Torna alla Ricerca di mercato
Vekia è un’applicazione cloud per previsione della domanda, gestione delle scorte e riapprovvigionamento. Calcola proposte d’ordine, identifica rischi di carenza, monitora flussi logistici e collega queste funzioni ai sistemi transazionali esistenti dei clienti. Le applicazioni comprendono riapprovvigionamento al dettaglio e fornitura di ricambi. (1, 7, 8)
Punteggio complessivo di supply chain: 5,0/10.
| Dimensione | Punteggio |
|---|---|
| Profondità nella supply chain | 5,6/10 |
| Sostanza delle decisioni e dell’ottimizzazione | 5,8/10 |
| Integrità del prodotto e dell’architettura | 4,2/10 |
| Trasparenza tecnica | 5,0/10 |
| Serietà del fornitore | 4,4/10 |
Vekia affronta decisioni concrete d’ordine e riconosce esplicitamente l’incertezza sia della domanda sia dei tempi di consegna. I casi clienti riportano notevole automazione. La questione tecnica irrisolta è quanto ampiamente tali incertezze entrino nel calcolo economico tra prodotti e ubicazioni. La ricerca pubblica mostra formulazioni più restrittive dell’attuale promessa di massima ottimizzazione per qualsiasi supply chain o volume di dati. (2, 8, 5)
Anche la continuità aziendale è una preoccupazione immediata. Il 28 settembre 2026, il tribunale commerciale di Lille Métropole ha risolto il piano di salvaguardia di Vekia e aperto una procedura di riorganizzazione giudiziale, o redressement judiciaire. Il periodo di osservazione termina il 28 marzo 2027. Per un servizio che calcola decisioni ricorrenti di riapprovvigionamento, la continuità di hosting, supporto e manutenzione dei modelli deve entrare nella scelta d’acquisto insieme alle prestazioni numeriche. (20)
Vekia rispetto a Lokad
Entrambi i fornitori mirano a sostituire calcoli ripetitivi di riapprovvigionamento con software. Vekia offre un’applicazione confezionata: previsioni, impostazioni delle scorte, proposte prioritarie e schermate di revisione. L’offerta Engine presenta inoltre previsione e automazione degli ordini come integrazione all’ERP esistente. (1, 17)
L’ottimizzazione delle scorte di Lokad si concentra su un modello numerico mantenuto delle decisioni del cliente. Incertezza di domanda e fornitura, conseguenze economiche e restrizioni operative entrano nel modello; i Supply Chain Scientists sviluppano e mantengono il calcolo. Il risultato previsto è un insieme di azioni ordinate economicamente, con lavoro umano concentrato sul miglioramento del processo decisionale. È la prospettiva progettuale più ampia sviluppata in Introduction to Supply Chain.
La differenza pratica riguarda ciò che accade quando una raccomandazione è errata. Un sistema standard può invitare a una modifica manuale, a cambiare una soglia o un’impostazione del fornitore. Un modello mantenuto dovrebbe trasformare l’errore in un calcolo rivisto e verificarne nuovamente gli effetti sull’operazione. Vekia espone configurazione e spiegazioni, ma pochi dettagli pubblici su questo secondo ciclo. Il valore dipende quindi in parte da quanta correzione ricorrente rimanga al team del cliente. (3, 15)
Storia tecnologica e realizzazioni successive
La storia di Vekia copre oltre un decennio di previsione e riapprovvigionamento. L’azienda data l’attività al 2008, il passaggio dalla consulenza al software al 2010 e la transizione SaaS al 2018. Il primo posizionamento IA riguardava previsione numerica e ordini, molto prima dell’attuale generazione di agenti basati su modelli linguistici. (11)
| Periodo | Prove pubbliche | Significato |
|---|---|---|
| 2014 | La presentazione di Manuel Davy all’Università di Lille descrive decisioni quotidiane sulle scorte, vendite sporadiche per prodotto e negozio, capacità logistiche e una finestra di calcolo di poche ore. | Il problema originale era operativamente specifico. (12) |
