L’analisi prescrittiva è il terzo e ultimo stadio del processo analitico che segue le precedenti fasi descrittiva e predittiva. Le aziende in grado di mettere a terra gli analytics di tipo prescrittivo possono concretizzare la tanto auspicata data-driven enterprise, ovvero un modello di organizzazione intelligente in grado di sfruttare appieno il valore delle informazioni per creare efficienza operativa e innovazione strategica.
Cos’è l’analisi prescrittiva e come supporta la data-driven enterprise
Ma cosa si intente esattamente per prescrictive analytics e come funziona?
La digitalizzazione pervasiva ha messo nelle mani delle aziende una pluralità di informazioni che possono essere sfruttate per generare valore di business se opportunamente raccolte, incrociate ed elaborate con modelli statistico-matematici e software analitici.
Tipicamente si distinguono diverse fasi di profondità e maturità del processo analitico, che vengono condotte con finalità e strumenti differenti.
L’analisi descrittiva, che è riconducibile ai più classici strumenti di business intelligence, permette di vagliare lo storico dati per una valutazione a posteriori degli eventi, permettendo - ad uno stadio avanzato - di effettuare anche una diagnosi delle criticità a scopo di ottimizzazione.
Passando di livello, l’analisi predittiva consente di processare grandi volumi di dati, eterogenei per formato e provenienza, al fine di scovare evidenze nascoste e ipotizzare scenari what-if, con aggiornamenti anche in tempo reale.
Infine, alla sommità del processo di conoscenza aziendale, l’analisi prescrittiva utilizza strumenti avanzati per la big data analytics e il machine learning con l’obiettivo di “consigliare” eventuali azioni migliorative, che possono essere, a seconda dei casi, anche innescate automaticamente.
Seguendo il data-driven journey, le aziende passeranno quindi dal semplice monitoraggio degli eventi passati alla capacità di sfruttare le informazioni per: diagnosticare eventuali criticità e colli di bottiglia; ottenere efficienza operativa e risparmiare sui costi; generare nuove opportunità di business e monetizzare; trasformare il modo di gestire l’innovazione grazie ai progressi dell’intelligenza artificiale.
L’analisi prescrittiva insomma rappresenta il coronamento del processo di knowledge aziendale e l’abilitatore di un nuovo modo di fare business, che permette alle imprese di cambiare pelle.
Applicazioni di analisi prescrittiva, alcuni esempi pratici
Ma cosa significa concretamente adottare la prescrictive analytics e quali possono essere le possibili applicazioni nei diversi settori?
Un esempio tra i più comuni riguarda lo Smart Manufacturing. I sensori intelligenti presenti a bordo macchina inviano segnalazioni di stato e performance ai sistemi analitici, che incrociano e processano le informazioni rivelando eventuali anomalie o inefficienze. Vengono quindi suggeriti o direttamente attivati degli interventi correttivi per regolare il funzionamento della macchina e risolvere i problemi, presenti o previsti. Così non solo si ottengono migliori livelli di efficienza e performance, ma si garantisce una più lunga vita ai macchinari.
Nell’ambito dei servizi, ad esempio ponendo il caso di compagnie aeree o agenzie turistiche, gli analytics prescrittivi permettono di calcolare dinamicamente il prezzo ottimale dei voli, considerando parametri come la disponibilità, il numero di richieste, i prezzi del carburante e così via. Il costo del biglietto verrà quindi riadattato automaticamente sulle diverse piattaforme di vendita.
Nel caso palese dell’e-commerce, la prescrictive analytics permette di studiare il comportamento del consumatore (ad esempio, analizzando la cronologia di navigazione e degli acquisti) per automatizzare la proposta di nuovi articoli o servizi che possano incontrare i suoi interessi.
Altri esempi significativi riguardano l’ambito sanitario, dove la prescrictive analytics può servire per individuare le patologie future del paziente e suggerire cure preventive, oppure il settore della cybersecurity, per cui analizzando lo scenario delle minacce si identificano i rischi probabili, con la possibilità di attivare tempestivamente opportune contromisure.
Sintetizzando, l’analisi prescrittiva sfrutta e trascende le analisi descrittiva e predittiva: esaminando gli eventi del passato e anticipando gli scenari futuri, suggerisce (e spesso automatizza) possibili azioni per mitigare i rischi, migliorare i processi e aumentare i profitti.
