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
Marketing Aumentato e Intelligenza Artificiale - Master MUMMMasterMarketing
Vincenzo Cosenza - Marketing & Innovation Consultant / Advisor / Founder Osservatorio Metaverso - illustra il tema del marketing aumentato: un marketing che è ancorato ai principi di quello tradizionale, ma che allo stesso tempo assorbe e fa proprie le novità tecnologiche.
Come è cambiato il processo d’acquisto e il ruolo dei canali di comunicazione on e offline. Il ruolo del marketing e cosa devono fare le web marketing agency moderne in tale contesto. Andrea Cappello. Slide Ecommerce Strategies 2018
ICT & Fashion: ing. Piero De Sabbata (ENEA - Dipartimento Tecnologie Ener...Tecnopolo ENEA Bologna
ICT & Fashion: ing. Piero De Sabbata (ENEA - Dipartimento Tecnologie Energetiche - DTE-SEN-CROSS - Laboratorio Regionale ENEA-CROSS-TEC) http://www.cross-tec.enea.it/tecnopolo/imple/listezoom.asp?xmlsrclista=/tecnopolo/imple/news-lista.xml&lingua=it&k=935&rtdr=/tecnopolo/
Marketing Aumentato e Intelligenza Artificiale - Master MUMMMasterMarketing
Vincenzo Cosenza - Marketing & Innovation Consultant / Advisor / Founder Osservatorio Metaverso - illustra il tema del marketing aumentato: un marketing che è ancorato ai principi di quello tradizionale, ma che allo stesso tempo assorbe e fa proprie le novità tecnologiche.
Come è cambiato il processo d’acquisto e il ruolo dei canali di comunicazione on e offline. Il ruolo del marketing e cosa devono fare le web marketing agency moderne in tale contesto. Andrea Cappello. Slide Ecommerce Strategies 2018
ICT & Fashion: ing. Piero De Sabbata (ENEA - Dipartimento Tecnologie Ener...Tecnopolo ENEA Bologna
ICT & Fashion: ing. Piero De Sabbata (ENEA - Dipartimento Tecnologie Energetiche - DTE-SEN-CROSS - Laboratorio Regionale ENEA-CROSS-TEC) http://www.cross-tec.enea.it/tecnopolo/imple/listezoom.asp?xmlsrclista=/tecnopolo/imple/news-lista.xml&lingua=it&k=935&rtdr=/tecnopolo/
Nel corso degli ultimi anni, il mondo finanziario sta esplorando l’introduzione di modelli di intelligenza artificiale con l’obiettivo di estrapolare indicazioni di valore da grandi quantità di dati, con livelli di precisione e profondità impensabili per l’uomo. A differenza dei tradizionali modelli quantitativi, l’intelligenza artificiale introduce una maggiore flessibilità che permette di cogliere l’evoluzione del mercato, anche se è buona prassi non spingersi verso approcci eccessivamente “black box”. Nel rispetto del concetto appena espresso, il modello presentato ha come obiettivo quello di individuare le variabili macroeconomiche premiate in un determinato intervallo temporale ed i titoli che beneficiano della spinta derivante da questo trend di fondo.
La matematica di MoxOff al SiFood 2014, distretto del cibo e della scienza pe...MOXOFF
La demografia mondiale è cambiata, e con essa anche i fabbisogni alimentari: le cause di questa crescita esponenziale sono dovute essenzialmente a fattori di ordine demografico, come la diminuzione dei tassi di mortalità e l’aumento della speranza di vita della popolazione. Esse sono a loro volta generate soprattutto dal miglioramento delle condizioni dell’igiene, della sanità e del tenore di vita quotidiano. In altre parole, gli abitanti della terra sono sempre più numerosi e, soprattutto, vivono più a lungo.
In un panorama in cui la richiesta aumenta e l'offerta inizia a scarseggiare, diventa molto importante calcolare come è possibile prevenire gli sprechi alimentare e ottimizzare i processi produttivi.
Per questo MoxOff, in occasione della rassegna SiFood 2014, ha spiegato come la matematica possa essere realmente la chiave di svolta grazie alla simulazione, ottimizzazione, gestione del rischio e razionalizzazione, applicata a di tutta la catena del food processing: dalla produzione, logistica e conservazione delle materie prime e dei prodotti finiti, fino alla rete di vendita e alla sensibilizzazione dei consumatori per acquisti "intelligenti".
Ridurre il fenomeno dell’abbandono del cliente (customer churn) è una sfida sempre più difficile. L'utilizzo di advanced analytics permette di individuare in anticipo i clienti che abbandoneranno mettendo in atto opportune strategie di retention
Dal reverse engineering alle applicazioni medicali, dall’architettura al controllo qualità, dalla prototipazione alla stampa 3D. Sempre più ambiti scoprono utile ricostruire un modello numerico di un oggetto che può essere poi trasformato per le proprie esigenze.
da Office Automation - settembre 2014
Obiettivo del presente Project Work è la descrizione delle fasi operative con cui l'Ufficio Studi di Banca Promos fornirà ai propri clienti il servizio di collocamento dei prodotti del risparmio gestito secondo una strategia Multibrand. Dopo un’iniziale definizione delle forme di gestione del risparmio e gli annessi vantaggi, saranno descritti i vari step in cui si articolerà l’attività dell’Ufficio. In particolare, sarà descritto il processo di selezione dei migliori Asset Managers presenti sul mercato, l’analisi quantitativa dei fondi da essi offerti, l’implementazione di views di mercato e l’organizzazione del rapporto con la clientela attraverso la rete dei promotori finanziari. Infine sarà presentato un esempio di operatività dell’Ufficio.
