Facoltà: Ingegneria Gestionale - classe L-9
Collocazione: 18400
Autore: Romeo Francesca
Data: 21/07/2020
Titolo: L'implementazione del pilastro "Big Data & Analytics" all'interno delle aziende parte del Lean Club
Relatore: Pozzi Rossella
Autorizzazione per la consultazione: SI
Le tesi si possono consultare unicamente in sede
La ricerca si focalizza sull'approfondimento e sulla comprensione del pilastro Big Data & Analytics, sviluppatosi a partire dalle tecniche di Data Science, con particolare riferimento alle aziende parte dell'universo Lean Manufacturing, considerato prerequisito ai nove pilastri tecnologici di Industry 4.0. Tramite un’analisi della letteratura esistente, sono state attribuite delle definizioni ai singoli elementi di Data Science e sono stati identificati benefici e barriere riscontrabili durante la loro implementazione, per poi costituire una survey esplorativa da somministrare alle aziende in contatto con la LIUC Business School. I riscontri ottenuti dal questionario hanno permesso il riconoscimento delle tecniche già implementate, in corso di implementazione oppure che suscitano interesse all'interno del campione. Ulteriormente, è stato possibile concludere in merito ai reali benefici e barriere concernenti il pilastro Big Data & Analytics e riscontrabili dai singoli settori produttivi. Tra i risultati principali è possibile riportare che l’implementazione delle tecniche di Data Science nella fabbrica stia conoscendo la propria fase di nascita. Tuttavia, confrontando i risultati con quanto emerso dalla ricerca effettuata nell’anno 2019 dal Lean Club di LIUC Business School, emerge come il numero di progetti conclusi sia cresciuto, a testimonianza del fatto che l’interesse verso la tematica sia crescente. Allo stesso modo, il numero di iniziative in corso supporta l’evidenza di un generale interesse nel tema da parte delle industrie manifatturiere. In merito ai benefici identificati dalla letteratura, questi sono effettivamente riscontrati. In particolare, miglioramento della qualità di prodotto trae maggior giovamento dallo sfruttamento del pilastro, seguito da miglioramento delle performance di processo. Circa le barriere, anch’esse riscontrate, le risposte fornite hanno permesso di comprendere come quelle legate al capitale umano, quali carenza di personale con competenze adeguate ed elevati costi di assunzione per Data Scientists, risultino maggiormente impattanti e che l’impatto non dipende dalla dimensione aziendale. Concludendo, è stato possibile rilevare differenti stadi di implementazione delle tecniche tra le aziende intervistate: talune si trovano ad un livello avanzato, mentre altre risultano essere in ritardo. Tuttavia, è auspicabile che il trend di crescita riscontrato sinora verrà confermato in futuro, supportato ulteriormente dallo sviluppo tecnologico.
