Caso d’uso: synAPs
Modello Predittivo Budget Vendite
Soggetti coinvolti
Un’azienda multinazionale del settore chimico con sedi produttive e logistiche a livello mondiale e Studi di Ingegneria S.n.c. (startup innovativa, solution provider)
Benefici
Il progetto ha prodotto:
- un modello predittivo per il budget delle vendite, analizzando i dati storici degli ultimi cinque anni;
- un modello che consenta di ottenere in brevissimo tempo le previsioni di budget di vendita, potendo fare i confronti con il fatturato e fornendo gli eventuali scostamenti;
- un modello che permetta di valutare attraverso dei grafici gli andamenti dei budget delle vendite suddivisi per Linea;
- la possibilità da parte dell’azienda di disporre di uno strumento che le consenta di ottimizzare in modo rilevante il processo del budget delle vendite.
![synAPs](https://i0.wp.com/www.smile-dih.eu/wp-content/uploads/2020/10/synAPs.jpg?resize=800%2C677&ssl=1)
La Sfida
Le serie temporali finanziarie sono dati non stazionari e non lineari che sono influenzati da fattori esterni. Esistono diversi approcci predittivi performanti come il modello ARIMA e l’Exponential Smoothing. La previsione accurata dei dati di budget è un compito strategico e impegnativo per una gestione ottimale delle risorse, richiede l’utilizzo del modello più accurato. La previsione dei dati di budget di vendita è diversa dalle tipiche applicazioni predittive e di Machine Learning, poiché non consiste nel replicare solo le attività che gli esseri umani possono svolgere facilmente.
La Soluzione
YoctoIT ha proposto un approccio predittivo che utilizza e confronta il modello ARIMA di Machine Learning e il modello Exponential Smoothing. L’applicazione e l’analisi comparativa hanno potuto dimostrare che il modello Exponential Smoothing supera il modello ARIMA, principalmente per l’accuratezza delle previsioni e la velocità di calcolo.
In 40 giorni di analisi e sviluppo, il Team composto da 1 esperto di marketing (impiegato per il 10% del tempo), 1 Data Engineer (10%), 1 Data Scientist (70%), 1 Machine Learning Engineer (10%), ha permesso di:
- analizzare il modello organizzativo del committente;
- definire le corrette procedure di accesso alle diverse fonti di dati;
- migliorare la qualità, la completezza e la granularità dei dati;
- sviluppare il prototipo (proof of concept);
- valutare e validare con la committenza il modello ottenuto;
- testare la soluzione sul campo e di renderla definitivamente disponibile.
Il progetto ha prodotto un modello predittivo per il budget delle vendite, analizzando i dati storici degli ultimi 5 anni.
Il modello consente di ottenere in brevissimo tempo le previsioni di budget di vendita, potendo fare i confronti con il fatturato e fornendo gli eventuali scostamenti.
Il modello permette di valutare attraverso dei grafici gli andamenti di budget delle vendite suddivisi per Linea.
Ora l’azienda dispone di uno strumento che gli consente di ottimizzare in modo rilevante il processo del budget delle vendite.
Scarica qui le slides in Pdf che descrivono il progetto, mentre cliccando qui puoi giocare con una dimostrazione in tempo reale.