Gli strumenti di intelligenza artificiale e i dispositivi IoT possono supportare la gestione e la crescita di un’azienda? Scopriamolo insieme.
Per iniziare è utile comprendere cosa non va fatto in un progetto che ha come obiettivo la trasformazione digitale di un’organizzazione.
Per digitalizzare un’azienda non è, infatti, sufficiente introdurre solamente qualche strumento informatico all’avanguardia, ma bisogna agire sui vari aspetti dell’organizzazione, ripensando i processi e immaginandone di nuovi, fino a ridisegnare anche alcuni aspetti strategici del business.
Non bisogna, quindi, limitarsi a replicare in modo digitale i processi attuali, ma capire come costruire dei nuovi flussi di lavoro con un nuovo approccio digitale, ripensando completamente al modo di lavorare e cercando di sfruttare al massimo le possibilità offerte dalle nuove tecnologie.
All’avvio del percorso verso la digital transformation è consigliabile iniziare l’analisi dalla catena del valore per individuare e mappare le attività principali dell’organizzazione, categorizzandole e mettendole in ordine prioritario.
Questo esercizio è utile perché, troppo spesso, il top management immagina di introdurre strumenti tecnologici in ambiti che, a seguito della fase di analisi sulla catena del valore, risultano strategicamente marginali nel business e poco utili nel processo di miglioramento che si auspica. Al contempo vengono evidenziati alcuni processi che invece possono, grazie ai nuovi strumenti, essere completamente rivoluzionati ed efficientati.
L’AI al centro delle strategie di business
In un contesto di mercato sempre più competitivo, dove la velocità delle transazioni è di primaria importanza, avere sempre sotto controllo i valori aziendali è essenziale per prendere le decisioni giuste al momento giusto. Le aziende, spesso, non sono consapevoli della quantità di dati a loro disposizione che gli permetterebbe di svolgere analisi a supporto delle scelte strategiche di tutti i giorni.
Tanti dati da tante fonti. Ma come dobbiamo gestirli?
Secondo uno studio “Data Never Sleeps 9.0” pubblicato da Domo, per ogni persona vengono prodotti all’incirca 3 MB di dati al secondo. Ma da dove gravitano tutte queste informazioni? E quali sono quelle con le quali deve fare i conti un’azienda, a prescindere dalle sue dimensioni?
Questo tema trova risposta nella “Architettura dei dati” (o Business Intelligence). Solo con un’attenta pianificazione della struttura dei dati possiamo pianificare il nostro sistema di analisi. L’architettura dati dovrebbe gestire le basi di dati, l’interconnessione dei dati con tutti i sistemi aziendali e soprattutto fornire un’interpretazione di essi (cosa significano e cosa rappresentano).
La business intelligence moderna si avvale della collaborazione interdipartimentale tra IT e altre aree del business, per la definizione dell’architettura ma, soprattutto, per dare un senso alla raccolta delle informazioni che sia poi utile nelle successive fasi di analisi.
Per questo, sono utili strumenti che possano agevolare la personalizzazione delle dashboard e la creazione rapida ed immediata dei report, per supportare decisioni strategiche specifiche per ogni dipartimento e, addirittura, per ogni utente.
Una volta raccolti, compresi ed organizzati i dati, possono essere introdotti degli strumenti più performanti e (da qualche anno) top trend, tra i quali sicuramente viene annoverata l’intelligenza artificiale.
Prima di procedere oltre però, bisogna fare chiarezza sui concetti di sistema esperto, machine learning ed intelligenza artificiale,
I cosiddetti “sistemi esperti” sono applicazioni in grado di replicare le prestazioni di una persona appunto esperta, in un determinato campo di attività (chiamato “dominio”), riuscendo a dedurre informazioni (output) da un insieme di dati di partenza (input).