| 2016 | Asys acquisisce VekiaPlan e il team di pianificazione del personale. | Si trattava del prodotto di pianificazione degli organici, non dell’acquisizione dell’attività di riapprovvigionamento. (13) |
| 2019–2021 | I casi pubblicati Okaidi ed Engie descrivono carichi di riapprovvigionamento e risultati riportati. | Dimostrano implementazioni applicate dietro la narrativa del machine learning. (9, 8) |
| 2021 | Engine viene lanciato con previsione probabilistica, integrazione ERP e un miglioramento dichiarato del 25% sulla generazione precedente. | Il miglioramento non ha metrica o protocollo di prova pubblicato. (11) |
| 2024 | Una tesi sostenuta da Vekia studia riapprovvigionamento multilivello. | Espone algoritmi, ipotesi restrittive e industrializzazione irrisolta. (5) |
| 2025–2026 | Le pagine attuali enfatizzano IA probabilistica e APS scalabile; l’offerta di lavoro applicativa nomina tre piattaforme dati. | La promessa ampliata richiede un resoconto corrispondente del perimetro numerico e del costo infrastrutturale. (2, 6) |
L’articolo sul machine learning del 2021 illustra la distanza tra un’idea utile e una spiegazione eccessiva. Si allontana giustamente dal prevedere un solo futuro certo, ma poi descrive la selezione dello scenario più probabile e di quello adatto agli obiettivi aziendali. Resta senza risposta la questione decisiva: le azioni sono valutate tra esiti possibili, compresi costosi fallimenti poco probabili, oppure scelte rispetto a un futuro preferito? Lo stesso articolo riporta un esperimento promozionale anonimo con ricavi superiori del 26% e stock residuo inferiore del 42%, senza protocollo comparativo. (10)
Lo sforzo ingegneristico storico di Vekia è abbastanza sostanziale da essere valutato direttamente. Le carenze risiedono nella distanza tra metodi numerici identificabili e ampie rassicurazioni sul prodotto, e nella scarsa contabilità del lavoro e dei costi dietro i benefici riportati.
Decisioni numeriche e limiti del modello
L’applicazione attuale considera costi di stoccaggio, trasporto e ordine, con controlli su quantità minime, soglie di stock, ritardi di riapprovvigionamento e frequenza degli ordini. Mostra le ragioni delle proposte e permette modifiche manuali. Sono input operativi significativi. La loro presenza non dimostra che la decisione combinata massimizzi il profitto con domanda e fornitura incerte. (3)
Che cosa rivela la ricerca pubblicata
La tesi del 2024 descrive ottimizzazione implementata per singolo articolo e ubicazione, con domanda campionata e costi convessi a tratti, più un MILP che combina ordini precalcolati tra articoli e periodi. Le ubicazioni restano separate. Il modello multilivello proposto usa invece domanda media e fornitori illimitati, perfettamente affidabili. In prove tratte da un problema industriale di 905 articoli, due sottoinsiemi di 40 articoli raggiungono il limite di due ore di CPLEX. L’autore sviluppa ricerca locale adattativa; le simulazioni migliorano l’equilibrio scorte-carenze aumentando i costi totali, inclusi gli acquisti. Industrializzazione in produzione e input probabilistici di domanda e fornitura restano lavoro futuro alla data della tesi. (5, pp. 20–22, 27–30, 40–41, 96–98)
È un problema di formulazione quanto di solver. Una ricerca più rapida non recupera l’incertezza eliminata dagli input. Separare le ubicazioni fa inoltre competere le raccomandazioni locali per scorte condivise dopo il loro calcolo. Una nuova etichetta del solver lascerebbe intatti entrambi i difetti economici.
