L’analisi predittiva è uno strumento avanzato di Advanced Analytics che consiste nell’utilizzare dati, algoritmi statistici e tecniche di machine learning per identificare schemi e tendenze e ottenere stime o anticipazioni di come evolveranno nel tempo. In sostanza, analizzando il passato con il supporto dell’Intelligenza Artificiale è possibile capire cosa è probabile che accada in futuro. Tuttavia, non si tratta semplicemente di sistemi probabilistici, piuttosto, di strumenti per la creazione di schemi anticipatori affidabili, con delle ripercussioni reali per il business, sia a livello operativo che strategico.
Nonostante il concetto non sia certo nuovo, l’analisi predittiva ha iniziato ad essere implementata dalle aziende quando è stato possibile coniugare tecnologie avanzate (come algoritmi complessi, infrastrutture di data mining e velocità di elaborazione), all’analisi dei dati. Infatti, la combinazione di informazioni provenienti dall’azienda, assieme a quelli di “contesto” reperibili al di fuori di essa, migliorano nel complesso l’espressività dei modelli predittivi, permettendo di anticipare i problemi e, all’occorrenza, di reagire. Queste informazioni, messe in relazione da tecniche statistiche avanzate, permettono di analizzare vari scenari, attuando delle vere e proprie simulazioni che possono supportare la strategia aziendale. È chiaro che la qualità dei risultati finali di queste “previsioni” è strettamente legata alla qualità dei dati che vengono analizzati, seguendo il principio “garbabe in – garbage out”.
Oggi questi modelli vengono ampiamenti utilizzati e trovano applicazione in svariati ambiti. Per fare qualche esempio, possono essere utilizzati in ambito finanziario per il rilevamento delle frodi, oppure nel marketing, per favorire la segmentazione di clienti o del proprio pubblico target, per classificare lead, contenuti o consigliare annunci pubblicitari sulla base delle azioni intraprese dai consumatori. A livello operativo è possibile prevedere le rimanenze in magazzino, anticipare l’andamento della domanda, oppure gestire le risorse, determinare le strategie di prezzo, ottimizzare l’assortimento dei punti vendita o predire le rotture di stock. Nel settore manifatturiero, l’analisi predittiva viene utilizzata per prevedere i guasti dei macchinari o delle attrezzature, limitando il più possibile i tempi di inattività e ottimizzando, al contempo, la produzione. Il potere previsionale innescato dagli algoritmi di machine learning permette di passare velocemente dalla conoscenza all’azione, migliorando l’efficacia di ciascuna operazione.
