19 Giugno 2025
Intelligenza Artificiale usata nelle previsioni di Vendita!
Siamo fieri di raccontare che ALIT Technologies abbia collaborato con un gruppo di studenti per uno studio sulle serie temporali applicate alle vendite di un prodotto chimico. Questa iniziativa ha permesso di creare un ponte tra il settore industriale e quello accademico, offrendo agli studenti la possibilità di applicare modelli previsionali su dati reali e fornendo all’azienda un’opportunità per testare nuovi approcci analitici. Lo studio si è avvalso anche dell’Intelligenza Artificiale per migliorare la precisione delle analisi e affinare le capacità predittive dei modelli.
Dati di Riccardo Vendraminetto, Alex Meggiolaro e Paolo Fabris
Un progetto di analisi e previsione
Riccardo Vendraminetto, Alex Meggiolaro e Paolo Fabris, studenti del corso di “Data Science” dell’Università di Padova, hanno condotto un’analisi sulle vendite mensili di un prodotto chimico di ALIT dal 2018 al 2024. Lo studio ha avuto l’obiettivo di identificare tendenze, stagionalità e pattern attraverso l’uso di modelli statistici avanzati, tra cui regressione lineare, ARIMA e metodi di smussamento esponenziale.
L’analisi esplorativa ha evidenziato una chiara tendenza ascendente delle vendite, con una stagionalità irregolare e una variabilità crescente negli ultimi anni. In particolare, i mesi con le vendite medie più elevate sono risultati maggio e settembre, mentre aprile e agosto hanno mostrato livelli significativamente più bassi. Questi dati hanno richiesto un’attenta modellizzazione per comprendere le dinamiche di mercato sottostanti.
Tra i modelli testati, supportati anche dall’uso dell’Intelligenza Artificiale, il più efficace tra quelli di regressione lineare è stato quello che ha considerato sia la tendenza generale delle vendite nel tempo, sia le variazioni stagionali, riuscendo a prevedere le vendite con una buona precisione (R² aggiustato di 0,64). Tuttavia, poiché le oscillazioni nei dati non erano sempre costanti, è stato necessario applicare alcune correzioni matematiche per ottenere risultati più affidabili.
Parallelamente, i modelli ARIMA, utilizzati per analizzare l’andamento nel tempo basandosi sui dati passati, hanno dimostrato un’ottima capacità di previsione. Il modello complessivamente più performante è risultato essere una combinazione tra regressione lineare e ARIMA, che ha permesso di migliorare la capacità predittiva, riducendo significativamente gli errori e rendendo le stime più affidabili.
Dati di Riccardo Vendraminetto, Alex Meggiolaro e Paolo Fabris
Un esempio di collaborazione tra industria e università
Questo progetto, reso possibile anche grazie all’ausilio dell’Intelligenza Artificiale, rappresenta un esempio concreto di come la collaborazione tra un’azienda e il mondo accademico possa portare a risultati significativi. ALIT Technologies ha fornito agli studenti dati reali su cui lavorare, permettendo loro di confrontarsi con le complessità del contesto industriale. Gli studenti, dal canto loro, hanno potuto sperimentare l’applicazione di metodologie matematiche avanzate a un caso concreto, misurandone l’efficacia attraverso metriche come RMSE e MAE.
Un aspetto interessante emerso dallo studio è stato il confronto tra modelli tradizionali e metodologie di diffusione dell’innovazione, come il modello Bass e il modello Guseo-Guidolin (GGM). Mentre il modello Bass suggeriva un rallentamento delle vendite nel tempo, il GGM forniva una visione più ottimistica, evidenziando l’importanza dell’imitazione nel processo di adozione del prodotto.
Un primo passo verso nuove opportunità
La collaborazione tra ALIT Technologies e i giovani studenti ha dimostrato come l’incontro tra ricerca e industria possa generare valore per entrambe le parti. Oltre a fornire un’esperienza formativa di alto livello per i ragazzi, lo studio ha aperto nuove prospettive per ALIT nell’analisi dei dati di vendita e nella previsione della domanda.
Questo progetto potrebbe aparire la strada a future iniziative congiunte, favorendo un dialogo continuo tra il mondo accademico e quello produttivo per affrontare al meglio le sfide del mercato. L’integrazione di nuove variabili esplicative, l’uso di tecniche di machine learning e lo studio di fenomeni emergenti nei dati rappresentano solo alcune delle possibili direzioni future di questa proficua collaborazione.
L’Intelligenza Artificiale: una risorsa strategica per il futuro
L’uso dell’Intelligenza Artificiale in questo progetto dimostra come questa tecnologia non sia utile solo nei processi produttivi dell’industria, ma possa diventare un asset fondamentale anche nella previsione delle vendite. Grazie alla sua capacità di elaborare grandi quantità di dati in tempi rapidissimi, l’AI permette di ottenere modelli di previsione sempre aggiornati e facilmente adattabili alle continue fluttuazioni del mercato, ai cambiamenti nei costi delle materie prime e alle variazioni della domanda. Un’innovazione che, se sfruttata correttamente, può offrire un vantaggio competitivo strategico, aiutando le aziende a prendere decisioni più informate e reattive.
