Appunti Business Analytics

Business analytics

Fase 1 - Carenza analitica

Fase 2 - Analytics localizzati: in questa fase vi sono aziende che già hanno utilizzato strumenti, soprattutto di reportistica (sono andati a vedere che cosa hanno fatto in passato), sono strumenti di tipo locale, sono gli strumenti di business intelligence. Le domande che si possono fare sono 2: (Che cosa possiamo fare per migliorare questa attività? Andando a capire in anticipo quale potrebbe essere ad esempio il meteo di maggio 2020. Come possiamo comprendere meglio il nostro business? Se riusciamo ad avere una buona previsione, possiamo fare anche una previsione della produzione). Avere una tendenza potrebbe essere un qualcosa di utile, senza utilizzare la statistica, anche con degli errori, ma serve per entrare nell’ottica degli analytics, non vado più a naso ma comincio a guardare i dati. Il valore percepito è il ritorno dell’investimento di questa applicazione.

Fase 3 - Ambizioni analitiche

In questa fase si inizia a fare sul serio sull’integrazione di tutti i dati e anche di tutti gli analytics. La domanda è: che cosa accadrà ora? Possiamo estrapolare le tendenze attuali? Possiamo andare a vedere quanto più o meno si discosta la previsione con quello che accadrà fra una settimana, in modo trarre meglio il nostro modello; lo mettiamo dentro e anche con una semplice regressione logaritmica possiamo andare a vedere quanto potrebbe essere la previsione di produzione settimanale per le settimane di maggio (qui è più analitico, perché si vanno a prendere in considerazione dei modelli previsionali e dei dati e con l’utilizzo dei modelli statistici che hanno una cerca reliability, probabilità che accada). Non è più una scommessa, qui abbiamo quanto potrebbe essere la capacità che possa accadere. Possiamo andare quindi a puntare sulla capacità distintiva nostra (es. velocità nella produzione). Pianificando la produzione riesco a ridurre di molto i costi di settaggio (senza questa previsione, mi devo basare sulla mia esperienza, ma se un giorno succede l’imprevisto e quindi devo decidere all’istante, e quindi non lo vai a fare con la migliore qualità, con i minor tempi e al minor costo, ma lo cerchi di fare tendendo sempre alta la qualità però vanno un po’ a scemare quelli che sono i tempi e i costi di produzione. La parte essenziale nella fase 3 è di andare a guardare le performance future (se il nostro scopo è quello di essere efficaci ed efficienti, ecco che l’efficienza poi si sposta sulle performance, perché nel breve periodo aumentano perché diminuiscono i costi di produzione, ma soprattutto perché aumento le capacità distintive, il cliente lo vede, si fidelizza, e aumenta la customer satisfaction e quindi la probabilità che ne parli bene agli altri è alta.

Fase 4 - Azienda analitiche

Le aziende sono analitiche e sanno benissimo quali sono i vantaggi dell’utilizzare gli analytics, sanno cosa fare, sanno come procedere fase dopo fase, in tutte le linee, dall’alta direzione al middle manager fino alle persone presenti nel nucleo operativo. Domanda: ma come possiamo usare gli analytics per innovare e differenziare? Utilizzano tutti questi dati per essere ancora più distintivi e per vendere più prodotti (per vendere più prodotti bisogna aumentare la differenziazione del prodotto rispetto ai competitors e innovare). In questa fase quindi la capacità analitica è diffusa e gli analytics ci sono dappertutto. Gli analytics sono un importante driver della performance e del valore (tutti li utilizzano, anche il magazziniere). Sono in tutte le parti dell’azienda.

Fase 5 – Competitor analitici

Sono veramente pochi in questa fase e l’azienda sta facendo grandi risultati (ad esempio Amazon, Netflix, Airbnb, Alibaba, Spotify). Guardano a che cosa potrebbe accadere dopo, quali possibilità future ho per implementare dei nuovi modelli, come posso mantenere il mio vantaggio competitivo. Sono i maestri dell’analisi, si basano su questi modelli predittivi e non più solamente statistici, ma anche di intelligenza artificiale e in particolare di machine learning, per incrementare sempre più la nostra fidelizzazione, ma anche le vendite. L’ostacolo maggiore che frena l’avanzamento rapido attraverso le diverse fasi è il cambiamento dei processi di base e i comportamenti dell’azienda e delle persone che vi lavorano (questi 3 fattori sono molto importanti).

