L’Analisi Predittiva è una delle potenzialità più importanti dell’Intelligenza Artificiale per il business.

Già l’intelligenza artificiale è considerata la nuova elettricità, ma gli esperti di machine learning la definiscono la “vera rivoluzione del nuovo millennio”, un hot topic di questo 2020.

Alcuni addirittura la definiscono l’ago della bilancia dei business dei prossimi 10 anni: in pratica, chi implementerà questa potenzialità nel proprio business avrà un notevole vantaggio sulla concorrenza.

Certo le parole “analisi predittiva” lasciano spazio a tante interpretazioni, perciò cerchiamo di spiegare in due parole che cos’è l’analisi predittiva.

L’analisi predittiva è quell’insieme di tecniche che consistono nell’utilizzare dati, algoritmi statistici e tecniche di machine learning per individuare le probabilità di eventi futuri basandosi su dati storici.

Il suo obiettivo è quello di valutare al meglio gli scenari futuri, basandosi su ciò che è successo in passato.

C’è da dire che l’analisi predittiva è uno gli hot topic del 2020, anche se esiste da decenni…

Per esempio, il sistema di correzione automatica degli smartphone (visto come un sistema che fornisce suggerimenti) è un sistema predittivo.

Ma perché è più che mai attuale?

Perché è un momento perfetto per l’applicazione di questo tipo di tecnica, come ce lo dimostrano anche i grandi player come Netflix, SkyScanner, Disney e altri.

Diciamo che adesso ci sono almeno 5 motivi per applicarla:

1. Le industrie adesso hanno dati in volumi sempre più grandi e di diverse tipologie,
2. Le aziende sono sempre più interessate ad estrarre informazioni di valore da questi dati,
3. I computer sono più veloci e accessibili, con potenze di calcolo impensabili fino anche solo fino a 10 anni fa,
4. I software e gli algoritmi sono anche più evoluti rispetto a tanti anni fa,
5. Viviamo in un contesto economico estremamente complesso dove differenziarsi dalla concorrenza è diventata una necessità.

Insomma, è il momento perfetto.

Ma per non farci prendere troppo dall’entusiasmo, facciamo un esempio semplice per comprendere al meglio come funziona l’Analisi Predittiva.

Prova ad immaginare di dover fare una scommessa ai cavalli.

Cosa faresti per avere più chance di vincere?

Inizi a studiare tutti gli eventi passati così da decidere con più accuratezza su quale cavallo puntare, studi bene le statistiche per quello che ti permette il tuo cervello, i rumors degli appassionati, ecc.

Con l’Analisi Predittiva, per sfruttare a pieno le sue potenzialità, dovresti considerare quantità di dati enormi e ancora più specifici come:

– l’alimentazione del cavallo,

– storico dei parametri clinici,

– stato delle vincite,

– ecc.

Il vantaggio delle analisi predittive basate su intelligenza artificiale è proprio quello di avere la capacità di analizzare una grossa quantità di dati anche eterogenei da cui estrae contenuti informativi, trovando pattern correlati.

Per dirla in maniera estremamente semplice:

“È come mettere una grossa serie di dati (che tu non sai come leggere) dentro una macchina, e quella riesce a prevedere quale sarà il cavallo vincente alla prossima corsa”.

Se riportiamo l’attenzione sui business, puoi capire perché l’Analisi Predittiva potrebbe essere addirittura l’ago della bilancia per le aziende del futuro.

Gli imprenditori come possono beneficiare dell’Analisi Predittiva?

I benefici possono essere su tanti contesti del proprio business.

Con l’Analisi Predittiva puoi:

• ottimizzare le campagne di marketing studiando le risposte di acquisto dei clienti, o i comportamenti di acquisto dei clienti,
• promuovere anche opportunità di cross-selling automatico,
• migliorare il sistema di vendita,
• ottimizzare la customer experience,
• identificare i fattori che portano ad una riduzione della qualità e alle carenze nella produzione.

Con quest’ultimo entriamo nell’ambito della Manutenzione Predittiva, in cui si analizza una serie di dati storici per ottimizzare la gestione della manutenzione e, di conseguenza, anche la produzione.

Poi ci sono ambiti più specifici come quello sanitario, in cui si studiano i dati medici dei pazienti per ottimizzare i percorsi di cura.

(Cosa che potrebbe fare molto gola ai fornitori di assicurazioni sanitarie, che potrebbero identificare i pazienti maggiormente a rischio di malattie croniche a cui proporre i pacchetti commerciali migliori…)

Come puoi capire, gli ambiti in cui l’Analisi Predittiva può lavorare sono tanti, ma il prerequisito è avere dati di qualità a disposizione.

