L’idea che guida?
Il classico approccio allo storico delle vendite non è di nessuna utilità quando questo aspetto, di fatto, non esiste come nel caso di nuovi prodotti. È necessario perciò cambiare approccio, partendo magari dall’idea che ogni prodotto è, in realtà, il frutto di una miscela di caratteristiche già esistenti. Combinando fattori quali lo storico delle vendite di prodotti affini, le scorte, i prezzi, le caratteristiche dei prodotti, la calendarizzazione e le campagne di marketing e di sconti è possibile elaborare un modello predittivo in grado di definire per analogia le giuste quantità di nuovi prodotti da ordinare.
Non è solo teoria
La soluzione si basa su tecnologie Open Source specializzate nell’elaborazione dei Big Data. I dati sono raccolti in un Data Lake centrale, su distribuzione Cloudera, e sono trattati da algoritmi attribute-based che permettono l’elaborazione previsionale. A partire dalle caratteristiche del prodotto e sfruttando lo storico di prodotti simili, si calcola la previsione attraverso modelli ARIMA e Reti Neurali. I risultati sono mostrati agli utenti attraverso dashboard di monitoraggio. Per rendere più robusti e affidabili i risultati è stata prevista una fase di pre-lavorazione dei dati, in cui questi vengono puliti e normalizzati per eliminare eventi esogeni di incremento o calo delle vendite.