Di fronte alle grandi imprese di ricerche marketing come Ipsos o Nielsen, si stanno sviluppando delle start-up e agenzie svizzere per consigliare i giganti dell’economia sulle future tendenze del loro mercato.
A Londra, la società Black Swan può prevedere il decollo del latte di pisello, degli integratori di gaba (un acido amino-butirrico dalle virtù rilassanti) o del bakuchiol (molecola contro l’acne). Questo grazie ai dati raccolti dai social network, dai forum e dai commenti online, tra le varie cose. In quanto questi megadati – o big data – parlano per il cliente. Possono indicare come consuma o che prodotto lo interessa acquistare. Il loro sfruttamento permette quindi alle imprese di affinare le loro strategie.
Anche in Svizzera esiste una serie di società che propongono questo tipo di servizi, come SwissQuant Group a Zurigo, specializzato nella finanza, o Digital Luxury Group a Ginevra. L’impresa svizzera Swiss Statistical Design & Innovation (Swiss-SDI) impiega quattro persone e ha sede a Vaulruz (FR). È specializzata nella valorizzazione dei dati, nella maggior parte dei casi forniti dalla clientela. "I nostri clienti sono coscienti dell’importanza dei dati ma sono talvolta un po’ smarriti", spiega Brice Repond, data scientist e co-fondatore di Swiss-SDI. Selezionare e analizzare questi dati è pertanto primordiale per comprenderli. Ma prima di tutto, si tratta di definire una problematica. "Il termine di previsione nasconde sempre una questione ben precisa, sottolinea Xavier Bays, anch’egli data scientist e co-fondatore di Swiss-SDI. Per noi è importante lavorare con soggetti ben definiti."
Classificazione vs regressione
Si possono separare le problematiche della clientela in due grandi famiglie: la classificazione e la regressione. "La classificazione consiste nel definire una categoria, precisa Xavier Bays. Un certo cliente, ad esempio, sarà sensibile a un determinato prodotto. La regressione è il fatto di prevedere una cifra, come il valore del carrello degli acquisti." Una volta epurati e arricchiti i dati, un algoritmo li tratterà. "Per un’impresa di distribuzione elettrica, abbiamo lavorato con dei trader dell’energia, racconta Brice Repond. Devono prevedere quale sarà il consumo elettrico per il giorno seguente, ora per ora. Si tratta di regressione, basata sull’andamento dei dati. Bisogna imparare dal comportamento dei clienti per prevedere un valore." I progetti possono durare da una settimana a svariati mesi.
A Losanna, i quindici collaboratori di Datapred, che ha sede all’Innovation Park dell’EPFL, lavorano prima di tutto per grandi gruppi industriali acquistando materie prime. "I nostri dati provengono da sistemi d’informazione abbastanza tradizionali (software di gestione integrata ERP, fornitori di dati finanziari). Si tratta di dati generalmente "puliti" e in flusso continuo. Queste due caratteristiche hanno un impatto sul tipo di machine learning necessario per il loro trattamento, spiega Thomas Oriol, il direttore. Il nostro software è pertinente dal momento in cui un’impresa acquista per oltre CHF 50'000'000 di una materia prima o di un’energia all’anno."
L’obiettivo è di permettere alle imprese di ottimizzare i loro acquisti di materie prime. "Il software offre previsioni di tendenze o di volatilità dei prezzi, l’identificazione dei fattori che impattano i prezzi al momento T. Offre anche degli scenari di evoluzione del prezzo e di margine a medio e lungo termine." Secondo lui, i gruppi possono in tal modo risparmiare dal 3% al 5% sui loro acquisti e capire meglio il rischio di prezzo al quale sono esposti.
Gli atout delle PMI
Ma come cavarsela contro i giganti presenti sul mercato ? Per i due friburghesi, le PMI hanno il vantaggio di essere più vicine ai loro clienti. "Noi lavoriamo su misura, dichiara Brice Repond. Ci focalizziamo sui bisogni reali della clientela in modo da trasformare il gioco dei dati affinché si riveli il più ricco possibile." Xavier Bays cita invece Google: "Google fornisce gli orari dei treni ma in maniera molto generale. Gli utenti, quindi, utilizzano per la stragrande maggioranza il sito o l’applicazione delle FFS, che indicano i ritardi o le eventuali soppressioni dei treni e rispondono in modo più mirato ai loro bisogni."
Le PMI sono spesso più specializzate e possono proporre dei software concepiti specificamente per un settore d’attività, secondo Thomas Oriol. "Le previsioni sono solo una parte del lavoro, ricorda. L’analisi dei dati e le previsioni generiche non condurranno i clienti lontano senza gli altri servizi digitali come la valutazione della capacità d’inventario o dei bisogni di produzione."
Informazione
Sul tema
"Le PMI dovrebbero interessarsi maggiormente ai big-data"
I big data sono una rivoluzione nell’industria. Se la svolta si compie gradualmente, molte imprese svizzere faticano ancora a integrare veramente questo strumento nel loro modello d’affari. "Le PMI dovrebbero interessarsi maggiormente ai big-data. Forse non hanno ancora abbastanza coscienza di tutto ciò che possono fare con questi dati, dichiara Brice Repond, data scientist. Oppure non hanno abbastanza mezzi finanziari. Troverei interessante la possibilità che potessero ricevere più aiuti finanziari per queste iniziative."
La cosa più importante è il ritorno sull’investimento, rileva Xavier Bays, anch’egli data-scientist: "Bisogna correre dei rischi e non aspettare di vedere se funziona tra i propri concorrenti."
Ultima modifica 04.11.2020