IL CASO HOPENLY

La Pmi bolognese sfrutta le capacità degli algoritmi predittivi per aiutare le aziende a ottimizzare la gestione delle risorse.

Ridurre i prodotti freschi invenduti e limitare il pericolo di “out of stock”: quale operatore del food non vorrebbe perseguire un obiettivo simile? Il problema degli sprechi è un problema di fondo che accumuna tutti gli attori del grocery. Efficienza ed organizzazione dei processi spesso non bastano in fase di produzione e di gestione del magazzino, e allora possono entrare in gioco le ultime frontiere della tecnologia.
Gli algoritmi predittivi, in particolare, sono la specialità di Hopenly, Pmi innovativa bolognese (è stata fondata nel 2014) la cui peculiarità è per l’appunto quella di sfruttare le capacità dell’intelligenza artificiale per raccogliere ed elaborare numeri e di aiutare le aziende (di qualsiasi industria, dalle banche all’alimentare) a leggere i dati e a trasformarli in azioni.

Come? Incrociando le informazioni disponibili con una serie di altre variabili (gli acquisti online per esempio) e superando il limite della classica statistica basata solo su serie storiche. E se parlare di margini di errore azzerati nelle previsioni è eccessivo, la tecnologia aiuta sicuramente a riordinare e semplificare i dati per prendere decisioni più oculate, ad automatizzare le operazioni manuali e a liberare di conseguenza risorse (il personale interviene solo per gestire gli imprevisti, in positivo o in negativo) per attività a maggior valore aggiunto.
«Crediamo che l’intelligenza artificiale – spiega Barbara Vecchi, founder e ceo di Hopenly – possa aiutare manager e imprenditori ad eliminare gli sprechi e ad alleggerire il magazzino, limitando i costi di produzione inutili. I modelli basati su algoritmi permettono infatti di anticipare i trend di domanda futuri e consentono un deciso vantaggio competitivo, tanto più in un contesto dove la concorrenza sarà sempre più agguerrita. Per i prodotti freschi, in particolare, il ridotto tempo a disposizione per la vendita limita anche la pianificazione di promozioni e sconti».

La tecnologia digitale, insomma, può fare davvero la differenza e quando si tratta di grandi numeri il rischio del tutto esaurito a scaffale (o di un eccesso di produzione e quindi di un possibile spreco) può essere molto impattante.

Un esempio? Una storica azienda italiana del settore alimentare, affidandosi ad Hopenly, ha ridotto in un anno l’invenduto di prodotti freschi per 170mila euro (il 2,6% del fatturato) e ha mantenuto il magazzino di merce non fresca sotto i 100mila euro, per un risparmio totale di circa 300mila euro. L’investimento per realizzare un modello automatizzato di previsione della produzione, come conferma Vecchi al Sole24ore.com – «è stato di 40mila euro e il fulcro del progetto, realizzato a inizio 2019 e ancora in fase di sviluppo, è quello di testare una nuova tecnologia a supporto della pianificazione. Per farlo abbiamo dotato l’azienda di un algoritmo in grado di offrire su base settimanale una stima delle vendite delle future 4-5 settimane comparando parametri quali lo storico degli ultimi tre anni, le festività, le promozioni e la stagionalità».

La ricetta per offrire al mondo alimentare soluzioni di questo tipo è tutto sommato semplice. «Lavoriamo sempre su algoritmi e librerie open source – assicura in proposito la founder di Hopenly – perché nella data science il software libero offre tutta la trasparenza di ciò che facciamo. Studiamo quindi costantemente i lavori di sviluppatori e ricercatori di tutto il mondo e assembliamo gli algoritmi per creare un modello ad hoc per le necessità del cliente e del suo dato. Più si scende in profondità e più si viene in possesso di informazioni su cui allenare gli algoritmi, e per evitare il rischio di avere dati viziati dai mutamenti del mercato, effettuiamo un’analisi di contesto dettata dall’esperienza».
La replicabilità di questo modello, al netto di piccoli adattamenti o di un nuovo algoritmo più performante, è uno dei suoi punti forza, per quanto le aziende possiedano spesso molteplici fonti dati (e quindi differenti software e database) o necessitino di variabili che arrivano da altre sorgenti (dati meteo di altre regioni, festività come i patroni o i flussi turistici). E senza dimenticare che fra prodotti freschi e beni durevoli c’è molta differenza: «Sono due mondi apparentemente simili ma che richiedono modelli diversi perché diverso è il contesto e le sue dinamiche di acquisto».
Il messaggio di fondo, però, non cambia: l’intelligenza artificiale può dare un contributo enorme alla gestione della supply chain alimentare. E i numeri (anzi i dati) lo dimostrano.

Source: www.ilsole24ore.com