L’obiettivo finale è fare in modo che il sistema di intelligenza artificiale dia un supporto alle decisioni, dando degli indicatori in tempo reale utili a prendere delle decisioni.

La decisione ovviamente spetterà all’umano, perché un conto è prendere delle decisioni sulla base dei dati che ho adesso.

Un po’ come un pilota di Formula 1 che vede lo stato della macchina mentre le persone ai box hanno una serie di indicatori che comunicano come andrà la macchina se il pilota continua a guidare in questo modo.

Sulla base di questo daranno delle indicazioni sul fatto che è meglio fermarsi subito a fare il pit-stop o farlo dopo.

La decisione finale spetta sempre e comunque all’umano.

Perché le aziende hanno paura dell’Analisi Predittiva (e non solo in Italia)

Negli Stati Uniti – tecnologicamente più avanti rispetto all’Italia – solo il 23% delle aziende applica questi sistemi di analisi predittiva.

In Italia ci sono ancora meno aziende che installano sistemi di intelligenza artificiale e applicano l’analisi predittiva.

Le motivazioni per cui questo avviene sono fondamentalmente 2:

1. Le aziende non conoscono a fondo l’Analisi Predittiva e quali sono i suoi vantaggi,
2. Le aziende hanno avuto delle esperienze pessime con altre agenzie di software.

Ricordiamoci che questo tipo di soluzioni non possono essere applicate come una magia che improvvisamente migliora tutto, se non si rispettano determinate condizioni.

Questi sistemi vanno implementati in un certo modo, per cui molto probabilmente ci sono anche società di software che si sono proposte promettendo dei risultati che purtroppo non sono arrivati.

Bisogna sempre stare molto attenti a come si promuove una nuova tecnologia, proprio perché non abbiamo grossi dati storici sui risultati e chiunque può dire quello che vuole.

Anche per questo molte aziende hanno paura e stanno guardando i risultati che le aziende concorrenti possono avere nell’implementare questa tecnologia.

La cosa che posso rivelare, da protagonista di questo settore, è che con Bluetensor abbiamo stipulato degli accordi di non divulgazione con delle aziende clienti in Italia.

Per cui di fatto non sappiamo esattamente quante aziende in Italia lo stanno facendo.

Magari ci sono aziende in Italia che pensano sia ancora troppo presto o che la concorrenza non stia implementando, e magari lo sta facendo di nascosto…

Ma in realtà in Italia abbiamo altri problemi…

Per esempio, noi in Italia crediamo a tante cose, ma non al fatto che una macchina funzioni.

Cioè per noi le macchine sono inaffidabili a prescindere.

Di conseguenze, se la macchina mi dice qual è il cavallo vincente, è difficile che le creda.

Se un sistema mi dice la mia azienda fallirà o che un macchinario sta per rompersi, io non ci credo proprio perché è una macchina.

Quanto ci si può fidare di un sistema di Analisi Predittiva?

L’obiettivo di Bluetensor è quello di creare dei sistemi che abbiano delle affidabilità sopra il 95% (che è quello che ci chiedono normalmente le aziende).

È chiaro che i sistemi, oltre a dare un suggerimento, danno anche una probabilità.

Pertanto l’operatore che poi deve prendere delle decisioni ha anche una percentuale di affidabilità sul suggerimento.

Se la macchina dice che c’è una probabilità di guasto del 50%, se io fossi l’operatore farei di testa mia.

Se invece la macchina mi dice che c’è una probabilità di guasto del 99%, io ci penserei su.

Tutto dipende dalla qualità e dalla quantità dei dati.

Facciamo un esempio in base alla nostra esperienza al riguardo.

Noi abbiamo fatto degli studi su situazioni in cui i guasti avvenivano ogni 5-6 mesi, perciò strutturare un modello predittivo non si poteva fare perché la probabilità di errore era molto alta.

Se invece hai uno storico dati di 12-13 anni, con 2 guasti al giorno, lì il sistema ha un’affidabilità molto alta.

Ma quindi, è difficile portare un sistema di Analisi Predittiva in azienda?

No, non è una cosa difficile.

Si tratta comunque di forzare l’azienda a recuperare dei dati storici su cui costruire un modello predittivo.

Anche le varie soluzioni che noi di Bluetensor abbiamo costruito negli anni si adattano ai software che le aziende hanno già in casa, quindi non ci sono questioni tecniche ‘difficili’ che complicano l’interazione con un modello di manutenzione predittiva.

