Altair: come le soluzioni AI stanno rivoluzionando il food e il retail

L’intelligenza artificiale, la simulazione, il calcolo ad alte prestazioni e l’analisi dei dati sono tutte tecnologie che stanno trasformando profondamente l’industria del food e il retail, ottimizzando la gestione della catena di approvvigionamento, riducendo gli sprechi e migliorando la sicurezza alimentare. Con Stefania Rutigliano, Bdr di Altair, azienda specializzata nell’innovazione tecnologica e parte del Gruppo Siemens, entriamo più nel dettaglio di questa evoluzione.

Quali sono le principali sfide che l’industria alimentare e i retailer devono affrontare oggi in un settore della vendita al dettaglio sempre più digitalizzato e omnicanale?

Al momento sembra chiaro che l’applicazione di nuove tecnologie, come l’AI e il machine learning, è il vero acceleratore che in breve tempo e con un altissimo ritorno sull’investimento potrà portare a un cambio di velocità nel mondo del food e del retail. La vera sfida è capire come queste applicazioni possano inserirsi in processi aziendali già strutturati. Le aziende dovrebbero chiedersi: qual è l’applicazione che potrebbe portare il maggior valore? L’altra sfida riguarda le persone: negli ultimi 40 anni, il mondo manifatturiero è evoluto gradualmente, mentre la tecnologia ha avuto uno sviluppo esponenziale. Ciò che stiamo vivendo oggi è una seconda rivoluzione industriale, che richiede non solo un investimento di tempo da parte delle persone all’interno dell’azienda, ma anche la disponibilità a ripensare i processi per renderli più efficienti, tenendo sempre ben presenti le esigenze del business e sfruttando le tecnologie innovative menzionate in precedenza.

Quali tecnologie in particolare stanno supportando oggi le aziende alimentari e i rivenditori, e quali benefici possono apportare lungo tutta la filiera?

La sfida nella gestione della supply chain è mantenerla sempre pronta ad affrontare eventi imprevisti e richieste improvvise e, al tempo stesso, mantenerla priva di potenziali criticità legate alla mancanza di materie prime, differenziando quindi i fornitori per evitare dipendenze da un unico interlocutore. La visualizzazione e il calcolo dei Kpi basati sulle metriche stabilite dall’azienda permettono una valutazione immediata dello stato di salute del processo, individuando criticità attraverso l’analisi descrittiva dei dati. Inoltre, la capacità di prevedere la domanda e quindi preparare i propri fornitori in anticipo, evitando di operare in emergenza, rappresenta sicuramente un grande vantaggio offerto dalle tecnologie basate sull’intelligenza artificiale.

Come si presenta l’offerta di Altair per le aziende del settore alimentare e retail, e quali sono le principali caratteristiche delle soluzioni che proponete?

Per questo tipo di applicazioni, proponiamo diverse soluzioni di data analytics e data science, tutte low-code o no-code, perciò non richiedono alcuna conoscenza di programmazione per essere utilizzate: questo permette al business, che conosce bene le problematiche e le criticità del processo che vuole migliorare, di intervenire direttamente sull’applicazione, previa adeguata formazione sul prodotto. Per chi invece dispone di un team di data science, queste soluzioni fungono da acceleratore nello sviluppo e nel rilascio delle applicazioni in produzione. I nostri strumenti coprono tutte le esigenze, dalla preparazione e pulizia dei dati alla creazione di algoritmi di machine learning, fino alle visualizzazioni tramite dashboard altamente personalizzabili. Inoltre, disponiamo di una tecnologia di database a grafo che consente di collegare le informazioni semanticamente, estraendo il massimo valore dai dati aziendali.

Può raccontarci brevemente uno o più casi di successo tra le aziende clienti del settore food e retail in cui il supporto delle vostre soluzioni tecnologiche è stato utilizzato in modo efficace?

Sono stati sviluppati diversi casi di successo in entrambi i settori, alimentare e retail. Nel settore alimentare, ad esempio, abbiamo affrontato casi legati alla preparazione dei dati. Un’azienda nel mondo del food, ad esempio, per cui era cruciale lavorare i prodotti velocemente e semplificare la distribuzione, aveva come principali criticità la gestione manuale dei dati di vendita, dell’inventario e della contabilità. Tali processi comportavano tempi lunghi e un elevato rischio di errore umano. Senza dati facilmente accessibili e integrabili, l’azienda non poteva utilizzarli per pianificazioni aziendali automatiche, né per effettuare analisi o previsioni senza un enorme dispendio di tempo uomo. Questo rappresentava un problema concreto per un'impresa il cui successo dipende dalla velocità con cui il prodotto arriva sul mercato. Grazie ad Altair RapidMiner, il processo di trasposizione dei dati è stato automatizzato e semplificato, rendendo analizzabili anche dati presenti in Pdf. Sono stati creati automaticamente dataset e report giornalieri, settimanali e ad hoc. Questo ha permesso di snellire non solo il lato amministrativo, ma anche di ottimizzare la pianificazione produttiva e delle vendite, in un settore dove la rapidità è fondamentale.

Nel settore retail, abbiamo sviluppato un progetto di ottimizzazione della supply chain per una nota catena di ristoranti americana. In questo caso, oltre a migliorare il processo, era necessario considerare anche la deperibilità delle materie prime e la scalabilità del sistema (oltre 4mila punti vendita). Analizzando i dati di vendita di tutti i ristoranti e applicandovi un algoritmo di machine learning, è stato possibile prevedere le vendite per ogni prodotto, migliorando l’approvvigionamento delle materie prime. Questo ha evitato spedizioni urgenti o vendite perse per mancanza di prodotto in stock.

Per un’altra catena di ristorazione, invece, abbiamo analizzato i dati dei clienti per aumentare la fidelizzazione. L’analisi ha mostrato che molti clienti ordinavano solo una volta. Applicando tecniche di machine learning, sono stati analizzati i comportamenti di acquisto, includendo sia dati interni (canale di acquisto, tipo di prodotto, distanza dal ristorante) sia dati esterni (demografia e caratteristiche del territorio). Questo ha permesso di creare un algoritmo predittivo per personalizzare le offerte in base al comportamento del cliente e alla posizione del punto vendita. Al termine del progetto, l’azienda ha registrato un aumento della domanda e degli ordini, con un incremento del 6% degli ordini ripetuti da parte degli stessi clienti, grazie a promozioni mirate basate sui dati.