Numeri importanti

• Progetti analitici finalizzati al miglioramento della produzione avevano un ROI medio del 277% nel 2018 (se investiamo 1 euro nel fare questi analytics per essere più efficienti, alla fine ci ritroviamo ad avere 2,7 euro. Mettiamo 100 milioni, abbiamo 277 milioni); andando ad essere più efficienti: 277%;
• Progetti analitici finalizzati al miglioramento della gestione economica (tutta la parte economico-gestionale di tutto il processo burocratico amministrativo presente all’interno dell’azienda) facendo il lean accounting il ROI medio è stato del 139%; andare a gestire tutta la parte della gestione burocratica amministrativa di un’azienda: 139%;
• Andare a implementare i progetti di gestione della clientela, il ritorno di investimento è stato del 55%; il ritorno è stato buono, ma è stato la metà rispetto a quello di migliorare la parte burocratica amministrativa interna;
• Fare dei progetti non predittivi (business intelligence, quindi di analisi della reportistica del passato) 89%; mentre farne predittivi anche semplici 139%. Abbiamo un 50% in più di ritorno dell’investimento e non è poco;
• Quindi investire un dollaro in uno strumento di business analytics anche semplice si riesce ad ottenere 13 dollari;
• Si è trovata una correlazione del 92% tra maturità analitica e tasso di crescita (più aumentate la vostra maturità analitica, più cresce la vostra azienda in termini di performance).

Lo studio dell’Accenture e del MIT ci fa capire quanto è importante andare a fare, in qualsiasi parte dell’azienda, questi investimenti negli analytics, poiché questo ci fa migliorare le performance aziendali. Qualsiasi decisione andiamo a prendere dobbiamo sempre analizzare i dati, non guardiamo solo le opinioni del capo o dalla nostra esperienza. Andiamo a guardare quanto sono state le performance passate e come potrebbe cambiare lo scenario futuro.

Lezione 14: Dove sta il vantaggio competitivo

Perché si utilizzano per il vantaggio competitivo questi 5 punti:

• Difficili da replicare: i business analytics sono difficili da replicare, perché non dobbiamo pensare business analytics è il programmino o il server, ma fare business analysis significa andare a definire quello che è il target cliente, definire la strategia, definire i processi, definire quali sono le competenze dei singoli e andare ad ampliare tutto quello che è la parte dell’ambiente, la parte della cultura, della reingenerizzazione dei processi etc. Tutto questo è difficile da realizzare in modo semplice. Possiamo replicare un prodotto, però non si riesce in breve tempo a capire e a investire su quel prodotto, perché in quel prodotto ci sta tutta l’expertise e la capacità di innovare delle persone e ci sta tutta la cultura organizzativa. Quindi gli strumenti di business analytics, se vengono utilizzati bene da tutta l’organizzazione, è difficile che questi vengano copiati in brevissimo tempo dai competitors.
• Questi sistemi sono unici: non esiste un unico percorso per arrivare, possiamo utilizzare diverse strade per andare ad utilizzare questi competitors analitici. È difficile trovare aziende che perseguono tutte una medesima strategia, hanno i medesimi lavoratori, hanno i medesimi processi, hanno lo stesso modo di operare e hanno lo stesso posizionamento sul mercato etc. Questo secondo punto si collega al primo poiché è difficile da replicare poiché le aziende sono uniche e fanno prodotti e servizi tendenzialmente diversi.
• Capaci di adattarsi a situazioni diverse: quando sei abituato a gestire e analizzare i dati, per te il cambiamento non è più così drammatico, ormai sei abituato a gestire queste situazioni che cambiano velocemente nel tempo. C’è una mentalità di capire che cosa cambia, come cambiano i confini dell’organizzazione, come interagisce il consumatore con noi attraverso la nostra piattaforma, etc.
• Migliori di quelle della concorrenza: chi si trova nello step 4 e 5 ha vantaggi marcati rispetto alla concorrenza, perché sai come è il tuo mercato, sai quale è il tuo target clienti, sai gestirlo internamente perché hai reso il processo di produzione di generazione del servizio molto efficace e efficiente (ti costa poco fare quel prodotto o erogare quel servizio) e hai applicato tutti questi analytics anche sulla strategia. Il vantaggio competitivo di un’azienda innovativa consiste nell’utilizzare questi analytics.
• Sono rinnovabili: ogni vantaggio competitivo deve essere un bersaglio mobile, che può essere migliorato continuamente e che prevede la possibilità di reinvestire. Gli analytics sono particolarmente adatti all’innovazione continua e al rinnovamento (quando abbiamo parlato di processi abbiamo parlato di 2 punti essenziali: apprendimento continuo e il miglioramento continuo). Solo andando a vedere quale è il nostro modello, migliorandolo, andando a conoscere meglio il cliente, il processo di acquisto del cliente, la soddisfazione del cliente, l’utilizzo che ne fa di quel prodotto il cliente, la seconda mano ovvero dove vanno a finire i nostri prodotti?