In parole povere, un sistema esperto trova la soluzione ottimale a un problema specifico, senza l’intervento umano (da parte di un esperto sul tema, appunto). Una capacità interessante di questi sistemi esperti è data dalla possibilità di elaborare anche dati incompleti, utilizzando la cosiddetta fuzzy logic (un ragionamento di tipo “approssimativo” che porta a risultati con una certa percentuale di attendibilità) per lavorare su input qualitativi anziché quantitativi.
Per queste loro caratteristiche peculiari, i sistemi esperti vengono impiegati in tutti i processi di problem solving, svolgendo azioni come la diagnosi, l’interpretazione o la pianificazione basata su previsioni e percentuali di attendibilità.
Ad esempio, OCR è un sistema esperto che riconosce il testo presente in un’immagine e trasforma quest’ultima in un documento informatico modificabile, partendo da un modello di conversione sviluppato ad hoc.
Ma cosa succede se al sistema esperto affianchiamo una tecnologia che possa elaborare le informazioni? In questo caso stiamo parlando di machine learning: algoritmi che usano metodi matematico-computazionali per apprendere le informazioni, analizzando direttamente i dati, senza la necessità di essere programmati per svolgere quel tipo di compito. Proprio come avviene per i sistemi esperti, che al primo problema che non è stato previsto dagli scenari programmati, smette di funzionare.
Gli algoritmi di machine learning, inoltre, si migliorano a propria volta nel tempo attraverso un meccanismo adattivo: al crescere del numero delle casistiche elaborate dall’algoritmo, lo stesso diviene più preciso e accurato nelle sue risposte interpretative, con una sensibile riduzione degli errori alla conclusione di ogni processo d’apprendimento.
Gli algoritmi di machine learning sono ciò che permette all’intelligenza artificiale di diventare “abile” in un certo compito o azione.
Infine, parliamo di intelligenza artificiale quando un sistema tecnologico è in grado di risolvere problemi o svolgere compiti e attività tipici della mente e dell’abilità umane.
Le applicazioni di questi sistemi sono ormai numerosissime e sono altrettante le potenzialità non ancora sfruttate. In molte realtà aziendali, il processo di implementazione di tecnologie abilitanti l’intelligenza artificiale è già iniziato, proprio nell’ottica di iniziative e processi di trasformazione digitale.Le organizzazioni, infatti, hanno a disposizione quantità crescenti di dati (come abbiamo visto nel report Domo) e possono sfruttare l’intelligenza artificiale per elaborarli e ottimizzare alcuni processi, per esempio:
- svolgere controlli sulle attività interne per renderle più efficienti
- offrire ai clienti un’esperienza di acquisto personalizzata e reattiva ai loro desideri
- predire gli andamenti futuri del mercato ed aiutare il management a prendere decisioni intelligenti
Internet Of Things, le applicazioni in azienda
Il panorama tecnologico ha subito un cambiamento sismico con l’evoluzione dell’IoT, che ha avuto, ed avrà, un impatto significativo sul modo in cui si svilupperanno i business in futuro. nNn sorprende, infatti, che le dimensioni del mercato dei dispositivi connessi, (soprattutto nel settore Retail) dovrebbero raggiungere i 182,04 miliardi di dollari entro il 2028.
Le abitudini dei clienti, le aspettative elevate sui servizi di consegna, l’approccio prudente degli acquirenti negli acquisti online o la mancanza di fluidità tecnologica sono tutti fattori che rallentano lo sviluppo delle aziende in un ambiente in cui, altrimenti, potrebbero prosperare. Partendo dalla ovvia crescita dei ricavi, passando dalla riduzione dei costi e all’ottimizzazione dei processi aziendali, un nuovo paradigma che possa utilizzare gli strumenti di vendita al dettaglio “smart” permette di superare queste sfide, per offrire ai rivenditori e ai loro clienti vantaggi senza precedenti.
Ecco 7 casi d’uso innovativi dell’IoT nella vendita al dettaglio.
1. Facility Management : Gestione della struttura
Una delle maggiori sfide quotidiane dei negozianti consiste nel mantenere il punto vendita pulito, confortevole, sicuro ma soprattutto attraente per i clienti.
