Articoli

Integrare i processi per ridurre il time to market nel retail

Che cos’è il time to market se non la misurazione del tempo e della qualità delle risposte che l’azienda dà alle esigenze espresse dal mercato? Visto in questi termini – ovvero non come una segmentazione di procedure e attività, ma come un unico parametro, migliorando il quale l’impresa riesce a guadagnare vantaggio competitivo – anche nel mondo retail il time to market può essere diminuito attraverso l’ottimizzazione di tutti i processi in un unico flusso. Perché è governando quel flusso, conoscendo a fondo come si sviluppano le attività in tutta la filiera ed integrandone gli stakeholder, che si abbattono i costi e si accrescono performance di business e soddisfazione dei clienti.

Permettere a tutte le piattaforme di dialogare con ciascun anello della catena

Belle parole, ma all’atto pratico cosa bisogna fare? Occorre prima di tutto installare dei connettori che mettano in comunicazione con i sistemi aziendali ciascun anello della catena, dal fornitore al cliente passando per tutti gli elementi intermedi disposti in parallelo sui diversi canali di vendita. Che si tratti di corner shop o negozi multimarca, o ancora di un’insegna vera e propria o di e-commerce, ogni punto di contatto con i clienti deve avere la facoltà di dialogare con la filiera in maniera continua e trasparente.

Questa necessità si unisce all’esigenza di soddisfare il cliente che si aspetta un’esperienza d’acquisto coerente e omogenea, a prescindere dal luogo – fisico o virtuale – in cui trova il prodotto. Solo se queste due istanze convergono, il time to market risulterà fluido.

Sono tipicamente l’ERP (Enterprise Resource Management), il CRM (Customer Relationship Management) e la BI (Business Intelligence) le piattaforme di base su cui vanno connessi tutti gli attori della filiera. Ciascuno al suo sistema, naturalmente, ma creando delle interconnessioni tra i database e le applicazioni in modo da consentire la condivisione e lo scambio dei dati utili a descrivere i vari processi e, in ultima istanza, con una visione d’insieme, il flusso del time to market. A questi sistemi tradizionali poi vengono in aiuto nuove tecnologie con l’Intelligenza Artificiale e l’IoT (Internet of Things), che consentono ancora meglio di ottimizzare la gestione delle informazioni ed automatizzare i processi di base più semplici e ripetitivi.

Individuare cause ed effetti per agire tempestivamente sulla filiera

Conoscere in tempo reale come si sta comportando, per esempio, la catena logistica per l’approvvigionamento dei prodotti o delle materie prime è indispensabile se si vogliono pianificare campagne di instant marketing capaci non solo di assecondare i trend di un determinato mercato, ma anche di rispondere con tempestività a bisogni espressi dai clienti in un dato momento e in un dato luogo. Quest’input, che può arrivare dall’analisi delle conversazioni e dei comportamenti su web e social network o anche direttamente dal negozio fisico, attraverso dati di vendita che evidenziano fenomeni da tenere d’occhio, trova riscontro nell’effettiva disponibilità di magazzino o nelle previsioni – accurate – sulla capacità della supply chain di rispettare le consegne.

Ma questa è semplicemente ordinaria amministrazione. Agire sul piano strategico vuol dire fare un passo in più: nel momento in cui raccoglie ed elabora i dati provenienti da tutte le fonti, il sistema di Business Intelligence è infatti in grado di individuare colli di bottiglia, potenziali criticità e soprattutto opportunità per velocizzare l’intera filiera, riconducendo cause ed effetti che a “occhio nudo” sarebbero impossibili da collegare. È sempre grazie all’integrazione dei processi con l’evoluzione del mercato e con i comportamenti dei consumatori che diventa possibile dare vita a simulazioni digitali, sia per mettere alla prova ipotesi di correzione della catena logistica o di procedure obsolete, sia specialmente per verificare l’impatto e la sostenibilità di nuovi modelli di business. Ancora una volta mettendo insieme causa ed effetto ogni volta che si decide di modificare un parametro. Insomma, un modo completamente nuovo di considerare, gestire e indirizzare il flusso del time to market.

PRIME365 Retail Suite è una suite innovativa di prodotti basati su tecnologie Microsoft, studiati per accompagnare le aziende del settore retail nel percorso di trasformazione digitale.

Head of Microsoft Competence Center & Hybrid Cloud | Managing Partner @VAR Group

Retail e segmentazione clienti: conoscere i comportamenti dei clienti

L’omnicanalità è una vera e propria galassia di touch point. Per ottimizzarli è necessario conoscere comportamenti e preferenze di ciascun individuo. Ecco perché è fondamentale riconciliare tutte le informazioni che il Marketing ha a disposizione sul proprio target.

Che i clienti, a maggior ragione nel mondo del fashion, non siano tutti uguali è risaputo. Ma attenzione: non è affatto un assunto da dare per scontato, bensì una consapevolezza acquisita faticosamente dal Marketing in anni di evoluzione di strategie e approcci al mercato, soprattutto di segmentazione del target. Eppure, nonostante siamo tutti d’accordo nel dirlo, molti ancora non riescono a tradurre in pratica questo concetto. È chiaro: il fashion retail è dovuto scendere a molti compromessi per raggiungere una sostenibilità economica nei modelli di business; un servizio tailor made, nei confronti di ciascun consumatore, è stato per decenni semplicemente impensabile. Ora che però le tecnologie digitali permettono da una parte di personalizzare l’interazione con gli individui su tutti i canali e dall’altra di ottimizzare la catena logistica per dare vita a offerte in real time (o quasi), sfruttando stagionalità e trend che arrivano direttamente dalle passerelle, l’impensabile è diventato fattibile. E, di conseguenza, necessario, se si vuole sempre essere un passo avanti rispetto alla concorrenza e mantenere il vantaggio competitivo.

