1/2016
19itasascom · 1/2016
Stanhome mette al centro il canaleStanhome innova le vendite e rivoluziona la reportistica e la gestione dei venditori con SAS Visual Analytics trasformando gli operatori com-merciali in imprenditori di se stessi
visual analytics / change management / vision
Gelindo Costanzo, IT Manager di Stanhome nel giro di un anno e mezzo dall’introduzione di SAS Visual Analytics ha innovato l’approccio delle vendite,
rivoluzionando la reportistica e la gestione dei venditori sul territorio. Parole d’ordine? Condivisione delle informazioni, cambiamento, strategia chiara e gli strumenti giusti. Ma la cosa più importante è arrivare a un prototipo in tempi brevi e a costi contenuti, lavorando con partner affidabili come Telecom Italia Digital Solution e Synteg che sono stati parte integrante del successo del progetto.
Ho riallacciato il legame di ascolto con il canale diretto di vendita. Le 30 mila persone sul campo che costituiscono la nostra forza vendita da semplici operatori commerciali si sono trasformati in imprenditori di se stessi. è cambiata la logica di vendita, la condivisione delle infor-mazioni e il focus centrato sugli obiettivi.
Abbiamo puntato sul canale di vendita, for-nendo strumenti di intelligenza e visualizzazione dei dati per aumentare l’efficienza dei processi, la condivisone del-le informazione e migliorare le performance di vendita. Prima per fare un monitoraggio delle attività della forza vendita ci impiegavamo una settimana, oggi ci mettiamo un minuto e mezzo.
Qual è la prima cosa che ha fatto?
Come si migliorano le vendite?
iProtagonistii
Intervista aGelindo CostanzoIT Director di Stanhome
Stanhome in breveNata negli Stati Uniti nel 1931, oggi Stanhome fa parte del gruppo Yves Rocher ed è presente in Spagna, Francia, Italia, Messico, Russia, Venezuela e Filippine, con una rete vendita più di 200mila incaricati e oltre due milioni di consumatori.
21itasascom · 1/2016
iProtagonistii Stanhome
Si possono capire molte cose che non ri-sultano evidenti dai fogli di calcolo se ci siede accanto alle persone e si cerca di capire qual è il loro modo di lavorare. Dalla direzione vendite abbiamo aperto SAS Visual Analytics prima agli otto direttori di zona e subito dopo ai 162 direttori di filiale e ai 1200 capigruppo. L’obiettivo è stato di mappare e monitorare il rapporto con i venditori, e al tempo stesso di unificare la reportistica interna con una dashboard unica e condivisa sia con il marketing nell’ottica della futura gestione delle campagne sia con il finance per il monitoraggio dei dati di fatturato.
Riduzione dei tempi di monitoraggio delle vendite: da una settimana a un minuto e mezzo. Da 174 re-port statici pieni di errori e duplicazioni a una visone unica dell’azienda near real time. Risparmio di 50mila euro all’anno sulla stampa dei report. Risparmio di 100mila euro all’anno per l’interconnessione dei dati in sicurezza in modalità MPLS.
Come si trasforma la gestione dei venditori sul ter-ritorio grazie all’uso dei Visual Analytics?
Quali sono stati i benefici che avete misurato?
La sfida• Mettere al centro il canale, migliorando reportistica e gestione dei venditori sul territorio in tempi brevi, a costi contenuti e con un ROI misurabile;• innovare la logica di vendita, condividendo le informazioni e gli obiettivi;• trasformare gli operatori commerciali in imprenditori di se stessi.
I risultati• Riduzione dei tempi di monitoraggio delle vendite: da una settimana a un minuto e mezzo;• da 174 report statici pieni di errori e duplicazioni a una visone unica dell’azienda near real time;• risparmio di 50mila euro all’anno sulla stampa dei report;• risparmio di 100mila euro all’anno per l’interconnessione dei dati in sicurezza in modalità MPLS;• efficientamento del reparto Marketing, Analisi e Finanza;• crescita professionale delle persone nell’utilizzo di sistemi di BI avanzati.• avviato un importante processo di digitalizzazione aziendale.
