CONTROLLO DI GESTIONE EVOLUTO, BUSINESS INTELLIGENCE ED INTELLIGENZA ARTIFICIALE
20 gennaio 2026, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Il Controllo di gestione evoluto
• Introduzione alla BI: che cos’è la Business Intelligence: facilità, flessibilità e fruibilità
• Le difficoltà al reperimento dei dati
• Le tecniche del controllo di gestione dello studio: emancipati dall’uso smodato di Excel e dal data entry (gestionali)
• Lo strumento della Business Intelligence per il controllo direzionale: benefici economici e facilitazione nelle decisioni strategiche
• I 5 modelli di funzionalità della Business Intelligence
• Scorecard e Dashboard
• Analisi OLAP
• Il data mining: imparare a creare percorsi di analisi per la consulenza
- processi commerciali per area geografica/linea/canale/distributivo/articoli
- varianti MPA (Mercati/Prodotti/Aree geografiche)
• varianti PTV (Prezzo/Tassi/Volumi)
• La Business Intelligence quale strumento di condivisione dei dati e di agevolazione al budgeting
• Cosa succederà domani? Come il ML ci può aiutare nel “prevedere il futuro” (scenari)
• Alerting: Gli strumenti di reportistica nello studio professionale e la gestione del dato in tempo reale
• Creazione di indicatori di performance per le aree commerciale, produzioni e acquisti (kpi)
• Introduzione alla Data Science: data driven company e simbiosi uomo-macchina
ESERCITAZIONE
Esercitazione Prezzo/Volumi: come gli algoritmi ci semplificano la vita
LESSONS LEARNED
1. Introdurre al Controllo di Gestione digitale
2. Fornire una conoscenza profonda dell’utilizzo dei sistemi di Business Intelligence
3. Evidenziare i vantaggi e gli svantaggi delle differenti tipologie di business intelligence
4. Introdurre al mondo della Data Science
BUSINESS INTELLIGENCE: DIMOSTRAZIONE APPLICATIVA, DATA SCIENCE E INTELLIGENZA ARTIFICIALE GENERATIVA
27 gennaio 2026, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• L’importanza dell’analisi dei dati e la riduzione dei tempi per il data entry: applicazione pratica per dimostrare l’importanza dell’utilizzo di un software di Business Intelligence per il controllo di gestione
• Il Vocabolario del controller Data Scientist: alcune definizioni
• L’Intelligenza Artificiale Generativa: definizione
• Cosa possono e cosa non possono fare i modelli AI generativi
• A che punto siamo con AI generativa: vantaggi e limiti
ESERCITAZIONE
Esercitazione operativa su uno strumento di Business Intelligence per un’azienda produttiva/commerciale:
• progettare un sistema di controllo di gestione per l’azienda
• creare indicatori di performance per le aree commerciale, produzione e acquisti
DIMOSTRAZIONE APPLICATIVA
Differenze di risultati, tempi e organizzazione dei dati tra l’elaborazione fatta con .xls e l’applicazione di algoritmo rafforzato per ottimizzare le scelte reddituali in azienda; la simulazione del miglior mix di volumi da produrre/vendere.
LESSONS LEARNED
1. Introdurre all’utilizzo diretto di uno strumento operativo per realizzare vere e proprie analytics
2. Imparare ad utilizzare la Business Intelligence per l’attività predittiva
INTELLIGENZA ARTIFICIALE GENERATIVA, AGENTICA E TRADIZIONALE
3 febbraio 2026, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Cos’è un algoritmo: strumenti operativi per costruirli (knime, pentaho, python, ...)
• Dal foglio elettronico ai “data lake”: importanza di creare base dati condivise e coerenti
• Il linguaggio dell’intelligenza artificiale: terminologia e definizioni
• Dal data entry all’analisi del dato
• Ci fideremo mai completamente dell'intelligenza artificiale?
• Anomaly Detection: tecniche classiche di automazione per l’identificazione degli errori
• Esempi applicativi di rilevazione delle anomalie nei processi aziendali con l’utilizzo di algoritmi
DIMOSTRAZIONE APPLICATIVA
Dimostrazione applicativa dell’utilizzo di algoritmi per la rilevazione automatica di anomalie (anomaly detection) nei processi aziendali
LESSONS LEARNED
1. Evidenziare i principali strumenti operativi
2. Fornire un vocabolario comune per sviluppare proficuamente l’arte della data science
3. Importanza della digitalizzazione l’uso dell’intelligenza artificiale
4. Dare chiarezza alla distinzione tra intelligenza artificiale generativa e tradizionale
5. Importanza delle applicazioni di Anomaly Detection
MACHINE LEARNING E ALGORITMI SUPERVISIONATI
10 febbraio 2026, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• L’I.A. e ML: classificazione degli algoritmi
• Algoritmo supervisionato: la sentiment analysis e il text mining
• L’utilizzo della RAG (Retrieval Augmented Generation): che cos’è, come funziona e perché utilizzarla nei processi gestionali
• Esempi di applicazioni di algoritmi supervisionati alle funzioni aziendali
• Il Churn Rate: dimostrazione applicativa
DIMOSTRAZIONE APPLICATIVA
Dimostrazione applicativa dell’utilizzo di algoritmo supervisionato per il monitoraggio del rischio di abbandono dei clienti
LESSONS LEARNED
1. Introdurre all’utilizzo del Machine Learning per la gestione delle funzioni aziendali
2. Evidenziare l’efficacia dell’impiego di algoritmi supervisionati per le decisioni aziendali
3. Introdurre alla sentiment analysis ed al text mining per l’analisi di bilancio
MACHINE LEARNING E ALGORITMI NON SUPERVISIONATI
17 febbraio 2026, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Algoritmo non supervisionato: il customers profiler: obiettivo di identificare, descrivere e segmentare i clienti in base alle loro numerose caratteristiche e variabili.
• Caso aziendale: ottimizzazione dello stock per le decisioni di acquisti e produzione
DIMOSTRAZIONE APPLICATIVA
Differenze di risultati, tempi e organizzazione dei dati tra l’elaborazione fatta con .xls e l’applicazione di algoritmi non supervisionati. Un caso per la logistica: configuratore per la produzione ed uno per l’area commerciale: il customers profiler
LESSONS LEARNED
1. Introduzione a sensori commerciali e di produzione
MACHINE LEARNING E ALGORITMI RAFFORZATI: FORECASTING E OTTIMIZZATORE
24 febbraio 2026, dalle 9.00 alle 11.00 e dalle 11.30 alle 13.30
• Algoritmo ad apprendimento rafforzato: utilizzo per l’attività predittiva in azienda (scenari e business plan)
• L’applicazione di algoritmi rafforzati per ottimizzatore le decisioni aziendali.
• Supportare l’attività predittiva in azienda con gli algoritmi di ML: il budget bottom-up ed il forecasting rolling per migliorare i processi decisionali.
DIMOSTRAZIONE APPLICATIVA
Differenze di risultati, tempi e organizzazione dei dati tra l’elaborazione fatta con .xls e l’applicazione di algoritmi ad apprendimento rafforzato.; una caso per la produzione e la programmazione.
LESSONS LEARNED
1.Utilizzo degli algortimi per l’attività predittiva (budgeting e business plan)
Salva pagina in PDF