Codifiche non uniformi
Criteri di codifica diversi tra categorie e tra fornitori. Nessuna logica unificata applicata nel tempo.
Case Study · Impiantistica gas medicali
Rosiglioni Impianti
Quando il catalogo è un sistema opaco
Settore: Impiantistica gas medicali
Tipo di intervento: Diagnosi operativa, mappatura sistema prodotto, arricchimento dati con AI
Il segnale
5.300 articoli. Dodici categorie funzionali. Decine di fornitori. Un gestionale che reggeva il peso del quotidiano.
Ma quando Rosiglioni Impianti ha deciso di costruire un configuratore digitale per la progettazione degli impianti gas medicali, è emerso il problema che quasi nessuno aveva nominato ad alta voce: il dato sottostante non era governabile.
Non era sbagliato. Era opaco.
La diagnosi
Il catalogo articoli di Rosiglioni era cresciuto per stratificazione — un fornitore nuovo, un prodotto aggiuntivo, una variante mai consolidata con quella precedente. Anno dopo anno. Il risultato era un sistema in cui la conoscenza era distribuita in modo disomogeneo: alcune aree molto curate, altre quasi abbandonate.
Prima di toccare qualsiasi cosa, abbiamo fatto una lettura strutturata del sistema esistente.
71% SPEC = GEN
Il campo SPEC valorizzato con "generico" nel 71% dei casi — un dato che non porta informazione utile al sistema.
Dati gestionali separati
Prezzi e giacenze non presenti nel catalogo. Gestiti separatamente nel gestionale aziendale. Nessuna integrazione.
2.763 articoli in "Accessori"
Una categoria con oltre 2.700 articoli. Il segnale classico di un sistema che ha smesso di classificare e ha iniziato ad accumulare.
Cosa non si vedeva dall'esterno
Nessuna gestione esplicita dei prodotti obsoleti o sostituiti. Conoscenza classificatoria che esisteva solo nelle persone, non documentata. Descrizioni scritte in modo completamente disomogeneo — alcune precise al millimetro, altre di tre parole.
Questo non è un giudizio. È quello che succede quando un'azienda cresce in modo sano e non ha mai avuto il tempo di fermarsi a fare ordine.
Il metodo
Non abbiamo iniziato dal software. Abbiamo iniziato dalla struttura.
Fase 1 — Osservazione
Analisi quantitativa del catalogo esistente: distribuzione per categoria, completezza per campo, pattern nei codici legacy, anomalie nei dati. L'analisi ha prodotto una mappa precisa di dove si trovavano i problemi e quale fosse la loro natura.
Fase 2 — Mappatura e stress test
Sessioni di lavoro con Sabrina Rosiglioni per validare la logica classificatoria. Ogni decisione è stata messa sotto pressione: questa categoria regge quando il configuratore deve selezionare automaticamente i componenti? Questo codice è memorizzabile da chi non lo ha mai visto?
Le decisioni non ovvie sono state documentate esplicitamente — con la motivazione e le alternative scartate. Un patrimonio che vale quanto il catalogo stesso.
Fase 3 — Output diagnostico
Nuova architettura MACRO in 12 categorie funzionali. Nuova logica di codifica SKU. Mappatura dei 214 fornitori con assegnazione di sigle a 3 lettere per i 24 fornitori principali. Integrazione dei dati gestionali. Gestione esplicita dei prodotti obsoleti con suffisso -OLD. Foglio PENDING per gli articoli ancora da classificare con il team.
Il ruolo dell'AI
Su un catalogo di 5.300 articoli, parte del lavoro era automatizzabile. Parte no.
Abbiamo usato AI per: inferire la SPEC corretta dalle descrizioni testuali per 104 articoli classificati genericamente; identificare pattern di sostituzione nei codici legacy e nelle note interne; estrarre la categoria commerciale (componente, ricambio, kit, consumabile) dalle descrizioni dove leggibile; preparare il sistema per l'arricchimento descrizioni dalle schede tecniche PDF dei fornitori.
Non abbiamo usato AI per: le decisioni classificatorie (quelle richiedono giudizio tecnico e conoscenza del dominio); la validazione dei dati economici (richiedono confronto con accordi commerciali reali); la gestione dei casi ambigui (richiedono dialogo con il team).
L'AI ha accelerato il lavoro meccanico. Il giudizio è rimasto umano. Questa distinzione non è retorica — in un settore come quello dei gas medicali, dove un articolo sbagliato in un impianto ha conseguenze concrete, la precisione non è negoziabile.
Quello che abbiamo imparato
Il catalogo opaco è un sintomo, non una causa.
La causa è quasi sempre la stessa: un'azienda che ha privilegiato giustamente la crescita operativa rispetto alla strutturazione del dato. Non è un errore. È una scelta razionale nel breve periodo. Diventa un vincolo nel momento in cui si vuole fare il salto digitale.
Il configuratore impianti che Rosiglioni sta costruendo non avrebbe potuto appoggiarsi al catalogo precedente. Ogni selezione automatica sarebbe stata inaffidabile. Ogni preventivo generato avrebbe richiesto verifica manuale.
La diagnosi del sistema è stata il prerequisito. Non l'accessorio.
Pattern ricorrente: il dato opaco nelle PMI industriali
Rosiglioni non è un caso isolato. È un archetipo.
In quasi ogni PMI che opera in settori tecnici complessi — impiantistica, produzione su specifica, distribuzione tecnica — troviamo la stessa dinamica: anni di crescita per accumulazione, conoscenza distribuita nelle persone, sistemi che reggono ma non scalano.
Il momento critico arriva quando l'azienda decide di fare il salto digitale. Configuratori, CRM avanzati, sistemi di preventivazione automatica: tutti richiedono un dato pulito, strutturato, governato. Senza quella base, la tecnologia non aiuta. Amplifica il caos.
Il nostro intervento su questo tipo di sistema prevede:
01 — Lettura strutturata
Analisi del dato esistente senza pregiudizi e senza soluzioni preconfezionate. La diagnosi precede qualsiasi intervento.
02 — Dialogo con il sistema
Sessioni con chi il sistema lo vive ogni giorno. La conoscenza tacita è il dato più prezioso e il più difficile da recuperare dopo che è andata persa.
03 — Architettura minima
Non il sistema perfetto, ma quello che il team può mantenere. La governabilità vale più della perfezione.
04 — Documentazione delle decisioni
Il valore non è nel file. È nel ragionamento che lo ha prodotto. Ogni scelta viene documentata con motivazione e alternative scartate.
La prospettiva strategica e identitaria
Questo documento descrive la dimensione tecnica e sistemica del progetto: la diagnosi del dato, il metodo di strutturazione, il ruolo dell'AI.
Kredo Marketing ha curato la dimensione strategica: come la ristrutturazione del catalogo si connette all'identità di prodotto, al riposizionamento dell'azienda e alla preparazione per i mercati internazionali.
Kredo Diagnostics
Diagnosi sistemica per PMI B2B
Lavoriamo con aziende che operano in settori tecnici complessi e devono strutturare il dato prima di investire in tecnologia.