Noi lavoriamo per portare sempre di più attraverso la tecnologia attraverso la nostra esperienza un’affidabilità sempre più alta, quindi cerchiamo di raggiungere il 100%.

Questo livello di affidabilità per noi è fondamentale da raggiungere perché se ricevo un suggerimento sbagliato mentre rispondo ad un messaggio, posso eventualmente cancellarlo.

Ma se ricevo un suggerimento sbagliato durante manutenzione di una macchina, non posso tornare indietro.

Per questo, è chiaro che in ambiente industriale dobbiamo portare al massimo i risultati dell’intelligenza artificiale partendo dai dati che ci vengono forniti.

Quindi, ecco come funziona la progettazione di un sistema di analisi predittiva.

1. Una volta stabilito qual è il problema da risolvere nell’azienda, l’80% del progetto consiste nella raccolta dei dati e la loro ‘sistemazione’, che fanno i nostri data analyst e data scientist.
2. Da lì poi parte la creazione del modello, alla ricerca dei pattern ricorsivi tramite un lavoro di machine learning e deep learning.

La cosa più importante per noi è capire quale risultato si aspettano gli imprenditori e che dati ci forniscono per raggiungerlo.

Spesso nella situazione in cui un’azienda non ha storico per quel determinato problema, oppure vuole raggiungere una soluzione ad un problema più ampio di quello che riusciamo a risolvere con i dati abbiamo in mano.

Bisogna cercare di veicolare il risultato in base a quello che l’azienda ha raccolto negli anni.

Le situazioni in cui viene applicata una predizione per gestire sia i costi di produzione o anche le offerte anche sul mercato, si basano molto su quello che si può avere dai dati pregressi raccolti negli anni. 

A cosa stiamo lavorando adesso noi di Bluetensor?

Sempre nell’ambito dell’analisi predittiva stiamo lavorando a due progetti molto interessanti.

Il primo è legato alla customer experience, in cui identifichiamo tutta una serie di informazioni per targettizzare l’utente in tempo reale.

In sostanza creiamo dei motori che prevedono i comportamenti dell’utente in modo da aumentare l’efficacia del marketing, e offrire una proposta più adatta al profilo dell’utente.

Il secondo progetto in ambito industriale riguarda la manutenzione predittiva (per cui siamo anche sponsor del dottorato di innovazione industriale all’Università di Trento).

Stiamo costruendo un modello proprio dedicato alle tematiche e le problematiche che hanno le aziende, i produttori e gli usufruitori di grandi macchinari.

Al momento i modelli li stiamo applicando sulle turbine degli aerei, sui macchinari per la stampa e la costruzione di circuiti elettrici.

Dopodiché nei prossimi mesi di lavoro tireremo fuori un modello applicabile alla manutenzione predittiva in modo più ingegnerizzato e più generico di quello che al momento c’è sul mercato.

In conclusione (e un paio di consigli per gli imprenditori)

L’Analisi Predittiva sarà sicuramente un ramo molto florido nei prossimi mesi o anni all’interno e l’intelligenza artificiale farà vedere tutto il suo potenziale.

L’ideale per gli imprenditori è prepararsi a studiare strategie migliori da applicare in futuro, perché sicuramente l’analisi predittiva farà la differenza.

In special modo le aziende che si trovano un po’ in ritardo sul loro percorso di digitalizzazione potrebbero incentivarla per migliorare e monitorare la raccolta dei dati in vista di possibili futuri integrazioni con tecnologie di intelligenza artificiale.

Chi invece è già a buon punto con la digitalizzazione, potrebbero iniziare a pensare all’integrazione con intelligenza artificiale per migliorare poi la produzione e i flussi di lavoro che potrebbero ricevere una buona boccata d’aria in questo tipo di tecnologia che da dei vantaggi anche competitivi.

P.S.

Stai pensando di implementare un sistema di analisi predittiva nella tua azienda e hai bisogno del parere di un esperto?

Puoi telefonare al numero verde 800 270 021.

Puoi anche inviarci un’email a info@bluetensor.ai.

Tra l’altro questo periodo stiamo continuando a promuovere le consulenze gratuite per chi deve sviluppare sistemi che raccolgono dati e a cui possiamo proporre soluzioni che con maggiore velocità permettono di raggiungere il risultato, oppure ad aziende che hanno già delle serie storiche di dati e stanno valutando se introdurre dei sistemi predittivi.

Possiamo fare degli studi di fattibilità per capire per dare una prima indicazione su qualità e quantità dei dati a disposizione.