Vuoi saperne di più sulla data visualization? Scarica l’ebook gratuito:“4 motivi per cui non puoi fare a meno della data visualization”
22itasascom · 1/2016
iSoluzioni e tecnologiei
Per Analytics di qualitàoccorrono dati di qualità
data integration / data quality / visual analytics
Brad Hathaway, Regional Advisory Technical Manager Data Management di SAS
Non esistono decisioni certe senza Data Integration e Data Quality
“C on la digitalizzazione del bu-siness e l’esplosione dei Big Data cambiano le modalità
di gestione del dato nelle aziende: occorro-no capacità e velocità di analisi sempre più spinte, accessibili e condivisibili. Un sistema coerente di Data Management per integrare qualità e gestione delle informazioni è il pre-requisito fondamentale per ottenere insight affidabili, a tutto vantaggio delle decisioni e della compliance” spiega Brad Hathaway, Regional Advisory Technical Manager Data Management di SAS.
Integrare e visualizzare tutti i dati utili
Il Data Management aggiunge certezze alle analisi, perché permette l’integrazione di un maggiore numero di dati e fonti, ga-rantendone contemporaneamente la qualità. Se gli analytics sono alimentati con dati non accurati, l’output, ovvero gli insight, non sono affidabili (“garbage in, garbage out”).
“Una buona suite di Data Management – spiega Hathaway – deve consentire una serie di automatismi per raccogliere, normalizzare,
@BradDataMgmt
23itasascom · 1/2016
deduplicare, verificare, certificare le grandi moli di dati multi-source, operazioni impos-sibili da svolgere manualmente.“
L’attendibilità di dati e fonti deve essere insindacabile, altrimenti il rischio è sprecare tempo “alla ricerca dell’errore”.
Come costruire una corretta strategia di Data Integration e Data Quality
“Il Data Management – commenta Ha-thaway - è un tema molto caldo che coinvolge tutta l’azienda. Non deve essere considerato come una funzionalità a supporto dei singoli processi o utenti, ma piuttosto un modello di business condiviso.
In questa logica diventa un mezzo per aumentare l’efficacia dei dati nei processi di business. Il ricorso a strumenti user-friendly, che non richiedono competenze IT speciali-stiche, è uno step importante per la diffusione della cultura analitica in azienda.
Il Data Scientist può essere promotore del nuovo approccio e fungere da collante tra IT e business.“
iSoluzioni e tecnologiei Analytics di qualità per dati di qualità
I vantaggi di business
Il ricorso a soluzioni di data management affiancate a una corretta visualizzazione ga-rantiscono l’automazione di processi di nor-malizzazione e pulizia, nonché l’esplorazione facile e intuitiva. “In sostanza – conclude Hathaway – la maggiore disponibilità di dati si traduce nella necessità di applicare strumenti innovativi, veloci e attendibili di data management. In questo modo, gli utenti risparmiano tempo nella ricerca dei dati e il business può dedicarsi a migliorare il servizio al cliente. Si tratta però di agire con urgenza, costruendo da subito una strategia efficace, supportata da soluzioni efficienti e da un corretto shift culturale”.
I vantaggi della data visualization
Come scoprire nella massa dei dati le informazioni utili e vitali per il business?SAS Visual Analytics coniuga la potenza degli advanced analytics con la semplicità di un’interfaccia grafica e intuitiva. Per:
• esplorare e analizzare i dati in maniera visuale e avere una vista di sintesi sul business;• scoprire eventi e correlazioni particolari tra i fatti oppure trend nuovi rispetto all’ipotesi iniziale;• ridurre drasticamente i tempi di visualizzazione e di interrogazione dei risultati;• fruire i dati in modo intuitivo e rapido;• visualizzare le informazioni in maniera facile e accattivante, anche in mobilità.
