• cloud computing service
• clustering
• CRISP-DM
• decision-making
• demand forecasting
• forecasting pipeline
• framework
• ROP

La competizione in campo aziendale si avvale sempre di più di strumenti informatici capaci di analizzare fenomeni complessi e fornire risposte attendibili. Nello specifico, si sta diffondendo l’utilizzo di strumenti atti a una gestione del magazzino ottimizzata, sia dal punto di vista previsionale che di riordino.
Lo scopo di questa tesi è proporre un framework capace di supportare le aziende business-to-business dell’industria alimentare nell’efficientamento di pipeline di previsione della domanda, allocate su spazi forniti da servizi di cloud computing. Vengono introdotti sistemi di clustering e sistemi di individuazione del punto di riordino, da affiancare ad algoritmi di previsione forniti dai sistemi ospitanti, al fine di diminuirne il costo computazionale e migliorarne la capacità informativa.
Il framework proposto nasce dall’esistente CRISP-DM e lo specializza, inserendo dei processi più specifici e dettagliati, utili alla fase di decision-making. Tale modello è stato elaborato in risposta alla crescente tendenza di molte aziende ad automatizzare i processi legati alla gestione del magazzino.

Competition is increasingly reliant on the utilisation of information technology tools that are capable of analysing intricate phenomena and providing dependable insights. In particular, the utilisation of tools for optimised warehouse management, encompassing both forecasting and reordering, is becoming increasingly prevalent.
The objective of this thesis is to propose a framework that can assist business-to-business companies in the food industry in improving the efficiency of their demand forecasting pipelines, which are allocated to spaces provided by cloud computing services. The introduction of clustering systems and ReOrder Point detection systems, which are to be complemented with forecasting algorithms provided by host systems, is intended to decrease their computational cost and improve their information capacity.
The proposed framework builds on the existing CRISP-DM and specialises it, incorporating more specific and detailed processes, that are useful in the decision-making phase. This model was developed in response to the growing tendency of many companies to automate processes related to warehouse management.