SAP eXperience Day SAP Predictive: Facciamo EBITDA? › it-sapitalia › pdfs › 06_x... ·...

SAP eXperience DaySAP Predictive: Facciamo EBITDA?

14 giugno 2018

INTERNAL© 2018 SAP SE or an SAP affiliate company. All rights reserved. ǀ

Agenda9.30 Registrazione e welcome coffe

9.30 Registrazione e Welcome Coffee

10.00 Gaming: Leading innovations and omnichannel experiencesPau Pujol-Xicoy, Industry specialist SAP EMEA

10.30 Case Reference: Intelligent Business Data for the EnterpriseRoberto Capozzo, BGP Management Consulting

11.00 Coffee Break

11.15 Digital Engagement in GamingMarco Vatteroni, Industry Value Engeneering, SAP ItalyMassimo Migliorini, Sales Specialist Success Factors, SAP Italy

12.15 Case Reference: Intelligent Gaming devices monitoringRoberto Capozzo, BGP Management Consulting

13.00 Lunch

INTERNAL© 2018 SAP SE or an SAP affiliate company. All rights reserved. ǀ


13.50 SAP Concur Travel & ExpenseFerruccio Irionè – SAP Concur Presales Specialist

14.15 Innovation Center Tour: IoTDavide Bramati – Technology Solution Presales SAP Italy

14.40 Real time insights for profitability for players: Digital Boardroom for LotteryPau Pujol-Xicoy, Industry specialist SAP EMEA

15.20 Artificial intelligence applied to Gaming Maria Grazia Baragioli BGP Management ConsultingVincenzo Barone, MEAStefano Stravato, MEA

16.20 Closure and networking

INTERNAL© 2018 SAP SE or an SAP affiliate company. All rights reserved. ǀ 4


SAP Predictive: un nuovo strumento a supporto dei processi di ForecastMaria Grazia Baragioli, BGP Management Consulting

Un Early Warning System per monitorare gli incassi nei localiVincenzo Barone, MEA

Una soluzione per l’automazione nel Calcolo delle QuoteStefano Stravato, MEA


▪ L'Analisi predittiva comprende una varietà di tecniche statistiche che

analizzano fatti storici e attuali per fare predizioni sul futuro o su eventi

sconosciuti. Si ricercano schemi nei dati storici e si trovano le relazioni

tra molti fattori che permettono valutazioni del rischio potenzialmente

associato con un insieme particolari di condizioni, guidando la presa di

decisioni..

▪ L’Analisi predittiva per essere efficace ha bisogno di una base dati il più

ampia possibile per intercettare fattori e relazioni.

▪ Il valore aggiunto di utilizzare una soluzione “SAP” Predictive è la

piattaforma HANA (High-Performance Analytic Appliance) in cui l’engine

di ML/Predictive lavora a diretto contatto con la base dati.

Cos’è SAP Predictive?L’Analisi Predittiva su HANA


L'analisi predittiva è storicamente usata in scienze attuariali, marketing,

servizi finanziari, assicurazioni...

Non nei processi di planning aziendale… non si era mai avuta a

disposizione una unica base dati in grado di intercettare fenomeni esterni

ed interni all’azienda… fino ad oggi.

L’Analisi Predittiva nei processi di planningUn diverso campo di applicazione


Ambito di applicazione: Il Forecast

▪ Qualunque processo di Budget rappresenta un momento di

definizione degli obiettivi, dove scelte e strategie degli owner di

processo sono il significato del processo stesso.

▪ Il Budget non è pertanto campo di applicazione della predictive, se

non come consultazione del trend storico, ma lo sono i processi di

forecast.

Un nuovo strumento a supporto del ForecastDobbiamo delimitare il campo d’azione

PREDICTIVE HANA


▪ Il campo di applicazione dell’analisi predittiva deve essere

specifico, per cui ipotizzando la pianificazione di un P&L, a

seconda del Business e del Modello di controllo, ogni conto

può essere oggetto di analisi e proiezione separata.

▪ Così come un insieme di conti può essere campo di analisi

delle relazioni tra i fenomeni.

▪ L’utilizzo della predictive cambia pertanto in relazione alla

specifica industry calandosi poi nelle peculiarità dell’azienda.

