Cos'è l'analisi predittiva?
L'analisi predittiva permette alle aziende di rivolgere lo sguardo al futuro e di prevenire eventuali sorprese sgradite con un ragionevole grado di accuratezza: una prerogativa la cui importanza è riconosciuta da sempre, ma che mai come in questo periodo può dirsi imprescindibile. Le aziende hanno dovuto affrontare grandissime difficoltà a livello commerciale e di supply chain, improvvise impennate (e altrettanto repentine cadute) della domanda, rischi e criticità totalmente inediti, ritrovandosi in sostanza a navigare in acque sconosciute. Ecco perché l'analisi predittiva è balzata al primo posto nell'elenco delle priorità delle organizzazioni di tutto il mondo.
Definizione di analisi predittiva
L'analisi predittiva è un ramo dell'analitica avanzata utilizzata per formulare previsioni su eventi, comportamenti e risultati futuri. Si avvale di tecniche statistiche – quali gli algoritmi di machine learning e la modellazione predittiva sofisticata – per analizzare i dati storici e correnti e valutare la probabilità che si verifichi un evento, anche se estraneo al perimetro di attenzione di un'azienda.
L'analisi predittiva trova applicazioni utili nella maggior parte dei settori di mercato, ad esempio per:
- Contrastare il fenomeno dell'abbandono di dipendenti e clienti
- Individuare i clienti con la maggior propensione a risultare inadempienti nei pagamenti
- Sostenere i forecast di vendita basati sui dati
- Fissare prezzi ottimali
- Effettuare il tracciamento delle esigenze di manutenzione o sostituzione dei macchinari
Previsioni accurate e attuabili sono essenziali per aiutare i decisori a destreggiarsi in un mondo in cui le uniche costanti sono il cambiamento rapido e la volatilità dei mercati. E se tutto ciò era vero prima del COVID-19, durante la pandemia la capacità di cambiare direzione e di effettuare previsioni e piani in vista di molteplici scenari possibili è diventata ancor più critica.
L'analisi predittiva trova impiego nella stessa lotta al COVID-19. Ospedali e sistemi sanitari ricorrono a modelli predittivi per calibrare il rischio, prevedere gli esiti clinici e gestire le supply chain di apparecchiature medicali e DPI. I ricercatori, dal canto loro, si rivolgono ai modelli per mappare la diffusione del virus, prevedere i numeri dei casi e gestire il tracciamento dei contatti, il tutto con l'obiettivo di ridurre i numeri delle infezioni e le morti.
Predictive analytics, as shown above, can help businesses anticipate cash flow.
Analisi predittiva e analisi prescrittiva
Dopo la creazione e la distribuzione di modelli predittivi che generano previsioni accurate e tempestive, qual è la fase successiva? Secondo molte aziende, il passaggio logico successivo riguarda l'analisi prescrittiva .
Se l'analisi predittiva ti aiuta a stabilire cosa è probabile che accada nel futuro imminente, l'analisi prescrittiva si propone invece di spiegare come comportarsi di conseguenza – o come sarebbe possibile ottenere un risultato migliore optando per la linea d'azione X, Y o Z. Questo tipo di analitica avanzata si basa sull'analisi predittiva e tiene conto di un elevato numero di fattori di diversa natura per prescrivere la migliore linea d'azione o decisione possibile.
L'analisi prescrittiva viene spesso presentata come "ultima fase della business analytics". È anche la più complessa e relativamente nuova, come testimoniato dall'attenzione che le rivolge Gartner nel suo Hype Cycle 2020 per l'analisi e la business intelligence.
L'analisi predittiva oggi
Secondo uno studio condotto da Allied Market Research, il mercato globale dell'analisi predittiva dovrebbe raggiungere i 35,45 miliardi di dollari entro il 2027, registrando un tasso di crescita annuo composto (CAGR) pari al 21,9%. È nel mondo di oggi che l'analisi predittiva è riuscita a dare pienamente prova di sé, in una realtà in cui vengono generate enormi quantità di dati, i computer hanno raggiunto potenze di calcolo esponenzialmente superiori e il software è diventato più interattivo e facile da utilizzare.