Vuoi sapere di più sulData Management?Scarica l’ebook gratuito:“Il futuro dei Big Datasi chiama Data Management”
iProtagonistii
Leroy Merlin metteinsieme tutti i pezzidella supply chain
La cassetta degli attrezzi per l’inventory perfetta di Leory Merlin. Come trasformare la previsione della domanda in uno stru-mento di pianificazione efficiente di tutto il ciclo passivo
supply chain / cost saving / retail
Piattaforma logistica Leroy Merlin, Castel San Giovanni (PC)
25itasascom · 1/2016
Con lo sviluppo dell’e-commerce, Leory Merlin, mul-tispecialista del settore bricolage, ha iniziato la tra-sformazione crosscanale grazie a un approccio di
marketing automation. E attraverso il progetto Vision 2020, l’azienda sta rivoluzionando la Supply Chain, gettando le basi per costruire la Leroy Merlin del futuro. Paolo Schume-niak, responsabile pianificazione e approvvigionamento, ci spiega come ha messo insieme tutti i pezzi della supply chain.
iProtagonistii
La velocità è la vera rivoluzione. Prima del 2009, la supply chain era formata da cinque persone oggi non solo è più strutturata ma all’interno della stessa squadra lavorano 32 persone. Una supply chain agile è la chiave di volta del sistema. Nel settore retail, l’errore più comune è considerare la supply chain sinonimo di logistica.
Come cambia la supply chain?
Piattaforma logistica Leroy Merlin, Castel San Giovanni (PC)
Intervista aPaolo SchumeniakDirezione Supply Chain,Responsabile Pianificazionee Approvvigionamento, Leroy Merlin
@schumeniak_LMSC
26itasascom · 1/2016
iProtagonistii Leroy Merlin
Nella cassetta degli attrezzi dobbiamo avere gli strumenti giusti per affrontare la gestione delle nuove referenze senza storia e la gestione del fine vita. Se possia-mo gestire questi due momenti della curva di un prodotto, possiamo avere una gestione perfetta dell’inventory. La previsione della domanda rende molto più economico e sostenibile il business delle società retail. Il margine di gua-dagno è strettamente correlato alla previsione di vendita. Attraverso una buona attività di forecasting possiamo capire quando accelerare o rallentare l’uscita di un prodotto per evitare di dover effettuare troppi sconti.
Che cosa c’è nella cassetta degli attrezzi?
Negli ultimi 5 anni e in particolare negli ulti-mi 2, tutti questi indicatori hanno portano a crescite superiori del 300%. Nel 2013, gli ordini gestiti per approvvigionatore all’anno erano 370, oggi siamo a 915. Il sistema ha automa-tizzato le attività di previsione e di ordine per singolo ope-ratore. In questo modo, abbiamo trasformato la previsione della domanda in uno strumento di pianificazione di tutto il ciclo passivo nel perimetro dei prodotti gestiti in stoccaggio sui nostri depositi in Italia.
Con quali effetti sulla produttività?
Produttività del demand planner Numero di ordini gestiti per approvvigionatore all’anno dal 2013 al 2015
27itasascom · 1/2016
SAS ci ha permesso di gestire tutta questa complessità con uno strumento a supporto delle decisioni, semplice da usare e che ci ha permesso di evitare errori: nel caso pratico, comprare più merce di quella di cui abbiamo bisogno. Con SAS siamo in grado non solo di gettare dei ponti informativi ma di migliorare la previsione di ordine, spingendola fino a dodici mesi. La condivisione di queste informazioni con i fornitori ci permette di raggiungere ac-cordi e sinergie commerciali interessanti.
Perché Leroy Merlin ha scelto SAS?
iProtagonistii Leroy Merlin
La sfidaTrasformare la previsione della domanda in uno strumentodi pianificazione efficiente di tutto il ciclo passivo.
Che cosa significa Supply chainSupply chain significa ottimizzazione del flusso merci,pianificazione e previsione della domanda attraversouno scambio continuo di informazioni.
I risultati• Riduzione dei ritardi e ottimizzazione di tutta la filiera dell’inventory;• miglioramento della performance di business e del livello di soddisfazione dei clienti;• miglioramento della gestione del ciclo di vita del prodotto;• diminuzione dell’impatto negativo della scontistica;• aumento della produttività;• abbassamento significativo dei giorni di copertura di stock;• riduzione della liquidità bloccata sotto forma di prodotti a magazzino;• margine di sicurezza garantito.
Vuoi saperne di più su come ridurre i costi mantenendoinalterato il livello di servizio?Scopri le soluzioni SAS per la Supply Chain Intelligence
Guarda il video dell’intervista a Paolo Schumeniak.
