L‘automazione dei processi aziendali da sempre rappresenta una svolta nella vita delle imprese. Tuttora, molto spesso le informazioni di un’azienda non sono completamente digitalizzate e questo sicuramente complica l’adozione di architetture informatiche a supporto delle attività. Una volta presa la decisione di voler portare la propria realtà definitivamente nel XXI secolo, il primo problema da fronteggiare è quello di convertire le informazioni dal formato cartaceo a quello digitale. Può sembrare banale, ma con il passare degli anni di vita di un’azienda si può accumulare un elevato numero documenti e salvare il loro contenuto in un database può richiedere molto tempo. Inoltre, utilizzando scansioni con interpretazione del testo o data entry manuale, la possibilità di immettere informazioni errate è molto elevata e saranno quindi necessari dei minuziosi controlli a valle.
Supponendo di aver archiviato questa fase o di disporre già di un database ricco di informazioni: cosa è possibile farci? In base al tipo di business in cui opera l’azienda, almeno un sottoinsieme del database potrebbe prestarsi ad effettuare analisi automatizzate. Immaginiamo di essere un supermercato: avere un DB con tutte le transazioni effettuate dei clienti dall’apertura del negozio o quantomeno da una data passata ed in più disporre di altre informazioni come i prezzi e le promozioni applicate ai prodotti sia oggi, sia in passato, consentirebbe di realizzare analisi anche molto complesse al fine di valutare, ad esempio, il comportamento della domanda e la reazione a determinati prezzi o promozioni. In riferimento al pricing, potremmo scoprire che è possibile alzare i prezzi di alcuni prodotti in determinate fasce orarie oppure che alcuni prezzi troppo elevati penalizzano le vendite di determinati prodotti il mercoledì mattina. Qualora avessimo a disposizione anche informazioni riguardanti i nostri competitor, potremmo valutare le differenze tra le due imprese e capire se ci sono possibilità di migliorare i nostri ricavi andando ad erodere quote di mercato ai concorrenti. Com’è possibile notare, il campo di azione è molto ampio e dipende essenzialmente dalla tipologia e dalla quantità di informazioni di cui si dispone.
Il database aziendale non guida soltanto nell’individuazione dei problemi affrontabili, ma anche nella scelta delle tecniche da utilizzare per risolverli. Diciamo subito che esistono tecniche più “intelligenti” di altre, ma queste non rappresentano la scelta migliore per ogni tipologia di azienda. Da notare le virgolette per la parola intelligenti: qualunque tecnica eseguibile su un computer tramite l’esecuzione di algoritmi attiva una serie di calcoli, più o meno complessi, con una cognizione di causa solo apparente.
Possiamo quindi dividere le tecniche adottabili in 3 insiemi:
- sistemi di regole
- metodi matematico-statistici
- intelligenza artificiale
Come accennato poco fa, tutte e tre, per essere eseguite su un computer, devono essere scritte sotto forma di algoritmo e sono presentate in ordine di complessità.
Quando utilizzare i sistemi di regole ?
I sistemi di regole consentono di compiere in automatico certe azioni prestabilite. Il loro vantaggio risiede nella capacità di automatizzare alcuni ragionamenti ovviando così ad attività manuali che occupano molto tempo e comportano un elevato rischio operativo. Ad esempio, l’analista di un e-commerce, analizzando un database tramite un foglio di calcolo con tabelle pivot di confronto, potrebbe trarre delle conclusioni come:
- il prezzo dei frigoriferi è troppo alto perché ci sono poche vendite rispetto ai competitor;
- è possibile alzare i prezzi degli arredi da esterno perché la clientela ha dimostrato poca elasticità alle variazioni di prezzo;
Un’analisi di questo tipo molto spesso permette di identificare il problema e di capire quale direzione prendere risolverlo, ma nella maggior parte dei casi le evidenze che emergono sono di tipo qualitativo. Ad esempio, deduciamo che debbano essere abbassati i prezzi dei frigoriferi, ma non sappiamo esattamente di quanto (salvo che si vogliano adottare tattiche come quella di mantenere il pricing sempre 1€ più basso di quelli dei competitor). In questi casi solitamente si procede impostando delle regole automatiche, per esempio partendo da un abbassamento del 10% del prezzo dei frigoriferi, per comprendere la reazione della clientela e decidere se mantenere questa impostazione oppure modificarla.
Questo approccio consente di raccogliere molte informazioni e di testare la reazione della clientela, ma non sono da sottovalutare i limiti di questa tecnica come:
- una regola fortemente sbagliata potrebbe causare danni rilevanti ai ricavi;
- procedere per tentativi implica un elevato dispendio di tempo;
- le analisi che portano alle regole sono incomplete e soggette ad errori.
In definitiva, un sistema di regole rappresenta un metodo valido quando si dispone di poche informazioni oppure in fase di avvio di un’attività e si vogliono accumulare evidenze. Tali regole si possono adottare anche in presenza di grandi database, con la consapevolezza di ottenere analisi incomplete e che non permetteranno di cogliere tutte le opportunità offerte dal business.
Che problemi possono risolvere i metodi matematico-statistici?
Quando le informazioni in possesso dell’azienda sono più accurate e numerose e la volontà è quella di realizzare analisi quantitative, grazie anche al supporto di esperti del settore, è possibile applicare metodi matematico-statistici. Questi ultimi consistono nell’esecuzione di formule per la determinazione di grandezze come medie, probabilità e curve interpolanti (ovvero funzioni matematiche che permettono di dedurre il trend generale di una serie di osservazioni storiche), al fine di descrivere in maniera più precisa determinati fenomeni.
