Modelli predittivi e analytics per supportare le decisioni
0 likes135 views
Le slide dell'intervento durante la X Edizione dellEconomic Packaging Conference, organizzata dallIstituto Italiano Imballaggio e promossa da CONAI dove abbiamo presentato il lavoro svolto insieme a EY nella costruzione di un modello predittivo per il costo delle materie prime per il packaging
Modelli predittivi e analytics per supportare le decisioni
- 1. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI #IlMercatoCheSar 13 giugno 2018 | Milano, Hotel Principe di Savoia ECONOMIC PACKAGING CONFERENCE
- 2. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Da un approccio transazionale ad un approccio 束analytics損? Che differenza passa tra la strumentazione di bordo del Carro di Cugnot e quello di una Tesla Model S?
- 3. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Lanalisi predittiva per fare previsioni su eventi futuri non noti. Lanalisi predittiva utilizza una serie di tecniche come lanalisi statistica, il data mining e il machine learning, in grado di fornire analisi previsionali su trend e pattern di comportamento e risultati, sulla base dellelaborazione di dati storici e attuali. Non solo Analytics, ma anche Predictive
- 4. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar CHURN ANALYSIS E SEGMENTAZIONE DELLA CLIENTELA Analisi della clientela per determinare il profilo comportamentale dacquisto, le preferenze e la probabilit di passare alla concorrenza in modo da poter intervenire in anticipo e creare un vantaggio competitivo sul mercato. TECNICHE DI PREVISIONE EFFICIENTE I modelli predittivi permettono alle aziende di essere pi湛 agili e di rispondere rapidamente ai cambiamenti del mercato (andamento delle vendite, prezzi di acquisto etc.) CAMPAGNE PUBBLICITARIE E MARKETING Lutilizzo del data mining nellambito delle campagne di marketing consente di stabilire a priori quali siano, tra i prospect, quelli con maggior probabilit di acquistare i prodotti dellazienda, in modo da allocare in maniera mirata il budget di marketing. I modelli di Predictive Analytics trovano utilizzato in diversi ambiti di applicazione
- 5. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Come funziona? in pillole 1 Raccolta di un set di dati campione corrispondente alle caratteristiche della popolazione che si intende analizzare. 2 Si identificano le variabili che possono essere utilizzate per lanalisi. 3 Si disegna il modello in grado di spiegare coerentemente le relazioni tra le variabili e lo si applica a tutta la popolazione INDIETRO AVANTI 4 Si costruisce il modello predittivo che, in base alla variazione delle variabili sottostanti, spiega le variazioni della variabile analizzata. Alert ! Alert !
- 6. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar E se fosse possibile prevedere la variazione del prezzo delle materie prime con un click? Un mondo dove fosse possibile definire a priori un budget di costo, quando comprare e a quale prezzo? Un caso pratico. Obiettivo Costruire un modello predittivo del prezzo delle materie prime per il packaging. Focus: ALLUMINIO
- 7. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar DATA Variabili censite: Prezzo del greggio Cambio /$ Quotazioni borsa LME, SHFE, NYMEX Andamento settore dei principali utilizzatori (i.e. Automotive) Produzione Globale Scorte di magazzino QUALITATIVE ANALYSIS Analisi delle serie storiche a disposizione, mediante test di correlazione e benchmarking analysis. Cosa 竪 accadutto? Perch竪 竪 accaduto? MONITORING Scelta del modello che descrive landamento dei dati storici: Modelli a media mobile Modelli a livellamento esponenziale Regressione lineare Alberi decisionali PREDICTIVE REPORTING CONTINUOUS DEEP LEARNING (RNN) Approccio metodologico utilizzato.
- 8. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Una variabile molto discontinua Lassenza di periodicit e la non-stazionariet della serie temporale rende molto complessa lanalisi e la predizione con metodologie standard Discontinuit e oscillazioni improvvise si registrano sia a livello storico, sia nel trend giornaliero
- 9. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Dalla teoria ..alla pratica Il modello previsionale pu嘆 essere letto dalle pi湛 comuni BI; lanalisi 竪 immediata, semplice e integrabile con altri KPI aziendali utili Prezzo effettivo Media mobile (base line)Prezzo predetto ADWIN: algoritmi basati su sliding window a dimensione variabile per lanalisi di serie storiche in streaming. Possono essere utilizzati per rilevare un cambiamento nel mondo e ricalcolare il modello LSTM RNN: classi di reti neurali ricorrenti (RNN) basate su celle LSTM (Long-Short Term Memory) in grado di 束ricordare損 valori del passato per finestre temporali variabili, riutilizzandoli dopo periodi arbitrari di tempo
- 10. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Dal grafico emerge il miglioramento ottenuto in termini di errore percentuale rispetto alla base line: lerrore mediano del modello deep learning 竪 pi湛 che dimezzato rispetto allerrore mediano prodotto dalla media mobile e lo scarto interquartile della distribuzione dellerrore nel modello testato si colloca interamente al di sotto dello scarto interquartile di MA. Si noti inoltre come lerrore massimo prodotto dal modello deep learning 竪 inferiore al valore mediano dellerrore prodotto da MA. Errore Media mobile (MA) Errore Modello Deep Learning Anno Errore Mediano Errore Massimo Deep Learn. MA Deep Learn. MA 2016 2,854 4,750 6,145 10,707 2017 3,911 9,317 6,588 11,250 2018 * 4,865 8,093 6,797 9,470 * solo gennaio e febbraio Valutazione del modello
- 11. MODELLI PREDITTIVI E ANALYTICS PER SUPPORTARE LE DECISIONI| 13 giugno 2018, Milano | #IlMercatoCheSar Ora che la tecnologia non costituisce pi湛 una barriera ostativa, come pu嘆 lanalisi predittiva diventare un oggetto quotidiano, consultabile da casa tua? Riccardo Bovetti - Partner EY S.p.A. Riccardo.Bovetti@it.ey.com Ufficio di Milano Riccardo Clocchiatti EY S.p.A. Riccardo.Clocchiatti@it.ey.com Ufficio di Verona Laura Mura EY S.p.A. Laura.Mura@it.ey.com Ufficio di Milano Emanuele Della Valle co-founder |R&D advisor Fluxedo s.r.l. emanuele.dellavalle@fluxedo.com Christian Marazzi co-founder | specialist Fluxedo s.r.l. christian.marazzi@fluxedo.com Lorenzo Onofrio co-founder | C.E.O. Fluxedo s.r.l. lorenzo.onofrio@fluxedo.com Barbara Iascone Istituto Italiano Imballaggio areaeconomica@istitutoimballaggio.it Angelo De Carlo EY S.p.A. Angelo.De-Carlo@it.ey.com Ufficio di Roma