Il progetto si colloca nell’ambito delle recenti direttive europee in materia di rendicontazione di sostenibilità ed ha prodotto risultati applicativi utili a facilitare la transizione verso modelli aziendali più sostenibili e competitivi.

La ricerca ha voluto fornire una comprensione dettagliata e contestualizzata dei requisiti normativi legati agli European Sustainability Reporting Standards (ESRS) e delle sfide specifiche che le PMI agricole italiane affrontano nell’adottarli. Alla luce della Direttiva Europea sulla Dichiarazione non finanziaria (CSRD 2022/2464) e della successiva introduzione degli ESRS, il progetto ha voluto sviluppare un modello operativo che supporti le imprese nella conformità normativa, ottimizzando al contempo i costi di implementazione e migliorando la loro competitività.

I risultati hanno incluso una mappatura dettagliata delle sfide e delle opportunità legate alla rendicontazione di sostenibilità nelle PMI agricole italiane, la definizione di linee guida pratiche per l’implementazione degli ESRS e un’analisi costi benefici approfondita che supporti le PMI nell’ottimizzazione delle risorse e dei processi aziendali. Tali risultati avranno una rilevanza sia accademica che applicativa, contribuendo al dibattito sulla sostenibilità e fornendo strumenti pratici per gli operatori del settore.

Per ottimizzare i propri processi decisionali, sia sul piano strategico che operativo, le aziende devono poter valorizzare il patrimonio informativo aziendale, attraverso un approccio data driven; ossia condurre analisi sui dati, utilizzando opportuni modelli matematici e statistici, a disposizione dei clienti/utenti per trarne informazioni utili a migliorare l’efficienza operativa e massimizzare le attività. In tal modo il processo decisionale non è più basato sull’esperienza del management ma su dati oggettivi e reali.

La possibilità di poter aumentare il controllo aziendale sui processi interni e di aumentare potenzialmente i propri guadagni, semplicemente imparando a gestire le proprie fonti di dati, risulta estremamente interessante e degna di investimenti nel breve e lungo termine.

Nell’ambito del progetto è stato descritto uno scenario applicativo per l’impiego di tecniche di Computer Vision nel controllo qualità della materia prima in ingresso al processo produttivo. Sono state illustrate diverse tecnologie con vantaggi specifici per rilevare difetti, o anomalie interne, sottolineando come la scelta dipenda da criteri economici e operativi. È stato inoltre fornito un approccio metodologico per l’implementazione del progetto, che include le fasi principali identificate (CRISP-DM). L’applicazione di tecniche di visione artificiale ai processi di controllo qualità delle materie prime, consente di ottimizzare la selezione e standardizzare la qualità. Le soluzioni basate su algoritmi di deep learning, sensori 3D e imaging avanzato migliorano l’efficienza produttiva e riducono gli sprechi. Implementare sistemi automatizzati richiede un’attenta valutazione delle risorse e degli obiettivi aziendali, ma garantisce un vantaggio competitivo, migliorando la qualità finale del prodotto e riducendo i costi operativi nel lungo termine.

Uno degli aspetti da cui dipende il successo aziendale è la gestione delle relazioni con i clienti finali. Per poter aumentare la propria brand reputation le aziende produttive, in particolar modo quelle del settore alimentare, devono innovare le proprie politiche di marketing ed evolvere verso il paradigma del digital marketing. Il Digital Marketing (DM) è un termine che riunisce tutte le attività di marketing online o su dispositivi elettronici che consente di connettersi con i lori clienti, attuali o futuri attraverso motori di ricerca, social media, app, email e siti web.

Il progetto ha fornito dapprima un’analisi del concetto di digital marketing, giustificandone l’adozione e fornendo una strategia di implementazione, differenziata per il B2B e il B2C. Successivamente si è concentrato su tre macro-tecniche di DM, che un’azienda può decidere di adottare per l’esecuzione della propria strategia di marketing, in base alle proprie esigenze. Nelle tecniche mostrate, sono state implicitamente presentate altre metodologie tipiche, come ad esempio nel contesto del SMM si è presentato il concetto di content marketing o per la MA si è presentata la pratica di Lead Management.

Ogni tecnica è stata corredata di esempi concreti di aziende che hanno saputo implementarle per determinare il proprio successo. Questi esempi sono stati forniti per due motivi: il primo, dimostrare l’efficacia delle tecniche rispetto a contesti sia di B2B che di B2C; il secondo, fornire un possibile riscontro concreto, idealmente da approfondire, delle tecniche, e permettere dunque di sviluppare un’idea realistica dell’implementazione delle tecniche di DM.

Dalla trattazione, risulta chiaro che strategie di DM sono necessarie per determinare il successo di un’azienda, e dunque l’invito è quello di porne in seria considerazione l’adozione, con investimenti mirati e tarati sulle esigenze aziendali.