Capitolo 4: Analytics nei processi interni

Come utilizzare gli analytics non più per il vantaggio competitivo, per la concorrenza, ma guardiamo gli analytics da un punto di vista interno. Fino ad ora abbiamo visto gli analytics esterni, che vanno ad impattare o a valle (colpiremo i nostri clienti) della catena del valore o a monte (andremo ad analizzare i nostri fornitori, ad esempio l’Ikea).

Analytics interni

• Amministrazione e contabilità
• Fusioni e acquisizioni fra aziende
• Operativi
• Ricerca e sviluppo (R&D)
• Risorse umane (per sapere se le hanno o meno le conoscenze necessarie per svolgere le loro attività o per visionare le attività, sia per i lavoratori normali, sia per i manager).
• Analisi dei processi interni: ABC (activity-based costing): il primo passo si basa sulla gestione delle attività e in particolare di fare la giusta allocazione di tutte le risorse e tutte le risorse vengono sintetizzate con il costo di quella risorsa. Bisogna quindi allocare bene i costi che sono basilari per il cliente, per i processi, del canale di distribuzione, etc. Si deve fare in modo di creare il tutto in modo intelligente, andando a gestire bene quelli che sono i beni materiali e immateriali, le risorse umane, i processi (bisogna fare sempre l’ottimizzazione dei costi ed è sempre basato sul parametro efficienza). Bisogna sempre partire dai bisogni/esigenze del cliente, capire quali sono i prodotti più utili che richiederanno di più e da quelli andremo a fare l’ABC, quindi rendere il processo di produzione il più efficiente possibile.

Nei processi interni non c’è solo la parte dell’ABC, ma ci sono altri 4 strumenti che vengono utilizzati per fare la gestione dei processi interni (sempre basata sui due pilastri: efficienza ed efficacia, massimizzare questi due elementi in contemporanea, bisogna trovare il punto ottimo di efficacia ed efficienza):

• Inferenza bayesiana: utilizza strumenti statistici e solitamente non è lineare. Viene utilizzata per andare a vedere quanto potrebbero essere i ricavi di quel prodotto. Le aziende partono dal micro (quanti di questi prodotti possiamo vendere) e trovano i ricavi dell’azienda. È una stima che rispetto agli strumenti di intelligenza artificiale (che ci danno un numero), qui non solo ci dà il numero, ma ci dà una stima di quale sia la probabilità del grado di fiducia. Quindi, con l’inferenza bayesiana andiamo a vedere quelli che potrebbero essere i ricavi, quelli che potrebbero essere i prodotti venduti di più, e cominciamo a pianificare o la nostra produzione o chiedere a chi ci porta i prodotti di creare quella tipologia di produzione.
• Ottimizzazione combinatoria: non fa altro che andare a vedere la combinazione dei singoli elementi ottimale per darci la soluzione migliore (una di queste tecniche di calcolo combinatorio prende il nome di fuzzy: si va a definire l’out-come e di input si mettono una serie di variabili, e si cerca quale è la ricetta migliore). Dal calcolo combinatorio si capisce quali rendono migliore l’out-come. L’allocazione efficiente di risorse limitate per fornire la soluzione migliore per determinati obiettivi quando i valori di alcune o di tutte le variabili devono essere interi (non si possono frazionare le persone) ed esistono molte combinazioni possibili. È chiamata anche integer programming.
• Analisi dei vincoli: per esempio la configurazione sui prodotti. Ci sono degli algoritmi che vengono dati o alla persona che deve fare lo sviluppo del prodotto o al cliente finale.
• Design/disegno sperimentale: nella versione più semplice vengono presi due gruppi simili. Un gruppo (il gruppo di prova) affronta l’esperimento e l’altro gruppo (di controllo) no. Se il programma genera differenze statisticamente significative nella variabile esaminata, si presume che abbia avuto l’effetto ipotizzato.