Statmanager NET, progetto statistico per la digital economyFPA
L’obiettivo di Statmanager è il riuso, l’elaborazione, l’analisi e la visualizzazione dei dati open, con riferimento ai temi dell'Agenda digitale, Smart economy, Open data government, Smart specialisation, Big data e Risk management. Si propone di sviluppare e implementare, anche attraverso Progetto Net e Open School, dei progetti statistici web in collaborazione e a supporto di una rete di professionisti, media partner e associazioni. Promosso da Fabrizio Carapellotti, MISE è stato presentato nelle Poster Session di FORUM PA 2013.
MARK UP dicembre 2018 - Food Retail Turbulence Andrea Petronio
Che aspetto avranno i retailer del futuro? Che forma prenderanno i negozi del futuro? Una cosa è certa: l’innovazione tecnologica trainerà questo cambiamento e il retail moderno cambierà completamente. Tra gli scenari e le strategie possibili...
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...Cristian Randieri PhD
VEDIAMO QUI I VANTAGGI CHE SI POSSONO OTTENERE CON LA BIG DATA ANALYSIS, NONCHÉ GLI STRUMENTI A DISPOSIZIONE E LE MODALITÀ CON CUI TRASFORMARE I DATI IN DECISIONI UTILI AL BUSINESS
Abbiamo chiesto ad alcuni dei principali attori del mondo dell’automazione industriale di fare luce sull’ampio tema della big data analysis, partendo dal suo significato per conoscere poi quali applicazioni siano state messe in campo dalle aziende da loro rappresentate.
Per Cristian Randieri, presidente e CEO di Intellisystem Technologies (www.intellisystem.it), quando si parla di big data si fa riferimento a una collezione eterogenea di dati grezzi che di per sé non hanno alcun valore se non analizzati e quindi rielaborati mediante le più moderne tecniche, meglio definite col termine ‘data mining’. “Questa tecnica può essere definita come l’attività di estrazione dell’informazione da una miniera di dati grezzi. Per capire meglio questo concetto occorre approfondire il significato di alcune parole. Il dato è l’elemento base potenzialmente informativo, le cui caratteristiche sono note ma non ancora organizzate o classificate, in quanto costituito da simboli che devono essere elaborati prima di poter essere compresi. L’informazione è il risultato dell’elaborazione di più dati che restituisce una serie di dati aggregati e organizzati in modo significativo. La conoscenza è una serie di informazioni che, aggregate tra loro, consentono di diffondere sapere, comprensione, cultura o esperienza. Di conseguenza, qualsiasi operazione di big data analysis consiste in tutte le attività che hanno come obiettivo l’estrazione di informazioni da una quantità di dati indefinita, ovvero tutto ciò che attraverso ricerca, analisi e organizzazione genera sapere o conoscenza a partire da dati non strutturati. Si tratta di una serie di tecniche e metodologie molto simili alla statistica ma con una grande differenza: la prima è usata per fotografare lo stato temporale dei dati, mentre il data mining è più usato per cercare correlazioni tra variabili a scopi predittivi”.
Nel corso degli ultimi anni, il mondo finanziario sta esplorando l’introduzione di modelli di intelligenza artificiale con l’obiettivo di estrapolare indicazioni di valore da grandi quantità di dati, con livelli di precisione e profondità impensabili per l’uomo. A differenza dei tradizionali modelli quantitativi, l’intelligenza artificiale introduce una maggiore flessibilità che permette di cogliere l’evoluzione del mercato, anche se è buona prassi non spingersi verso approcci eccessivamente “black box”. Nel rispetto del concetto appena espresso, il modello presentato ha come obiettivo quello di individuare le variabili macroeconomiche premiate in un determinato intervallo temporale ed i titoli che beneficiano della spinta derivante da questo trend di fondo.
La matematica di MoxOff al SiFood 2014, distretto del cibo e della scienza pe...MOXOFF
La demografia mondiale è cambiata, e con essa anche i fabbisogni alimentari: le cause di questa crescita esponenziale sono dovute essenzialmente a fattori di ordine demografico, come la diminuzione dei tassi di mortalità e l’aumento della speranza di vita della popolazione. Esse sono a loro volta generate soprattutto dal miglioramento delle condizioni dell’igiene, della sanità e del tenore di vita quotidiano. In altre parole, gli abitanti della terra sono sempre più numerosi e, soprattutto, vivono più a lungo.
