Quando hai 120 punti vendita, il problema non è la mancanza di dati. È il contrario: ne hai troppi, in troppi posti diversi, e nessuno riesce a trovare quelli che servono al momento giusto.
Questa è la storia di una catena retail italiana che ha trasformato il caos informativo in un vantaggio competitivo — senza cambiare nessuno dei sistemi che già usava.
L'azienda
- Settore: Retail B2C, abbigliamento e accessori
- Punti vendita: 120 in Italia
- Dipendenti: 850+
- Sistemi: POS Cegid, e-commerce Shopify, CRM Salesforce, magazzino SAP, email Microsoft 365
Il "prima": cinque sistemi che non si parlano
Ogni lunedì mattina, il direttore commerciale riceveva la stessa domanda dalla direzione: "Come è andato il weekend?"
Per rispondere serviva:
- Estrarre le vendite da Cegid POS (120 negozi, export singolo per punto vendita)
- Sommare i dati e-commerce da Shopify
- Incrociare con il CRM Salesforce per il programma fedeltà
- Verificare la disponibilità magazzino su SAP per i prodotti best seller
- Controllare le email dei responsabili di zona per i feedback qualitativi
Tempo: 3-4 ore ogni lunedì. E il report arrivava alla direzione dopo pranzo, quando le decisioni sulla settimana erano già state prese.
Ma il report del lunedì era solo la superficie. Sotto c'erano problemi quotidiani:
- Gli store manager non sapevano quali prodotti stavano per esaurirsi nel loro negozio (il dato era in SAP, ma loro avevano accesso solo al POS)
- Il marketing non riusciva a capire quali campagne funzionavano in negozio (dati CRM vs. dati POS non collegati)
- La logistica riforniva in base a regole statiche, non in base alla domanda reale
- I responsabili di zona scrivevano report settimanali via email che nessuno aggregava mai
Il know-how aziendale — le intuizioni dei venditori migliori, i pattern stagionali, le preferenze locali — era tutto nella testa delle persone o sepolto in email e fogli Excel.
Cosa abbiamo fatto
Fase 1: Audit (2 giornate)
Abbiamo passato due giorni in sede e in 3 punti vendita campione. Abbiamo osservato come le informazioni venivano cercate, chieste, ricostruite manualmente.
Risultato dell'audit:
- 14 flussi informativi critici identificati
- Tempo medio per ottenere una risposta cross-sistema: 18 minuti
- 5 fonti dati principali non collegate tra loro
- Stimati 420 ore/mese di lavoro manuale di ricerca e aggregazione dati in tutta l'organizzazione
Fase 2: Data Lake unificato + Aitaky Brain (6 settimane)
Abbiamo installato Aitaky Brain nella server room della sede centrale e collegato tramite le nostre soluzioni di integrazione:
- Cegid POS → vendite in tempo reale da tutti i 120 punti vendita
- Shopify → ordini e-commerce, carrelli abbandonati, traffico
- Salesforce CRM → clienti fedeltà, storico acquisti, campagne
- SAP → giacenze magazzino, ordini fornitori, lead time
- Microsoft 365 → email dei responsabili di zona, documenti condivisi, report qualitativi
Tutto in sola lettura. Nessuna modifica ai sistemi esistenti. I dati non escono mai dalla rete aziendale.
Su questa base abbiamo implementato:
- Indicizzazione RAG (Retrieval-Augmented Generation) su tutti i documenti e le email
- LLM locale on-premise per interrogazioni in linguaggio naturale
- Dashboard automatiche generate ogni notte con i KPI aggregati
- Alert proattivi per anomalie (calo vendite, rottura stock, scostamento target)
Fase 3: Rollout progressivo
- Settimana 1-2: Direzione e direttore commerciale
- Settimana 3-4: Responsabili di zona (8 persone)
- Settimana 5-6: Store manager (120 persone, accesso via tablet in negozio)
Il "dopo": i numeri
| Metrica | Prima | Dopo |
|---|---|---|
| Report weekend per la direzione | 3-4 ore (lunedì pomeriggio) | 0 minuti (generato alle 7:00, in casella) |
| Tempo per risposta cross-sistema | 18 minuti | 12 secondi |
| Visibilità stock per store manager | Nessuna (dovevano chiamare il magazzino) | Real-time su tablet |
| Aggregazione feedback di zona | Mai fatto (email non lette) | Automatica, con sintesi settimanale |
| Tempo risparmiato/mese (stimato) | — | 380+ ore nell'intera organizzazione |
Le sorprese che non ci aspettavamo
1. Gli store manager hanno iniziato a fare domande
Prima non le facevano perché sapevano che la risposta richiedeva giorni. Ora chiedono: "Qual è il prodotto con il margine più alto nella mia categoria donna?", "Quanto abbiamo venduto di questo articolo negli altri negozi della zona?". L'accesso all'informazione ha generato curiosità.
2. I report dei responsabili di zona sono diventati utili
Prima erano email narrative che finivano nell'archivio. Ora il data lake le indicizza e il RAG le rende cercabili. La direzione può chiedere: "Cosa dicono i responsabili di zona sul lancio della nuova collezione?" e ottenere una sintesi in 15 secondi.
3. Il marketing ha scoperto pattern invisibili
Incrociando dati POS + CRM + e-commerce, hanno scoperto che il 23% dei clienti che compravano online ritiravano in negozio e poi acquistavano un secondo articolo. Nessun sistema singolo mostrava questo pattern.
La citazione
"Prima avevamo i dati. Adesso abbiamo le risposte. La differenza sembra sottile, ma per chi gestisce 120 negozi è enorme. Il lunedì mattina non perdo più tempo a ricostruire il weekend — lo dedico a decidere cosa fare nella settimana."
— Direttore Commerciale
La lezione imparata
Con 120 punti vendita e 5 sistemi diversi, il vero costo non è la tecnologia. È il tempo che le persone passano a fare il lavoro che la tecnologia dovrebbe fare: cercare, copiare, aggregare, formattare.
Il data lake non ha sostituito nessun sistema. Li ha collegati. E il RAG on-premise ha reso tutto quel patrimonio informativo — incluse le email, i report, le note — interrogabile in linguaggio naturale, senza che un singolo byte esca dall'azienda.
Volete scoprire quanto tempo perde la vostra organizzazione a cercare informazioni? Parliamone →
Articoli correlati: