Blog
Modelli predittivi e prescrittivi: significato, analisi, vantaggi
PUBBLICATO
21 Nov 2021
categorie
Data Management
tag
Data Analysis
Offrono alle aziende informazioni preziose per guidare e orientare le decisioni, presenti e future. I modelli predittivi e prescrittivi sono fondamentali per le imprese, perché non solo analizzano lo stato dell’arte, ma arrivano a prevedere l’avvenire sulla base di dati già in possesso.
Il progresso tecnologico in ambito aziendale, accelerato negli ultimi anni anche dagli investimenti in digitalizzazione e in progetti di Industria 4.0, ha portato le organizzazioni a dotarsi di strumenti, macchinari, hardware e software in grado di generare una gran mole di dati che spesso, però, non vengono propriamente valorizzati.
L’impiego di modelli predittivi e prescrittivi, nell’elaborazione dei Big Data, rappresenta il passaggio successivo, perché superano la visione statica dell’oggi per concentrarsi su quanto potrà verificarsi nel domani. Dando la possibilità ai decisori aziendali di avere un approccio proattivo.
In questo articolo scopriremo in che cosa consiste l’analisi prescrittiva e predittiva, con un focus sui vantaggi che queste possono portare alle aziende, presentando alcuni esempi di applicazioni concrete.
Cos'è l'analisi predittiva
L’analisi predittiva è incentrata sulla previsione e sulla comprensione del futuro. I modelli predittivi permettono di ottenere stime e proiezioni capaci di guidare e, in questo senso, di indirizzare le scelte operative e strategiche delle aziende. Da un punto di vista pratico, le tecniche quantitative appartenenti a questa categoria consentono di identificare ed esplicitare eventuali pattern sottostanti i dati, per poi replicarli e applicarli a scenari attesi, mediante appositi modelli.
Sebbene nessun algoritmo predittivo possa prevedere con assoluta certezza e precisione il futuro, i metodi predittivi consentono alle aziende di accrescere il patrimonio di informazioni su cui basare le proprie scelte e di avere un’idea più precisa dell’avvenire.
Tra i modelli predittivi troviamo:
• Metodi tradizionali, come la decomposizione e l’analisi delle serie storiche (ad esempio, tramite Prophet, implementato sia in R sia in Python).
• Metodi innovativi, come l’Artificial Intelligence e il Machine Learning.
Cos’è l’analisi prescrittiva
L’analisi prescrittiva integra ed estende i contenuti e i risultati ricavati dall’analisi predittiva. Infatti, non si limita soltanto a fornire una previsione degli scenari futuri, ma prova a spiegare e interpretare i driver sottostanti, suggerendo delle possibili azioni di condotta.
L’area dei modelli prescrittivi include, tra le altre:
• Attività consulenziali, relativamente all’interpretazione dei risultati dell’analisi predittiva.
• Implementazione di modelli di Deep Learning, come, ad esempio, le cosiddette neural networks.
I vantaggi dei modelli predittivi
Attualmente, i modelli predittivi vengono sempre più impiegati nei contesti aziendali. Questi modelli, come anticipato, consentono di estrarre informazioni rilevanti dal passato per prevedere ciò che potrebbe accadere in determinati scenari. In questo modo, ad esempio, le aziende sono in grado di stimare l’andamento futuro della domanda, adattando e predisponendo un’adeguata capacità produttiva.
Al tempo stesso, i metodi predittivi vengono implementati nella gestione e nell’organizzazione dei flussi produttivi aziendali: ad esempio, nelle diverse fasi della produzione, nel caso di imprese manifatturiere, o nella gestione dei flussi di beni e di merci, nel caso di imprese della logistica.
Per esempio, la previsione della domanda potenziale (indipendentemente dal bene considerato) consente non solo di ottenere una stima dei ricavi futuri (e dei relativi costi associati), ma, risalendo la catena del processo produttivo, anche di programmare tutte le fasi della produzione del bene stesso, incluse la pianificazione e l’organizzazione della logistica di magazzino e in entrata. Senza il supporto di questi modelli, il rischio è quello di sovrastimare o sottostimare la domanda, con ricadute economiche sia a valle (con possibili perdite o con l’incapacità di soddisfare la domanda) sia a monte (con approvvigionamenti eccessivi o, al contrario, insufficienti). Di conseguenza, l’implementazione di questi modelli nei contesti aziendali consente di generare valore a più livelli, con un effetto moltiplicatore su tutto il flusso dei processi.