Affermazioni probabilistiche attuali
Vekia pubblicizza ora esplicitamente previsioni probabilistiche di domanda, tempi di consegna e scorte. Riconoscere l’incertezza dei fornitori è un punto di forza sostanziale. La documentazione pubblica non fornisce ancora calibrazione congiunta, modello di dipendenze o un calcolo svolto che colleghi le distribuzioni a scelte d’ordine concorrenti. (2)
La dipendenza conta: una promozione può aumentare la domanda e congestionare il riapprovvigionamento, mentre un ritardo del fornitore può colpire molti prodotti insieme. Un insieme di previsioni individualmente plausibili può quindi sottostimare una carenza combinata costosa. Il test pertinente è se le decisioni rimangano economicamente sensate attraverso tali esiti, compresi casi in cui perseguire i normali obiettivi di servizio diventa troppo caro.
La pagina sulla domanda descrive previsioni e scorte di sicurezza continuamente adeguate, con contesti di prodotto e operativi configurabili. Non pubblica una valutazione riproducibile della previsione per SKU con orizzonte, trattamento delle vendite perse e riferimento comparativo. La terminologia probabilistica informa, ma qualità delle distribuzioni e valore delle azioni restano questioni empiriche separate. (4)
Risultati clienti e responsabilità economica
Due casi identificati danno all’offerta un contesto operativo concreto:
| Cliente | Perimetro e risultati pubblicati | Che cosa resta non misurato |
|---|---|---|
| Engie Home Services | Una previsione di ricambi a 12 settimane informa il riapprovvigionamento con restrizioni dei fornitori, costi di trasporto e prezzi delle parti. Vekia riporta valore delle scorte inferiore del 10%, disponibilità superiore del 5% e 95% degli ordini automatizzato. | Periodo di misura, effetto sul margine, costo d’implementazione e lavoro continuo totale. (8) |
| Okaidi | Il caso descrive 15–20 milioni di posizioni di stock elaborate ogni notte, integrando ciclo di vita del prodotto, promozioni, meteo, condizioni di magazzino e parametri utente. I risultati riportati sono scorte inferiori del 2% e ricavi superiori del 2%. | Durata del calcolo, disegno comparativo, profitto netto e manutenzione. (9) |
Il carico Okaidi dimostra elaborazione su vasta scala. Contare posizioni di stock dice poco sull’accoppiamento delle decisioni: milioni di calcoli indipendenti e un calcolo coordinato di rete hanno esigenze computazionali molto diverse. Anche l’aumento dei ricavi richiede margini e costi di evasione prima di diventare ritorno economico.
Le pagine funzionali attuali pubblicizzano 99% degli ordini automatizzato e fino al 2% di EBIT aggiuntivo, senza identificare gruppo osservato, intervallo di misura o perimetro dei costi. La percentuale di automazione riguarda ordini, non accuratezza previsionale. L’affermazione EBIT non specifica se sia crescita relativa o punti percentuali dei ricavi. (15)
Queste lacune lasciano responsabilità asimmetriche. Il fornitore pubblica benefici interessanti mentre scelte dei parametri, dati, integrazioni ed esecuzione del cliente restano determinanti sostanziali. Nessun metodo pubblico di accettazione specifica un riferimento di ritorno netto, attribuisce peggioramenti o impegna Vekia a rivedere il calcolo quando i ritorni deludono. La responsabilità economica esige quest’obbligo continuo, non soltanto un traguardo d’implementazione riuscito. (7, 15)
Produttività operativa e manutenzione della configurazione
Vekia automatizza più della produzione di report. Ricalcolare proposte d’ordine e immetterle nel sistema esistente può eliminare lavoro amministrativo ricorrente. Il resoconto Engie descrive anche un team centrale che passa dal raccogliere ordini a decidere sulle proposte del software. È un miglioramento utile di produttività, senza misurare il lavoro restante per esaminarle. (8, 17)
La piattaforma stessa descrive automazione parziale e validazione o modifica con un clic. Il denominatore pertinente è quindi l’intero carico operativo: ordini ordinari, eccezioni, consegne accelerate, correzioni dati e manutenzione. Un’elevata quota di ordini generati automaticamente può convivere con una minoranza costosa di eccezioni. (1)