Per le aziende, poi, non si tratta solo di raccogliere quantità smisurate di dati, ma anche di classificarli in varie tipologie: dai dati strutturati tradizionali ai dati non strutturati come Internet of Things (IoT), SMS, video e dark data. La capacità dell'analisi predittiva di combinare e analizzare i i Big Data provenienti da diverse fonti rende le previsioni più accurate e fa emergere conoscenze più approfondite con enormi potenzialità. Per connettere tutte queste diverse origini di dati il cloud si rivela essenziale, così come l'archiviazione nei data warehouse e nei data lake in cloud risulta più economica e scalabile rispetto allo storage effettuato on-premise.
Oggi l'analisi predittiva si ritrova anche ad essere "aumentata" dalle tecnologie dell'intelligenza artificiale (AI) come il machine learning, il deep learning e le reti neurali. Queste funzioni di analisi aumentata sono in grado di analizzare rapidamente enormi masse di dati, rivelare conoscenze che potrebbero sfuggire all'esame umano e rendere più articolata e precisa la previsione della probabilità di eventi futuri. Servono anche per automatizzare i passaggi più complessi nel processo dell'analisi predittiva, come la creazione e la verifica dei modelli predittivi. Infine, l'elaborazione del linguaggio naturale (NLP), una forma di AI che consente agli utenti di rivolgere domande e ottenere risposte nel linguaggio conversazionale, rende più facile che mai interpretare e comprendere le risposte.
Storicamente gli strumenti e le tecniche alla base dell'analisi predittiva sono stati talmente sofisticati – e complicati – da consentirne la manipolazione efficace solo nelle mani dei data scientist e degli analisti di professione. Grazie all'augmented analytics, ora anche gli utenti aziendali con un minimo di formazione sono in grado di generare previsioni accurate e di prendere decisioni intelligenti e rivolte al futuro senza l'aiuto dell'IT – vantaggio che non può essere trascurato in un mercato fortemente competitivo.
Esempi di analisi predittiva
L'analisi predittiva trova applicazioni di grande efficacia praticamente in ogni settore – dai servizi finanziari all'industria aerospaziale. I modelli predittivi vengono sfruttati per le previsioni di magazzino, la gestione delle risorse, la determinazione dei prezzi dei ticket, la programmazione della manutenzione delle attrezzature, l'elaborazione dei modelli di rischio di credito e molto altro ancora. Le imprese se ne servono per ridurre i rischi, ottimizzare le operazioni e incrementare i ricavi.
Analisi predittiva nell'HR
Quello delle Risorse Umane è un settore in cui è naturale tenere traccia di una grande mole di dati sulle persone. Tramite l'analisi predittiva quei dati possono essere analizzati per accertare se un potenziale dipendente è incline a mostrare affinità culturali, quali dipendenti rischiano di lasciare l'organizzazione (si veda più avanti), se un'azienda deve riqualificare un dipendente o assumere per colmare deficit di competenze e se i dipendenti contribuiscono in modo produttivo ai risultati aziendali. Potendo contare su queste capacità, l'HR può concorrere attivamente ai risultati complessivi dell'azienda senza isolarsi nella propria funzione.
Predictive analytics in HR can be used to predict employee churn.
Analisi predittiva nell'assistenza sanitaria
Nel mondo di oggi, gli ospedali e le strutture sanitarie sono sottoposti a enormi pressioni per massimizzare le risorse – e possono farlo grazie all'analisi. Affidandosi all'analisi predittiva, i dirigenti sanitari possono migliorare il processo decisionale finanziario e operativo, ottimizzare i livelli di scorte e di organico, gestire le supply chain in modo più efficiente e prevedere i fabbisogni di manutenzione delle apparecchiature medicali. L'analisi predittiva rende inoltre possibile migliorare gli esiti clinici rilevando segni precoci di peggioramento dei pazienti, riconoscendo i pazienti a rischio di riammissione e migliorando l'accuratezza di diagnosi e trattamento dei pazienti.
