Blog Post 28 ottobre 2026 | 3 minuti di lettura

Costruire il futuro dell'edilizia con l'IA e l'MDM

Scopri come Ferguson ha ottimizzato il processo di inserimento dei prodotti utilizzando l'intelligenza artificiale e l'MDM per migliorare l'accuratezza dei dati e potenziare le esperienze future dei clienti.

Scopri come aiutiamo le aziende di costruzione come la tua

Parla con un esperto

Seleziona uno strumento di IA per esplorare questo articolo

Costruire il futuro dell'edilizia con l'IA e l'MDM

Master Data Management Blog by Stibo Systems logo
| 3 minuti di lettura
ottobre 28 2026
Costruire il futuro dell'edilizia con l'IA e l'MDM
6:51

Quella che segue è una sintesi di un’interessante chiacchierata informale con Brandon Lassiter, vicepresidente del reparto Enterprise Data and Analytics di Ferguson, tenutasi in occasione dello Stibo Systems Connect 2024.

Ferguson è uno dei maggiori distributori all’ingrosso del Nord America di articoli idraulici, tubi, valvole e raccordi. L’azienda è inoltre un importante distributore di impianti di riscaldamento, ventilazione e condizionamento (HVAC), di impianti idrici (idranti e contatori), di articoli per cucina e bagno, di illuminazione, di dispositivi di sicurezza, di elettrodomestici e di utensili.

Si rifornisce da 35.000 fornitori, gestendo un catalogo di oltre 6 milioni di articoli (in continua crescita).

Non sorprende che un processo di inserimento efficiente sia fondamentale.

La situazione precedente era inefficiente, con tempi di inserimento troppo lunghi, inaccettabili in un settore in rapida evoluzione. Pertanto, l’azienda ha deciso di affrontare questa sfida significativa.

"Vendiamo di tutto, da un anello di cera da 50 centesimi che va posizionato sotto un WC fino a una valvola nucleare da mezzo milione di dollari...", ha affermato Brandon Lassiter, Vicepresidente, Enterprise Data and Analytics presso Ferguson. “È davvero difficile riuscire a costruire un unico modello di dati in grado di soddisfare tutte queste diverse esigenze.”

Un approccio su più fronti per facilitare l’inserimento dei prodotti

Ferguson non si è affidata esclusivamente alla tecnologia per superare la sfida dell’onboarding dei prodotti. L’azienda ha adottato un approccio olistico, riconoscendo l’importanza delle persone e dei processi al pari degli strumenti all’avanguardia.

Talento e ottimizzazione dei processi

In primo luogo, Ferguson si è concentrata sul proprio team. L’azienda ha dato priorità al potenziamento delle competenze del proprio team di onboarding dei prodotti, composto da 150 persone, individuando le aree in cui i singoli potevano migliorare le proprie competenze e lavorare in modo più efficiente.

L’azienda ha inoltre esaminato attentamente il proprio processo di onboarding esistente, utilizzando la mappatura dei flussi per individuare ed eliminare eventuali passaggi superflui che rallentavano il processo.

Stibo Systems come base

Con un team qualificato e processi ottimizzati, l’attenzione si è spostata sulla tecnologia. Ferguson ha valutato attentamente la propria piattaforma Stibo Systems esistente, confermando che fosse la soluzione ideale per la gestione centralizzata dei dati di prodotto.

L’azienda ha inoltre dovuto assicurarsi che la piattaforma fosse configurata per garantire la massima efficienza, in modo da poter supportare i propri ambiziosi obiettivi.

L’intelligenza artificiale per l’automazione

Ferguson ha riconosciuto la necessità di eliminare i colli di bottiglia manuali e di accelerare il proprio processo di inserimento. La categorizzazione dei prodotti, un’attività fondamentale ma dispendiosa in termini di tempo, era un candidato perfetto per l’automazione.

In precedenza, ogni singolo prodotto veniva assegnato manualmente a una categoria, un processo non solo noioso ma anche soggetto a errori, soprattutto data la vastità e la diversità del catalogo aziendale.

«Più velocemente riusciamo a rendere un prodotto vendibile, maggiori sono le probabilità di venderlo», ha affermato Lassiter.

Una verifica a sorpresa ha rivelato che, nonostante l’intervento umano, l’accuratezza della categorizzazione era inferiore alle aspettative.

Per risolvere questo problema, il team ha utilizzato i dati di prodotto esistenti per addestrare un algoritmo di apprendimento automatico. I risultati sono stati impressionanti: l’IA ha raggiunto un’accuratezza del 92%, migliorando significativamente sia la velocità che l’accuratezza della categorizzazione dei prodotti.

