ETD

• automation
• automazione
• business
• business intelligence
• dashboard
• data-driven
• data-preprocessing
• optimization
• ottimizzazione
• standardization
• standardizzazione
• vba

Il presente lavoro di tesi sviluppa un modello data-driven per l’ottimizzazione e la standardizzazione dei processi industriali di ENGIE Servizi S.p.A., con l’obiettivo di ridurre i tempi di esecuzione e aumentare l’affidabilità degli output generati. La metodologia adottata ha previsto l’analisi dei processi AS-IS e l’individuazione delle criticità, con l’obiettivo di progettare processi TO-BE standardizzati e automatizzati. Il modello integra algoritmi in VBA su Excel, impiegati per il data preprocessing e per la produzione di dataset omogenei, successivamente utilizzati in Power BI per la costruzione di dashboard interattive. Le automazioni introdotte hanno ridotto i tempi di analisi di circa il 75%, migliorando la coerenza dei dati, riducendo la dipendenza dal know-how individuale e minimizzando gli errori manuali. Inoltre, l’integrazione di dati originariamente non interoperabili ha reso disponibile una base informativa unificata e affidabile per il calcolo dei KPI, consentendo al team di concentrare le risorse sull’interpretazione strategica e promuovendo un ciclo di miglioramento continuo. In prospettiva, il modello rappresenta un contributo concreto alla digitalizzazione dei processi aziendali e al rafforzamento della data governance come strumenti a supporto delle decisioni manageriali.
This thesis develops a data-driven model for the optimization and standardization of industrial processes at ENGIE Servizi S.p.A., with the aim of reducing execution times and increasing the reliability of outputs. The adopted methodology involved the analysis of AS-IS processes and the identification of critical issues, leading to the design of TO-BE processes that are standardized and automated. The model integrates VBA algorithms in Excel, employed for data preprocessing and the creation of homogeneous datasets, which are subsequently used in Power BI for the construction of interactive dashboards. The implemented automations reduced data analysis time by approximately 75%, improved data consistency, minimized human error, and decreased dependence on individual know-how. Furthermore, the integration of originally non-interoperable data enabled the creation of a unified and reliable information base for KPI calculation, allowing the team to focus resources on strategic interpretation and fostering a cycle of continuous improvement. From a broader perspective, the proposed model provides a concrete contribution to the digitalization of business processes and the enhancement of data governance as tools to support managerial decision-making.