Analisi ed efficientamento dei processi aziendali in smart working tramite sistemi ERP e Machine Learning: il caso di Datrix S.p.A.
Author(s)
Dello Vicario, Paolo
Date Issued
June 14, 2021
Type
Doctoral Thesis
Abstract
Il modo in cui le organizzazioni affrontano le sfide di mercato è in continua
evoluzione. I mercati sono sempre più liquidi e le modalità con cui
viene organizzato il lavoro devono tenere in considerazione questi continui
mutamenti. La ricerca di talenti capaci di affrontare sfide a complessità
crescente e muoversi con agilità in un contesto in così rapida evoluzione
spinge sempre più organizzazioni a strutturarsi in modalità innovativa.
Molte organizzazioni che lavorano su processi immateriali e che poggiano
la loro crescita sui cosiddetti "lavoratori della conoscenza", ormai da anni
utilizzano nuovi modelli organizzativi che superano concetti come quello
di organigramma, di vincolo di tempo e vincolo di luogo di prestazione
dell’attività lavorativa. L’interesse verso questi modelli organizzativi è
cresciuto repentinamente durante la pandemia di Covid-19, che ha forzato
molte strutture a una gestione del lavoro da remoto e le ha spinte a interrogarsi
su modalità diverse di impostazione del lavoro, basate sulla comunicazione
e sulla definizione di obiettivi chiari anziché sul controllo e
la misurazione del tempo lavorato. In questo lavoro di tesi si vuole tracciare
una possibile soluzione alla gestione del lavoro in modalità "smart",
tramite un mix di interventi culturali, metodologie e tecnologie. In particolare
ci si è concentrati su come smart working, business process management
e sistemi ERP possano lavorare in sinergia con il duplice obiettivo
di rendere un’azienda più flessibile e allo stesso tempo favorire un continuo
miglioramento dei processi, tramite un’attività di democratizzazione
delle analisi di processo e l’intervento di algoritmi di machine learning a
supporto dell’ottimizzazione di processo.
Additional information
Dottorato di ricerca in Engineering for energy and environment
Subjects
File(s)![Thumbnail Image]()
Name
pdellovicario_tesid.pdf
Size
2.48 MB
Format
Adobe PDF
Checksum (MD5)
e71eaa06c2460908717e94871bad8e06