PCube è un software di Process Tracking and Automation nell’ambito del Corporate Performance Management con funzioni di raccolta ed elaborazione dati, analisi e reporting, destinato ad amministratori, controller ed operativi.
Permette il popolamento strutturato di modelli di analisi fornendo gli strumenti per disegnare il modello, definire i dati che lo compongono, le regole che li validano, le fonti che lo alimentano, il processo con cui alimentarlo.
Pcube trova applicazione nei processi in cui sia necessario raccogliere dati da fonti eterogenee e distribuite, quali il processo di budget e la raccolta dei dati di vendita.
Il sistema consente la configurazione e la gestione dei processi di popolamento di modelli di analisi, definendo la semantica del dato e le regole di validità, le fonti alimentanti ed il workflow di raccolta dati nel contesto dell’organizzazione aziendale.
Durante la fase di esecuzione del processo configurato, PCube guida il controller nella raccolta dei dati e del relativo reporting, fornendo gli strumenti per interagire con il dato stesso (import da fonti esterne, data entry manuale, pivot, grafici, allocazioni) e per monitorare l’esecuzione del processo.
PCube trova applicazione nei processi in cui sia necessario raccogliere dati da fonti eterogenee e distribuite, certificarli e consolidarli secondo regole definite e rispettando la struttura organizzativa, in modo da consentire analisi a vari livelli di dettaglio. Come esempio è possibile citare il processo di budget, la raccolta dei dati di vendita, l’analisi delle marginalità..
Obbiettivi
- Pianificare e monitorare i processi di analisi e reporting aziendale
- Migliorare l’efficienza dei processi di reporting diminuendo l’effort necessario per chiudere un singolo periodo e riducendo il tempo complessivo di chiusura.
- Permettere l’analisi dei KPI aziendali utilizzando tecniche di drilling, what if analisi, data-mining e analisi predittiva.
- Garantire e certificare la tracciatura del dato consolidato proveniente sia dai sistemi sorgenti alimentanti che dalle poste manuali.
- Garantire il rispetto delle policy aziendali da parte delle persone coinvolte nel processo di raccolta dati.
- Permettere analisi cross-funzionali, evidenziando i collegamenti fra i diversi KPI aziendali.
- Permettere l’integrazione di informazioni relative a benchmark e fattori di influenza esterni all’ambito aziendale.
- Dotarsi di uno strumento di supporto alle decisioni che possa allertare il responsabile al verificarsi di particolari eventi e suggerire potenziali linee d’azione.
- Garantire la “privacy” dei dati nel rispetto dei livelli decisionali derivati dalla struttura organizzativa aziendale.
Modello dati
La struttura interna di p-Cube può essere immaginata come un foglio excel, composta quindi da:
- Colonne, su cui vengono rappresentate dimensioni e misure
- Righe, su cui troviamo le reporting line
Su tale struttura viene configurato lo specifico modello, vale a dire l’oggetto dell’analisi e l’insieme delle componenti ed Il processo, cioè il metodo con il quale viene popolato il modello sulla base di regole e sequenze definite.
Nell’esempio:
- Il modello è l’analisi del margine
- Le reporting line sono le entità che collaborano alla definizione del margine
- Le dimensioni e le misure sono le entità oggetto dell’analisi
- Il processo è la metodologia con cui costruisco il mio margine
Processi
Ad ogni modello vengono associati uno o più processi composti da una sequenza di step scomposti in singoli task.
Ad ogni task è associato
- una tipologia che definisce il comportamento
- un’azione che può essere invocata dall’utente
- uno stato iniziale e uno stato finale
- i constraint rispetto alle dimensioni e alle misure
Scenari
Per ciascun processo è possibile definire diversi scenari (es: Budget, Forecast, Actual).
Lo scenario definisce il contesto della raccolta dei dati.
Consente di fare simulazioni what-if e analisi di scostamento.
La gestione degli scenari è parametrica e demandata agli utenti amministratori del modello.
Periodi
Per ciascun Processo/Scenario è possibile aprire i periodi di reporting, che possono avere cadenza temporale diversa nel contesto del processo
- Annuale
- Mensile
- Settimanale
Struttura Organizzativa
Definisce il contesto degli attori che interagiscono con un processo, le regole di visibilità e responsabilità del dato, le abilitazioni funzionali degli attori che interagiscono con un processo.
A processi diversi possono essere associate strutture diverse
Le componenti applicative
- Organization structure management, permette di gestire le strutture organizzative in termini di gerarchia, ruoli, utenti e abilitazione
- Process Timeline, planning dei processi aziendali
- Process Control, permette il monitor dello stato del processo consentendo di selezionare il contesto di lavoro
- Process smart view, che permette l’esecuzione in modo controllato da parte dell’utente dei passi del processo di raccolta dati e reporting
- Allocation Engine ,che consente di spalmare automaticamente determinate misure in base a regole definite dall’utente e/o guidate dalle policy aziendali. Comprende sia la parte di definizione e manutenzione delle regole di allocazione che il motore che le applica quando viene invocato da uno specifico task.
- Calculator, è la componente che si occupa di generare reporting line come somma o sottrazione di altre reporting line. Anche questa componente si divide in una parte di definizione e manutenzione delle regole e di un motore che le esegue quando invocate.
- GUI generator, è il generatore automatico di interfaccia utente che consente di inserire dati manualmente sulla base del processo e del modello. La generazione avviene dinamicamente sulla base delle definizioni date nella fase di modellazione senza richiedere alcuna modifica al programma.
- Connector, che consente l’integrazione con i sistemi del cliente. Possono essere Web Services, connettori verso DB (SQL, Oracle) verso file (excel, csv, xml) verso task esterni (eseguibile batch ecc.)
Screenshots
![]() |
![]() |
![]() |
Process Control | Smartview allocation config | Timeline |
Analisi Predittiva
Pcube offre la possibilità di migliorare i processi decisionali aziendali attraverso l'integrazione tra BI e modelli predittivi, con l'obiettivo di consentire all'utente la possibilità di predire i risultati economici futuri. La soluzione viene offerta in collaborazione con un Partner specializzato.
Vengono analizzate serie storiche e costruiti modelli predittivi con variabile endogene ed esogene. Vengono stimati effetti casuali dinamici e funzioni impulso-risposta. I modelli sono varianti di modelli predittivi ampiamente utilizzati nella letteratura accademica, ovvero regressioni multiple, probit e logit, modelli autoregressivi a media mobile (ARMA, ARIMA), autoregressioni vettoriali (VAR, VEC), autoregressioni a ritardi distribuiti, SMOreg: Sequential Minimal Optimization Regression, modelli di eteroschedasticità condizionata autoregressiva (ARCH,GARCH, EGARCH, AGARCH).
Tramite una preliminare fase di analisi vengono studiati i processi aziendali, individuate insieme al cliente le variabili dipendenti ed indipendenti significative, definite le variabili esogene di natura macroeconomica e finanziaria rilevanti.
Con una successiva fase prototipale basata su serie storiche fornite dal cliente, viene verificato il fitting con i dati reali ed affinato il margine di errore.