Scomposizione delle aree di PlanningIdentificazione delle aree di azione


La Predictive nel forecast del gamingNext step

I laboratori uno studio continuo …

La ricercar di Partner internazionali con competenze specifiche nel

gaming: MEA. La collaborazione BGP MEA per calare queste

competenze nel mondo SAP e nei processi di controllo di gestione..

Ma facciamo EBITDA?

Scopriamolo insieme…

Previsioni di vendita in negozio

con l’Intelligenza ArtificialeL’uso dell’analisi predittiva per migliorare l’accuratezza della previsione delle vendite in negozio.


Automazione

Caratteristiche del nostro sistema di analisi predittiva

Accuratezza Flessibilità

Sostituisce un processo

manuale che richiede molta

attenzione da parte degli

analisti.

È possibile liberare gli

analisti dall’incombenza di

svolgere compiti noiosi e

consentire loro di migliorare

su una base di riferimento.

Maggiore accuratezza, nel

complesso raddoppiamo

l’affidabilità delle previsioni

e riduciamo del 99% i tempi

di creazione del forecast.

La soluzione che proponiamo

può adattarsi per generare

una previsione su qualsiasi

scala geografica e

previsioni su base

giornaliera, settimanale,

mensile e quadrimestrale,

utilizzando sempre i dati più

recenti disponibili.


Big data

Pilastri della soluzione

Training Tecnologia

La nostra soluzione sfrutta

dati storici presenti sul

colonnare Hana o

sull’architettura Altiscale. Le

elaborazioni utilizzano gli

aggiornamenti in tempo reale

di Hana platform

Abbiamo usato il back-

testing per verificare

l’accuratezza della nostra

soluzione allenando il

sistema su un periodo storico

che va da maggio 2017 ad

aprile 2018 ed effettuando i

test sul periodo 1 -31 maggio

2018.

La soluzione adotta strumenti

all’avanguardia per l’analisi predittiva:

▪ Gradient Boosting Trees

▪ GPUs

▪ Scientific Python, R

▪ Hana cloud platform


Durante il training, abbiamo usato diversi split di validazione incrociata in modo da allenare la rete neurale su una parte dei dati e testare le prestazioni su un'altra.

Abbiamo usato questo metodo per determinare i parametri ottimali da usare nel modello e le caratteristiche più utili degli input.

05/2017

Dati di Training

04/2018 05/2018

Dati di Validazione

Modello


Abbiamo usato più di 3 milioni di record

per allenare il nostro sistema.

Ogni record si compone di più di 150

elementi.

Caratteristiche di input

▪ Nazione

▪ Dimensione del locale e affitto

▪ Posizione geografica

Elementi statici

▪ Trend stagionale

▪ Numero di scommesse oggi

▪ Numero di scommesse della settimana

precedente

▪ Numero di scommesse di X settimane

precedent

▪ Giorni festivi

Elementi di serie temporali


La rilevanza della funzione di

introspezione ci permette di vedere quali

funzionalità prende in considerazione il

nostro algoritmo.

Caratteristiche di input


Risparmio di tempo

Analisi predittiva: moltiplicare il valore per le aziende.

Più tempo per le attività basate

sui valori aziendali

8 persone per una settimana VS

2 ore di calcolo

Accuratezza

Riduzione dell’errore

48% di errore in meno

Efficienza

ROI più alto grazie ad

un’accurata assegnazione

dei budget

Simulazione

Minore variabilità su trend

e investimenti futuri

Iniziative mirate

Prodotti giusti nel locale

giusto al momento giusto


Giorni festivi e promozioni

Su cosa stiamo lavorando

Dati meteorologici Dati geografici

Inseriremo il calendario dei

più significativi eventi sportivi

e le festività infrasettimanali

Il sistema attuale ha

necessita di considerazione i

dati meteorologici.

Incorporeremo i dati delle

previsioni del tempo.

Alcuni input incoraggianti per

il futuro:

▪ Densità della popolazione

▪ Reddito della popolazione

▪ Densità dei locali scommesse


Saremo in grado di variare gli input

dell’algoritmo per capire quali cambiamenti

portano a scommesse maggiori

What if

▪ Cosa succederebbe se avessimo una

promozione in un determinato momento per

questo locale?

▪ I numeri delle scommesse aumenterebbero con

un locale più grande?

▪ Cosa dobbiamo aspettarci se aggiungessimo un

nuovo locale in una determinata area?