Dalla relazione al Customer Journey: comprendere le esigenze dei clienti per soddisfarle

La segmentazione è dunque più che mai importante. Definire le caratteristiche dei clienti già acquisiti, ma anche quelle dei visitatori anonimi (del sito Internet come dello store fisico), rappresenta infatti la premessa per la costruzione di una relazione duratura che possa gradualmente diventare la cornice di una serie di Customer Journey efficaci. Conoscere le persone significa comprenderne le esigenze, provare a soddisfarle quando e dove occorre davvero vuol dire conquistarsi la loro fedeltà. Dunque sì alla segmentazione, ma con una precisione: se fino a qualche anno fa si faceva affidamento sui cluster costruiti in base a parametri socio-economici e demografici, oggi la segmentazione esprime la massima efficacia nel momento in cui descrive interessi e soprattutto comportamenti. Meglio ancora se contestualizzati. Questo introduce un elemento di grande complessità nello svolgimento delle analisi e nella formulazione di ipotesi dei diversi profili. E implica un lavoro costante di aggiornamento dei metodi di raccolta delle informazioni, della loro classificazione e soprattutto dei database. Come far confluire i dati dai diversi touch point attivati? POS, carte fedeltà, visite sul sito Internet, acquisti tramite app, operazioni promozionali e partnership con altri brand: l’omnicanalità è una vera galassia di punti d’accesso all’offerta e ogni consumatore vi si avvicina a modo suo.

Conoscere il cliente permette di massimizzare il valore di ciascun touch point

Unificare la visione che si ha sul cliente, a prescindere dal modo in cui si avvicina a un touch point, vuol dire per l’appunto segmentare il mercato in base ai comportamenti, con l’obiettivo poi di riconciliare profili univoci che aiutino il Marketing a indirizzare con sempre maggiore precisione l’offerta, anche al variare di altri parametri. Il Customer Journey di una stessa persona cambia radicalmente a seconda che l’individuo sia spinto verso il brand perché in cerca di novità o allettato dai saldi; è fondamentale riuscire a prevedere, di volta in volta, il tipo di approccio valutando il modo in cui si sono svolte le interazioni passate.

Chief Marketing Officer e Sales Director, oggi, possono farlo attingendo alle risorse delle piattaforme analitiche che convogliano i dati generati dai touch point nei CRM, incrociando e integrando le informazioni per dare vita a segmenti e profili accurati. Automatizzando il sistema, diventa possibile creare un meccanismo di alert e notifiche con cui, in un’ottica di Unified Commerce, la piattaforma è in grado di riconoscere quando comincia un Customer Journey peculiare e di indirizzarlo in base al profilo dell’utente. Un modo completamente nuovo di gestire la macchina del Marketing, che demanda all’intelligenza artificiale il compito di seguire i clienti lungo i vari canali, lasciando alle risorse umane il ruolo più creativo e delicato: quello di costruire una relazione di fiducia.

PRIME365 Fashion Suite è una suite di prodotti basati su tecnologie Microsoft Dynamics ed Azure, disegnati per le aziende della moda in grado di accompagnarle nel percorso della digital transformation.

Head of Microsoft Competence Center & Hybrid Cloud | Managing Partner @VAR Group

AI e Moda

Moda e tecnologia non sempre appaiono correlate ma l’intelligenza artificiale sta permeando molti settori e le tendenze della moda non rimarranno immuni dai suoi effetti. Ecco perché l’intelligenza artificiale
(AI) non determinerà solo quello che acquisterete ma forse selezionerà anche quello che sceglierete dal vostro guardaroba.

Come l’AI potrebbe influenzare i futuri trend della moda

Non dobbiamo pensare all’AI solo come Intelligenza artificiale ma in termini di intelligenza “aumentata” in quanto essa può estendere il pensiero umano e la capacità creativa ed automatizzare ad esempio il riconoscimento automatico di mode, stili e tendenze mondane attraverso l’analisi di post ed articoli. La questione più appropriata diviene quindi non se l’AI possa prendere il posto dei nuovi designer ma in che aspetti li possa supportare ad essere più creativi grazie alle proprie capacità di analisi ed osservazione.

Questo ci porta quindi a pensare all’AI come uno strumento prima di tutto di aiuto su come fornire alle persone conoscenze e intuizioni che consentano loro di lavorare in modo più efficace o efficiente; per aiutarle a concentrarsi sul raggiungimento di un risultato e non sull’elenco delle attività; per lasciare il banale ad uno strumento tecnologico che eccelle nel banale e per amplificare quindi l’abilità cognitiva umana, sfruttando (aumentando) l’intelligenza con l’aiuto delle macchine, degli algoritmi e della potenza di elaborazione: questa è la vera missione dell’AI nel nostro millennio e da qui può partire una nuova rivoluzione per tutti i settori.

Custom Fit AI

In uno scenario in cui il cliente è al centro della strategia di ingaggio e dove l’estrema personalizzazione delle proposte è sempre più spinta grazie ad innovativi algoritmi in grado di creare campagne ad hoc, l’AI potrebbe offrire anche un valido supporto nel migliorare notevolmente le tecniche di analisi e definizione delle preferenze cambiando anche parte del retail. Il cliente infatti potrebbe andare in un negozio online e trovare i propri articoli preferiti sulla base delle esperienze di acquisto ed anche alcuni nuovi disegnati o personalizzati apposta per lui.

I disegni auto-generati potrebbero anche giocare un altro ruolo: la creatività dei designer continuerebbe ad essere il motore principale per il disegno delle nuove collezioni ma le proposte generate dall’intelligenza artificiale potrebbero coprire il gap tra la moda quotidiana ed i pezzi da sfilata attraverso la creazione di pezzi unici, personalizzati per il singolo cliente e derivati dai principali trends visti in sfilata, ma a prezzi molto più abbordabili.

Questo potrebbe anche aiutare i retailers a capire meglio i propri clienti e migliorare la qualità delle loro offerte rendendole flessibili e personalizzate su cluster sempre più ridotti.

Predictive Fashion

Con l’utilizzo di questo approccio supportato dall’AI, gli stilisti e le case di moda potrebbero cominciare a concepire le loro collezioni in un modo nuovo.

I retailer della moda conoscono il valore dei loro follower e rimanere sempre di tendenza non è semplice: l’intelligenza artificiale è in grado di analizzare molteplici settori e gruppi di consumatori, consentendogli di trasformare velocemente le proprie collezioni.

Il vantaggio dell’AI è che il sistema impara da solo e compie attività sempre più precise e puntali all’aumentare dei dati disponibili e della potenza di calcolo. I nuovi algoritmi si adattano e spingono l’intelligenza artificiale sempre più su terreni che prima erano presidio esclusivo degli esseri umani.