28itasascom · 1/2016
iProtagonistii
Česká Pojišťovna, dalla difesa all’attaccoLa storica compagnia assicurativa della Repubblica Ceca, adotta un ap-proccio proattivo e real time nella lotta alle frodi
cost saving / fraud / finance
Articolo diMichal ČičoSenior Analyst di Česká Pojišťovnae Zdeněk DragounUfficio Frodi
I l vecchio adagio “prevenire è meglio che curare” si addice anche al mondo assicura-tivo. Le frodi assicurative sono un fenomeno
in crescita, come ci spiegano Michal Čičo, Senior Analyst e Zdeněk Dragoun, Ufficio Frodi di Česká pojišťovna. Nella storica compagnia assicurativa della Repubblica Ceca, prima dell’implementa-zione di SAS Fraud Management, il compito di “spulciare” i casi sospetti tra un migliaio di eventi correlati a polizze non vita spettava agli ispettori e ai liquidatori.
“La valutazione degli eventi avveniva non solo manualmente, ma si basava su un criterio sog-gettivo e “random” fondato sull’esperienza dell’o-peratore. Le sfide del mercato e l’evoluzione del rischio ci imponevano invece un cambiamento di paradigma che ci permettesse di passare da un approccio reattivo a uno più proattivo in grado di prevedere il rischio frode, analizzando e correlando eventi e comportamenti a elevata possibilità di frode”.
29itasascom · 1/2016
Algoritmi dinamici e identificazione automatica
La soluzione implementata identifica i casi per i quali sussiste un sospetto di com-portamento fraudolento. L’identificazione è automatica e avviene su base giornaliera tramite modelli e algoritmi definiti.
La soluzione, riconosciuta a livello globale per l’approccio ibrido, utilizza diversi sistemi statistici avanzati che operano parallelamente, incrementando in tal modo l’efficienza del rilevamento.
Ordine fin dal principio
I risultati raggiunti nel rilevamento dei comportamenti fraudolenti sono molto inco-raggianti. Oggi, Česká Pojišťovna dispone di un sistema aperto che offre un’ampia gamma di scoring sui dati e opzioni di reportistica. Fin dalla fase di definizione contrattuale, può identificare i clienti ad alto rischio.
Il beneficio di un sistema di valutazione in tempo reale moltiplica l’efficacia delle ope-razioni e la produttività. Il volume aggregato dei casi di frode identificati si aggira intorno al milione di euro all’anno. Soltanto nel 2014, il risparmio derivato dai contratti assicurativi rischiosi non firmati è stato stimato in circa 500 mila euro.
Il futuro: l’intelligenza artificiale
Senza SAS Fraud Management, la com-pagnia assicurativa non avrebbe potuto sco-prire casi che sarebbero rimasti nascosti e isolati nel flusso generale delle operazioni e avrebbero finito per incidere negativamente sulle performance finali di business e sulla capacità competitiva della compagnia stessa.
iProtagonistii Česká Pojišťovna - Generali Group
La sfidaPassare da un approccio reattivo a uno proattivo nella lotta alle frodi con un sistema in grado di incrociare e monitorare dati provenienti da differenti fonti e valutare automaticamente eventi e comportamenti sospetti.
Benefici• Ritorno dell’investimento già nel primo anno di progetto;• automatizzazione delle attività di monitoraggio;• maggiore efficienza nelle operazioni di verifica dei danni;• 50% di cost saving sui casi di frode identificati;• correlazione in tempo reale con le informazioni storiche e i profili di rischio;• analisi dei dati dei social network per i soggetti a rischio;• nuovi input per la creazione di modelli predittivi e rating ibridi dei soggetti a rischio;
Leggi l’articolo:“SAS Fraud Framework, all’avan-guardia nella lotta contro le frodi”
30itasascom · 1/2016
Quattro fenomeni che stannocambiando il mondo delle imprese
Siamo un popolo di innovatori, non c’è dubbio. Da Leonardo a Volta, da Marconi a Fermi, da Meucci a Faggin. La storia dice questo, ma cosa dice il futuro?