▪ Quale tipo di scommessa funziona meglio e in

quale area?

SAP eXperience Day

Una soluzione per l’automazione nel calcolo delle quote

14 giugno 2018

Moneyball racconta la storica impresa della squadra di baseball degli

Oakland Athletics che, durante la stagione 2002, vinse venti partite

consecutive stabilendo un nuovo record. Il merito fu soprattutto del

General Manager Billy Beane che, dopo aver perso i suoi giocatori

migliori alla fine del campionato precedente, riuscì a costruire una

squadra di valore utilizzando un budget limitato e una nuova forma di

calcolo statistico per decidere quali atleti acquistare.

L’importanza del dato

https://youtu.be/LaO8L5aSyQo

“I dati sono il nuovo petrolio”.

È possibile pensare che gli scommettitori oggi usino i dati meglio di

quanto fanno alcuni bookmakers?

Il 72% dei cliente dice che il loro bookmaker preferito non offre loro

un servizio personalizzato e il 67% degli scommettitori sarebbe

fedele a un brand che offrisse servizi su misura.

La personalizzazione del processo di bookmaking potrebbe essere

ottenuta introducendo quote ad hoc, offerte in real time e notifiche

push targettizzate.

Chi sfrutta l’enorme mole di conoscenza disponibile?

Read more

https://youtu.be/LaO8L5aSyQo


Predictive / Data informedGiorno per giorno

Come decidiamo il prezzo?


Come ci distinguiamo dalla concorrenza?

Pochi supplier per moltissimi player danno soluzioni relativamente standardizzate,

anche se altamente customizzabili.

https://medium.com/project-2030/data-is-the-new-oil-a-ludicrous-proposition-1d91bba4f294


Game changing bookmaking platform – make match specific configurations and instantly modify the odds

Future-proof software architecture – built with the future in mind, new features can easily be incorporated

Accelerated data handling – new lightning-fast odds extraction techniques provide real time updates for quick comparison and alerting

“Modify odds anytime in the blink of an eye”


Intelligent averages – quickly compare to nominated competitor odds that are

automatically converted to your own margin

Quick filters – easily navigate different events

Working tabs – set up tabs for most used events just like a web browser

“Modify odds anytime in the blink of an eye”

Come diminuiamo il rischio

rispetto ai nostri concorrenti?

La ricetta per creare

un prodotto unico


Betting software provider

Bookmakers

Home made – prima dell’avvento degli odds provider i

bookmakers facevano tutto in casa. E non esistevano i live.


Betting software provider

Centinaia di migliaia di dati ogni secondo – analizzati,

confezionati e inviati ai bookmakers


Betting software

IA & ML

Bookmakers


IA & ML

Data from client

systems

Machine

learning

Predictive model

outputs


Palinsesto personale: + 100%

I bookmakers vendono ripetitivamente quote ma non tracciano le abitudini e non propongono un palinsesto personalizzato sulla base di correlazioni tra quote preferite.

Time to market:- 2 mesi

Il quotista ha una dashboard che

gli consente di creare quote ad

hoc per eventi specifici in base

alla segmentazione della propria

customer base.

-75% quote a rischio

Per i bookmakers il Blue

Monday è sempre dietro

l’angolo. Si verifica ogni qualvolta

gruppi di speculatori prendono di

mira un evento sportivo.

Le 3+1 sfide dei bookmakers

–75%

–2 mesi

+100%

I giocatori possono vivere tra i 7 e i 15 secondi

di attesa prima di sapere se una loro giocata su

una determinata quota è stata accettata o meno

dal bookmaker.

–50% waiting


Il tipster userà il ML per

- fare sempre più giocate

- minimizzare il rischio

- aumentare il divertimento

Il bookmaker userà il ML per

- personalizzare la propria offerta in tempo reale

- minimizzare il rischio

- coccolare la customer base

Bookmakers vs. Tipsters: nessuno vincerà la sfida*

*https://www.bettinggods.com/machine-learning-in-sports-betting/

https://www.bettinggods.com/machine-learning-in-sports-betting/

Thank you.

SAP eXperience Day SAP Predictive: Facciamo EBITDA? › it-sapitalia › pdfs › 06_x... ·...

Documents

Transcript of SAP eXperience Day SAP Predictive: Facciamo EBITDA? › it-sapitalia › pdfs › 06_x... ·...