Aumentare produttività e creatività

Possiamo ritrovare i benefici dell’introduzione di modelli di AI nei processi del settore della moda in ogni singolo stadio della supply chain: aumento della velocità di esecuzione, minori costi di gestione e maggior flessibilità. l’Intelligenza Artificiale ha infatti il potenziale di guidare miglioramenti in aree come il forecasting, la pianificazione, il merchandising fino ad automazione e logistica. I consumatori ne beneficeranno godendosi prodotti con migliorata disponibilità e tempi di realizzazioni inferiori.

Può anche migliorare la creatività in quanto i leader dell’industria della moda stanno già utilizzandola per aumentare le capacità nel generare nuove combinazioni di stili per i propri prodotti basandosi su trend e su quello che i clienti dimostrano di preferire.

Se prendiamo ad esempio Amazon è sul punto di lanciare il primo servizio di preferenze di abbigliamento supportato da AI e per merito di questo algoritmo sarà in grado di analizzare immagine e replicare gli stili più popolari ed applicarli ai gusti personali di ogni singolo cliente.

Ma non è l’unico esempio perché molti stilisti ne stanno già integrando l’uso fin dalla creazione dei propri campionari e collezioni.

Collegare i clienti ed i bisogni

Ci sono già moltissimi esempi di applicazioni di AI nell’industria della moda e senza dubbio questa tecnologia ha il potere di ridisegnare il modo in cui il settore ingaggerà ed interagirà con i propri clienti.

I leader digitali del settore stanno già facendo progressi, assicurando una maggiore conoscenza dei clienti dai loro ricchi set di dati e perseguendo opportunità come raccomandazioni sui prodotti, prezzi dinamici ed una migliore gestione delle relazioni con i clienti. Su quest’ultimo ambito, Tommy Hilfiger ha creato ad esempio una chatbot per interagire con i potenziali clienti. Il bot, un programma per computer automatizzato che gestisce le conversazioni con persone vive basate su suggerimenti forniti basati sulle loro domande, offre risposte e contenuti su misura per i loro interessi.

Ma il potenziale dell’IA non si limita a trasformare l’esperienza del cliente online: la tecnologia può alimentare un coinvolgimento migliore anche nel negozio fisico. Alcune aziende della moda utilizzano sensori che forniscono dati ai loro strumenti di intelligenza artificiale tramite l’Internet of Things, consentendo loro di capire come migliorare l’esperienza in negozio.

Farfetch è un buon esempio di ciò che è possibile fare se consideriamo quanto ha di recente inserito nel suo concept di negozio del futuro: ha attivato infatti strumenti come il riconoscimento automatico dei clienti quando l’acquirente entra nel negozio, accessi ai camerini per i clienti abilitati alla tecnologia RFID per aumentare la gestione dell’inventario e supportare gli acquisti ed i mirror digitali che consentono ai clienti di confrontare combinazioni di diverse dimensioni, colori e stili. Utilizzando l’intelligenza artificiale, l’azienda è stata in grado di integrare molte delle esperienze offerte di routine ai clienti online anche quando sono effettivamente nel negozio fisico.

L’intelligenza artificiale può anche svolgere un ruolo chiave nell’assicurare ai rivenditori di disporre di riserve sufficienti degli articoli più richiesti creando un corretto bilanciamento nei canali. Gli strumenti basati sull’intelligenza artificiale per la previsione della domanda stanno facendo notevoli progressi in un aspetto molto critico per l’industria della moda che è quello di avere il prodotto giusto, nel negozio o canale più vicino al cliente al momento in cui lo stesso è più disposto a fare l’acquisto. Nei casi migliori, tali strumenti consentono ai rivenditori di ridurre gli errori di previsione fino al 50%, riducendo allo stesso tempo l’inventario dal 20% al 50%.

In conclusione: l’AI come imperativo dell’evoluzione

Con così tanti casi d’uso, le aziende della moda potrebbero aver bisogno di pensare alle loro priorità per l’intelligenza artificiale, concentrandosi sulle aree con il maggior potenziale di valore aggiunto data la loro strategia aziendale individuale. Con alcune ricerche che suggeriscono che l’intelligenza artificiale potrebbe sostituire fino al 30 percento del lavoro svolto dai fashion designer, in che modo le aziende gestiranno la loro forza lavoro e introdurranno nuovi strumenti senza alienare i dipendenti?

Il segreto sarà quello di sfruttare un valore che ha guidato ha lungo il successo nel settore della moda: la collaborazione. In pratica, gli strumenti di intelligenza artificiale sono in grado di supportare ed automatizzare gran parte del lavoro attualmente svolto dai stilisti, piuttosto che sostituirne completamente le creatività. E mentre alcuni compiti potrebbero scomparire, l’AI creerà anche nuove opportunità.

È possibile quindi prevedere il futuro della moda e quello che si affaccia con l’avvento dell’AI? La maggior parte dei film di fantascienza rappresentano un futuro della moda in cui l’umanità è vestita con costumi intelligenti, infusi dalla tecnologia, che quasi sempre danno a chi lo indossa una sorta di superpotere… potrebbe essere questo uno dei possibili futuri?

Un altro scenario è un futuro della moda non più afflitto dalla crudeltà sugli animali, dalla schiavitù moderna legata alla tecnologia, dall’esaurimento delle risorse e dall’inquinamento globale, dove l’unica minaccia alla nostra esistenza è una civiltà aliena malevola, mentre il resto del genere umano è riuscito a ritrovare un equilibrio tra tecnologia, ecologia e co-esistenza sul pianeta di tutte le specie.

Se tuttavia dobbiamo pensare a qualcosa di certo che sicuramente non cambierà mai, questa è la nostra natura umana: siamo permeati da insaziabile desiderio di segnalare lo stato, di mostrare “chi siamo”, distinguerci da tutti… e questo accade ancora oggi dopo milioni di anni di evoluzione.

