L'Industria 4.0 di Enel Energia: big data e machine learning per anticipare un cambiamento epocale

Quando parliamo di Industria 4.0, la prima cosa da sapere è che si tratta di uno dei cambiamenti più importanti di questa epoca: la «quarta rivoluzione industriale». La prima, nel XVIII secolo, fu quella delle macchine a vapore. La seconda, nel XIX secolo, fu rappresentata dalla catena di montaggio. La terza, nel XX secolo, è stata alimentata dallo sviluppo dell'elettronica e dell'informatica. E siamo a oggi: la quarta rivoluzione, anticipata dalla fiera di Hannover del 2011 e basata su quattro pilastri. Il primo è l'uso massiccio dei dati. Il secondo sono gli analytics, l'intelligenza artificiale e il machine learning che mettono a frutto l'enorme mole di dati che stiamo accumulando. Il terzo è l'interazione tra l'uomo e la macchina, le interfacce touch che ci permettono di dialogare con la nuova robotica. Il quarto è rappresentato proprio da robotica, manifattura digitale, stampa 3D.

Ogni rivoluzione industriale è partita da un uso diverso e più evoluto dell'energia e da questo punto di vista anche Enel Energia è protagonista di questo cambiamento. Nell'industria 4.0 tutte le performance devono essere ottimizzate seguendo i numeri e le imprese hanno bisogno di un partner energetico che possa fornire la soluzione ideale sotto il profilo dei costi e dei consumi. Niente può essere lasciato al caso. Il nostro approccio, nel dialogare con il mondo del business e delle aziende, è data driven, guidato dai numeri e dalla loro analisi e comprensione. I dati comunicano informazioni decisive, noi li facciamo parlare e li mettiamo al servizio delle aziende.

I numeri che raccogliamo sulle performance energetiche ci permettono un approccio agnostico e senza preconcetti sui profili, i bisogni e i comportamenti dei nostri clienti, con l'obiettivo ultimo di fornire un servizio sempre più adatto ai tempi e alle complesse sfide che le imprese hanno davanti. Questa fonte primaria di informazioni sul consumo energetico è la base della nostra conoscenza, ma lo strumento che ci permette di farla «parlare» e trasformarla in energia digitale è l'intelligenza artificiale e il machine learning. I modelli che costruiamo per valutare lo stato del cliente, l’efficacia sulla sua soddisfazione e gli impatti sulle performance economiche sono interpretabili, semplici e soprattutto azionabili: in questo modo possono essere trasformati sia in strumenti per prendere decisioni che in strategie generali di business. I big data e il machine learning insomma ci permettono di passare insieme al cliente dalla reportistica (il monitoraggio degli indicatori) alla predittività: anticipare i bisogni energetici delle aziende e agire di conseguenza.

Una delle espressioni principali di questo cambiamento all'interno di Enel Energia è il progetto di churn prevention. Nel marketing, con «churn» si intende l'abbandono, il momento nel quale un cliente interrompe il rapporto con l'azienda. I dati sociodemografici, sui consumi, la fatturazione e il credito, nonché sulle motivazioni di contatto e di reclamo, ci aiutano a capire i processi che portano agli abbandoni, a prevenirne le cause e a continuare il rapporto insieme con reciproca soddisfazione. Le informazioni sono sempre trattate e gestite avendo il rispetto della privacy come bussola: questo lavoro di comprensione serve esclusivamente a portare un servizio ottimale ai clienti. Nella relazione con i clienti infatti, come in ogni rapporto, per aiutarsi bisogna capirsi e per capirsi è necessario conoscersi. Con il progetto di churn prevention riusciamo a raccogliere, analizzare, pulire, aggregare e ottimizzare tutti questi dati su un un data lake unico e trasversale a tutta la customer journey, su cui costruiamo modelli predittivi e prescrittivi, che ci aiutano quindi ad anticipare tutti i punti di rottura con il cliente e ad intervenire di conseguenza con azioni mirate, prescrivendone quella che riteniamo più efficace per il singolo cliente. Tutte queste azioni partono sempre dallo stesso punto: la conoscenza. Estrarre conoscenza “oggettiva” significa saper legare tra loro ed interpretare i dati generati nei singoli processi e viceversa anche saper mappare le fasi di vita del cliente generando, in ogni step significativo, i dati più utili a descrivere questi fenomeni di business, per poi lavorare iterativamente ed in modo incrementale sull’improvement del rapporto azienda-cliente.

Secondo il rapporto McKinsey, Notes from the frontier: Modeling the impact of AI on the world economy, oggi siamo ancora nella fase della «combustione lenta», ma questo tipo di approcci basati sui dati e il machine learning porteranno alla creazione di 13mila miliardi di dollari di valore globale e una crescita addizionale del 1,2% del PIL mondiale entro il 2030. Le aziende che avranno investito in questa direzione potranno beneficiare di una crescita del 6%, quelle rimaste indietro vivranno un declino fino al 20%: insomma, in questo momento lavorare insieme sull'Intelligenza Artificiale permette a Enel Energia e ai nostri clienti di essere in una posizione di vantaggio rispetto ai cambiamenti epocali che affronteremo. E questo vale anche per il mercato del lavoro: secondo la ricerca The Future of Jobs 2018 del World Economic Forum, il saldo professionale di questa rivoluzione industriale sarà positivo: le nuove professioni cresceranno del 27% entro il 2022, l'occupazione industriale aumenterà di 58 milioni di unità nei prossimi tre anni. I profili più cercati? Data scientist e Business translator, gli stessi che, insieme ai nostri esperti di business, stanno guidando il cambiamento anche dentro Enel Energia.