Mobilità condivisa: analisi predittiva fondamentale
Ormai già da qualche anno, il trend mondiale vede una crescita importante della shared mobility, un servizio utile sotto tanti punti di vista, capace di incidere sul decongestionamento del traffico, l’affollamento dei mezzi pubblici e contribuire in maniera importante alla riduzione delle emissioni di CO2 nell’aria delle nostre città. Eppure, per diventare effettivamente protagonista della mobilità del futuro, questa tipologia di servizio dovrà risolvere alcune criticità che altrimenti rischiano di frenarne la crescita.
Sarà dunque necessario creare dei modelli di business economicamente sostenibili, in grado di far fronte a elevati costi di gestione e allo stesso tempo migliorare la fidelizzazione dei clienti con un servizio sempre più preciso e in alcuni casi addirittura personalizzato. In un contesto del genere la raccolta e la gestione dei dati, attraverso tecnologie adeguate, ricoprono un ruolo fondamentale intervenendo nei processi decisionali e nel controllo operativo in tempo reale, generando notevoli opportunità di crescita.
Dal punto di vista tecnico, un corretto utilizzo dei real-time analytics incide su tanti aspetti del servizio: si potrà ottimizzare la gestione della flotta, programmando o intervenendo tempestivamente sulla manutenzione dei mezzi a disposizione; si potranno analizzare i periodi di inattività dei veicoli in determinate zone della città; sarà possibile profilare al meglio gli utenti identificando i più fidelizzati per offrire loro un servizio “su misura” in base alle loro esigenze; saranno monitorate le principali modalità di utilizzo per capire dove concentrare gli sforzi. In questo scenario interviene una realtà come Radicalbit, azienda specializzata in prodotti per l’analisi dei dati in tempo reale e fra i player di spicco nell’ambito delle tecnologie legate all’Event Stream Processing.
Radicalbit è la prima realtà a lanciare, grazie alle tecnologie a disposizione, un nuovo approccio alla gestione della shared mobility grazie all’analisi dei dati in tempo reale, fornendo un supporto decisivo agli operatori coinvolti. L’uso di tecnologie moderne che integrano ed elaborano continuamente dati in streaming in tempo reale velocizzano e automatizzano operazioni consentendo di fatto agli operatori di prendere decisioni accurate e in modo tempestivo.
La piattaforma di continuous intelligence proposta prenderà in considerazione le condizioni metereologiche, l’evoluzione del traffico, la presenza di eventi non previsti come incidenti o manifestazioni, tutto in tempo reale, suggerendo tempestivamente all’operatore come muovere i mezzi della flotta a disposizione. In questo modo si potrà immaginare di gestire i mezzi in modo da evitare all’utente di trovarsi imbottigliato nel traffico causato da un incidente o in una strada chiusa per lavori.
Si potrà immaginare di valutare che a breve ci saranno due giorni di nevicate e di suggerire all’operatore di pianificare la manutenzione dei veicoli senza perdere corse, approfittando del fatto che con la neve gli utenti preferiranno i mezzi pubblici. E ancora, si potrà immaginare un sistema capace di valutare che in occasione di un grande evento in una determinata zona, sarà meglio spostare i mezzi in modo da permettere un flusso intelligente del traffico.
Appare dunque evidente come l’analisi predittiva attraverso un approccio Machine Learning-Based impatterà radicalmente il mondo della mobilità condivisa, adattando l’offerta sulla previsione della domanda e rendendo possibile l’analisi tempestiva di una enorme mole di dati provenienti da più fronti.
Attiva in Italia dal 2016, Radicalbit è una deep tech company impegnata nell’ambito dei big data e advanced analytics che ha ideato e sviluppato prodotti d’avanguardia per l’analisi dei dati riconosciuti a livello mondiale (Gartner) ed è un punto di riferimento per ricerca e sviluppo di tecnologie streaming nel mondo enterprise e accademico. Il portfolio include: RNA (Radicalbit Natural Analytics) – una piattaforma DataOps in grado di gestire l’intero ciclo di vita del dato e di integrare algoritmi di Machine Learning e Intelligenza Artificiale; NSDb (Natural Series Database) – Time Series Database open-source; GoLive piattaforma verticale pensata ad hoc per il settore Retail, basata sullo stack tecnologico di RNA e NSDb e progettata per unire il Live Stream Shopping con tecnologie di ultima generazione (Real-time analytics e Intelligenza Artificiale), migliorando strategicamente la customer intelligence.
Il team è il frutto di un’attenta selezione di professionalità e personalità: data engineers, data scientists, Back/front end developers, esperti di sales&marketing con una forte visione tecnologica e di business. Un mix unico di attitudini e competenze focalizzato al raggiungimento di grandi obiettivi.