Ecco perché prevedere il futuro della moda non è così semplice. La moda riguarda le persone e i loro pari, i costrutti sociali, la dimostrazione di chi siamo. La moda non riguarda gli ultimi progressi tecnologici, anche se questi la possono aiutare ad evolversi più velocemente… e poiché la nostra percezione del lusso è costruita sul patrimonio, sull’artigianato e sull’alta qualità, cosa succederà quando i robot sostituiranno gli artigiani e i paesi si dissolveranno in un paese senza confini globale?

In questo contesto, potrebbe quindi l’AI diventare il nuovo stilista del futuro?

Negli ultimi dieci anni, il mondo della moda è stato ridisegnato dalla rivoluzione digitale, per sostituire le pratiche centenarie con le meraviglie tecnologiche, i centri commerciali di moda con i colossi dell’e-commerce e i materiali tradizionali con alternative sostenibili innovative. L’aspetto della moda digitale è stato in qualche modo previsto da siti di incontri di avatar come “Second Life” e più recentemente dalla scena dei giochi online. Entrambe le comunità stanno spendendo miliardi di dollari per la moda e gli accessori che… non esistono!

Matthew Drinkwater, responsabile della Fashion Innovation Agency, è fermamente convinto in un futuro in cui il regno fisico sarà intriso di contenuti digitali, e prevede un domani in cui i consumatori saranno in grado di sovrapporre elementi digitali ai loro corpi e all’abbigliamento del mondo reale… in poche parole se possono convergere il negozio online e quello fisico, perché non dovrebbero farlo i consumatori ed i loro prodotti?

Una riflessione sull’etica

L’intelligenza Artificiale ha il grosso limite di essere ancora un sistema che apprende e recepisce il suo sviluppo dall’impronta umana. Se pensiamo di istruire un sistema a generare disegni e supportare gli stilisti nella creazione di nuove collezioni, appare importante anche considerare chi e come istruirà l’AI e che tipo di pregiudizi possa avere perché questo può influenzare le scelte dell’algoritmo ed i suoi risultati.

Avere un approccio etico ed inclusivo sarà parte della definizione delle regole di base per avere una vera AI in grado di supportare gli stilisti in tutto il mondo nel creare nuovi capi e collezioni declinate per i diversi paesi nel rispetto dei loro usi e preferenze locali.

I dati e l’intelligenza artificiale per la loro elaborazione rendono disponibili alle imprese nuovi modi per migliorare i processi e generare valore

Head of Microsoft Competence Center & Hybrid Cloud | Managing Partner @VAR Group

Customer Care Chatbot

Come avere un assistente virtuale che avvicina e non allontana

Abbiamo già parlato di ChatBot e della loro progettazione: sappiamo che per poter sviluppare uno strumento di questo tipo ci vuole una progettazione logica e linguistica che non si improvvisa, oltre che un processo di training costante finalizzato ad ottimizzarne le performance.
Questi progetti, più di tutti, vivono sulla evoluzione e si alimentano della interazione con gli utenti.

Ma ad oggi quale può essere l’ambito di applicazione più “soddisfacente” per questa tecnologia?

Se si guardano i dati emessi dal report “Osservatorio Artificial Intelligence: Artificial Intelligence learn to fly” del Politecnico di Milano,  possiamo rilevare che  l’utilizzo dei chatbot in Italia nel 2020 è stato così suddiviso:

  • Customer Care (13%): servizio messo a disposizione dei clienti per fornire assistenza
  • Help-desk Interno (8%): fornisce risposte a specifici problemi (principalmente IT) dei dipendenti
  • Shop Assistant (6%): fornisce informazioni sui prodotti aziendali (caratteristiche, disponibilità, ecc.)
  • Corporate Knowledge (4%): fornisce informazioni circa l’azienda, la sua storia e l’organizzazione
  • Prodotto Finale (4%): è integrato all’interno di un prodotto, di cui costituisce una delle funzionalità
  • Recruiting (3%): effettua un primo screening dei candidati in un processo di selezione, ponendo ai candidati stessi domande e valutando le risposte
  • HR Management (3%): fornisce quelle informazioni normalmente in capo all’ufficio Risorse umane

L’applicazione del chatbot legato alla gestione del customer care è quindi la declinazione ad oggi più naturale, ma vediamo come potrebbe essere progettato un prodotto “vincente” e non “irritante”.

Ricordiamoci sempre che se una azienda decide di realizzare un chatbot per affiancare il customer care, lo scopo primario deve essere quello di erogare un servizio efficace e la riduzione dei costi interni è solo una conseguenza “indiretta” di questa strategia.

L’utente ormai sa benissimo di trovarsi di fronte ad un chatbot quando approccia la richiesta su un prodotto, quello che non sa è fino a che punto il robot può rispondere in maniera pertinente.
Per questo la prima cosa da fare è:

Far capire all’utente gli argomenti che può trattare lo strumento

Una volta esplicitati gli argomenti, il fruitore del servizio deve poter chiedere quello che gli serve, ma in che modo? le strade possono non essere univoche, navigando tramite un menu contestuale oppure scrivendo in esplicito la richiesta. Quello che è fondamentale è che l’utente possa:

Carpire come interagire con il chatbot in maniera immediata

Essendo il customer care finalizzato appunto alla “cura del cliente”, bisogna soddisfare le esigenze dei consumatori il più possibile, quindi se un utente preferisce parlare con un operatore, bisogna rendere la scalabilità immediata: se un operatore è disponibile, dare la possibilità di richiedere un contatto, se non lo fosse dare il modo di fissare un appuntamento telefonico per agevolare la comunicazione

Permettere una scalabilità verso l’operatore umano in maniera semplice

Dopo l’utilizzo del chatbot, un utente deve esserne soddisfatto, sia se è riuscito a risolvere il suo problema, sia se si è tranquillizzato con un potenziale contatto. L’esperienza d’uso deve essere percepita come positiva e questo dovrebbe essere uno strumento abilitante e non “una presa di distanza”.
Purtroppo spesso i chatbot sono progettati quasi a voler allontanare il più possibile il contatto umano: questo è bene solo se le richieste vengono soddisfatte, diversamente è controproducente e rendono ancora più sterile il contatto con i propri clienti.

Noi cerchiamo sempre di avere chiari gli obiettivi di businness e tramite gli strumenti Microsoft, come l’infrastruttura public cloud Azure e le applicazioni utilizzate per la gestione del linguaggio come luis  e qnmaker,  possiamo  addestrare il chatbot come meglio desideriamo.