È possibile, ad esempio, stimare la curva di domanda di ogni prodotto che vendiamo e capire a quale prezzo corrisponda un maggior numero di vendite. Per una compagnia aerea è possibile individuare il prezzo medio da applicare per avere una maggiore probabilità di ottenere un tasso di occupazione del velivolo del 100%. L’algoritmo che si andrà a costruire in questo caso conterrà l’applicazione delle formule che determinano l’azione da compiere.
La differenza sostanziale rispetto ad un sistema di regole è riconducibile al fatto che l’analista trovava un problema, ma non un modo preciso per risolverlo, qui invece i modelli matematico-statistici forniscono già una soluzione. Più ci sono informazioni e più la soluzione sarà di alta qualità.
Tornando all’esempio dell’e-commerce, qualora l’obiettivo dovesse essere quello di capire il miglior prezzo da applicare per i monopattini, con sole 3 vendite passate converrebbe partire da un sistema di regole, mentre già con più di 20 record sarebbero utilizzabili un’interpolazione o altre metodologie quantitative.
In quali contesti diventa fondamentale utilizzare l’Intelligenza Artificiale?
Con database ancora più grandi e problemi da risolvere più variegati, l’intelligenza artificiale risulta essere la soluzione in grado di ottimizzare le scelte dell’azienda. Con il termine AI ci si riferisce a una famiglia di decine di algoritmi applicabili in diverse situazioni e in grado di risolvere molte tipologie di problemi. Grazie all’intelligenza permetterà di calcolare i prezzi corretti o di stimare la domanda e la sua elasticità, ma anche di segmentare la clientela per capire quali iniziative di marketing utilizzare per ogni tipologia di cliente oppure trovare relazioni nascoste tra le diverse informazioni e utilizzarle a vantaggio del business.
Ad esempio, qualora gestissimo una palestra sarebbe utile sapere che i nostri clienti del giovedì sera sono più inclini a seguire anche corsi online a pagamento rispetto agli altri.
Da quanto detto si evince subito una differenza rispetto ai sistemi di regole e ai metodi matematico-statistici: gli algoritmi di IA non solo risolvono un problema posto, ma sono in grado di individuare il problema stesso. Capire che il prezzo dei frigoriferi è troppo alto e calcolarne una nuova proposta è utile, ma non riuscire ad individuare che anche il prezzo dei forni sia troppo alto oppure che l’acquisto di un frigorifero sia vincolato a quello di un’aspirapolvere potrebbe rappresentare una mancata opportunità.
Un algoritmo di IA adeguato al problema permette di risolverlo vagliando più possibilità e chiavi di lettura in automatico, superando i limiti delle analisi condotte dall’uomo. Una classe di algoritmi di intelligenza artificiale nota come Machine Learning, tra le più utilizzate, consente di trovare soluzioni e schemi nei dati simulando con i calcoli un processo di apprendimento. Questo significa che maggiori sono le dimensioni del database e maggiori saranno le possibilità di apprendimento dell’algoritmo. In base a quanto detto, è immediato comprendere come questi metodi performino meglio in presenza di grandi moli di dati. In alcune circostanze però, se il problema da risolvere lo consente, è possibile usare questi algoritmi anche con poche informazioni e accumularne man mano per migliorare sempre di più l’apprendimento.
La scelta di quale algoritmo di intelligenza artificiale utilizzare non è semplice e spesso conviene affidarsi a degli esperti: con gli strumenti e le competenze giuste in alcune settimane è possibile creare un algoritmo su misura per il problema da risolvere.
La soluzione migliore per ogni azienda e problema
Ricapitolando, la scelta del metodo da utilizzare è guidata dalla quantità di informazioni di cui si dispone, dal problema da risolvere, ma anche dalla propensione verso un tipo di analisi più o meno quantitativa.
Come regole generali:
- più le informazioni aumentano e più L’intelligenza artificiale può rappresentare la miglior soluzione;
- con poche informazioni solitamente si tende a partire con un sistema di regole o metodi matematico-statistici, passando all’IA in una seconda fase;
- in diversi casi questi ultimi non permettono di risalire a come si sia arrivati ad un determinato risultato (i cosiddetti metodi a “scatola nera”, come le reti neurali artificiali); – i metodi di IA producono dei risultati basati su schemi nelle informazioni individuati, ma senza cognizione di causa. L’essere umano è fondamentale per valutare i risultati con occhio critico;
- i metodi matematico-statistici sono utili per avere un risultato anche con una piccola quantità di dati. Per un’interpolazione, in base alla complessità impostata, bastano una manciata di osservazioni per avere un responso verosimile;
- i sistemi di regole dipendono totalmente da quanto concepito dall’analisi realizzata in fase di impostazione e quindi necessitano una revisione periodica delle premesse, negli altri due casi gli algoritmi, periodicamente alimentati, sono in grado di produrre autonomamente risultati aggiornati;
- in generale la sinergia uomo-macchina è la strada vincente: gli algoritmi dipendono dalla qualità delle informazioni fornite in input, quindi un’adeguata preparazione del database, una scelta ponderata del metodo da usare ed un’attenta valutazione dei risultati rappresentano punti imprescindibili per una corretta attività di questo tipo.