La configurazione aggiunge un secondo carico. Il modulo carenze consente soglie d’allerta per prodotto; la torre di controllo utilizza eventi e soglie impostati dai team del cliente. Ogni parametro richiede responsabile, motivo e regola di dismissione quando cambiano fornitori, prodotti o economia. Altrimenti l’automazione apparente accumula un sistema manuale di pianificazione nascosto nella configurazione. (15, 16)
Un calcolo utile del costo totale includerebbe abbonamento, integrazione, oneri legati all’hosting e ore ricorrenti di manutenzione dei parametri. Conterebbe anche il ritardo tra scoprire una cattiva raccomandazione e distribuire una correzione testata. L’offerta pubblica di Vekia non quantifica questa manutenzione né descrive modifiche versionate, riesecuzione storica e rollback della politica decisionale del cliente. (3, 7)
È la questione della produttività del miglioramento sviluppata in Holimization. Migliorare la formulazione deve costare abbastanza poco da ripeterlo. Un pianificatore che modifica un ordine ripara la transazione odierna; catturare e testare la ragione può migliorare migliaia di decisioni successive.
Componenti software e sicurezza
L’offerta full-stack di Vekia di novembre 2025 elenca esplicitamente lo stack applicativo. Un precedente reclutamento DevOps documenta i meccanismi di distribuzione. (6, 14)
| Livello | Componenti pubblicati | Data della prova |
|---|---|---|
| Interfaccia utente | TypeScript e Angular | Offerta applicativa di novembre 2025 |
| Backend | Java, Spring, Hibernate e Scala | Offerta applicativa di novembre 2025 |
| Sistemi dati | PostgreSQL, MongoDB e Snowflake | Offerta applicativa di novembre 2025 |
| Distribuzione applicativa | Microservizi e Azure SaaS | Offerta applicativa di novembre 2025 |
| Infrastruttura e strumenti di rilascio | Linux, Azure, Ansible, Bash, Terraform, Docker, Jenkins, Maven, Nexus e Kubernetes | Offerta DevOps di febbraio 2021; mantenimento attuale di ogni strumento non specificato |
Tre piattaforme dati differenti impongono vera manutenzione: evoluzione degli schemi, identità e accessi, backup, sincronizzazione e diagnosi degli incidenti. I ruoli individuali non sono spiegati pubblicamente. La preoccupazione è costo architetturale e coordinamento, soprattutto quando un calcolo d’ordine dipende da stato coerente tra servizi. Elencare infrastrutture di moda non risolve questo onere.
La pagina d’integrazione descrive collegamenti a ERP, magazzino, trasporti e sistemi affini, con tempi di configurazione dipendenti da complessità e numero di sistemi. Vekia e il team tecnico del cliente svolgono insieme l’integrazione. Non fornisce un contratto transazionale pubblico su prevenzione dei duplicati, riconciliazione degli ordini rifiutati o sistema responsabile di una raccomandazione modificata. Questi dettagli determinano se l’esecuzione senza supervisione resti affidabile quando una connessione fallisce. (7)
Le informazioni di sicurezza si limitano a hosting Azure europeo, cifratura, backup e generiche garanzie di protezione dati. Isolamento dei clienti, privilegi dei connettori, controlli delle modifiche in produzione e procedure di ripristino testate non sono specificati. Sono i meccanismi che limiterebbero i danni di un account o dipendenza compromessi. La reputazione del cloud provider non sostituisce il progetto dell’applicazione. (2)
Continuità aziendale
La sequenza ufficiale è chiara: apertura della salvaguardia il 4 settembre 2023; approvazione di un piano di otto anni il 4 settembre 2024; risoluzione del piano all’apertura della riorganizzazione il 28 settembre 2026. L’ultimo avviso fissa la cessazione dei pagamenti al 4 settembre 2026. Si tratta di riorganizzazione, non di una sentenza di liquidazione. (18, 19, 20)
La conseguenza commerciale è un rischio di dipendenza accresciuto. Un servizio di riapprovvigionamento necessita di più del continuo accesso a una schermata: pipeline aggiornate, supporto operativo, algoritmi mantenuti e configurazione recuperabile. Le promesse pubbliche d’integrazione non dimostrano che il cliente possa esportare e gestire autonomamente il processo configurato. I punti di forza tecnici convivono quindi con un rischio di continuità irrisolto. (7, 20)
Punteggio di supply chain
Profondità nella supply chain
| Criterio | Punteggio |
|---|---|
| Inquadramento economico | 6/10 |
| Esito concreto delle decisioni | 7/10 |
| Chiarezza concettuale sulla supply chain | 6/10 |
| Indipendenza da dottrine obsolete | 5/10 |
| Resistenza al teatro dei KPI | 4/10 |
Media: 5,6/10.
