Il DSS \u00e8 potenzialmente utile per:<\/p>\n
- \n
- l’ottimizzazione dei servizi in funzione della disponibilit\u00e0 delle risorse;<\/li>\n
- ricerca del target a cui offrire i servizi;<\/li>\n
- segmentazione della clientela e dei servizi associati;<\/li>\n
- formulazione di KPI<\/li>\n
- analisi predittiva dei KPI.<\/li>\n<\/ul>\n
Il sistema \u00e8 composto da diversi moduli, come mostra lo schema funzionale di base del progetto:<\/p>\n
![\"\"](\"https:\/\/www.dyrecta.com\/lab\/wp-content\/uploads\/2021\/07\/Immagine-2021-07-01-110529-300x260.png\")
<\/a><\/p>\n- \n
- Modulo di Processes Engineering<\/strong>: vengono analizzati tutti i processi aziendali ‘AS IS’ e le azioni degli attori aziendali; le singole attivit\u00e0 sono mappate attraverso la logica PDCA (Plan, Do, Check, Act) definita dalla norma ISO 9001:2015. Il PDCA \u00e8 un metodo ordinato composto da fasi sequenziali che \u00e8 utile sia ai dirigenti che agli operatori nell’affrontare le problematiche aziendali e consente un miglioramento continuo dei servizi. Il PDCA \u00e8 in grado di comprendere e di analizzare la fase del processo in cui \u00e8 possibile allocare il DSS.<\/li>\n
- Modulo KPI<\/strong>: il KPI permette di rilevare l’andamento di attivit\u00e0 cruciali che possono influenzare la produttivit\u00e0 aziendale. I KPI (Key Performance Indicator), infatti, sono un insieme di misure quantificabili che un’azienda utilizza per determinare il progresso nel conseguimento dei suoi obiettivi strategici e operativi nel tempo. KPI e DSS possono essere ulteriormente migliorati grazie alle tecnologie di data mining e big data,<\/a> e possono essere strutturati in diversi livelli di analisi dei dati come per il modello di analisi multilivello applicato ai servizi automobilistici.<\/li>\n
- Modulo DSS<\/strong>: ottimizza i processi produttivi fornendo suggerimenti operativi basati sull’analisi dell’andamento dei dati e sulla previsione dei KPI. L’intelligenza artificiale \u00e8 adottata per il miglioramento del visual merchandising nella distribuzione globale, per la manutenzione predittiva nella produzione industriale, per la previsione delle vendite e per la stima del comportamento dei conducenti. Tutti i campi applicativi elencati esaltano l’importanza dell’AI embedding del DSS, che deve essere costruita analizzando i processi produttivi e definendo con precisione le variabili che sono diverse per ogni caso di studio.<\/li>\n<\/ul>\n
In base alle soglie di allerta implementate per ciascun KPI, il DSS fornisce suggerimenti operativi, riducendo il tempo di gestione delle pratiche.<\/p>\n
L\u2019azienda \u00e8 ora in grado di valutare le prestazioni e ha maggiore controllo sulla produttivit\u00e0 aziendale.<\/p>\n
Leggi l’articolo scientifico al seguente link:<\/p>\n
- Modulo KPI<\/strong>: il KPI permette di rilevare l’andamento di attivit\u00e0 cruciali che possono influenzare la produttivit\u00e0 aziendale. I KPI (Key Performance Indicator), infatti, sono un insieme di misure quantificabili che un’azienda utilizza per determinare il progresso nel conseguimento dei suoi obiettivi strategici e operativi nel tempo. KPI e DSS possono essere ulteriormente migliorati grazie alle tecnologie di data mining e big data,<\/a> e possono essere strutturati in diversi livelli di analisi dei dati come per il modello di analisi multilivello applicato ai servizi automobilistici.<\/li>\n
- Modulo di Processes Engineering<\/strong>: vengono analizzati tutti i processi aziendali ‘AS IS’ e le azioni degli attori aziendali; le singole attivit\u00e0 sono mappate attraverso la logica PDCA (Plan, Do, Check, Act) definita dalla norma ISO 9001:2015. Il PDCA \u00e8 un metodo ordinato composto da fasi sequenziali che \u00e8 utile sia ai dirigenti che agli operatori nell’affrontare le problematiche aziendali e consente un miglioramento continuo dei servizi. Il PDCA \u00e8 in grado di comprendere e di analizzare la fase del processo in cui \u00e8 possibile allocare il DSS.<\/li>\n