Tra i clienti di INTWIG, ad esempio, un operatore della logistica ha richiesto l’implementazione di modelli predittivi per ottimizzare la gestione dei propri magazzini. In questo modo, il cliente è in grado di ottenere una stima accurata di quelli che sono i flussi in entrata e in uscita, nonché tutte le eventuali movimentazioni interne delle merci, con un conseguente efficientamento delle risorse impiegate (in primis, il personale).
Pertanto, due dei principali punti di forza dei metodi predittivi sono sicuramente la capacità di fornire stime relativamente accurate e la possibilità di applicarli a una moltitudine di contesti, generando valore in modo trasversale lungo molteplici dimensioni aziendali.
I vantaggi dei modelli prescrittivi
Rispetto a quelli predittivi, i modelli prescrittivi presentano un ulteriore vantaggio: oltre a fornire una previsione degli scenari futuri, consentono alle aziende di identificare le leve dietro questi scenari, suggerendo le possibili azioni da intraprendere. Questo elemento informativo aggiuntivo può essere frutto dell’esperienza in un determinato contesto (arricchendo così l’informazione restituita dall’analisi predittiva) o dell’implementazione di tecniche quantitative innovative (tra cui il Deep Learning), in grado di estendere ed ottimizzare i risultati ottenibili con i metodi predittivi.
Riprendendo l’esempio precedente, i modelli prescrittivi non si limitano a prevedere la domanda di un bene o di un servizio. Infatti, sono in grado di suggerire anche dove e come riallocare le risorse a disposizione, in virtù degli eventuali cambiamenti della domanda espressa dal mercato. Analogamente a quanto accade per i modelli predittivi, anche in questo caso l’impatto di questi metodi coinvolge, a ritroso, tutte le fasi del flusso dei processi.
I modelli prescrittivi sono, infatti, in grado di suggerirci possibili azioni da seguire in merito alla gestione della produzione in termini di risorse e personale (quali linee potenziare e quali ridimensionare), alla gestione della logistica (come riorganizzare il magazzino e gli approvvigionamenti di materie prime) e alla pianificazione strategica dell’offerta (su quali prodotti e/o tecnologie investire).
Per esempio, un’azienda attiva nella fornitura e nell’erogazione di energia, attuale cliente di INTWIG, ha espresso la necessità di disporre (all’interno di un più ampio sistema di Customer Journey) di un meccanismo di “early warning” in grado di avvisare quando uno dei suoi clienti attuali è sul punto di interrompere il proprio contratto. In maniera speculare, un sistema analogo può essere applicato per segnalare, tra i potenziali nuovi clienti, quelli più promettenti in termini di probabilità di conclusione dell’acquisto e di valore di lungo periodo del contratto.
I modelli prescrittivi, in questo scenario, sono in grado di contrassegnare con un “flag” questi clienti, suggerendo le possibili azioni da intraprendere (ad esempio, un’offerta appositamente dedicata).
I vantaggi della combinazione dei modelli predittivi e prescrittivi
INTWIG adotta un metodo che si articola in 5 step sequenziali e che contempla, tra gli altri, sia modelli predittivi che prescrittivi, adattabili e personalizzabili a seconda delle esigenze del cliente e delle caratteristiche del progetto.
Infatti, i modelli predittivi e prescrittivi, come facilmente intuibile, non sono affatto mutuamente esclusivi. Al contrario, le due tipologie di analisi sono complementari e tra loro integrabili. In particolare, la loro combinazione permette di generare un valore per le aziende che supera di gran lunga la somma dei singoli apporti.
A seconda della situazione e del contesto, si può decidere di limitare l’analisi all’area predittiva o, eventualmente, di estenderla anche a quella prescrittiva.
Conclusioni
Per concludere, l’analisi predittiva e prescrittiva condividono molti aspetti, sia metodologici sia pratici. La loro integrazione consente alle aziende di ricavare una moltitudine di informazioni circa gli scenari futuri e di indicazioni circa le azioni da intraprendere e le strategie da seguire.
In tal senso, laddove internamente all’impresa vi sia una carenza di competenze adeguate, risulta fondamentale la presenza di un partner strategico capace di affiancare e guidare le imprese nell’implementazione di questi modelli e nell’interpretazione dei risultati che essi restituiscono.
INTWIG, grazie al suo approccio innovativo e personalizzabile, è in grado di supportare le imprese nell’implementazione sia di modelli predittivi che di modelli prescrittivi attraverso un’ampia gamma di soluzioni.