Inquadramento economico — 6/10. Costi d’ordine e logistici entrano direttamente nella proposta. Le spiegazioni pubbliche lasciano incompleta la riconciliazione con obiettivi di servizio e perdite incerte. (3)
Esito concreto delle decisioni — 7/10. L’output raggiunge quantità di riapprovvigionamento e flussi collegati all’ERP. Resta limitata la specificazione pubblica di controlli esecutivi e test di accettazione finanziaria. (3, 7)
Chiarezza concettuale sulla supply chain — 6/10. L’enfasi su futuri incerti è corretta. Scegliere uno scenario preferito perderebbe gran parte del vantaggio quando esiti improbabili hanno conseguenze economiche sproporzionate. (10)
Indipendenza da dottrine obsolete — 5/10. Il prodotto supera la previsione deterministica, ma livelli di sicurezza e allarmi configurabili restano prominenti. Giustificazione economica e manutenzione continua sono insufficientemente esposte. (4, 16)
Resistenza al teatro dei KPI — 4/10. I casi identificati sono più valutabili dei benefici anonimi, ma promessa EBIT e miglioramenti pubblicizzati mancano delle definizioni necessarie a calcolare ritorni netti. (8, 9, 15)
Sostanza delle decisioni e dell’ottimizzazione
| Criterio | Punteggio |
|---|---|
| Profondità della modellazione probabilistica | 5/10 |
| Sostanza distintiva di ottimizzazione o ML | 7/10 |
| Gestione dei vincoli reali | 6/10 |
| Automazione delle decisioni e produttività del lavoro | 6/10 |
| Resilienza alla complessità operativa reale | 5/10 |
Media: 5,8/10.
Profondità della modellazione probabilistica — 5/10. Incertezza della domanda e delle consegne sono esplicitamente riconosciute. Distribuzione congiunta, calibrazione e uso nella scelta di azioni corrette per il rischio rimangono insufficientemente documentati. (2, 4)
Sostanza distintiva di ottimizzazione o ML — 7/10. Gli algoritmi pubblicati mostrano sviluppo sostanziale e approcci falliti, con una chiara distanza tra ricerca e implementazione. (5)
Gestione dei vincoli reali — 6/10. Restrizioni pratiche d’ordine e condizioni dei fornitori sono trattate direttamente. Le interazioni tra ubicazioni, prodotti concorrenti e fornitura incerta richiedono documentazione più completa. (3, 8)
Automazione delle decisioni e produttività del lavoro — 6/10. Le prove clienti sostengono l’eliminazione di lavoro ripetitivo d’ordine. Il lavoro operativo restante, incluse eccezioni e modifiche di configurazione, non è misurato nel complesso. (8, 1)
Resilienza alla complessità operativa reale — 5/10. La tesi identifica difetti nell’ordine locale e sviluppa una formulazione più ampia con confronti simulati. Pochi dettagli pubblici spiegano l’adozione di tali correzioni nelle operazioni clienti e la manutenzione dei test di regressione. (5, 16)
Integrità del prodotto e dell’architettura
| Criterio | Punteggio |
|---|---|
| Coerenza architetturale | 5/10 |
| Chiarezza dei confini del sistema | 6/10 |
| Serietà nella sicurezza | 2/10 |
| Parsimonia software e costo di possesso | 3/10 |
| Compatibilità con operazioni programmatiche e assistite da agenti | 5/10 |
Media: 4,2/10.
