Questo è il primo di una serie di articoli in cui voglio condividere con te alcuni casi di studio famosi relativi all’applicazione della scienza dei dati, per capire come un approccio Data Driven abbia permesso a famose realtà di diventare leader nel proprio settore.
Leggendo il pezzo scoprirai quali sono gli strumenti di Data Science che hanno consentito a queste grandi aziende di fare la differenza.
Come ben sai la scienza dei dati è ormai utilizzata in vari settori: sanità, istruzione, trasporti, media, banche.
Le aziende che prenderò come esempio in questo articolo, per quanto riguarda il commercio al dettaglio, sono Walmart e Amazon.
Walmart
Con origini di semplice rivenditore, oggi Walmart opera in 10.500 negozi e club in 24 Paesi con siti web di e-commerce, impiegando circa 2,2 milioni di persone in tutto il mondo.
Nel solo 2021 le entrate totali di Walmart sono state di 559 miliardi di dollari, mostrando una crescita di 35 miliardi con l’espansione del settore dell’e-commerce.
Walmart è un’azienda che si basa sui dati e che lavora secondo il principio del “basso costo quotidiano” per i propri clienti.
Per raggiungere questo obiettivo, Walmart Labs – il dipartimento di Data Science di Walmart – grazie a una ricerca costante fornisce le giuste informazioni per mettere in condizione il gruppo di fare le migliori scelte di business.
Walmart ospita il cloud privato più grande del mondo, in grado di gestire 2,5 petabyte di dati ogni ora.
Per analizzare questa enorme quantità di informazioni, Walmart ha creato “Data Café”, un hub di analisi all’avanguardia situato all’interno del quartier generale di Bentonville, in Arkansas.
Il team di Walmart Labs investe molto nella creazione e nella gestione di tecnologie come Cloud, Big Data, DevOps, infrastruttura e sicurezza.
Walmart sta vivendo un’enorme crescita digitale, e ha sfruttato i progressi nella scienza dei dati per creare soluzioni per migliorare, ottimizzare e personalizzare l’esperienza di acquisto e servire i propri clienti in modo migliore.
In Walmart Labs, i Data Scientist si concentrano sulla creazione di soluzioni basate sui dati che alimentano l’efficienza dei complessi processi di gestione della catena di approvvigionamento.
1. Esperienza di acquisto personalizzata del cliente
Walmart analizza le preferenze dei clienti e i modelli di acquisto per ottimizzare lo stoccaggio e l’esposizione della merce nei propri negozi.
L’analisi dei Big Data aiuta l’azienda a valutare le prestazioni dei singoli marchi e a prendere decisioni sullo stop alla vendita di alcuni prodotti.
2. Approvvigionamento degli ordini e consegna puntuale
Milioni di clienti visualizzano gli articoli su walmart.com, sito che fornisce una data di consegna stimata in tempo reale per la merce acquistata.
Walmart esegue un algoritmo che stima in base alla distanza tra il cliente e il centro logistico i livelli di inventario e i metodi di spedizione disponibili.
Il sistema di gestione della catena di approvvigionamento sceglie il centro di evasione ordini ottimale in base alla distanza e ai livelli di inventario per ogni ordine.
Deve anche decidere il metodo di spedizione per ridurre al minimo i costi di trasporto, rispettando la data di consegna promessa.
3. Ottimizzazione dell’imballaggio
Il “Box recommendation” consente al personale di Walmart di utilizzare la migliore confezione per l’ordine ricevuto.
Quando gli articoli sono pronti per l’imballaggio, Walmart – grazie ad un sistema di raccomandazione – seleziona la scatola delle dimensioni ideali, che possa contenere tutta la merce con il minor spreco di spazio possibile.
Il Bin Packing è un classico problema che devono affrontare i Data Scientist.
4. Previsioni sugli ordini futuri
Altro progetto molto interessante è il Walmart Sales Forecasting Project, che utilizza i dati storici sulle vendite per 45 negozi Walmart situati in diverse regioni per fornire una previsione delle vendite.
Ogni negozio ha molti reparti, ed è necessario creare un modello per prevedere le vendite e fornire ogni scaffale con la migliore offerta possibile.
Inoltre questo progetto di scienza dei dati mira a creare un modello predittivo per pronosticare le vendite di ciascun prodotto.
Amazon
Tutti noi conosciamo Amazon.
Nata come libreria online, oggi si concentra su e-commerce, cloud computing , streaming digitale e Intelligenza Artificiale.
Ospita circa 1.000.000.000 di gigabyte di dati su oltre 1.400.000 server.
Grazie alla costante innovazione nella scienza dei dati, Amazon è all’avanguardia nella comprensione dei clienti, ed è per questo che si definisce la più grande azienda Customer Centric.
1. Sistemi di raccomandazione
I modelli di Data Science aiutano Amazon a comprendere le esigenze dei clienti e a consigliare loro i prodotti ancor prima che inizino a cercarli.
Utilizzando 152 milioni di dati sugli acquisti, Amazon suggerisce agli utenti cosa comprare, proponendo articoli in base agli interessi.
Grazie a questo lavoro l’azienda genera il 35% delle sue vendite annuali utilizzando il metodo dei sistemi basati sulle raccomandazioni (RBS).
2. Ottimizzazione del prezzo al dettaglio
I prezzi dei prodotti Amazon sono ottimizzati in base a un modello predittivo che determina la cifra migliore, in modo che gli utenti non rinuncino a comprarli.
Lo schema definisce i prezzi ideali, considerando la probabilità di acquisto del prodotto da parte dei clienti, e come la spesa influirà sui modelli di acquisto futuri.
Il costo è determinato in base all’attività dell’utente sul sito, ai prezzi dei concorrenti, alla disponibilità del prodotto, alle preferenze degli articoli, alla cronologia degli ordini, al margine di profitto previsto e a molti altri fattori.
3. Rilevamento di frodi
Essendo un’importante attività di e-commerce, Amazon rimane ad alto rischio di frode al dettaglio.
Come misura preventiva, l’azienda raccoglie dati storici e in tempo reale per ogni ordine.
Utilizza algoritmi di apprendimento automatico per individuare le transazioni che hanno una maggiore probabilità di essere fraudolente.
Questa misura proattiva ha aiutato l’azienda a limitare i clienti con un numero eccessivo di resi di prodotti.
Conclusioni
È evidente come Walmart e Amazon, essendo due aziende di successo a livello globale, dispongano di una forza tale da poter affrontare progetti di Data Science in tutta tranquillità.
L’analisi dei dati però oggi si può applicare anche a realtà più piccole, che hanno compreso il valore che può derivare dallo studio delle informazioni di cui sono possesso.
Competenze e tecnologia sono ormai alla portata di tutti, e quindi non hai più scuse per non avviare un progetto di Data Science nella tua azienda!
Quelli che ti ho presentato sono solo alcuni esempi, ma la scienza dei dati può essere applicata a qualsiasi attività: dall’ottimizzazione dei costi, al risparmio energetico, fino ad arrivare al rilevamento delle anomalie e altro ancora.
Nel prossimo articolo ti parlerò di Netflix e Spotify, aziende che hanno rivoluzionato l’industria dell’intrattenimento cinematografico e musicale grazie all’analisi dei dati!
