Previsione mensile delle Vendite in Stellantis B2B Enlarged Europe: Analisi dei Dati e Sviluppo di Modelli Previsionali

Alla luce delle complessità delle istanze competitive odierne caratterizzanti il settore automobilistico europeo, i gruppi OEMs sono obbligati a perseguire un approccio proattivo atto a cogliere le opportunità offerte dalle nuove tecnologie e dai cambiamenti del mercato. La tesi riguarda l’implementazione di un progetto di previsione mensile delle vendite di veicoli all’interno del dipartimento B2B HQ di Stellantis Europe S.p.A. ed è motivata dalla necessità del team B2B AOM di ottenere, ad inizio mese, una previsione attendibile dei volumi di vendita. Tale previsione ha lo scopo di supportate l’implementazione tempestiva di eventuali azioni correttive al fine di garantire il raggiungimento dei target aziendali prefissati. Nel corso del progetto sono stati utilizzati alcuni dei tool, delle metodologie e teorie propri del ramo della business intelligence. Dal punto di vista operativo, la fase di creazione del dataset è stata realizzata attraverso l’utilizzo dei software Microsoft Access e Microsoft Excel, mentre per lo sviluppo della fase di data mining è stato impiegato Altair RapidMiner. La trattazione propone un’analisi sperimentale dell’implementazione dei modelli di machine learning selezionati, una valutazione della loro efficienza e della relativa accuratezza.