Analisi predittiva

Cos’è l’Analisi Predittiva?
L’Analisi predittiva è la pratica di estrazione di informazioni da dati esistenti, al fine di determinare i modelli e prevedere i risultati e le tendenze future.
L’Analisi predittiva non dice cosa accadrà in futuro. Prevede che cosa potrebbe accadere in futuro con un livello accettabile di sicurezza ed include scenari ipotetici e valutazione dei rischi.
I modelli predittivi e l’analisi sono tipicamente utilizzati per prevedere le probabilità future. Applicati al business, i modelli predittivi sono utilizzati per analizzare i dati attuali ed i fatti storici, al fine di comprendere meglio i clienti, i prodotti ed i partner e per identificare i rischi e le opportunità potenziali per un’azienda. Utilizza una serie di tecniche, tra cui data mining, modellazione statistica e di apprendimento automatico per aiutare gli analisti che fanno future previsioni aziendali.

L’Analisi predittiva descrive qualsiasi approccio al data mining con quattro attributi:

l’accento sulla previsione
l’analisi rapida misurata in giorni
l'accento sulla rilevanza commerciale delle intuizioni risultanti
l'accento sulla facilità d'uso, rendendo così gli strumenti accessibili agli utenti aziendali.

Che può beneficiare dell’uso dell’Analisi Predittiva?
Ogni settore può utilizzare l’analisi predittiva per ottimizzare le operazioni ed aumentare le entrate. Ecco alcuni esempi:
Rivenditori.
Possono valutare l'efficacia delle iniziative promozionali e delle campagne; prevedere che le offerte siano più appropriate per i consumatori; determinare la scorta dei prodotti; costruire la fedeltà alla marca. Macy’s (catena statunitense della grande distribuzione), aumentando l’uso dell’analisi predittiva, ha ridotto l’abbonamento alle e-mail del 20%.
Sport e Franchising.
L’analisi nel settore sportivo è un argomento “caldo”. La squadra degli Orlando Magic dell’NBA (campionato professionisti della pallacanestro USA) utilizza l’analisi predittiva per migliorare le entrate e determinare le formazioni di partenza.
Produttori.
Possono identificare i fattori di riduzione di qualità e di produzione guasti; ottimizzare le parti, le risorse dei servizi e della distribuzione.
Lenovo ha rilevato un problema ad un prodotto, più velocemente del 30%. I costi sono diminuiti del 5%.
Aziende di telecomunicazioni.
Possono segmentare i clienti; ridurre il tasso di abbandono dei clienti; fidelizzare i clienti redditizi e sviluppare efficaci campagne di cross-sell / up-sell.
T-Mobile sta cercando nuovi modi per mantenere i clienti stimati attraverso nuove intuizioni, facendo emergere i gruppi giusti dai grandi volumi di dati dei clienti.

A proposito di Analisi Predittiva…
La rivista statunitense Forbes, che si occupa di finanza ed economia, ha scritto un interessante articolo sull’analisi predittiva.
Cita infatti Stage Stores (che raggruppa i marchi Bealls, Goody’s, Palais Royal, Peebles) che ha utilizzato l’analisi predittiva al fine di ottimizzare i prezzi, accelerare la consegna della merce giusta per i negozi giusti, personalizzare il servizio clienti e migliorare la propria linea di fondo.
La transizione verso un modello analitico non è stata sempre facile, ma si è dimostrata estremamente valida.
Il personale era scettico. I commercianti pensavano che avrebbero fatto un lavoro migliore dell’analisi predittiva, adducendo la scusa che il mercato si basava sulle emozioni piuttosto che sull’analisi.
Tradizionalmente, i rivenditori tagliavano i prezzi, con percentuali di sconto notevoli, al termine di una stagione, per far posto a nuove merci.
L’analisi predittiva invece suggeriva di vendere gli oggetti prima, applicando uno sconto minore, quando la domanda stava iniziando a scendere.
Nel 2010, coadiuvato da un programma di gestione del cambiamento, fu avviato un progetto pilota di sei mesi, mettendo i risultati delle analisi predittive contro quelli di un gruppo di controllo in cui i rivenditori prendevano le decisioni.
I risultati sono stati sorprendenti: "Nel 90% dei casi, l’analisi ha vinto", ha affermato Hunter (CIO di Stage’s).
Ci sono voluti tutti i sei mesi di tempo per convincere i dettaglianti che il sistema ha funzionato, ma quando hanno visto i margini migliorati, si sono convinti. Tutti i negozi ora partecipano al programma.
Grazie all’analisi, ogni negozio è stato configurato in ottime dimensioni: corretti margini, vendite incrementate. L’inventario risulta più veloce, sono migliorati i margini lordi ed il prezzo medio unitario di vendita al dettaglio.
Le vendite pre-natalizie di novembre e dicembre 2014 sono aumentate del 6,5%, un tasso eccezionale per l'industria, ha ribadito Hunter.
L’analisi predittiva è in grado di migliorare i prezzi dei rivenditori, il controllo del magazzino, il servizio clienti ed in ultima analisi la loro linea di fondo. Alcuni sono riluttanti a cambiare un sistema in cui le decisioni sono basate tradizionalmente sulle opinioni dei commercianti.
Chiaramente per ottenere il successo, si deve incrementare in modo graduale il processo.
Mantenendo i dipendenti informati, i risultati sono stati talmente eccezionali che anche gli irriducibili scettici si sono convinti.
(fonte http://www.forbes.com/sites/netapp/2015/02/18/big-data-in-retail/ )