Coerenza architetturale — 5/10. Un’applicazione focalizzata sul riapprovvigionamento ha un nucleo funzionale riconoscibile. Lo stack dati pubblicato introduce costi di coordinamento senza spiegare responsabilità o confini di coerenza dei sistemi separati. (1, 6)
Chiarezza dei confini del sistema — 6/10. Vekia si colloca accanto al software transazionale del cliente. L’autorità su modifiche agli ordini, tentativi ripetuti e fallimenti rimane meno chiara del diagramma d’integrazione. (7, 17)
Serietà nella sicurezza — 2/10. Hosting, cifratura e backup rivelano poco sui confini dei privilegi, sull’isolamento dei clienti o sul recupero sicuro dopo compromissione. (2)
Parsimonia software e costo di possesso — 3/10. Applicazione e infrastruttura divulgate richiedono notevole manutenzione specialistica. I materiali pubblici non spiegano come piattaforme dati sovrapposte giustifichino il costo né misurano la configurazione ricorrente del cliente. (6, 14, 16)
Compatibilità con operazioni programmatiche e assistite da agenti — 5/10. Integrazione ERP e calcolo automatico supportano operazioni programmatiche. Interfacce ispezionabili per testare, rivedere e distribuire in sicurezza la politica decisionale del cliente restano scarse. (7, 17)
Trasparenza tecnica
| Criterio | Punteggio |
|---|---|
| Documentazione tecnica pubblica | 7/10 |
| Ispezionabilità senza mediazione del fornitore | 5/10 |
| Portabilità e visibilità della dipendenza | 3/10 |
| Trasparenza del metodo d’implementazione | 5/10 |
| Densità delle prove delle affermazioni tecniche | 5/10 |
Media: 5,0/10.
Documentazione tecnica pubblica — 7/10. La tesi rende i metodi numerici storici insolitamente ispezionabili; la documentazione attuale del prodotto è molto meno precisa. (5)
Ispezionabilità senza mediazione del fornitore — 5/10. Funzioni e componenti pubblicati consentono una valutazione esterna significativa. Il calcolo decisionale attuale completo non è riproducibile da tali divulgazioni. (3, 6)
Portabilità e visibilità della dipendenza — 3/10. Collegare sistemi esistenti riduce sostituzioni, ma esportare dati non trasferisce modelli configurati, conoscenza operativa o processo d’esecuzione. La loro portabilità resta non specificata. (7)
Trasparenza del metodo d’implementazione — 5/10. Responsabilità d’integrazione e impostazioni operative sono visibili. Validazione dei dati, accettazione del modello, migrazione della configurazione e revisione continua ricevono molte meno spiegazioni. (7, 16)
Densità delle prove delle affermazioni tecniche — 5/10. Implementazioni identificate stabiliscono contesti reali. I risultati omettono sufficienti informazioni su basi, costi e lavoro da impedire un calcolo convincente del valore economico attribuibile. (8, 9)
Serietà del fornitore
| Criterio | Punteggio |
|---|---|
| Serietà tecnica della comunicazione pubblica | 4/10 |
| Integrità della roadmap tecnologica | 4/10 |
| Chiarezza concettuale | 6/10 |
| Responsabilità economica | 3/10 |
| Difendibilità in un mondo di software agentico | 5/10 |
Media: 4,4/10.