La disponibilità dei servizi cognitivi di Microsoft e di soluzioni e logiche è in continua evoluzione  per questa tipologia di prodotti che certamente necessitano di crescita: non possiamo sapere come cambieranno, ma ci aspettiamo una decisa presenza sul mercato visto anche gli ultimi fatti mondiali.

Noi siamo presenti per aiutarvi ad esplorare il meraviglioso viaggio del domani.

Scopri heybot, il chatbot conversazionale che dialoga direttamente con i tuoi clienti e con i tuoi partner, risponde 24/7 alle Q&A dei tuoi utenti in modo proattivo fornendo informazioni dettagliate.

 

Modern Workplace Consultant

pianificazione della domanda

Le aziende di alcuni settori industriali, ad esempio il manifatturiero, il consumer product goods, il fashion e il retail devono affrontare periodicamente il processo di pianificazione della domanda, in diversi scenari che possono riguardare la produzione, il replenishment o la distribuzione.

L’esigenza di business e le sfide sottese a questo processo sono molto chiare, e riguardano la capacità di prevedere i volumi e anticipare le criticità evitando rotture di stock piuttosto che l’immobilizzazione in quantità eccessive di prodotti e componenti.

I fattori che entrano in campo nelle decisioni sono infatti molteplici e includono variabili stagionali, collezioni, caratteristiche di approvvigionamento delle materie prime, differenti mercati, e interazioni complesse, come ad esempio avviene nel caso di promozioni, sostituzioni, e nuovi lanci di prodotto.

Penso di non sbagliare troppo dicendo che, ancora oggi, lo strumento per la pianificazione della domanda piu’ diffuso è… Microsoft Excel.

Quella della pianificazione è infatti una attività che, nonostante la presenza di ERP moderni, implica ancora una forte manualità e in alcune circostanze si basa sull’esperienza piuttosto che su metodologie scientifiche e algoritmi robusti.

L’Intelligenza Artificiale può portare ad un significativo miglioramento di questo scenario.

I servizi Azure Machine Learning possono infatti implementare modelli per l’analisi per dati non lineari, i quali si possono affiancare ad algoritmi più classici, per un miglioramento rilevante dell’accuratezza nella previsione, a livello di singola referenza (SKU).

Non ridurrei però la questione alla parte più algoritmica.

Sono infatti diversi i fattori che non è possibile demandare al motore di calcolo e una buona soluzione deve prevedere le modalità per tenere sotto controllo le diverse dimensioni (giacenze di magazzino, ordinativi, previsioni etc) e per intervenire manualmente in caso di “shock” o altri eventi che non possono essere anticipati.

L’approccio al miglioramento nel processo di pianificazione della domanda deve quindi coniugare le capacità di calcolo con la governance e la semplicità d’uso.

In conclusione grazie all’intelligenza artificiale è possibile migliorare rapidamente l’accuratezza delle previsioni e grazie alla tecnologia si può impostare il “pilota automatico” nel trasferimento della pianificazione all’ERP con grandi benefici per l’efficienza del processo.

Tuttavia l’intervento dei demand planner resta fondamentale per quegli aspetti dove il contributo di esperienza e conoscenza dell’azienda è maggiormente necessario.

I dati e l’intelligenza artificiale per la loro elaborazione rendono disponibili alle imprese nuovi modi per migliorare i processi e generare valore

CEO – Amministratore Delegato

Modern Data Warehousing

La soluzione Microsoft per il Modern Data Warehousing

Enterprise data warehouse, big data e advance analytics integrati in unica piattaforma su Azure

Il 3 dicembre, nell’evento “Shape Your Future with Azure Data and Analytics digital event”. Satya Nadella, Ceo Microsoft, ha annunciato la strategia sul mondo Data Analytics e la disponibilità in General Availability di Azure Synapse Analytics, la soluzione “Modern Data Warehousing” su cloud Azure.

“Shape Your Future with Azure Data and Analytics digital event: https://azure.microsoft.com/en-us/blog/digital-event-explore-how-data-and-analytics-will-impact-the-future-of-your-business/

Azure Synapse Analytics è la piattaforma abilitante per soddisfare a 360 gradi le moderne esigenze di analisi dei dati delle aziende:

  • Analisi Descrittiva: “Cosa sta succedendo nella mia attività?” Per rispondere a questa domanda viene in genere implementato un Data Warehouse.
  • Analisi Diagnostica: “Perché sta accadendo?” Rispondere a questa domanda in genere comporta una ricerca più ampia sul patrimonio dati per trovare più dati a supporto di questo tipo di analisi.
  • Analisi Predittiva: “Cosa succederà probabilmente in futuro in base alle tendenze e ai modelli precedenti?” Rispondere a questa domanda comporta l’integrazione di modelli ML
  • Analisi Prescrittiva: “Cosa dovrei fare?” Questo tipo di analisi esamina l’esecuzione di azioni basate sull’analisi dei dati in realtime o near realtime, utilizzando i modelli dell’analisi predittiva.

Modern Data Warehousing

Con Azure Synapse Analytics, Microsoft integra in un unico tool, con una user experience unificata, le funzionalità di:

  • data integration (ingestion, data preparation, data transformation, batch e near realtime)
  • enterprise data warehousing e big data (archiviazione ed elaborazione di dati strutturati, semistrutturati, non strutturati con volumi dal MB a PB)
  • advanced analytics (Machine Learning, e Deep Learning)
  • presentation (dashboard Power BI)
  • monitoring
  • management
  • security

in parte integrando al suo interno ed evolvendo componenti esistenti della piattaforma Azure (es Azure Data Factory, Azure SQL Data Warehouse, Azure Databricks/Spark e Azure Data Lake) in parte abilitando una completa integrazione con componenti quali Power BI, Azure machine Learning, Azure Cosmos DB.

Modern Data Warehousing 2

Azure Synapse Analytics

L’adozione di Azure Synapse Analytycs consentirà alle aziende di disporre di un unico tool in grado di coprire le attuali e future esigenze di archiviazione, analisi e presentazione dei propri dati preservando gli investimenti in termini di risorse e competenze.