Al momento non siamo all’avanguardia e non perché manchino le idee, siamo pieni di idee. Quello che spesso non si trova è la costanza, l’impegno, la perseveranza, la capacità di analisi: prima di lanciare un nuovo progetto, mentre è in corso e dopo, per valutare le decisioni future. Prima di ogni cosa bisogna, per avere successo bisogna valutare il contesto in cui si opera e i grandi cambiamenti in corso. Ecco quattro aree da tenere in considerazione se si vuole avere un ruolo nell’economia di domani.
iIl punto di vistai
Articolo diFrancesco MarinoFondatore di Digitalic
IoT / social network / big data
@framarin
31itasascom · 1/2016
Social NetworkPer qualche tempo, una buona parte
delle aziende è stata convinta che fosse un fenomeno consumer; è anche questo, ma ad essere interessanti sono soprattutto le possibilità di far nascere nuovi modelli di business e opportunità per le imprese, lega-te a doppio filo a questo mondo di relazioni digitali. Pensate al segmento più professio-nale della tecnologia, i Big Data: nient’al-tro che la gigantesca analisi dei gusti e dei comportamenti dei singoli raccolti in gran parte attraverso quello che le stesse perso-ne pubblicano. Dove? Sui social network. Non essere presenti e non avere un piano al riguardo significa scegliere di regredire, perché così in effetti accadrà: chi non avrà una strategia social, anche semplicemen-te di ascolto, perderà posizioni nel futuro.
Come cambia il mondo delle impreseiIl punto di vistai
Big DataI Big Data siamo noi, sei tu; non fanno parte
dell’universo parallelo delle “aziende gran-di, con tanti soldi, che possono fare tutto”. I Big Data sono diversi dai “data” normali per via di tre V: Velocità, Variazione, Volume. La cosa straordinaria è che ogni singola per-sona è un centro di produzione industriale di Big Data, anche se non fa nulla. Tutti oggi sono inseriti in un ambiente digitale con re-lazioni, collegamenti, attività che si svolgo-no online. Basta osservare le connessioni di una persona con i propri contatti su Facebo-ok, Twitter o anche LinkedIn (per rimanere in territori professionali) per vedere come la sola rete di contatti sia già un Big Data. Bastano qualche centinaia di amici e imme-diatamente le analisi possibili su quella rete, su come ciascuno è connesso all’altro, sui contenuti scambiati, diventano una massa enorme di informazioni, che si modifica ra-pidamente. I Big Data sono ovunque, basta guardare.
Come cambia il mondo delle impreseiIl punto di vistai
IoTInserire Internet nelle cose sarà il più
grande cambiamento a cui assisteremo dopo la nascita stessa di Internet. Non c’è nessun altro fenomeno che cambierà più profondamente l’economia, le aziende e an-che la vita di tutti i giorni. Gli oggetti connes-si possono fare qualunque cosa, soprattutto automatizzare una serie di azioni ripetitive aggiungendo una precisione che non è pa-trimonio dell’uomo, ma delle macchine sì.
La prima conseguenza è che avremo a disposizione una quantità di dati inimmagi-nabile di una precisione assoluta e questo può avvenire per qualunque settore. Inter-net scomparirà” dice Eric Schmidt (il Ceo di Google) nel senso che non sarà visibile ai nostri occhi, continuerà a scambiare dati, a farci trovare quello che cerchiamo ma senza apparire, senza il bisogno di gestire e dare attenzione ad uno schermo. L’IoT è una forma di rete che funziona e (quasi) non si vede, ma è ricca di dati, vantaggi e utilità.
Intelligenza artificialeSempre di più la tecnologia sarà in grado
non solo di raccogliere informazioni, ma di imparare, basandosi sui quei dati. In questa trasformazione le analisi iniziali sui vari pro-cessi di business, che hanno sempre avuto bisogno dell’intervento umano, potranno essere svolte autonomamente dalle mac-chine. Le persone saranno coinvolte solo nelle analisi di più alto livello e una fascia sempre più ampia di funzioni potrà utilizzare le analisi effettuate dai “robot” della cono-scenza. Grazie a nuovi strumenti di visualiz-zazione, grazie alle nuove interfacce, ogni funzione aziendale potrà accedere al com-plicato mondo dei dati utilizzandone tutta la potenza, senza la complessità.
32itasascom · 1/2016
Dati strutturati e non saicome gestirli al meglio?Scarica l’ebook gratuito:”Il futuro dei Big Datasi chiama Data Management”