Prevedere il futuro delle promozioni nella GDO: il progetto Axiante al SAS Hackathon

A volte le idee migliori nascono nelle pause caffè, rimangono lì per mesi, e sembrano sempre “da fare più avanti”.

Nel caso di Axiante, l’hackathon di SAS è diventato l’occasione perfetta per trasformare una riflessione informale in un progetto concreto: una soluzione data-driven per ottimizzare le promozioni nella grande distribuzione, integrando modelli SAS con un’applicazione esterna tramite API. Il risultato è stato molto più di un esercizio tecnico: un prototipo funzionante, un’architettura integrata e soprattutto una validazione che oggi permette al team di proporre l’idea ai clienti.

Il team di Axiante che ha partecipato all’hackathon - composto da Mirko Gubian (Team Lead), Global Demand Senior Manager, Stefano Brambilla, Application Architect, Jedina Xure, Data Scientist - ripercorre come è nato il progetto, quali sfide ha affrontato il team e perché l’integrazione è diventata il vero valore di questa esperienza.

Da dove nasce l’idea di partecipare all’hackathon SAS? Avevate già un progetto in mente o l’hackathon è stato la scintilla?

L’idea era nell’aria da tempo. Durante confronti informali, ci eravamo accorti che il mondo promozionale della GDO, pur essendo molto strutturato, si basava spesso su logiche qualitative: si ripropongono schemi dell’anno precedente, si osserva l’esperienza passata “a occhio”, senza un vero approccio quantitativo. Da qui la domanda: e se invece fosse possibile modellizzare l’effetto delle promozioni in modo rigoroso, data-driven, valutando con precisione come cambiano i volumi di vendita?

L’hackathon ci ha dato la spinta decisiva. Non solo una scadenza, ma una cornice che ci ha permesso di passare dall’idea alla realizzazione. Senza questa deadline avremmo continuato a rimandare, schiacciati dai progetti quotidiani. La tecnologia c’era, la motivazione anche: mancava solo un’occasione per dedicarci tempo in modo strutturato.

Come avete costruito il team? La scelta delle competenze è arrivata prima o dopo l’idea?

La formazione del team è stata totalmente guidata dal progetto. La nostra intenzione non era creare un modello SAS isolato, ma un’applicazione integrata, in grado di comunicare con i modelli tramite API.

Ci servivano quindi tre figure precise:

• un Data Scientist esperto SAS, per lavorare su Visual Analytics, Visual Forecasting e Workbench;
• uno sviluppatore senior specializzato in integrazione, per costruire l’applicazione e orchestrare il dialogo con SAS;
• una figura funzionale, per definire il problema di business e coordinare gli aspetti progettuali.

Senza questa combinazione, non avremmo potuto dimostrare la fattibilità dell’integrazione cloud-to-cloud, che era il vero cuore dell’iniziativa.

Entriamo nel merito: qual era esattamente il progetto?

Il progetto aveva un obiettivo molto concreto: prevedere l’effetto delle promozioni future sulle vendite di alcune categorie retail (in questo caso latticini e salumeria) partendo da uno storico di dati complesso e poco lineare. L’architettura era divisa in due macro-blocchi:

1. La parte Machine Learning su SAS

• Visual Analytics per esplorare il dataset, capire la struttura delle serie storiche e identificare pattern rilevanti.
• Visual Forecasting per costruire il modello di baseline, ossia la previsione del venduto “normale”, senza eventi promozionali.
• Workbench per sviluppare il modello che stima l’effetto delle promozioni, integrandolo al modello di baseline.

Il risultato è un motore predittivo in grado di rispondere a domande come: “Se attivo questa promozione nelle prossime quattro settimane, qual è l’impatto sui volumi di vendita?”

2. L’applicazione integrata tramite API

Qui era la vera sfida: creare un’applicazione esterna, basata su un framework proprietario, capace di interrogare in tempo reale i modelli SAS tramite API e restituire all’utente previsioni leggibili e navigabili.

L’integrazione è stata realizzata in modalità cloud-to-cloud, con l’applicazione in AWS e i modelli SAS nella piattaforma cloud fornita per l’hackathon. È la prima volta che il team sperimentava un’integrazione di questo tipo, ed è proprio questa competenza che l’hackathon ha reso possibile.

Avevate già familiarità con questi strumenti SAS o l’hackathon è stato anche un’occasione di apprendimento?

Alcuni strumenti erano già conosciuti, come Visual Analytics e Visual Forecasting. Workbench, essendo più recente, è stato una novità utilizzata per accelerare lo sviluppo della parte modellistica. La vera scoperta, però, è stata l’integrazione tramite API. Pur sapendo che SAS le metteva a disposizione, non le avevamo mai usate in un contesto reale con tempi stretti e una pipeline completa.

Per questo motivo l’hackathon ha rappresentato un’opportunità formativa unica: imparare qualcosa che sulla carta era possibile, ma che non avevamo mai avuto il tempo di testare fino in fondo.

Quali risultati avete ottenuto? C’è stato qualcosa che vi ha sorpresi?

Il primo traguardo è stato confermare la fattibilità tecnica dell’integrazione. Oggi possiamo dire ai clienti che la soluzione funziona: non è solo un’idea, ma un prototipo reale, testato e integrato.

Il secondo risultato riguarda la qualità del modello: abbiamo ottenuto un’accuratezza media dell’87% nel prevedere i volumi promozionali - un dato molto alto, considerato lo storico irregolare e il tempo limitato.

È un risultato che dà credibilità alla soluzione e apre la possibilità di proporla come MVP, dopo un affinamento estetico e funzionale.

L’hackathon ha inoltre generato nuove idee: uno sviluppo futuro potrebbe essere l’uso di dati sintetici per arricchire serie storiche povere o discontinue, aumentando la robustezza del modello.

Quali sono state le principali sfide, oltre alla gestione del tempo?

La sfida organizzativa è stata coordinare persone impegnate su più progetti, riuscendo a ricavare poche ore alla volta per lavorare insieme in modo concentrato.

Lavorare senza un disegno “da progetto”, ma con un approccio sperimentale tipico dell’hackathon, ha reso necessario prendere decisioni rapide, scoprire errori in tempo reale e correggerli sul momento.

Che cosa vi portate a casa da questa esperienza?

L’hackathon ha prodotto tre risultati fondamentali.

1. Una nuova competenza reale: l’integrazione tramite API. Non più teoria, ma pratica: sappiamo come funziona, quali sono gli ostacoli e come superarli.

2. Un prototipo funzionante. Un MVP che consente ora di parlare con i clienti non di un’idea, ma di una soluzione concreta.

3. Un insieme di spunti per potenziali evoluzioni future. Dai dati sintetici al miglioramento del modello, fino alla versione “enterprise” dell’applicazione.

È stato, in sintesi, un esercizio di innovazione controllata: un’idea nata al caffè, trasformata in un progetto credibile grazie a una scadenza, agli strumenti SAS e a un team costruito su misura.

Scopri le altre esperienze di aziende italiane che hanno partecipato a SAS Hackathon:
BID, Iconsulting, Intesa Sanpaolo, Rationence

19 dicembre 2025