Grazie anche ad un sistema di costi modulare le aziende potranno iniziare gradualmente il loro percorso con le funzionalità data warehouse tradizionale su dati strutturati, migrando gli attuali data warehouse on premise nel cloud Azure, sfruttando le potenzialità di elaborazione e scalabilità del Dedicated SQL Poll (Massive Parellel Processing Engine)

Parallelamente potranno archiviare in uno storage virtualmente infinito e a basso costo (Data Lake Storage) tutti quei dati aziendali che al momento non sono in grado analizzare ma che rappresentano un patrimonio da cui estrarre in futuro contenuti informativi e analitici (es, file di testo generati dalle macchine industriali, serie temporali generate da sensori, log di sistemi, e-mail, documenti, foto, video, audio ecc).

Mediante l’integrazione di modelli di Machine Learning applicati all’analisi dei dati potranno gradualmente intraprendere il percorso di evoluzione delle proprie capacità advanced analytics (Analisi diagnostica, predittiva e prescrittiva), es: anomaly detection, demand planning, recommendation, customer segmentation, sentiment analysis.

Le tecnologie di Artificial Intelligence potranno anche essere utilizzate per estrarre ed interpretare informazioni da documenti ed e-mail (es. identificazione di parole chiave, interpretazione del testo, traduzione, analisi del sentiment, estrazione di coppie chiave valore: es numero di fattura, numero d’ordine), da file audio (es. trascrizione), da foto (es. analisi descrittiva, identificazione di soggetti) che potranno essere messi in relazione con il resto del patrimonio dati aziendale.

Microsoft ha adottato una politica dei costi che rende Azure Synapse Analytics oltremodo competitivo anche su questo piano rispetto ai principali ai competitor, Google BigQuery, Amazon AWS Redshift.

Puoi approfondire consultando le analisi comparativa disponibile nei report che trovi

  • GigaOm Analytics Field Test-H Benchmark Report
  • GigaOm Analytics Field Test-DS Benchmark Report

https://azure.microsoft.com/en-us/services/synapse-analytics/compare/#price-performance

• GigaOm Analytics Field Test-H Benchmark Report

In conclusione, con Azure Synapse Analytics Microsoft introduce una soluzione che integra in un unico strumento modulare funzionalità enterprise data warehouse tradizionali, big data e advance analytics, consentendo alle aziende di intraprendere un percorso graduale, salvaguardando gli investimenti e contenendo i costi.

Di seguito alcuni link di riferimento:

https://azure.microsoft.com/en-us/services/synapse-analytics/

https://docs.microsoft.com/en-us/azure/synapse-analytics/overview-what-is

I dati e l’intelligenza artificiale per la loro elaborazione rendono disponibili alle imprese nuovi modi per migliorare i processi e generare valore

AI Team Leader

I caratteri del CHATBOT

Vorreste un chatbot professionale, gentile, spiritoso, servizievole o entusiasta?

Quale modello scegliere per la propria organizzazione

I chatbot imperano.
Mi è capitato di usarne uno di recente in merito al supporto per la connessione internet e devo dire che mi ha solo fatto innervosire perché si avviluppava su se stesso…senza apertura, non si poteva  contattare un operatore, risposte poco chiare.

Un altro caso che ricordo è stato in merito al supporto per un acquisto online,  qui è andata meglio perché ho percepito “maggiore comprensione” da parte dello strumento, un supporto effettivo e quindi  un maggiore senso di utilità.

Cito questi due esempi perché pur essendo un utente “addetto ai lavori”, e di conseguenza con uno spirito critico più attento, sono stata  molto influenzata dal tono dello strumento e da quello che mi ha trasmesso. Non solo se mi ha permesso di raggiungere lo scopo, ma come mi ha aiutata? I due casi citati mi hanno trasmesso un sentimento molto diverso

I caratteri del chatbot

Per ruolo mi trovo ultimamente a dover progettare diversi chatbot, dalle finalità più svariate.
Al di la delle funzionalità e delle interpretazioni del linguaggio, l’aspetto della “personalità” si sta evolvendo.

Fino a poco tempo fa la stesura dei dialoghi di cortesia era delegata a me in quanto non esisteva nulla di “pronto”. Sinceramente, anche fosse esistito, avrei preferito lo stesso farlo io perché trovavo l’attività “divertente”. ..ogni tanto fare cose così fa piacere! Aumentando però il volume delle richieste e la tipologia di chatbot da sviluppare, aumenta anche la complessità di gestione di questi aspetti.

Usando prodotti di “educational”  basati su Microsoft, mi sono interessata alla recente uscita del tool “chit-chat” in lingua italiana. Chit-chat è un tool che si può innestare a QNMaker (quindi lo strumento più semplice di training di casa Microsoft) e permette di rendere lo strumento più colloquiale e accattivante con uno “sforzo minimo”. Sono state identificate 5 tipologie caratteriali (sarei curiosa di sapere sulla base di quali analisi sono uscite queste categorie)

  • Professionale
  • Gentile
  • Spiritoso
  • Servizievole
  • Entusiasta

Ok bene! Ti domandi in cosa consista la differenza…Ecco l’esempio è il seguente, alla  domanda “quanti anni hai” leggiamo le diverse risposte impostate in chit-chat per i diversi caratteri :

  • Professionale: Il tempo è un concetto che non si applica a me
  • Gentile: In realtà non ho una età
  • Spiritoso: Sono senza età
  • Servizievole: Non ho una età
  • Entusiasta: Sono un bot, non ho una età

Obbiettivamente si fa un po’ di fatica a cogliere le sfumature ma questo è solo un esempio e mi rendo conto che ci sono. Chit-chat gestisce un numero davvero elevato di domande fuori contesto, più di 20.000 e una persona non riuscirebbe a programmarle se non con costi davvero importanti.

Le risposte poi si possono modificare se proprio non convincono e rendere più accattivanti o in linea con  la comunicazione che il brand rappresenta.

E’ evidente che si cerca sempre di automatizzare tutto… ma spesso non è possibile se non con risultati non proprio esaltanti. Dietro un chatbot davvero utile ci deve sempre essere una testa pensate che lo caratterizza, lo educa e lo gestisce.

