80%+
tempo risparmiato sui report
2-3 giorni → 15 min
per il report settimanale
6 mesi
ROI stimato
Executive summary
Il cliente è un distributore B2B alimentare della Toscana (cliente reale interno, nome anonimizzato), 30-80 dipendenti, che serve ristoranti, bar, hotel e mense di un'area di circa 100 km. Prima del progetto, la direzione riceveva i dati di vendita e margine una volta a settimana, 2-3 giorni dopo la chiusura del periodo, elaborati a mano da una risorsa dedicata. Oggi lo stesso report arriva automaticamente alle 7:30 del lunedì, con narrative AI sui trend e alert sulle anomalie. Tempo di generazione: 15 minuti. Risorsa riallocata su attività commerciali.
Il contesto
L'azienda vende circa 6.000 referenze a 400+ clienti attivi, con ordini quotidiani gestiti tramite un gestionale di settore. I dati commerciali vivevano in tre posti diversi:
- il database del gestionale (ordini, fatture, margini),
- fogli Excel compilati dagli agenti per le visite,
- il magazzino (giacenze estratte manualmente a fine settimana).
La direzione voleva rispondere a domande semplici: quali clienti stanno calando? Quali referenze stanno ferme in magazzino? Dove stiamo perdendo margine? Nessuna di queste domande aveva una risposta in meno di una settimana.
Il problema
La reportistica settimanale richiedeva 2-3 giornate di lavoro di una risorsa dedicata: estrazione dal gestionale, incrocio con gli Excel degli agenti, controllo delle giacenze e compilazione di un documento in PowerPoint che la direzione leggeva e poi archiviava.
I problemi concreti:
- Ritardo strutturale: i numeri arrivavano quando le decisioni erano già state prese.
- Errori di copia: ogni passaggio manuale introduceva discrepanze tra fonti.
- Nessuna analisi: il report diceva cosa era successo, mai perché.
- Margini analizzati a trimestre: le promozioni sbagliate si scoprivano troppo tardi.
Il costo non era solo il tempo della risorsa: era la velocità di reazione dell'azienda.
La soluzione
Il progetto è durato 6 settimane in totale, in tre fasi:
Fase 1: mappatura delle fonti dati (settimana 1)
Abbiamo inventariato tutte le fonti: il database del gestionale (MS SQL Server), gli Excel degli agenti e le estrazioni di magazzino. Su ogni fonte abbiamo verificato qualità, copertura e frequenza di aggiornamento.
Fase 2: pipeline dati sicura (settimane 2-3)
Abbiamo costruito una pipeline di sincronizzazione dal database gestionale a un'istanza PostgreSQL su Supabase, in cloud UE, con:
- estrazione incrementale ogni 15 minuti;
- cifratura dei dati in transito e a riposo;
- accessi limitati per ruolo (nessun accesso diretto al gestionale dall'esterno);
- log di ogni sincronizzazione.
Fase 3: report automatici con layer AI (settimane 4-6)
Su PostgreSQL abbiamo costruito le viste delle metriche concordate: vendite per cliente, zona e agente; margine per referenza; giacenze e rotazione; clienti a rischio. Sopra le viste, Metabase espone dashboard interattive. Un layer Claude API genera:
- la narrative settimanale del report (trend, anomalie, possibili cause);
- gli alert automatici quando un margine scende sotto soglia o una referenza ferma supera i giorni di giacenza configurati.
La distribuzione avviene via email automatica ogni lunedì alle 7:30 e su un canale Slack della direzione.
I risultati
Misurati sui primi 6 mesi di operatività:
- 80%+ di tempo risparmiato sulla generazione dei report standard.
- Da 2-3 giorni a 15 minuti per il report settimanale.
- Visibilità real-time su vendite, margini e giacenze (aggiornamento ogni 15 minuti).
- Alert attivi su margini sotto soglia e rotture di stock.
- ROI stimato entro 6 mesi, contando solo il costo della risorsa riallocata.
La risorsa che prima compilava i report è stata riallocata su attività commerciali: gestione dei clienti a rischio e sviluppo di nuovi conti.
Insights e apprendimenti
-
Il valore non è l'automazione, è la frequenza. La differenza più grande l'ha fatta la visibilità quotidiana, non il tempo risparmiato. La direzione ha cambiato modo di lavorare: si guardano i numeri ogni mattina, non una volta a settimana.
-
I dati sporchi sono il primo rischio. La qualità dei dati nel gestionale era peggiore di quanto l'azienda credesse. Metà del tempo di progetto è andata nella pulizia e nella definizione delle regole di lettura. Senza quella fase, il sistema avrebbe prodotto report affidabili al 70%.
-
Le narrative AI si usano solo se fidate. Il primo mese la direzione controllava ogni alert. Dopo aver verificato 15 alert su 15, il team ha iniziato a usarli come base di discussione senza ri-verifica. La fiducia si costruisce con la trasparenza delle regole.
Vuoi un risultato simile?
Se anche la tua azienda passa giorni a compilare report che arrivano sempre tardi, il punto di partenza è lo stesso: un audit di automatizzabilità che mappa le fonti dati e stima ore risparmiate. L'audit costa €890, dura 5-7 giorni ed è rimborsato al 50% se poi firmiamo il progetto.