In un panorama in cui la richiesta aumenta e l'offerta inizia a scarseggiare, diventa molto importante calcolare come è possibile prevenire gli sprechi alimentare e ottimizzare i processi produttivi.
Per questo MoxOff, in occasione della rassegna SiFood 2014, ha spiegato come la matematica possa essere realmente la chiave di svolta grazie alla simulazione, ottimizzazione, gestione del rischio e razionalizzazione, applicata a di tutta la catena del food processing: dalla produzione, logistica e conservazione delle materie prime e dei prodotti finiti, fino alla rete di vendita e alla sensibilizzazione dei consumatori per acquisti "intelligenti".
Ridurre il fenomeno dell’abbandono del cliente (customer churn) è una sfida sempre più difficile. L'utilizzo di advanced analytics permette di individuare in anticipo i clienti che abbandoneranno mettendo in atto opportune strategie di retention
Dal reverse engineering alle applicazioni medicali, dall’architettura al controllo qualità, dalla prototipazione alla stampa 3D. Sempre più ambiti scoprono utile ricostruire un modello numerico di un oggetto che può essere poi trasformato per le proprie esigenze.
da Office Automation - settembre 2014
Obiettivo del presente Project Work è la descrizione delle fasi operative con cui l'Ufficio Studi di Banca Promos fornirà ai propri clienti il servizio di collocamento dei prodotti del risparmio gestito secondo una strategia Multibrand. Dopo un’iniziale definizione delle forme di gestione del risparmio e gli annessi vantaggi, saranno descritti i vari step in cui si articolerà l’attività dell’Ufficio. In particolare, sarà descritto il processo di selezione dei migliori Asset Managers presenti sul mercato, l’analisi quantitativa dei fondi da essi offerti, l’implementazione di views di mercato e l’organizzazione del rapporto con la clientela attraverso la rete dei promotori finanziari. Infine sarà presentato un esempio di operatività dell’Ufficio.
Statmanager NET, progetto statistico per la digital economyFPA
L’obiettivo di Statmanager è il riuso, l’elaborazione, l’analisi e la visualizzazione dei dati open, con riferimento ai temi dell'Agenda digitale, Smart economy, Open data government, Smart specialisation, Big data e Risk management. Si propone di sviluppare e implementare, anche attraverso Progetto Net e Open School, dei progetti statistici web in collaborazione e a supporto di una rete di professionisti, media partner e associazioni. Promosso da Fabrizio Carapellotti, MISE è stato presentato nelle Poster Session di FORUM PA 2013.
MARK UP dicembre 2018 - Food Retail Turbulence Andrea Petronio
Che aspetto avranno i retailer del futuro? Che forma prenderanno i negozi del futuro? Una cosa è certa: l’innovazione tecnologica trainerà questo cambiamento e il retail moderno cambierà completamente. Tra gli scenari e le strategie possibili...
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...Cristian Randieri PhD
VEDIAMO QUI I VANTAGGI CHE SI POSSONO OTTENERE CON LA BIG DATA ANALYSIS, NONCHÉ GLI STRUMENTI A DISPOSIZIONE E LE MODALITÀ CON CUI TRASFORMARE I DATI IN DECISIONI UTILI AL BUSINESS
Abbiamo chiesto ad alcuni dei principali attori del mondo dell’automazione industriale di fare luce sull’ampio tema della big data analysis, partendo dal suo significato per conoscere poi quali applicazioni siano state messe in campo dalle aziende da loro rappresentate.
Per Cristian Randieri, presidente e CEO di Intellisystem Technologies (www.intellisystem.it), quando si parla di big data si fa riferimento a una collezione eterogenea di dati grezzi che di per sé non hanno alcun valore se non analizzati e quindi rielaborati mediante le più moderne tecniche, meglio definite col termine ‘data mining’. “Questa tecnica può essere definita come l’attività di estrazione dell’informazione da una miniera di dati grezzi. Per capire meglio questo concetto occorre approfondire il significato di alcune parole. Il dato è l’elemento base potenzialmente informativo, le cui caratteristiche sono note ma non ancora organizzate o classificate, in quanto costituito da simboli che devono essere elaborati prima di poter essere compresi. L’informazione è il risultato dell’elaborazione di più dati che restituisce una serie di dati aggregati e organizzati in modo significativo. La conoscenza è una serie di informazioni che, aggregate tra loro, consentono di diffondere sapere, comprensione, cultura o esperienza. Di conseguenza, qualsiasi operazione di big data analysis consiste in tutte le attività che hanno come obiettivo l’estrazione di informazioni da una quantità di dati indefinita, ovvero tutto ciò che attraverso ricerca, analisi e organizzazione genera sapere o conoscenza a partire da dati non strutturati. Si tratta di una serie di tecniche e metodologie molto simili alla statistica ma con una grande differenza: la prima è usata per fotografare lo stato temporale dei dati, mentre il data mining è più usato per cercare correlazioni tra variabili a scopi predittivi”.
Modelli predittivi e analytics per supportare le decisioni
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