Progettazione e sviluppo di un sistema data-driven di supporto alle decisioni per il pricing nel settore della distribuzione dei carburanti: il caso SCAT

The increasing availability of data and the need to respond rapidly to market changes are transforming decision-making processes in the fuel distribution sector. This thesis presents the design and development of PriceTutor, a data-driven decision support system implemented within a real-world business case at SCAT Punti Vendita. The work begins with an analysis of the existing pricing process, which was mainly based on spreadsheets, heterogeneous information sources and manual activities. This configuration presented several limitations related to data fragmentation and synchronization, formula fragility, document versioning, decision traceability and dependence on the individual knowledge of operators. Based on the identified requirements, an application architecture was designed to centralize, process and visualize the information relevant to pricing decisions. The proposed solution includes a data acquisition and transformation pipeline, an infrastructure based on ClickHouse, backend and frontend components, and a dashboard through which users can examine indicators, analyse the performance of service stations and evaluate price recommendations. The methodology combines the analysis of historical data with machine learning techniques, including LightGBM models, and the study of price elasticity of demand. Its purpose is to provide information and recommendations consistent with the operational context while keeping the human decision-maker at the centre of the process. The system is therefore not intended to replace business expertise, but to complement it through structured, repeatable and more traceable analyses. The case study highlights how the transition from a process based on fragmented tools to a centralized platform can improve information accessibility, decision-making quality and the monitoring of pricing choices over time. The project also provides a foundation for future validation activities, model refinement and the extension of the system’s functionalities.

La crescente disponibilità di dati e la necessità di rispondere rapidamente alle variazioni del mercato stanno trasformando i processi decisionali nel settore della distribuzione dei carburanti. La presente tesi descrive la progettazione e lo sviluppo di PriceTutor, un sistema data-driven di supporto alle decisioni realizzato nell’ambito di un caso aziendale presso SCAT Punti Vendita. Il lavoro prende avvio dall’analisi del processo di pricing preesistente, basato prevalentemente sull’utilizzo di fogli di calcolo, fonti informative eterogenee e attività manuali. Tale configurazione presentava criticità relative alla frammentazione e alla sincronizzazione dei dati, alla fragilità delle formule, al versionamento dei documenti, alla tracciabilità delle decisioni e alla dipendenza dalla conoscenza individuale degli operatori. A partire dai requisiti individuati è stata progettata un’architettura applicativa finalizzata alla centralizzazione, all’elaborazione e alla visualizzazione delle informazioni rilevanti per il pricing. La soluzione comprende una pipeline per l’acquisizione e la trasformazione dei dati, un’infrastruttura basata su ClickHouse, componenti backend e frontend e una dashboard attraverso la quale l’utente può consultare indicatori, analizzare l’andamento dei punti vendita e valutare le proposte di prezzo. La metodologia integra l’analisi dei dati storici con tecniche di machine learning, tra cui modelli LightGBM, e con lo studio dell’elasticità della domanda rispetto al prezzo. L’obiettivo è produrre informazioni e suggerimenti coerenti con il contesto operativo, mantenendo il decisore umano al centro del processo. Il sistema non sostituisce quindi l’esperienza aziendale, ma la integra con analisi strutturate, ripetibili e maggiormente tracciabili. Il caso di studio evidenzia come la trasformazione di un processo basato su strumenti frammentati in una piattaforma centralizzata possa migliorare l’accessibilità delle informazioni, la qualità del processo decisionale e la possibilità di monitorare nel tempo le scelte di pricing. Il progetto costituisce inoltre una base evolutiva per successive attività di validazione, affinamento dei modelli e ampliamento delle funzionalità.