Non possono vincere sempre i costi, diversamente otterremmo esperienze d’uso poco gratificanti e il minimo di investimento fatto sul prodotto verrebbe quindi vanificato.

Ricordiamoci sempre che dietro un grande bot c’è sempre una/un grande “educatrice”/”tore”😊

Scopri heybot, il chatbot conversazionale che dialoga direttamente con i tuoi clienti e con i tuoi partner, risponde 24/7 alle Q&A dei tuoi utenti in modo proattivo fornendo informazioni dettagliate.

 

Modern Workplace Consultant

Microsoft Azure Custom Vision - Cognitive Services

Cosa è Azure Custom Vision

Azure Custom Vision è uno dei servizi disponibili nella famiglia Visione Artificiale degli “Azure Cognitive Service”

Azure Cognitive Services

I Cognitive Services di Visione Artificiale coprono diverse esigenze, ad esempio:

  • analisi delle immagini:
    • identificazione e classificazione di elementi e oggetti rappresentati
    • classificazione e descrizione delle immagini
    • identificazione di marchi
    • identificazione di contenuti per adulti
  • analisi dei volti:
    •  identificazione delle persone
    • identificazione del genere e dell’età
    • valutazione delle emozioni
    • identificazione delle caratteristiche dei volti (es. geometria del viso, capelli, barba)
    • identificazione accessori (es tipologia occhiali) e trucco
  • analisi video
  • estrazione dei contenuti dai documenti semistrutturati e scritti a mano

Azure Custom Vision

Tra i servizi di analisi delle immagini, Azure Custom Vision consente di implementare soluzioni applicative in grado di classificare immagini o riconoscere oggetti all’interno delle stesse, utilizzando modelli Machine Learning di classificazione in modo trasparente, senza la complessità legata alla loro implementazione.

Azure Custom Vision

Cosa si può fare con Azure Custom Vision

Custom Vision può essere utilizzato in differenti scenari, ad esempio nel monitoraggio dell’adozione dei presidi di sicurezza negli ambienti di lavoro. Analizzando le immagini acquisite da sistemi di videosorveglianza è possibile identificare in real-time se un soggetto rispetta le prescrizioni ad esempio sull’utilizzo di caschi, occhiali di protezione e della mascherina.

Azure Custom Vision

Custom Vision può essere utilizzato per l’implementazione di soluzioni per il monitoraggio dell’inventario di strumenti di lavoro con l’obiettivo di minimizzare le perdite di strumenti e di ridurre le tempistiche di gestione.
Custom Vision analizzando le immagini è in grado di riconoscere i vari strumenti e di distinguere i diversi modelli anche se differiscono di poco.
Inoltre, l’utilizzo di modelli dedicati consente di sviluppare soluzione ottimizzate per l’analisi e la classificazione di immagini in ambito fashion e retail.

Come funziona

Per implementare una soluzione per il riconoscimento delle immagini è necessario per prima cosa costruire il modello di interpretazione rispetto all’ambito. Ad esempio, se voglio classificare immagini di frutta devo “addestrare” il modello con alcune immagini di frutta e per ogni immagine devo specificare se si tratta di mele, pere o altra frutta.


La costruzione del modello prevede le seguenti fasi:

  1. Definizione del training set di immagini, cioè dell’insieme delle immagini che saranno utilizzate per l’addestramento
  2. Caricamento ed etichettatura delle immagini (Labeling), durante il quale viene indicato al modello se l’immagine caricata è un mela, una pera o un altro frutto
  3.  Addestramento del modello (Training), nel quale viene elaborato il modello sulla base delle immagini del training set
  4. Valutazione della qualità del modello, sulla base di alcuni indicatori di qualità (Precision e Recall)
  5. Test con immagini non comprese nel training set, nel quale viene verificato se il modello classifica correttamente delle nuove immagini non appartenenti al training set

L’etichettatura delle immagini consente di “dire” al modello come deve essere classificata l’immagine o gli oggetti rappresentati al suo interno. L’immagine o gli oggetti contenuti vengono marcati con delle etichette.
Il ciclo di addestramento può essere ripetuto più volte fino a quando non si ottiene un modello predittivo soddisfacente.

Azure Custom Vision

Una volta che il modello è stato messo a punto può essere facilmente integrato in una soluzione applicativa utilizzando le web api o l’SDK fornito dalla piattaforma o esportando il modello per un suo utilizzo offline.

Di seguito alcuni link di riferimento:

Azure Cognitive Services
Azure Custom Vision
Personal Face Mask Detection with Custom Vision and Tensorflow.js
PPE Compliance Detection using Artificial Intelligence in Learning Factories
Leveraging Cognitive Services to simplify inventory tracking

I dati e l’intelligenza artificiale per la loro elaborazione rendono disponibili alle imprese nuovi modi per migliorare i processi e generare valore

AI Team Leader

Microsoft Dynamics365 Sales Insight

Individuare trend ed esigenze degli acquirenti per rivoluzionare le reti vendita grazie all’Intelligenza Artificiale integrata nella soluzione.

Dynamics 365 Sales Insights è una suite di funzionalità in grado di raccogliere e analizzare continuamente una vasta raccolta di dati relativa ai clienti memorizzati in Dynamics 365 Sales e Office 365.
Aiuta a comprendere al meglio le relazioni commerciali, a valutare le attività in relazione ai precedenti successi e a scegliere il percorso migliore. Inoltre, consente di stabilire relazioni solide con i clienti, intraprendere azioni basate su approfondimenti e chiudere opportunità più rapidamente.

Trasforma ogni venditore in un esperto aumentandone la produttività

In un mercato globale in continua espansione nulla rimane invariato. Il cliente è alla ricerca dell’innovazione, i canali di acquisto cambiano e le dinamiche tra i concorrenti si trasformano in dinamiche tra partner, chiedendo ai team di vendita enormi sforzi per restare al passo e con un atteggiamento reattivo al mercato.
Come fare a recepire tutte queste informazioni? La chiave è I’AI.
L’Intelligenza Artificiale, usata come motore di calcolo sui nostri dati, può rilevare trend ed esigenze degli acquirenti, difficili da individuare dalle sole capacità umane. Le informazioni dettagliate e in tempo reale consentono ai venditori, impegnati esclusivamente con l’interazione umana, di agire anziché reagire di fronte alle opportunità.

