Obiettivo: monitoraggio e analisi near real time degli apparati installati presso le stazioni di servizio grazie a progetti di stream processing sviluppati da Fabricalab
FabricaLab ha sviluppato dei nuovi servizi evoluti per il monitoraggio degli apparati installati presso le stazioni di servizio grazie a progetti di stream processing. GILBARCO Italia è leader mondiale delle soluzioni e delle tecnologie che forniscono sistemi di gestione dei carburanti per le stazioni di servizio e mercati adiacenti. “Ad oggi le aziende hanno nella loro disponibilità flussi dati (data stream) generati in modo continuo sia dal loro business sia da provider di mercato. L’estrazione di contenuto informativo in “near real time” da questi flussi dati può essere un fattore di vantaggio competitivo in vari ambiti del proprio business quali efficacia ed efficienza dei processi aziendali, ottimizzazione dei costi amministrativi, riduzione dei rischi per potenziali danni reputazionali e di eventuali azioni legali, miglioramento della relazione con il cliente e della sua soddisfazione, incremento della qualità e del valore dei beni prodotti” – dichiara Enrico Cecchi, Research and Development area manager di FabricaLab.
Il vantaggio competitivo che se ne può trarre si declina nei seguenti benefici: aumento della comprensione dei processi aziendali; capacità di prendere decisioni reattive e consapevoli; aumento della conoscenza dei comportamenti dei clienti e prospect con conseguente incremento dei nuovi clienti e della retantion dei clienti già acquisiti; aumento della capacità di proporre modelli di business innovativi; aumento della profittabilità; rafforzare e preservare l’immagine del brand; rimanere competitivi sul mercato. “Come esempi di streaming di dati – aggiunge Cecchi – basta pensare alle informazioni generate dal mondo della sensoristica resa disponibile dall’insieme di tecnologie che rientrano nell’Internet of Things (IoT), le app sui dispositivi mobile, i Web clickstream e anche i dati transazionali. In generale, il dato prodotto da questi flussi informativi ha un valore per l’azienda nei termini in cui l’informazione che possiamo estrarre permette di creare un valore o limitare un danno economico proporzionale”.
Alcuni esempi sono:
- l’evento generato da un sensore che evidenzia un comportamento anomalo di una macchina può anticipare un esigenza di manutenzione che se effettuata può evitare un fermo macchina e quindi evitare una mancata consegna è manutenzione preventiva.
- il monitoraggio di un flusso di produzione continuo relativamente ai parametri di controllo delle materie prime e del prodotto finito può ottimizzare l’efficienza del processo e aumentare la qualità del prodotto finito è efficienza di processo.
- il clickstream di navigazione di un potenziale cliente sul sito web abilita la proposizione di ulteriori opzioni d’acquisto o alternative in caso di non disponibilità è incremento dei volumi di business.
- una successione di eventi di apertura/chiusura di una cassaforte per un tempo anomalo può essere sintomo di una potenziale frode è individuazione frodi.
“L’obiettivo di Gilbarco Italia – afferma Paolo Sorrentino, Amministratore Delegato di Gilbarco Italia Srl – è quello di proporre ai propri clienti nuovi servizi di monitoraggio e analisi near realtime degli apparati installati presso le stazioni di servizio”.
Tra essi ci sono:
- Statistiche manutentive
– Tempo fermo macchina
– Rate di accettazione banconote e carte
– Operatività degli apparati
- Parametri di business
– Ultima erogazione
– Stato di attività del Punto vendita
– Venduto per modalità di lavoro a quantità e valore
– Livello delle cisterne
– Numero banconote nel singolo terminale
– Velocità media di erogazione alla pompa
– Velocità media delle transazioni con carta
– Numero di scontrini a zero e transazioni nulle
- Controllo frodi
– Accessi anomali ai terminali di pagamento
– Incoerenza di registrazione pagamenti
– Inconsistenza totalizzatori
- Allarmi
– Stato di operatività del punto vendita
– Carta scontrino esaurita
– Banconota incastrata
“La sfida del progetto – prosegue Sorrentino – è stata quella di realizzare una soluzione di stream processing che fosse in grado di estrarre dal flusso dati ricevuto gli eventi di monitoraggio elencati in precedenza utilizzando tecniche di analisi quali event-pattern detection; event abstraction; detecting relationships (such as causality, membership or timing) between events; event filtering; event aggregation and transformation. In FabricaLab abbiamo trovato il partner ideale che ci ha permesso di raggiungere i nostri obiettivi”.
