Il contesto
Per un cliente del settore retail è stata realizzata una soluzione per identificare i territori con la più alta profittabilità, a supporto delle decisioni strategiche sull’apertura di nuovi punti vendita. La soluzione combina machine learning avanzato, analisi dei dati e visualizzazione interattiva in una piattaforma end-to-end.
Architettura
- Raccolta e integrazione dati: i dati delle fonti on-premise vengono trasferiti e orchestrati con Azure Data Factory verso il Data Lake
- Elaborazione e training: i dati vengono preparati con Azure Databricks e i modelli di machine learning vengono addestrati sulle variabili target
- Predizione e archiviazione: le previsioni sono archiviate in MongoDB per un accesso veloce e affidabile
- Applicazione web e mobile: React e Node.js, con mappe interattive basate su Google Maps API
La pipeline di machine learning
- Dati demografici, economici e infrastrutturali da fonti interne ed esterne (ISTAT + dati cliente), arricchiti con i dati dei principali competitor
- Oltre 950 feature su urbanizzazione, walkability e funzionalità territoriale, con riduzione dimensionale tramite PCA
- Algoritmi di regressione supervisionata (Random Forest Regressor, Gradient Boosting) per predire i ricavi
- Un profitability score per ogni area, che sintetizza i risultati in un unico KPI
I benefici
- Decisioni strategiche basate su dati oggettivi
- Migliori performance grazie alla scelta ottimale delle location
- Minor rischio nell’apertura di nuovi punti vendita
- Un’interfaccia intuitiva che facilita l’uso da parte dei commerciali
- Un modello estendibile a nuove variabili ed esigenze