Serietà tecnica della comunicazione pubblica — 4/10. Concetti probabilistici concreti convivono con scala illimitata e ottimizzazione massima. Le definizioni di valutazione mancanti indeboliscono la comunicazione pubblica. (2, 11)
Integrità della roadmap tecnologica — 4/10. La lunga focalizzazione sul riapprovvigionamento e generazioni identificabili sostengono continuità di scopo. La riorganizzazione finanziaria crea ora un rischio sostanziale per sviluppo e manutenzione duraturi. (12, 11, 20)
Chiarezza concettuale — 6/10. Il prodotto affronta direttamente economia delle scorte e decisioni ripetitive. Rimane incompleta la spiegazione di come futuri probabili diventino azioni economicamente preferibili. (10, 17)
Responsabilità economica — 3/10. I benefici pubblicati non sono accompagnati da criteri pubblici di accettazione del ritorno netto o da un obbligo correttivo definito quando il processo delude. Le responsabilità continue di configurazione rendono l’omissione rilevante. (15, 16)
Difendibilità in un mondo di software agentico — 5/10. Competenza di riapprovvigionamento e carichi automatizzati di produzione conservano valore. Non è dimostrata una riduzione comparabile dello sforzo per diagnosticare fallimenti e migliorare continuamente il processo decisionale. (9, 1)
Fonti
[1] Piattaforma e flusso di riapprovvigionamento
Fonte. Senza data; pagina attuale. Consultata il 4 novembre 2026.
[2] Tecnologia probabilistica e hosting
Fonte. 2025-03-14 (aggiornata). Consultata il 4 novembre 2026.
[3] Proposte d’ordine e vincoli configurabili
Fonte. Senza data; pagina attuale. Consultata il 4 novembre 2026.
[4] Previsione della domanda e delle scorte
Fonte. Senza data; pagina attuale. Consultata il 4 novembre 2026.
[5] Approccio di ottimizzazione del controllo scorte multilivello per applicazioni industriali
Fonte. 2024-09-20. Consultata il 4 novembre 2026.
[6] Posizione full-stack: stack applicativo di produzione
Fonte. 2025-11-21. Consultata il 4 novembre 2026.
[7] Integrazione con sistemi transazionali
Fonte. Senza data; pagina attuale. Consultata il 4 novembre 2026.
[8] Caso di riapprovvigionamento Engie Home Services
Fonte. 2020-03-28 (aggiornata 2021-03-26). Consultata il 4 novembre 2026.
[9] Caso di riapprovvigionamento Okaidi
Fonte. 2019-01-15 (aggiornata 2020-04-03). Consultata il 4 novembre 2026.
[10] Machine learning e analisi predittiva
Fonte. 2021-05-05. Consultata il 4 novembre 2026.
[11] Storia aziendale e lancio Engine di aprile 2021
Fonte. 2024-10-10 (aggiornata). Consultata il 4 novembre 2026.
[12] Presentazione di Manuel Davy: internet del futuro
Fonte. 2014-07-03. Consultata il 4 novembre 2026.
[13] Acquisizione di VekiaPlan da parte di Asys
Fonte. 2016-01-25. Consultata il 4 novembre 2026.
[14] Responsabilità DevOps e infrastruttura
Fonte. 2021-02-08 (aggiornata 2021-04-21). Consultata il 4 novembre 2026.
[15] Gestione delle carenze e soglie d’allerta
Fonte. Senza data; pagina attuale. Consultata il 4 novembre 2026.
[16] Torre di controllo logistico e allarmi configurabili
Fonte. Senza data; pagina attuale. Consultata il 4 novembre 2026.
[17] Offerta confezionata Vekia Engine
Fonte. Pagina dell’epoca 2021. Consultata il 4 novembre 2026.
[18] BODACC: apertura della salvaguardia
Fonte. 2023-09-13. Consultata il 4 novembre 2026.
[19] BODACC: piano di salvaguardia di otto anni
Fonte. 2024-09-13. Consultata il 4 novembre 2026.
[20] BODACC: risoluzione del piano di salvaguardia e apertura della riorganizzazione
Fonte. 2026-10-07. Consultata il 4 novembre 2026.