Profilazione e abbinamento dei dati

L’IA ha svolto un ruolo chiave anche al di là della categorizzazione. Prima di entrare nel processo di onboarding, tutti i dati relativi ai prodotti in arrivo vengono sottoposti a profilazione, una fase di pre-elaborazione che analizza e standardizza i dati per assicurarne la coerenza e la compatibilità.

Un altro passaggio fondamentale è l’abbinamento dei prodotti, in cui l’IA aiuta a identificare potenziali duplicati all’interno del catalogo esistente. Ciò impedisce la presenza di voci ridondanti e garantisce l’integrità dei dati, una funzione cruciale per un’azienda con un catalogo in costante crescita proveniente da numerosi fornitori.

Punti chiave:

  • Coinvolgi la dirigenza mostrando risultati immediati e comunicando il valore delle tue iniziative in termini chiari e non tecnici.
  • La tecnologia è solo un tassello del puzzle. Ottimizzate il vostro team e i vostri processi per raggiungere la massima efficienza.
  • L’apprendimento automatico può superare i processi manuali, garantendo una maggiore qualità dei dati e un’integrazione più rapida.
  • È necessaria una solida piattaforma MDM, come la piattaforma Stibo Systems, per gestire dati di prodotto complessi e rendere possibili le iniziative di IA.

Guardare oltre l’onboarding verso esperienze immersive

Ferguson non si limita a un onboarding più rapido. L’azienda guarda avanti, immaginando un futuro in cui i suoi ricchi dati di prodotto supportino esperienze cliente coinvolgenti. Sta esplorando la realtà aumentata, la modellazione 3D e la modellazione delle informazioni di costruzione (BIM) – strumenti in grado di offrire ai clienti visualizzazioni dei prodotti interattive e informative.

Lassiter ha spiegato: «Immaginate di entrare in uno dei nostri showroom. Ci dite cosa vi piace – i colori, i motivi, lo stile – e noi possiamo costruire un’intera cucina proprio lì davanti a voi, attraverso un’esperienza digitale».

Questa visione va ben oltre lo showroom.

Nel settore edile, dove la produttività è fondamentale, Ferguson vede un grande potenziale nei dati per potenziare i propri clienti. Immaginate una squadra di operai edili che utilizza occhiali per la realtà aumentata per visualizzare tutti i dettagli dell’impianto antincendio di un edificio, il tutto grazie a dati accurati e accessibili, forniti da Ferguson.

Questa attenzione all’esperienza del cliente rappresenta un enorme cambiamento: non si tratta più semplicemente di risolvere un problema, ma di creare attivamente nuove opportunità. Rendendo più fluido il processo di onboarding – e investendo nell’intelligenza artificiale – l’azienda libera risorse da dedicare a queste grandi iniziative innovative.

Master Data Management Blog by Stibo Systems logo

Jamie Watters è un Senior Account Manager presso Stibo Systems, impegnata ad aiutare i clienti a avere successo guidandoli nei loro percorsi di Master Data Management (MDM).

Connetti su:

Discover blogs by topic

  • See more
  • Assicurazione
  • Beni di largo consume
  • Business Partner Data Cloud
  • Conformità dei dati
  • Conformità e gestione dei rischi
  • Contenuti avanzati
  • Customer Experience Data Cloud
  • Dati dei fornitori
  • Dati di clienti e terze parti
  • Dati di prodotto e PIM
  • Dati multidominio
  • Digital Shelf Analytics
  • Efficienza operativa
  • Esperienza e fidelizzazione del cliente
  • Esperienza utente
  • Governance dei dati
  • IA
  • Integrazione dei dati
  • Integrazione del prodotto
  • Location Data Cloud
  • Piattaforma
  • Product Experience Data Cloud
  • Produzione
  • Qualità dei dati
  • Retail
  • Servizi finanziari
  • Sostenibilità
  • Strategia MDM
  • Successo dell'ERP
  • Supplier Data Cloud
  • Traduzione e localizzazione
ottobre 28, 2026

Costruire il futuro dell'edilizia con l'IA e l'MDM

ottobre 26, 2026

Generazione Z: alla ricerca di emozioni al di là di Amazon

ottobre 26, 2026

I consumatori stanno utilizzando strumenti basati sull'IA per fare acquisti in modo più intelligente: Perché la fiducia nei dati del retail è più importante che mai

ottobre 22, 2026

Come preparare i contenuti dei prodotti per la ricerca basata sull'intelligenza artificiale e il commercio agentico

ottobre 21, 2026

I tuoi dati sono la causa di risultati errati generati dall'IA?

