Negli ultimi anni, il settore retail è stato fortemente provato dall’avvento di sfide manageriali di varia natura che lo hanno indotto ad una radicale innovazione. Le nuove frontiere della sostenibilità, della digitalizzazione, dell’approccio omnicanale e i cambiamenti indotti dalla crisi pandemica, hanno portato il settore a riconoscere un ruolo di primo piano alle decisioni prese attraverso sistemi volti all’analisi dei dati.
Le attività di business analytics sono divenute fondamentali nello scenario retail, stante la loro funzione di raccolta e analisi dati per il supporto delle decisioni strategiche. La tecnologia sottostante alle business analitycs è l’intelligenza artificiale che in accordo con numerosi studi nella letteratura di management ha avuto e avrà un impatto notevole soprattutto nel settore retail. In questo ambito, particolare interesse sta suscitando un’applicazione dell’intelligenza artificiale: il machine learning. Con quest’ultima, si fa riferimento a sistemi capaci di apprendere continuamente dai dati migliorando le proprie capacità predittive con conseguente possibilità di implementare modifiche in corso senza che vi sia stata un’effettiva programmazione.
All’interno delle applicazioni di machine learning, la tecnica della clusterizzazione sembra essere quella più promettente per il mondo retail. Grazie a questa metodologia, è possibile individuare degli insiemi all’interno di un dataset caratterizzati dalla massima omogeneità all’interno dei singoli aggregati e massima dissimilarità tra i gruppi. In ambito operativo, questo si traduce nella possibilità per l’impresa retail di raggruppare in cluster i propri punti di vendita a seconda dell’utilizzo di determinate variabili.
Nella letteratura di management, si evince come la clusterizzazione nel mondo retail sia applicata per lo sviluppo di iniziative di marketing taylor made, per migliorare le previsioni di vendita, supportare la gestione dell’inventario e della supply chain, e in definitiva per l‘incremento delle performance di vendita.
Come ogni tecnica, anche la clusterizzazione ha i suoi limiti, in quanto non esiste ancora un metodo standardizzato per la sua applicazione, notevoli difficoltà si riscontrano ancora nella selezione delle variabili per identificare i cluster e a questo si collega anche la pulizia e la predisposizione di un corretto dataset. Inoltre, alle imprese viene richiesta una cultura del dato e del processo di analisi dello stesso che non è scontata, e può essere sfidante in contesti in cui la digitalizzazione non si è ancora totalmente affermata.
A tali interrogativi e necessità del mondo retail ha provato a dare risposta Selda informatica, società affermata nel contesto nazionale nell’area degli analytics e della business intelligence. L’azienda ha sviluppato in collaborazione con il dipartimento di management dell’Università Politecnica delle Marche la soluzione RetailOR, la quale rappresenta un innovativo metodo scientifico e operativo ideale per gestire e organizzare sistemi di distribuzione al dettaglio e dei relativi punti di vendita.
Tale soluzione consente di rafforzare i processi decisionali data-driven, di analizzare le performance del retail, clusterizzare gli store e scegliere la migliore locazione per l’apertura di nuovi punti di vendita.
Il software sviluppato permette di integrare variabili interne ed esterne all’impresa retail. Dopo molteplici test, il modello di clusterizzazione comprende variabili interne quali la dimensione del punto di vendita, gli orari di apertura, il numero di parcheggi disponibili, vicinanza alla superstrada/autostrada, età media degli impiegati e così via, mentre in termini di variabili esterne si annovera la dimensione della popolazione nell’area di interesse e il numero di competitor nella stessa. Inoltre è stata inclusa anche la variabile meteo e le recensioni dei clienti sui punti di vendita rilasciate su Google. Quelle elencate sono solo alcune delle variabili inserite nel modello di clusterizzazione sviluppato.
Le variabili selezionate sono il frutto dello studio dei ricercatori del dipartimento di management dell’Università Politecnica delle Marche, la cui ricerca è stata condotta attraverso un’analisi dettagliata della principale letteratura di riferimento.
Obiettivo del progetto è anche quello di promuovere un’adeguata cultura del dato nei contesti aziendali, nonché di supportare i processi decisionali data-driven.
La soluzione demarca le esigenze delle imprese retail per soluzioni di intelligenza artificiale, un mercato sempre più florido che solo in Italia nel 2022 ha registrato un balzo del 32%, raggiungendo una quota di investimenti pari a 500 milioni di euro, di cui una quota significativa (34%) è stata assorbita da progetti di 'intelligent data processing' come riportato dall’Osservatorio intelligenza artificiale del Politecnico di Milano.
Una crescita di domanda sostanziale che non sorprende in quanto l’esigenza di soluzioni forecasting per la pianificazione aziendale, gestione supply chain e budgeting è sempre più richiesta alla luce delle recenti instabilità geopolitiche e spinte inflazionistiche che caratterizzano l’odierno contesto competitivo.
* Valerio Temperini, professore associato di economia e gestione delle impese, Università Politecnica delle Marche
* Danilo Scarponi, docente ed esperto di business intelligence e corporate performance management
* Pier Franco Luigi Fraboni, PhD student in management and law, Università Politecnica delle Marche
* Walter Lasca, PhD student in management and law, Università Politecnica delle Marche
