Il fashion è un settore in cui l’equilibrio tra creatività e analisi è diventato decisivo. Oggi le aziende che vogliono competere devono costruire basi dati solide, capaci di sostenere strategie di marketing più mirate e intelligenti. È il percorso avviato da Wolford, storico brand del lusso, che ha scelto di ripensare la propria infrastruttura informativa per diventare AI-ready.
Ne hanno parlato Andrea Forni, Global IT & Digital Director di Wolford, e Camillo Di Iorio, Account Manager Digital Transformation di Blue BI, durante il convegno Data & Decision Intelligence: pilotare l’AI per usarla davvero!organizzato dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano.
Indice degli argomenti
Dal dato frammentato alla strategia unificata
Per un marchio con oltre 75 anni di storia, la digital transformation è anche un cambiamento culturale. Wolford partiva da sistemi on-premise obsoleti, da fonti dati scollegate e da una governance limitata. «L’obiettivo era migliorare il controllo e la qualità dei dati distribuiti in azienda, così da supportare strategie di vendita più efficaci», ha spiegato Forni.
Il progetto, avviato nel 2022, si è concentrato su quattro direttrici: modernizzazione dell’infrastruttura, integrazione di fonti eterogenee, riduzione della ridondanza nei report e costruzione di un’esperienza di vendita omnicanale. Le vendite dell’azienda si dividono in tre canali principali – B2B, B2C e retail indiretto – ma mancava un quadro unitario per analizzarli in modo trasversale.
L’obiettivo era creare un linguaggio comune del dato, utile a migliorare la pianificazione commerciale e il dialogo fra reparti. Una data governance più solida, capace di mettere in relazione tecnologia, persone e processi.
La nuova architettura: cloud, governance e scalabilità
Per superare i limiti dei vecchi sistemi, Wolford ha migrato la propria infrastruttura verso una piattaforma cloud-based. La scelta ha permesso di integrare i diversi flussi informativi e di costruire un Integration Layer che connette i gestionali, i sistemi di e-commerce e le fonti esterne.
Come racconta Di Iorio, tutto è iniziato con una fase di assessment per comprendere la reale struttura dei dati e le esigenze operative. Sono stati coinvolti i team sales e marketing, con interviste e analisi dei processi. Successivamente è iniziato il lavoro di pulizia, normalizzazione e consolidamento per garantire regole di calcolo uniformi e KPI condivisi.
«Il modello dei dati è stato progettato per ricevere in futuro informazioni anche da piattaforme diverse, mantenendo coerenza e qualità», ha spiegato Forni. Il risultato è un data model dinamico e scalabile, costruito insieme ai partner tecnologici, che consente di gestire dati strutturati e non strutturati con la stessa logica di controllo.
Razionalizzare il reporting per diffondere la cultura del dato
Uno dei nodi principali del progetto riguardava la gestione dei report interni. Wolford produceva quotidianamente più di 80 report, spesso duplicati o calcolati con regole differenti. Questa proliferazione di dati portava confusione e rallentava le decisioni.
L’azienda ha quindi definito un numero più limitato di KPI univoci, calcolati secondo criteri comuni e distribuiti in modo controllato. «Volevamo diffondere un dato certo, non interpretabile», ha chiarito Forni.
La razionalizzazione del reporting ha avuto anche un impatto culturale. La data governance non è più solo un insieme di strumenti, ma una nuova modalità di lavoro condivisa. L’uniformità dei KPI consente di confrontare i risultati tra i canali, di misurare in modo oggettivo le performance e di allineare le strategie di marketing e vendita.
In questo modo la comunicazione interna è diventata più chiara e la collaborazione tra team più efficace.
Omnicanalità e visione integrata del cliente
Il passaggio successivo è la creazione di una dashboard unica per il management. Lo strumento consente di visualizzare in tempo reale l’andamento delle vendite nei diversi canali, mettendo in relazione dati provenienti da negozi, e-commerce e partner terzi.
«Il nuovo sistema permette di gestire dati strutturati e non strutturati, come immagini e file JSON, in un ambiente integrato accessibile a tutti i livelli aziendali», ha spiegato Di Iorio. La piattaforma include funzioni di monitoraggio per analizzare non solo i tempi di caricamento, ma anche il livello di adozione da parte degli utenti, elemento decisivo per il successo del progetto.
Grazie a una visione unificata, Wolford può ora correlare i comportamenti d’acquisto, migliorare la precisione delle analisi e pianificare azioni di marketing basate su evidenze reali.
Data literacy e AI: le basi per il marketing predittivo
Per Forni, la qualità del dato è il prerequisito per introdurre soluzioni di intelligenza artificiale. Prima di far ciò, è necessario che le informazioni siano affidabili e certificate. «Non vogliamo distribuire dati che non rispettino le policy definite nel progetto», ha dichiarato.
Da qui nasce anche un investimento nella formazione interna. Educare i team all’uso consapevole dei dati è parte integrante della trasformazione digitale. La data literacy è la condizione per applicare modelli predittivi e strumenti di AI marketing in modo efficace.
I prossimi step includono lo sviluppo di sistemi di raccomandazione dei prodotti nei negozi, modelli di forecasting per la pianificazione delle scorte e l’utilizzo della computer vision per il controllo qualità.
Per Wolford, la data governance non è solo una questione tecnica. È un approccio che rende il dato un vero asset strategico, capace di alimentare decisioni più rapide, campagne più mirate e una relazione più profonda con i clienti.