Analisi del valore futuro: andare a calcolare i flussi futuri. Si basano sul discorso dei rendimenti pecuniari esistenti, sui rendimenti avuti nel passato e si cercando di traslarli nel futuro vicino;

Algoritmi genetici: vengono utilizzati, oltre che per lo sviluppo di molecole e medicinali, nella logistica per andare a capire quale è il percorso migliore per ciascun vettore, come caricare il container, che mezzo utilizzare per il trasporto;

Metodo Monte Carlo: viene utilizzato quasi sempre in tutte le aziende di tipo finanziario. È una tecnica che utilizza strumenti statistici e non fa nient’altro che fare una modellizzazione matematica sui rischi e sugli esiti; quando crei un portafoglio prodotto, vuoi capire quale è il rischio connesso all’acquisto di quel portafoglio e quindi prendono quel modello matematico e replicarlo più volte facendo prove multiple, per andare a vedere quale è la distribuzione di probabilità di accadimento di quel pacchetto finanziario. È molto utile negli investimenti pubblici;

Analisi di regressione multipla: più x che vanno su una y o più y. È una tecnica statistica in cui abbiamo un insieme di variabili indipendenti (x1, x2, …, xn) che vanno tutte su una cerca variabile dipendente (y, la variabile che vogliamo andare a prendere in considerazione) e ci dice quanto è la probabilità che possa succedere e possiamo andare a capire che cosa succede alla y, andando a variare la x;

Analisi mediante reti neurali: sono come un cervello umano, tanti piccoli neuroni collegati tra loro, quindi in azienda tanti piccoli elaboratori collegati tra loro per andare a vedere che cosa potrebbe accadere. Sono utilizzate soprattutto nel campo della produzione quando si parla di manutenzione dei macchinari, ovvero per capire quando è necessario andare a fare manutenzione perché altrimenti il macchinario potrebbe lavorare male o aumentare i difetti di produzione o si potrebbe rompere. Viene utilizzata nelle aziende che sono nel medical mentale. Vengono utilizzati grandi quantità di dati per fare questi calcoli.

Simulazione: manipolazione dei parametri utilizzando metodi matematici o basi di regole per ottenere modelli di come risultati diversi possano generare un risultato. Il risultato simulato può essere impiegato per ottenere una produzione ottimale o predire un determinato comportamento. I ricercatori nel campo farmaceutico potrebbero utilizzare la bio-simulazione per studiare il modo in cui le cellule o altre entità viventi reagiscono a stimoli chimici o di altra natura;

Analisi del testo: si fa anche a livello universitario, per andare a capire il sentiment, soprattutto sul social media. Molte aziende vanno a capire quali sono, sul loro sito web, le parti maggiormente visitate o che vengono guardate con più tempo, le sezioni maggiormente cliccate, perché sono quelle che attirano maggiormente il cliente all’interno della loro piattaforma, per aumentare i clic e le vendite;

Analisi del rendimento: si basa su degli aspetti statistici e questo non fa nient’altro che andare a capire media, mediana e deviazione standard delle varie componenti, quando si hanno grandi quantitativi di prodotti (non unici e non con una tecnologia molto alta, prodotti standardizzati). I semiconduttori sono le resistenze, i diodi, i led, ovvero tutte le componenti elettroniche che troviamo nei devices. Vengono utilizzati dei parametri per vedere e capire se quel quantitativo prodotto può andare bene o male.

Gli analytic economici

Tutti pensano che in azienda i dati siano solo quelli provenienti dal bilancio o dal CdG. Quindi si andranno a chiedere a chi gestisce i numeri, ovvero al CFO. Ma in realtà il CFO ha una parziale visione dei dati e molte volte chiede al CMO (marketing manager), CPO (della produzione), CIO (direttore sistemi informativi), HR (delle risorse umane) manager etc di usare sistemi predittivi e prescrittivi per la analisi delle funzioni. Loro hanno, per ciascuna funzione o per ciascun processo (poiché sono process owner), tutta la parte di sviluppo dei loro sistemi informativi ma anche lo sviluppo della reportistica. Abbiamo parlato della business intelligence locale come problema locale, poiché significa tutti i fogli excel che ci sono sui singoli computer. Quello è il grande problema perché crea confusione nei dati e quindi il controllo finanza e controllo ha dei dati sì che però sanno benissimo che non sono veri (sanno anche che hanno dei problemi sulla validità di quel dato). Ci vogliono quindi delle applicazioni più innovative.

Pensiamo al discorso dell’uso del forecasting, comprese previsioni statistiche dei ricavi e dei livelli.