Esistono numerose tecnologie IoT che possono facilitare queste attività e ridurre i costi associati.
Ad esempio, il conteggio delle persone combinato con i dati di rilevamento delle presenze, permettono di individuare le aree del punto vendita che vengono utilizzate con una maggiore frequenza , il che aiuta a gestire meglio i programmi di disinfezione e pulizia.
Con l’ausilio di sensori IoT wireless, i facility manager possono anche monitorare in modo pro attivo quando i materiali di consumo sono vicini all’esaurimento, in modo da avere una gestione efficace dell’inventario e un rifornimento tempestivo. L’ IoT può aiutare il software gestionale a capire quando è il momento di sostituire o rifornire un materiale di consumo.
Fondamentale per il comfort del cliente, ma essenziale anche per contenere le spese operative ed essere veramente sensibili ai temi della sostenibilità, è la gestione dell’energia. Ottimizzarne l’uso con l’aiuto di sensori ambientali, che monitorano la temperatura, l’illuminazione, la ventilazione e la refrigerazione, ormai, è un’operazione relativamente facile da ottenere.
Questi dati ambientali possono fornire una visione a 360° sui modelli di consumo energetico, notificare i consumi energetici anomali dovuti a eventuali dispositivi difettosi, ed evidenziare le infrastrutture sottoutilizzate o sovrautilizzate. In poche parole, evidenzia lo spreco di risorse.
2. Monitoraggio del comportamento dell’acquirente
Il tasso di conversione, concetto al quale siamo abituati nel marketing online, trova applicazione anche nel mondo reale, dove si rapporta il numero delle vendite al numero di clienti transitati all’interno del negozio. Ma questo dato percentuale è qualcosa di grezzo, che non riesce a fornire informazioni dettagliate sul comportamento del cliente.
I sensori di presenza possono fornire questi dati essenziali sui modelli di traffico e sui tempi di permanenza, in specifiche aree del punto vendita. Queste informazioni possono aiutare i rivenditori a pianificare meglio il merchandising in negozio, l’assistenza alla vendita e ottimizzare i flussi attraverso configurazioni di visualizzazione, layout dei corridoi e assegnazione dello spazio più efficaci. Inoltre, possono essere utilizzati anche per monitorare i tempi di attesa alla cassa, e fornire un migliore servizio clienti, con più personale o con l’introduzione delle casse automatiche.
3. Catena di fornitura e logistica
L’utilizzo più frequente dell’IoT è, sicuramente, nel campo della logistica. Qui, infatti, offre una visibilità dell’inventario senza precedenti su scaffali, nel transito e nei magazzini, per aiutare i rivenditori a migliorare l’efficienza, ridurre i costi e garantire un’esperienza di qualità al cliente.
Esistono numerosi sensori IoT, di varie tipologie, che sono in grado di fornire un flusso coerente di dati (in tempo reale) sulla posizione esatta di un articolo, sul tempo impiegato per spostarsi tra le diverse aree del magazzino e del punto vendita e, persino, sulla velocità con cui si muove uno specifico camion per le consegne.
Queste informazioni aiutano ad identificare i colli di bottiglia, consentire la pianificazione, gestire le situazioni di emergenza e determinare percorsi alternativi per accelerare le operazioni di consegna.
In un’ottica più ampia e condividendo alcune informazioni anche con fornitori, produttori e centri di distribuzione, questo sistema garantisce una trasparenza che aiuta ad organizzare flussi, riducendo i tempi di gestione, garantendo un’elaborazione efficiente del materiale e aumentandola precisione delle previsioni di consegna per fornitori , produttori e clienti.