Dynamics 365 Sales Insight - AI a supporto della forza vendita

Andiamo a elencare i punti di forza di questa soluzione.

Strategy & Analytics

Soluzioni predittive aiutano a ridurre gli errori dovuti ai giudizi soggettivi del venditore e individuare nuove esigenze dei clienti tramite:

  • monitoraggio continuo del mercato
  • analisi dei topics e tags negli ambienti social
  • interpolazione con i dati di vendita

Dynamics 365 Sales Insight - Strategy e Analytics

Focus sugli acquirenti giusti

Grazie ai modelli predittivi dell’AI, il tasso di conversione dei lead in opportunità sarà notevolmente maggiore, dando quindi priorità ai lead che sono più affini alle nostre proposte.

Dynamics 365 Sales Insight - Lead & Opportunities

Engagement

Grazie ai dati memorizzati in Microsoft Exchange, attraverso un collega sarà possibile instaurare un contatto con dei lead; i collegamenti ci aiutano nelle presentazioni e nel fare cross selling.
Possiamo inoltre integrare le relazioni personali, ad esempio le proprie liste di Linkedin, con quelle situate in Dynamics 365, avendo quindi un dato aggregato a 360°. Possiamo usare l’AI per creare un modello di vendita personalizzato, usando le discussioni abituali in modo da poterle integrare in specifici processi aziendali.

Lavoro smart

Lo strumento permette di rimanere sempre aggiornati sulle attività di vendita tramite un sales assistant che in background semplifica il lavoro, suggerendo sempre le attività pianificate, riducendo il carico di lavoro.
Preparare una riunione non sarà mai stato così facile, disponendo infatti di tutti i dati del cliente, si avranno informazioni chiave sull’azienda e i suoi partecipanti.
Creare e gestire le proprie attività in modo così veloce genererà un processo virtuoso di risparmio del tempo, permettendo al venditore un impiego fruttuoso delle attività che più lo identificano, ovvero l’approccio umano.

Comunicazione

Più acquirenti o più trattative? È questo il dilemma.
Grazie all’intelligenza artificiale questo gap viene minimizzato, permettendo al venditore di gestire contemporaneamente più conversazioni.
Sarà possibile quindi, tenere traccia delle interazioni con i clienti, instaurare un legame 1 a 1 e pianificare attività di follow-up e far avanzare le trattative.

Dynamics 365 Sales Insight - Comunicazione e Artificial Intelligence

Traccia e analizza automaticamente le emozioni, individua i desideri dei tuoi clienti e condividi le strategie più efficaci con il tuo team!

 

Allinea le vendite e il marketing, aumenta la produttività del reparto vendite e costruisci relazioni migliori con i tuoi clienti con un CRM moderno e in cloud.

 

Dynamics 365 Consultant

 

La progettazione dell'esperienza utente

First impression

La prima impressione è quella che conta! Quante volte abbiamo sentito questa frase applicabile in ogni contesto sociale, forse troppe e in alcuni casi ci siamo anche ricreduti sul suo significato. Ma l’approccio verso i nuovi strumenti di comunicazione/lavoro su cosa si basa?

Purtroppo in questi contesti il primo sguardo e la prima impressione sono davvero elementi che potranno decretare o meno il successo di un progetto, quindi che fare? Oltre a dedicare tempo alla progettazione alla usabilità e al lancio degli strumenti, non dobbiamo dimenticarci di supportarne fortemente l’adozione tramite la motivazione.

Se incontraste sulla vostra strada una persona affaticata e mal vestita, sapendo che sta facendo il muratore in cantiere, che cosa pensereste? Sareste scevri da una prima “negativa” impressione rispetto al fatto di non saperlo?

Vediamo alcuni esempi:

Chatbot

la primissima interazione tra l’utente e il bot è fondamentale per l’esperienza dell’utente. Quando si progetta un bot, bisogna tener presente che c’è molto di più in quel primo messaggio oltre a dire “ciao”.

L’utente deve capire subito con cosa interagisce, cosa può ottenere dallo strumento, se questo lo farà innervosire, se sarà in grado di aiutarlo e non di fargli perdere tempo.

Diversamente non ci sarà una seconda volta.

Siti internet

Il sito internet vive sulla schermata principale.

La prima schermata deve, oltre a mostrare la pertinenza del contenuto ricercato, fornire importanti spunti di navigazione. Gli utenti dovrebbero comprendere intuitivamente dove si trova il menu e come funziona, dove chiedere aiuto, qual è la politica sulla privacy e così via.

Intranet

Le intranet oggi si configurano sia come strumenti di comunicazione interna sia come strumenti di lavoro: se la prima pagina non mi permette di capire questo ed accedere velocemente a ciò che voglio, gli utenti smetteranno di considerala tale e perderanno magari più tempo per essere aggiornati o addirittura rinunceranno.

Applicazioni

Nella applicazioni, qualunque sia il loro scopo, deve capirsi il flusso e l’obiettivo dell’utilizzo. La schermata principale spesso è il punto di smistamento alle varie funzionalità ed il punto di ritorno.

Si potrebbe andare avanti all’infinito con gli esempi, ma appare chiaro che il primo approccio allo strumento ne decreta il futuro ed assiduo utilizzo. Che cosa significa questo? Nei processi di Change management il concetto di adoption deve essere accompagnato in maniera soft ma incisiva: mostrare agli utenti i prodotti migliori, performanti ma senza barriere, facilissimi da usare renderà vincente l’operazione di evoluzione. Spiegare agli utenti il perché li devono usare e quali vantaggi ne deriveranno sarà la chiusa per fare goal.

La progettazione oggi parte da metriche rovesciate rispetto al passato, prima di preoccuparci della fattibilità, preoccupiamoci di come verrà accolta l’innovazione, se verrà accolta e se veramente porterà il valore aggiunto che stiamo ricercando. Dopo capiremo come costruire questo risultato.

Scopri heybot, il chatbot conversazionale che dialoga direttamente con i tuoi clienti e con i tuoi partner, risponde 24/7 alle Q&A dei tuoi utenti in modo proattivo fornendo informazioni dettagliate.

 

Modern Workplace Consultant