Le slide dell'intervento durante la X Edizione dell’Economic Packaging Conference, organizzata dall’Istituto Italiano Imballaggio e promossa da CONAI dove abbiamo presentato il lavoro svolto insieme a EY nella costruzione di un modello predittivo per il costo delle materie prime per il packaging

1. MODELLI PREDITTIVI E ANALYTICS PER
SUPPORTARE LE DECISIONI
#IlMercatoCheSarà
13 giugno 2018 | Milano, Hotel Principe di Savoia
ECONOMIC PACKAGING CONFERENCE

2. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
Da un approccio transazionale
ad un approccio «analytics»?
Che differenza passa tra la strumentazione di bordo
del Carro di Cugnot e quello di una Tesla Model S?

3. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
L’analisi predittiva per fare previsioni su
eventi futuri non noti.
L’analisi predittiva utilizza una serie di tecniche come
l’analisi statistica, il data mining e il machine learning,
in grado di fornire analisi previsionali su trend e pattern
di comportamento e risultati, sulla base
dell’elaborazione di dati storici e attuali.
Non solo Analytics, ma anche
Predictive

4. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
CHURN ANALYSIS E
SEGMENTAZIONE DELLA
CLIENTELA
Analisi della clientela per
determinare il profilo
comportamentale d’acquisto, le
preferenze e la probabilità di
passare alla concorrenza in modo
da poter intervenire in anticipo e
creare un vantaggio competitivo
sul mercato.
TECNICHE DI
PREVISIONE EFFICIENTE
I modelli predittivi permettono
alle aziende di essere più agili e
di rispondere rapidamente ai
cambiamenti del mercato
(andamento delle vendite,
prezzi di acquisto etc.)
CAMPAGNE PUBBLICITARIE
E MARKETING
L’utilizzo del data mining
nell’ambito delle campagne di
marketing consente di stabilire a
priori quali siano, tra i prospect,
quelli con maggior probabilità di
acquistare i prodotti dell’azienda,
in modo da allocare in maniera
mirata il budget di marketing.
I modelli di Predictive Analytics trovano utilizzato in diversi ambiti
di applicazione…

5. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
Come funziona? …in pillole
1
Raccolta di un set di dati campione
corrispondente alle caratteristiche
della popolazione che si intende
analizzare.
2 Si identificano le variabili che
possono essere utilizzate per
l’analisi.
3
Si disegna il modello in grado di
spiegare coerentemente le relazioni
tra le variabili e lo si applica a tutta
la popolazione
INDIETRO AVANTI
4
Si costruisce il modello predittivo che, in
base alla variazione delle variabili
sottostanti, spiega le variazioni della
variabile analizzata.
Alert !
Alert !

6. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
E se fosse possibile
prevedere la
variazione del
prezzo delle
materie prime con
un click?
Un mondo dove fosse possibile definire a
priori un budget di costo, quando
comprare e a quale prezzo?
Un caso pratico.
Obiettivo
Costruire un modello predittivo del
prezzo delle materie prime per il packaging.
Focus: ALLUMINIO

7. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
DATA
Variabili censite:
• Prezzo del greggio
• Cambio €/$
• Quotazioni borsa LME,
SHFE, NYMEX
• Andamento settore dei
principali utilizzatori
(i.e. Automotive)
• Produzione Globale
• Scorte di magazzino
QUALITATIVE
ANALYSIS
Analisi delle serie storiche
a disposizione, mediante
test di correlazione e
benchmarking analysis.
Cosa è accadutto?
Perchè è accaduto?
MONITORING
Scelta del modello che
descrive l’andamento dei
dati storici:
• Modelli a media mobile
• Modelli a livellamento
esponenziale
• Regressione lineare
• Alberi decisionali
PREDICTIVE
REPORTING
CONTINUOUS DEEP LEARNING (RNN)
Approccio metodologico utilizzato.

8. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
Una variabile molto discontinua
L’assenza di periodicità e la non-stazionarietà
della serie temporale rende molto complessa
l’analisi e la predizione con metodologie
standard
Discontinuità e oscillazioni improvvise si
registrano sia a livello storico, sia nel trend
giornaliero

9. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
Dalla teoria… …..alla pratica
Il modello previsionale può essere
letto dalle più comuni BI; l’analisi è
immediata, semplice e integrabile
con altri KPI aziendali utili
Prezzo effettivo Media mobile (base line)Prezzo predetto
ADWIN: algoritmi basati su sliding window a dimensione variabile per
l’analisi di serie storiche in streaming. Possono essere utilizzati per
rilevare un cambiamento nel mondo e ricalcolare il modello
LSTM RNN: classi di reti neurali ricorrenti (RNN) basate su celle LSTM
(Long-Short Term Memory) in grado di «ricordare» valori del passato per
finestre temporali variabili, riutilizzandoli dopo periodi arbitrari di tempo

10. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
Dal grafico emerge il miglioramento ottenuto in termini di errore percentuale rispetto
alla base line: l’errore mediano del modello deep learning è più che dimezzato rispetto
all’errore mediano prodotto dalla media mobile e lo scarto interquartile della
distribuzione dell’errore nel modello testato si colloca interamente al di sotto dello
scarto interquartile di MA. Si noti inoltre come l’errore massimo prodotto dal modello
deep learning è inferiore al valore mediano dell’errore prodotto da MA.
Errore Media mobile (MA) Errore Modello Deep Learning
Anno
Errore Mediano Errore Massimo
Deep Learn. MA Deep Learn. MA
2016 2,854 4,750 6,145 10,707
2017 3,911 9,317 6,588 11,250
2018 * 4,865 8,093 6,797 9,470
* solo gennaio e febbraio
Valutazione del modello

11. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSarà
Ora che la tecnologia non
costituisce più una
barriera ostativa, come
può l’analisi predittiva
diventare un oggetto
quotidiano, consultabile
da casa tua?
Riccardo Bovetti - Partner
EY S.p.A.
Riccardo.Bovetti@it.ey.com
Ufficio di Milano
Riccardo Clocchiatti
EY S.p.A.
Riccardo.Clocchiatti@it.ey.com
Ufficio di Verona
Laura Mura
EY S.p.A.
Laura.Mura@it.ey.com
Ufficio di Milano
Emanuele Della Valle – co-founder |R&D advisor
Fluxedo s.r.l.
emanuele.dellavalle@fluxedo.com
Christian Marazzi – co-founder | specialist
Fluxedo s.r.l.
christian.marazzi@fluxedo.com
Lorenzo Onofrio – co-founder | C.E.O.
Fluxedo s.r.l.
lorenzo.onofrio@fluxedo.com
Barbara Iascone
Istituto Italiano Imballaggio
areaeconomica@istitutoimballaggio.it
Angelo De Carlo
EY S.p.A.
Angelo.De-Carlo@it.ey.com
Ufficio di Roma