4. Monitoraggio della catena del freddo
Nel settore della vendita al dettaglio di generi alimentari, il deterioramento degli alimenti deperibili si traduce in una significativa perdita di redditività e rischia di causare problemi di salute ai clienti, traducendosi in una perdita in media di 70 milioni di dollari all’anno (mercato Usa). L’utilizzo di sensori ambientali per il tracciamento delle condizioni ambientali come temperatura, umidità, qualità dell’aria, intensità della luce e altri fattori ambientali all’interno di una struttura di stoccaggio, container di carico, veicolo di consegna o in negozio per proteggere le merci deperibili, possono garantire una freschezza ottimale e ridurre gli sprechi.
5. Acquisti personalizzati
I dispositivi IoT vengono utilizzati anche per personalizzare le esperienze di acquisto. Parliamo in questo caso del Marketing di Prossimità: ad esempio, i Bluetooth Beacon possono inviare avvisi in tempo reale a uno smartphone in base alla vicinanza della posizione di un cliente. Tali avvisi possono indurre un potenziale passante ad entrare in un negozio e approfittare dell’offerta personalizzata sulle sue propensioni, o abitudini di acquisto, informando il cliente su sconti personalizzati, eventi speciali o altri promemoria. Questi dati sulla posizione possono essere utilizzati anche per inviare messaggi personalizzati su display digitali nelle vicinanze o per inviare addetti alle vendite in aree in cui i clienti si attardano, migliorando l’esperienza di acquisto complessiva del cliente.
6. Scaffali intelligenti
Un altro esempio innovativo di IoT nella vendita al dettaglio sono gli scaffali intelligenti.
È essenziale, per i rivenditori, tenere traccia degli articoli per assicurarsi che non siano mai esauriti e che siano posizionati correttamente.
Gli scaffali intelligenti automatizzano entrambe queste attività rilevando, contemporaneamente, potenziali furti. Gli scaffali intelligenti, dotati di sensori di peso e tag RFID, possono scansionare i prodotti per informare i dipendenti quando gli articoli stanno finendo o quando gli articoli sono posizionati in modo errato su uno scaffale. Ciò, non solo, consente di risparmiare tempo, ma elimina anche gli errori manuali che causano sovraccarichi e carenze. Quando questo è affiancato anche alla gestione digitale delle etichette di prezzo allora si può dire di gestire al meglio un punto vendita. Infatti, le etichette elettroniche Wi-Fi permettono di aggiornare i prezzi in tempo reale, risparmiando agli operatori lunghe e noiose sessioni di riprezzatura.
7. La produzione che dialoga con magazzino e gestionale
Nelle realtà, dove esistono anche dei laboratori di trasformazione e produzione dei prodotti, è, ormai, impensabile non tracciare i movimenti di prodotto e il loro impatto sul consumo delle materie prime e sulla creazione dei prodotti finiti per la vendita.
Sembrerebbe una cosa ovvia, ma raramente le attività gestiscono questi flussi in maniera strutturata ed organizzata.
I sensori IoT, in questo, possono informare il gestionale del consumo di materie prime utilizzate nelle fasi di produzione e, automaticamente, aggiornare l’inventario.
Sono lapalissiani i vantaggi che si hanno ottimizzando la gestione dei rifornimenti delle materie prime ma, soprattutto, fornendo dati reali sui quali sviluppare delle analisi a supporto delle scelte strategiche su produzione, acquisti e logistica.
Per riassumere i temi, complessi e vari, trattati in questo articolo e per stimolarne una eventuale applicazione, possiamo dire che un’organizzazione dovrebbe pensare al suo percorso verso l’innovazione con chiare tre pietre miliari fondamentali per raggiungere la meta: la trasformazione digitale non è solo tecnologia ma, soprattutto, strategia con cui “ripensare” l’azienda in modo digitale; è importante strutturare l’architettura dei dati che si vogliono raccogliere in azienda ed utilizzare strumenti ed algoritmi, per guidare le scelte strategiche di business; bisogna introdurre tecnologie avanzate IoT per raccogliere quelle informazioni, in passato impensabili, che permettano di automatizzare i processi aziendali.
© RIPRODUZIONE RISERVATA
