I dati non dormono mai
Python e refresh notturno: la nuova Elly che resta semplice e diventa più potente.
Bentornati nel mondo di Elly e della Business Intelligence. Siamo arrivati all’articolo numero 112 del nostro viaggio e sì: lo spirito natalizio ormai è nell’aria.
Ma tranquilli, niente Mariah Carey o George Michael. Non ci ringraziate 😄
Nelle ultime settimane abbiamo raccontato la vNext25 da varie angolazioni: persone, visione, adozione, casi reali. In particolare in qualche articolo fa, Salvatore Merone è salito sul palco (potete rivedere il suo intervento qui) per presentare due idee chiave della nuova Elly:
Step Python
Forecasting integrato
Oggi facciamo un passo in avanti. Non per aggiungere teoria, ma per mostrare cosa succede quando questa direzione entra nella vita vera: due scenari concreti, due problemi che in una PMI non sono “data science”, ma decisioni quotidiane.
Come da tradizione, partiamo dalla musica con la nostra playlist Spotify Data Grooves. Questa settimana scegliamo un brano che tiene insieme tre parole chiave: tempo, automatismi, futuro.
🎵 “Midnight City” — M83
Perché a volte il cambiamento più importante non è quello che vedi in demo.
È quello che succede di notte, quando nessuno guarda.
Potenza quando serve, semplicità sempre
Ripartiamo da un principio che ci guida da sempre:
“Elly diventa ogni giorno più potente, ma noi ogni giorno lavoriamo per non farle perdere la sua semplicità e accessibilità.”
Perché Elly deve funzionare bene in due situazioni diverse:
da una parte, per chi vuole una BI immediata, visuale, leggibile, pronta da usare;
dall’altra, per chi ogni tanto ha bisogno di uscire dai binari standard e modellare l’unicità del proprio business.
È qui che entrano in gioco le Collezioni Python.
In pratica: puoi creare una nuova collezione scrivendo uno script Python che parte da altre collezioni (oppure la puoi generare da zero), trasformando dati, aggregando, normalizzando, costruendo nuove logiche di calcolo. Il risultato è potente, ma resta pulito: il dato nasce in Elly, resta in Elly, e da lì diventa dashboard, segmentazione, previsione, decisione.
E le novità di cui parliamo oggi si muovono tutte in questa direzione, provando a rispondere a una domanda semplice: come diamo più libertà ai power user, senza complicare la vita a tutti gli altri?
Previsioni Ordini: forecast settimanale
Ci sono metriche che, se le guardi giorno per giorno, rischiano di diventare inutili: troppe oscillazioni, troppe micro-variazioni, troppa ansia da “ieri vs oggi”.
Se invece le guardi mese per mese, spesso arrivi tardi: capisci cosa è successo, ma non fai in tempo a correggere la rotta.
La settimana è il compromesso perfetto. Solo che non sempre è un’unità pronta da prendere e usare così com’è.
Ed è qui che entrano in gioco le Collezioni Python. Non per fare magia, ma per fare una cosa molto concreta: prendere lo storico degli ordini, trasformarlo in una lettura settimanale e, a quel punto, stimare quanti ordini aspettarci nelle prossime 8 settimane.
La parte importante è questa: non stiamo premendo un bottone “predici il futuro”.
Stiamo costruendo un dato nuovo, più adatto a decidere, e poi lo usiamo per un forecast che resta controllabile, spiegabile, verificabile.
Il risultato finale non è un effetto wow. È meglio: è una vista pulita, leggibile, che puoi usare in modo operativo.
Perché il forecasting, quando funziona davvero, deve diventare una cosa da management operativo, non da laboratorio.
Segmentazione Clienti: refresh notturno automatico
Questa parte, che spesso passa sotto silenzio, forse invece è proprio la più impattante.
Di norma le collezioni Python si aggiornano quando cambia qualcosa a monte: si aggiorna una collezione in input, entra un nuovo dato, si attiva un flusso.
In alcuni casi, invece, possono restare ferme molto a lungo. E qui non c’è nessun “errore”: è semplicemente il loro comportamento naturale.
Il problema nasce quando inizi a lavorare con date dinamiche.
Ci sono indicatori che cambiano anche se nessuno ha aggiunto un record. Esempio semplicissimo: “Quanti giorni sono passati dall’ultimo ordine di un cliente?”
Quel numero cambia ogni giorno, anche se non è entrato nessun nuovo ordine.
Ecco perché abbiamo introdotto la possibilità di impostare un aggiornamento notturno automatico delle collezioni Python.
In questo modo puoi costruire segmentazioni che dipendono dal tempo (recency, giorni dall’ultimo ordine, finestre mobili) sapendo che resteranno sempre aggiornate, senza interventi manuali.
Anche qui non serve un “effetto wow”. Anzi: è meglio così.
Perché la cosa importante non è il grafico, è il comportamento nel tempo. In questo modo una semplice dashboard smette di essere una foto e diventa un sistema.
In sintesi, ci sentiamo di affermare che non stiamo semplicemente aggiungendo “feature”. Stiamo chiudendo il cerchio tra potenza e operatività:
Collezioni Python per fare ciò che prima non era previsto, o per costruire dati che prima non esistevano
Refresh notturno per rendere “vive” analisi e segmentazioni basate sul tempo
Elly resta semplice per chi vuole semplicità, ma riesce a salire di livello e diventa più potente per chi ha bisogno di maggior controllo. E soprattutto: tutto resta dentro lo stesso workflow.
Vuoi provarlo sul tuo caso?
Vendite, ordini, clienti, commesse, ticket, prenotazioni: non serve cambiare software.
Serve solo mettere un mattoncino in più nel punto giusto.
👉 Contattaci e ti aiuteremo a trovare la risposta migliore. Spesso è già lì e aspetta solo la domanda giusta.