Analisi predittiva nel retail
Gli operatori del retail raccolgono enormi quantità di informazioni sui clienti sia online, per esempio con il tracciamento delle attività online tramite i cookie, sia nel mondo reale, monitorando il modo in cui i clienti si muovono tra i reparti di un negozio. Tra le altre informazioni tracciate non mancano i dati di contatto dei clienti presso il punto vendita, le loro attività sui social media, gli articoli acquistati e la frequenza con cui acquistano beni specifici o si recano presso un esercizio. Avvalendosi dell'analisi predittiva, le catene della grande distribuzione possono sfruttare quei dati per finalità che vanno dall'ottimizzazione delle scorte alla previsione dei ricavi, passando per l'analisi dei comportamenti, il targeting degli acquirenti e il rilevamento delle frodi.
Analisi predittiva nel marketing
I modelli generati dall'analisi predittiva sono estremamente preziosi per gli esperti di marketing chiamati a rendere le proprie campagne sempre più mirate ed efficaci in un mondo in cui i clienti sono liberi di ordinare online quello che vogliono, quando vogliono e ovunque si trovino. Applicata al marketing, l'analisi predittiva favorisce la segmentazione basata sui dati di clienti e pubblico, l'acquisizione di nuovi clienti, la classificazione dei lead, i contenuti e i consigli pubblicitari oltre all'iper-personalizzazione. Gli esperti di marketing possono utilizzare i dati dei clienti per inviare al momento giusto promozioni, campagne pubblicitarie e suggerimenti per altri prodotti potenzialmente di loro gradimento, migliorando la customer experience e la fidelizzazione.
Analisi predittiva nella supply chain
L'analisi predittiva è diventata imprescindibile per poter gestire una supply chain agile e resiliente ed evitare perturbazioni. Permette di analizzare enormi set di dati provenienti da fonti diverse per generare previsioni accurate su domanda e offerta, determinare livelli di stock ottimali, migliorare la logistica e la puntualità delle consegne, anticipare i problemi di manutenzione degli impianti, riconoscere condizioni impreviste adattandosi di conseguenza e molto altro ancora.
Le principali fasi del processo di analisi predittiva
Il processo di analisi predittiva comporta la definizione di uno scopo od obiettivo, la raccolta e la pulizia di enormi volumi di dati e quindi la creazione di modelli predittivi utilizzando sofisticati algoritmi e tecniche predittive. Tradizionalmente complesso, questo processo sta diventando più automatizzato e accessibile al normale utente aziendale grazie alle nuove tecnologie di AI, ma per superare taluni passaggi o creare particolari modelli le aziende potrebbero avere ancora bisogno del supporto dell'IT.
In termini molto semplici, il processo di analisi predittiva si articola nelle fasi seguenti:
The steps in the predictive analytics process.
- Definisci gli obiettivi del tuo progetto. Qual è l'esito auspicato? Quale problema punti a risolvere? La prima fase consiste nel definire gli obiettivi, i deliverable, l'ambito e i dati richiesti dal progetto.
- Raccogli i dati. Raccogli e centralizza tutti i dati di cui hai bisogno. Includi tipi diversi di dati attuali e storici provenienti da varie fonti – dai sistemi transazionali ai sensori, passando per i registri dei call center – per ottenere risultati più approfonditi.
- Pulisci e prepara i dati. Pulisci, prepara e integra i dati in modo da predisporli per l'analisi. Rimuovi i valori anomali e rileva le informazioni mancanti per migliorare la qualità del set di dati predittivi.
- Crea e testa il tuo modello. Crea il tuo modello predittivo, istruiscilo sul set di dati e testalo per verificarne l'accuratezza. Per ottenere un modello esente da errori potrebbero essere necessarie molteplici iterazioni.
- Distribuisci il modello. Distribuisci il modello predittivo e mettilo all'opera su nuovi dati. Ottieni risultati e report – e automatizza il processo decisionale in base all'output.
- Monitora e perfeziona il modello. Monitora regolarmente il modello per esaminarne le performance e assicurarti che produca i risultati attesi. Perfeziona e ottimizza il modello secondo necessità.
Prevedi i risultati premendo un pulsante
Esplora SAP Analytics Cloud – analisi aumentata e predittiva nel cloud.
SAP Insights Newsletter
Abbonati subito
Acquisisci informazioni approfondite iscrivendoti alla nostra newsletter.