I big data aiutano anche la logistica
Amazon utilizza un algoritmo che anticipa gli ordini, inviando ai poli periferici non ciò che è stato acquistato, ma ciò che statisticamente si attende venga richiesto
Leonardo Felician
La concorrenza tra i negozi cittadini e le grandi catene di distribuzione resta un tema aperto e ampiamente dibattuto, anche in ambito locale. Il confronto è squilibrato, non solo per la forza finanziaria e organizzativa delle catene nazionali e internazionali, nonché per la disponibilità di personale che permette orari di apertura molto più lunghi, ma anche per la capacità di offrire prezzi molto competitivi, visti i volumi dei loro acquisti.
A orientare soprattutto i clienti più giovani verso gli acquisti online sono però l'ampia scelta e disponibilità dei prodotti e soprattutto la velocità e la comodità della consegna.
Qui la differenza è netta: una logistica efficiente richiede grandi magazzini centralizzati e spedizioni rapide anche di piccole quantità. Sembra un risultato impossibile, ma la vasta disponibilità di dati permette di raggiungerlo.
Amazon da anni ha brevettato e utilizza un algoritmo che anticipa gli ordini, inviando ai poli periferici non ciò che è stato acquistato, ma ciò che statisticamente si attende venga richiesto nei giorni successivi. Così, dal centro logistico nazionale di Castel San Giovanni in provincia di Piacenza partono quotidianamente verso il polo regionale di Fiume Veneto in provincia di Pordenone, che serve i clienti del Nord Est, spedizioni basate su previsioni di acquisto, non su acquisti già effettuati.
Fare previsioni accurate non è semplice come sembra: oltre ai dati interni, cioè quelli sugli ordini passati, occorre considerare anche dati esterni, ad esempio stagionalità, festività, meteo, uscita di nuovi prodotti e mosse della concorrenza. Non è lavoro da venditori o esperti di marketing, bensì da data scientist. Ed è proprio grazie a queste accurate analisi predittive che Amazon riesce a garantire di norma la consegna in un solo giorno in gran parte d’Italia.
*Docente di Data Science for Finance and Insurance
MIB Trieste School of Management
Riproduzione riservata © il Nord Est