ottobre 20, 2026

In che modo gli agenti basati sull'intelligenza artificiale possono accelerare l'onboarding dei prodotti

ottobre 20, 2026

Pionieri, cowboy e coloni: le nostre giornate al Connect di Austin

ottobre 15, 2026

La direzione che sta prendendo il mercato del PIM: informazioni affidabili sui prodotti per i contenuti, l’intelligenza artificiale e altro ancora

ottobre 13, 2026

Guida completa alle funzionalità PIM: le funzionalità necessarie per strategie di gestione dei dati di successo

ottobre 11, 2026

Fidatevi della macchina: garantire l’affidabilità dell’automazione basata sull’intelligenza artificiale nella gestione dei dati anagrafici

ottobre 9, 2026

Strategie di attribuzione dei prodotti che trasformano gli utenti che effettuano ricerche in acquirenti

settembre 24, 2026

Perché i rapporti con i partner commerciali complicano la gestione dei dati anagrafici

settembre 18, 2026

Trasforma la tua migrazione a SAP S/4HANA in una base di dati pronta per l'intelligenza artificiale

settembre 18, 2026

Perché lo standard di dati su cui si basano i tuoi report deluderà i tuoi agenti basati sull'intelligenza artificiale

settembre 9, 2026

Trasformare le piattaforme di dati in valore aziendale grazie alla gestione dei dati di riferimento

settembre 9, 2026

5 errori nei dati di base che trasformano modelli di IA affidabili in agenti inaffidabili

settembre 8, 2026

4 motivi per cui banche e compagnie assicurative non possono espandere l’uso dell’IA senza un modello “Customer 360” affidabile

settembre 7, 2026

Se disponiamo già di Snowflake e Databricks, perché abbiamo ancora bisogno della gestione dei dati di riferimento?

settembre 7, 2026

Perché la frammentazione dei dati dei clienti rappresenta oggi un grave rischio di non conformità per le società di servizi finanziari

agosto 18, 2026

Gli acquirenti sono più informati che mai — ma stanno prendendo decisioni migliori?

agosto 17, 2026

Perché l’intelligenza artificiale aziendale si blocca quando si tratta di scalabilità — e perché i dati rappresentano l’ostacolo che i leader devono superare

agosto 4, 2026

Come implementare una governance dei dati che regga nei flussi di lavoro di IA da agente a agente

agosto 3, 2026

Perché la gestione dei dati di riferimento è fondamentale per garantire l'affidabilità degli agenti di intelligenza artificiale

luglio 31, 2026

I tuoi dati sono pronti per gli agenti di intelligenza artificiale? 5 test per scoprirlo

luglio 31, 2026

Le nuove regole della concorrenza nel commercio agenziale

luglio 30, 2026

Perché la maggior parte delle iniziative nel campo dell'intelligenza artificiale fallisce prima ancora che il modello venga eseguito

luglio 29, 2026

Perché la fiducia è il vero collo di bottiglia nel commercio agentico

luglio 28, 2026

I 5 standard di dati che determinano il successo o il fallimento dei tuoi agenti di intelligenza artificiale

luglio 14, 2026

Come valutare i fornitori di MDM in un mercato pieno di acquisizioni

luglio 13, 2026

Perché l'IA agentica richiede un gemello digitale dell'azienda

luglio 1, 2026

Che cos'è il Master Data Management? Una guida completa

giugno 22, 2026

I sistemi di intelligenza artificiale vogliono dati puliti – ma hanno BISOGNO di intelligenza governata

giugno 19, 2026

Bosch e Stibo Systems collaborano per la trasformazione dei dati aziendali

giugno 15, 2026

Progettare la Fiducia nei Sistemi Aziendali Agenti

maggio 25, 2026

4 Tasse di Onboarding dei Fornitori che Prosciugano il Margine Ogni Giorno – e Come l'AI Agentica le Risolve

maggio 20, 2026

I 7 Tipi di Dati sui Clienti di Cui i Tuoi Agenti AI Non Possono Mai Fare a Meno

maggio 6, 2026

7 segnali che il tuo brand sta perdendo terreno nell'Agentic Commerce

maggio 4, 2026

Con i dati master semantici, la tua IA smette di tirare a indovinare e inizia a capire davvero ciò che desideri

aprile 29, 2026

IA e dati master: il motore del business

aprile 21, 2026

5 problemi relativi ai dati dei prodotti che rendono il tuo marchio invisibile nella ricerca basata sull'intelligenza artificiale

aprile 15, 2026

5 tendenze chiave nella gestione dell'esperienza del prodotto

aprile 15, 2026

Come i responsabili operativi stanno modernizzando i dati di produzione senza interrompere la produzione

marzo 11, 2026

Protocollo di contesto modello (MCP): il livello mancante per i sistemi di IA che interagiscono con i dati aziendali

febbraio 9, 2026

Risolvere la frammentazione dei dati nel settore retail: la chiave per un percorso cliente coerente

febbraio 5, 2026

5 costi nascosti dei dati clienti errati nel settore retail (e come evitarli)

Iniziamo

Pronto a vedere come l'intelligenza affidabile trasforma i dati in decisioni sicure? Parliamo.

2