Nel contesto in continua evoluzione della digitalizzazione, PwC accompagna i propri clienti nel loro percorso di trasformazione aziendale, fornendo servizi - basati anche su statistica e data science - innovativi e adattabili alle specificità di ciascun contesto.
Nel corso dell'intervento, esamineremo alcuni casi d'uso rappresentativi che evidenziano l'applicazione concreta della data science in PwC. In particolare, approfondiremo due casi studio distintivi: il primo riguarda l'utilizzo di tecniche di causal inference per stimare l'impatto di eventi rilevanti sul mercato azionario; il secondo illustra l'applicazione di tecniche di anomaly detection per identificare disservizi sulla rete fissa internet.

Questo intervento mira ad offrire una visione concreta sul ruolo e l'impatto che le metodologie statistiche hanno nella risoluzione di problemi complessi in ambito Industria 4.0, che beneficia della crescente disponibilità di sensori e di dati. Verranno presentate alcune applicazioni industriali sviluppate dal gruppo di ricerca SFERe (www.sfere.unina.it), afferente al Dipartimento di Ingegneria Industriale dell’Università degli Studi di Napoli “Federico II”, in cui la definizione e l’utilizzo di nuove metodologie statistiche hanno costituito una leva competitiva per imprese operanti nel settore navale, automobilistico e ferroviario. Attraverso tali applicazioni verranno dimostrate l'efficacia e la pratica applicabilità di metodi avanzati di monitoraggio statistico di processo. In particolare, saranno discussi metodi statistici per dati funzionali, in grado di rappresentare le osservazioni di profili come funzioni continue, anziché singoli punti discreti e di migliorare l’identificazione e l’interpretazione delle anomalie. L’intervento metterà in luce come queste metodologie avanzate possano essere facilmente integrate nella routine aziendale mediante lo sviluppo di pacchetti software open source.

In diversi contesti aziendali, una grande sfida del data science consiste nella pianificazione della domanda e nell'allocazione strategica della merce nei vari punti vendita. È possibile utilizzare modelli statistici per dati di rete per descrivere gli scambi di merce all’interno di un gruppo di negozi? Ci sono dei negozi che hanno un ruolo centrale nella rete e altri che invece risultano più periferici e, in questo caso, come possiamo misurare la loro importanza? Quali sono le variabili capaci di prevedere l’evoluzione nel tempo di questa rete? Risponderemo a queste domande tramite l’analisi di un caso reale, in cui mostreremo che la scienza delle reti combinata all’analisi dei dati possono essere efficacemente utilizzate per rispondere a domande di business e di gestione della logistica, fornendo una base affidabile per scelte aziendali strategiche.

Nel settore tecnologico, ottimizzare gli iperparametri è fondamentale per migliorare la performance dei modelli di intelligenza artificiale. Le piattaforme di Automatic Model Tuning utilizzano un approccio statistico che combina l'esplorazione e lo sfruttamento dei migliori parametri. Attraverso la statistica Bayesiana e i processi Gaussiani, l'incertezza sugli iperparametri viene modellata e l'esplorazione dello spazio di ricerca è guidata in modo efficiente, consentendo di migliorare l’accuratezza dei modelli. In questa presentazione, esploriamo come diversi clienti hanno sfruttato con successo modelli statistici avanzati come i processi Gaussiani e la statistica Bayesiana. In particolare, vedremo come l’ottimizzazione degli iperparametri abbia permesso ad alcune aziende di sfruttare appieno il potenziale dei loro modelli. Attraverso iterazioni guidate da principi statistici rigorosi, i clienti hanno individuato combinazioni ottimali di iperparametri, riducendo i costi e ottenendo previsioni più accurate. Offrendo una panoramica completa sull'importanza dell'ottimizzazione degli iperparametri, la presentazione dimostra come strumenti di statistica avanzata possano efficacemente migliorare le prestazioni dei modelli nel contesto aziendale. Esploreremo diverse strategie di ottimizzazione degli iperparametri, come l'ottimizzazione Bayesiana e la ricerca casuale, in combinazione con tecniche più avanzate. Attraverso una visualizzazione comparativa dei risultati, esploreremo l'efficacia di queste metodologie, con esempi tangibili di successo aziendale come previsioni più rapide e accurate.