Elliot Grant (HarvestMark)
Gestire i Big Data: la chiave verso efficienza e personalizzazione delle forniture ortofrutticole
Secondo Elliot, "la raccolta dei dati e la volontà di porre domande che sfidano lo status quo a volte può portare a decisioni critiche per la propria azienda." I dati non hanno bisogno di essere grandi per essere interessanti, ma i dati di grandi dimensioni (Big Data) - che tra l'altro sono molto più utili - non possono essere gestiti con gli strumenti disponibili in un normale desktop. Tale mole di dati è così grande, infatti, che le analisi hanno bisogno di essere suddivise su più server con strumenti come Hadoop e macchine virtuali distribuite.
I Big Data ("grandi dati") sono stati definiti da IBM come un insieme composto da quattro V. "Il primo è il volume, nel senso che i Big Data includono una notevole quantità di dati; il secondo è la velocità, per via del fatto che l'arrivo dei dati è molto rapido; la terza V rappresenta la varietà, poiché i dati si presentano in molti formati differenti, quali audio, video, testo, binario o codice macchina; infine, la veridicità, che significa la "qualità" del dato. "Si tratta dunque solo di dare un senso ad una mole disordinata e non strutturata di dati", ha spiegato Elliot.
Nel 1956, l'ingegnere Bill Fiera e il matematico Earl Isaac studiarono un algoritmo per il calcolo del rischio di credito che ha cambiato completamente il modo di fare business rispetto al passato. Cinquant'anni dopo, guardiamo l'arrivo di Netflix, che è in grado di gestire anche enormi quantità di variabili al fine di mettere gli utilizzatori nella condizione di prendere le decisioni migliori. Si tratta di un algoritmo in grado di auto-apprendimento e che migliora costantemente con l'interazione.
Quando applicato al settore ortofrutticolo, questo tipo di gestione delle variabili può essere utilizzata, ad esempio, per creare algoritmi matematici in grado di prevedere quale qualità avrà il prodotto ogni giorno successivo alla spedizione, tenendo conto di variabili quali la temperatura o l'imballaggio. "Una volta ottenuto un modello matematico del proprio prodotto, è possibile misurare il potenziale effetto di ogni cambiamento nella catena di approvvigionamento", spiega Elliot.
Ad esempio, per un periodo di sette mesi, HarvestMark ha misurato grandi quantità di dati relativi a qualità, aspetto e colore delle banane al fine di ottimizzare il processo di maturazione, così come il numero di giorni che un cliente ha disposizione dopo l'acquisto del frutto che sono considerati come indicatore chiave del livello di soddisfazione. La società ha analizzato la maturazione di migliaia di banane sugli scaffali di vendita al dettaglio e ha calcolato giornalmente il numero di punti di colore delle banane maturate.
Analisi di questo tipo, tenendo conto di fattori come il paese di origine, il tipo di camera e la metodologia di maturazione, l'imballaggio, ecc, consentono alle aziende di fornire banane del colore giusto che maturano al tasso richiesto sullo scaffale. "Considerato il fatto che le banane sono il numero 1 al mondo in termini di volumi di produzione nella propria categoria, anche piccoli miglioramenti come questo possono avere un impatto significativo", assicura Elliot.
Mentre i precedenti esempi gestiscono relativamente poche variabili, altri processi, come la scansione dei prodotti mediante smartphone da parte di centinaia di migliaia di consumatori, è un vero esempio di Big Data. "La gente fa questo per ottenere informazioni circa l'origine di un prodotto, o per cercare le ricette, ma attraverso le scansioni possiamo calcolare quanto fosse vecchia la merce e dove fosse stata localizzata dal cliente e scoprire, per esempio, il grado di freschezza di ogni singolo prodotto in ogni singolo Stato degli USA in un dato trimestre dell'anno, e dove ci sono lacune da colmare nel mercato, "afferma Elliot.
Quando si confrontano vari prodotti, esistono tutte le tipologie di variabili che potrebbero preoccupare i clienti, come il colore, la dolcezza, la consistenza, l'imballaggio, ecc. "Il nostro compito è quello di misurare ogni variabile per ciascun prodotto. Potremmo, ad esempio, scoprire che in termini di dolcezza, varietà A è testa a testa con varietà B, ma che a metà del periodo di crescita, B inizia a perdere punti. Come coltivatore potrò quindi essere sicuro che se pianto la varietà A, otterrò una dolcezza costante per tutta la stagione. Si tratta solo di mettere in correlazione quello che i clienti desiderano con i dati ai quali abbiamo accesso", spiega Elliot.
Il fondatore di HarvestMark spiega che un passo molto importante nella gestione dei Big Data è stata presa con la realizzazione di etichette di identificazione standard, attualmente utilizzate su circa 4-6 miliardi di casse di ortofrutticoli che si muovono attraverso la filiera statunitense ogni anno. Tali strumenti offrono grandi opportunità di analisi per migliorare l'efficienza, ma "è grandiosa anche in termini di tracciabilità, in caso di problemi, l'origine del prodotto può essere facilmente identificata."
Un modo molto interessante per personalizzare l'utilizzo di variabili è l'app ShopWell, utilizzata da oltre un milione di persone negli Stati Uniti " dicendo all'app chi siete ed inserendo informazioni personali; per esempio, sto cercando di perdere peso, ho bisogno di una dieta sana per il cuore, ho un'allergia specifica, ecc. Una volta nel negozio di alimentari, qualsiasi cosa scansionata verrà valutata come più o meno adatta alle proprie esigenze, utilizzando l'algoritmo per offrire alternative, proprio come Netflix fa ", spiega Elliot.
Ogni scansione fornisce i dati su chi sono i clienti, in quale negozio si trovano, quali prodotti stanno guardando e se le loro raccomandazioni sono state accettate, il che fornisce un feedback molto interessante su come le persone acquistano, così come il profilo dei clienti per ogni negozio specifico.
E poi improvvisamente Elliott estrae fuori dalla tasca interna della sua giacca: degli occhiali di Google! Elliott ritiene che Google Glass sarà uno strumento molto utilizzato in futuro dai coltivatori. "Il coltivatore può essere in campo e scattare una foto di una pianta con il suo occhiale e inviarla in un batter d'occhio." Il coltivatore attraverso Google Glass può risparmiare molto tempo ed energie comunicando ed operando mentre si trova direttamente sul campo.
Elliot Grant.
"Il futuro si giocherà tutto sulla personalizzazione di massa, questo è certo", conclude Elliot Grant.
Per maggiori info:
Elliott Grant
HarvestMark
Tel.: +1 650 2646200
Email: [email protected]
Web: www.harvestmark.com
Testo e traduzione FreshPlaza. Tutti i diritti riservati.