- Servizi
- Industry
- Chi siamo
- Unisciti a noi
Il Machine Learning migliora il rilevamento predittivo degli incidenti stradali
While they expertly deliver innovation and quality to their customers, Callaway Golf’s previous planning and reporting tool wasn’t making the cut. To evolve their enterprise, the sports giant decided to replace their outdated planning software with SAP Analytics Cloud for planning.
Together with Avvale, Callaway Golf successfully implemented SAP Analytics Cloud across their global enterprise in just 6 months. Now, Callaway Golf has a single, consolidated planning solution that has enabled streamlined expense and asset plans so they can focus on what they do best– revolutionizing the sporting world with cutting edge equipment.
Il nostro cliente è la società principale che si occupa della gestione delle tratte autostradali in Italia e della loro manutenzione. Con circa 3.000 chilometri gestiti in Italia, è uno dei principali concessionari incaricati della costruzione e della gestione di autostrade a pagamento in Europa.
La sfida
All'inizio del 2022, il cliente ha affidato ad Avvale la realizzazione di un Proof of Concept sui tassi di incidentalità di un campione di tratte autostradali, con l'obiettivo di utilizzare algoritmi di Machine Learning per identificare le variabili più impattanti, come le condizioni del manto stradale, il tasso di traffico, la velocità media dei veicoli, la concentrazione di veicoli pesanti e la fascia oraria. Il nostro cliente aveva bisogno di una soluzione su misura in grado di elaborare i dati e trasformarli in informazioni rilevanti per ridurre il tasso di incidenti stradali e quindi il numero di morti e feriti sulla rete autostradale. La sfida principale consisteva nel gestire l'enorme quantità di dati sul traffico automobilistico acquisiti sulle tratte autostradali e nella loro elaborazione. Il volume e la quantità di dati gestiti dal nostro cliente erano davvero impressionanti, ma anche il dettaglio e la granularità rappresentavano una sfida difficile.
L'approccio
Avvale ha raccolto le esigenze del cliente lavorando sul Proof of Concept, ottenendo risultati eccezionali. Questo ha portato all'attivazione di due Minimum Viable Products con un approccio agile con l'obiettivo finale di capitalizzare ed estendere il modello all'intera rete autostradale gestita dal cliente. Nel dicembre 2022 è stata rilasciata un'applicazione che, grazie a un modello di Machine Learning su AWS, si basa su un calcolo probabilistico in grado di segnalare sezioni della rete autostradale e intervalli di tempo potenzialmente significativi per il rischio di incidenti, suggerendo i fattori contribuenti più impattanti.
The Challenge
Before integrating SAP Analytics Cloud, Callaway Golf's planning landscape centered around SAP's legacy planning solution, Business Planning and Simulation (BPS). While BPS met Callaway Golf's planning needs for many years, the enterprise began to experience limitations with their old solution:
- Disconnected plans across the board: As Callaway Golf expanded and acquired new brands, planning processes greatly differed across the enterprise with some business units using Excel spreadsheets and others using legacy solutions for planning.
- Outdated planning functionalities: The existing legacy planning solution lacked many modern functionalities. Among them, salary calculations and asset depreciation automation needed improvement. As a result, it became difficult to create detailed and accurate forecasts across the globe.
- Significant IT support: The legacy solution required continuous management from IT to maintain runtime. IT had to carve out a full day every week to manually maintain the solution.
- No single source of truth: Various departments and brands used different data sources, which led to data silos across the organization, making it difficult to gain a clear picture of the enterprise's planned expenses.
- Rigid user interface: Legacy forecasting system was difficult to navigate and lacked working functions and calculations across the board, such as planning on depreciation and existing assets, adding vendors or members on the fly, and breaking down their cost center expense planning forecasts.
The Approach
With Avvale experts on their side, Callaway Golf laid out the following goals for their new planning landscape with SAP Analytics Cloud:
- Crowdsource and consolidate plans across the enterprise to gain a global overview of their planned expenses and expand the input capabilities to each responsible owner.
- Leverage elevated planning functionalities to create faster and more accurate forecast cost center expense and asset reports. The ability to customize calculations enhances and automates the reporting metrics.
- Harness the power of self-service analytics to alleviate IT from the burden of simple maintenance and data entry requests, so they can focus on high-ROI tasks.
- Maximize user-driven admin capabilities to control the management of calculations and forms.
- Create new KPls driven by the business needs.
When SEM-BPS was the center of Callaway Golf's planning landscape, flexibility was a huge factor that was missing. SAP Analytics Cloud contains powerful scenario planning capabilities that help organizations quickly uncover actionable insights to make data-driven decisions. For Callaway Golf, SAP Analytics Cloud's modern planning functionalities provided users with the ability to:
- Add members on the fly
- Plan on existing as well as planned assets and automatically calculate the depreciation of values
- Test "what-if" scenarios for deeper analysis by creating private versions of plans
- Customize the solution based on their current business process
- Perform driver-based calculations
- Empower users to execute end-to-end planning scenarios, without the help of IT
L'impatto
Oggi il nostro cliente dispone di un'applicazione attiva sull'intera rete autostradale e in grado di elaborare l'enorme quantità di dati raccolti per restituire informazioni rilevanti sulla previsione degli incidenti. L'evoluzione dell'applicazione realizzata ha l'obiettivo di collegarla al mondo della pianificazione dei cantieri, della loro segnalazione e del loro impatto sugli incidenti, e di introdurre le curve di decadimento delle condizioni del manto stradale per affinare il modello e quindi l'inferenza degli incidenti legati a questi fattori. La soluzione consente al cliente di elaborare grandi quantità di dati utilizzando algoritmi di Machine Learning per ricevere informazioni rilevanti in modo rapido e semplice dall'intera rete autostradale gestita, fornendo così una soluzione su misura per soddisfare la crescente necessità di monitorare numerose variabili per migliorare il servizio di gestione e manutenzione.
