00:00:07 Sfruttare i dati meteorologici per ottimizzare le decisioni di acquisto.
00:00:41 Prodotti sensibili al meteo e la loro correlazione con il meteo.
00:02:00 Contesto storico delle startup di dati meteorologici e il loro status di nicchia.
00:03:23 Fornitori di elettricità che sfruttano in modo efficiente i dati meteorologici per la previsione del consumo.
00:06:02 La complessità dei dati meteorologici rispetto ai dati della supply chain e le sfide tecniche.
00:08:00 Impatto del meteo sui mercati IPO e sulla domanda di prodotti.
00:10:00 Il beneficio limitato delle previsioni meteorologiche per le supply chain.
00:12:45 L’utilità dei dati meteorologici passati nel spiegare la domanda di prodotti.
00:14:00 Utilizzare il cambiamento climatico per migliorare le previsioni stagionali e le sue limitazioni.
00:15:49 Confrontare le fluttuazioni giornaliere della temperatura con l’impatto del cambiamento climatico a lungo termine.
00:17:01 L’importanza di utilizzare dati transazionali per le decisioni della supply chain.
00:18:04 Sfruttare i dati di traffico web per una migliore comprensione della supply chain.
00:18:36 Utilizzare l’intelligence competitiva nella presa di decisioni della supply chain.
00:19:27 Conclusione: dare priorità ad altre fonti di dati prima di esplorare i dati meteorologici.
Riassunto
Joannes Vermorel, fondatore di Lokad, discute con Kieran Chandler, il conduttore, del potenziale e dei limiti dei dati meteorologici nell’ottimizzazione della supply chain. Vermorel sottolinea che i dati meteorologici hanno un forte potere esplicativo, ma potrebbero non essere molto utili per affinare le previsioni. La natura multidimensionale del meteo rende difficile incorporarlo in modo efficace nelle previsioni. Vermorel sottolinea l’importanza di dare priorità ai dati transazionali e ai dati non transazionali, come il traffico web e l’intelligence competitiva, rispetto ai dati meteorologici e ai dati sociali. I dati meteorologici potrebbero essere più utili nell’analisi delle prestazioni di vendita passate. Nonostante le sfide, con l’evoluzione della tecnologia delle previsioni meteorologiche e della gestione della supply chain, potrebbero esserci maggiori opportunità per le aziende di sfruttare i dati meteorologici per decisioni strategiche.
Riassunto Esteso
In questo episodio, Kieran Chandler, il conduttore, intervista Joannes Vermorel, fondatore di Lokad, un’azienda software specializzata nell’ottimizzazione della supply chain. Discutono del ruolo dei dati meteorologici nell’ottimizzazione delle decisioni di acquisto e delle complicazioni che sorgono quando si combinano diverse previsioni.
L’idea di utilizzare i dati meteorologici per l’ottimizzazione della supply chain è semplice: molti prodotti sono altamente sensibili al meteo e la loro domanda è influenzata dalle condizioni meteorologiche. Esempi includono carne per barbecue e persino automobili, poiché le persone in climi diversi possono scegliere veicoli diversi. Molte pratiche della supply chain mirano a migliorare le previsioni incorporando dati meteorologici.
Dieci anni fa, c’era un fermento intorno ai dati meteorologici e alle startup che si concentravano sul perfezionamento delle previsioni. Tuttavia, nonostante l’interesse iniziale, l’utilizzo dei dati meteorologici per l’ottimizzazione della supply chain è rimasto un settore di nicchia. Lokad ha svolto diverse missioni per grandi aziende circa dieci anni fa, ma questi sforzi alla fine si sono affievoliti perché richiedevano troppo impegno per i benefici ottenuti.
Uno dei principali insegnamenti dell’esperienza di Lokad è che i dati meteorologici sono incredibilmente complicati. Si tratta di un problema multidimensionale con un alto grado di diversità geografica. Le condizioni meteorologiche possono variare significativamente anche solo a 20 chilometri di distanza a causa di fattori come l’altitudine. Inoltre, il meteo non è uniforme durante tutto il giorno, rendendo le previsioni più complesse.
Tuttavia, ci sono settori che hanno sfruttato con successo i dati meteorologici, come i fornitori di elettricità. Utilizzano questi dati per prevedere il consumo di elettricità, consentendo loro di fornire esattamente la quantità di energia necessaria per soddisfare le esigenze della rete in ogni minuto della giornata. Lo stoccaggio dell’elettricità è inefficiente e impraticabile, rendendo le previsioni precise essenziali per la gestione dell’offerta.
Mentre il concetto di utilizzare i dati meteorologici per l’ottimizzazione della supply chain sembra logico, si è dimostrato complesso e è rimasto un settore di nicchia. La natura altamente variabile e multidimensionale del meteo rende difficile incorporarlo efficacemente nelle previsioni. Tuttavia, alcuni settori, come i fornitori di elettricità, hanno trovato successo nell’utilizzo dei dati meteorologici per le loro esigenze specifiche.
Vermorel spiega che i dati meteorologici sono molto complessi a causa della loro specificità geografica e dei vari fattori che devono essere considerati, come pioggia, vento, umidità e luce solare. Questa complessità rende i dati meteorologici significativamente più grandi e più difficili da gestire rispetto ai dati tradizionali della supply chain.
Sebbene ottenere i dati meteorologici sia diventato più facile grazie ai fornitori cloud, elaborare e correlare questi dati con i modelli di vendita rimane una sfida. Vermorel sottolinea che il meteo può avere effetti altamente localizzati sulle vendite e le aziende devono navigare tra varie euristiche per tener conto di queste sfumature.
In risposta alla proposta di utilizzare trigger più semplici e reattivi basati sulla temperatura, Vermorel riconosce che la temperatura può essere un fattore importante, ma sottolinea che non è l’unico. Ad esempio, un weekend caldo, piovoso e ventoso potrebbe non comportare un aumento della domanda di prodotti per barbecue. Inoltre, Vermorel fa notare che i clienti monitorano le previsioni del tempo proprio come le aziende, il che può portare a cambiamenti nei modelli di acquisto in base alle aspettative meteorologiche.
Analizzando l’accuratezza delle previsioni meteorologiche a breve termine, Vermorel spiega che le previsioni oltre i dieci giorni di solito non sono molto utili per ottimizzare le decisioni della supply chain. Durante eventi specifici come le ondate di calore, la previsione è importante solo all’inizio e alla fine dell’evento, risultando in una finestra di utilità limitata.
Parlando del futuro delle supply chain e delle previsioni meteorologiche, Vermorel riconosce il potenziale di previsioni più accurate per avere un maggiore impatto. Tuttavia, sottolinea che l’uso più interessante dei dati meteorologici potrebbe essere proprio nell’analisi delle performance di vendita passate. Ad esempio, capire se una campagna di vendita di gelati di successo è stata dovuta a un marketing efficace o semplicemente a un’ondata di caldo a Parigi può fornire preziose informazioni alle aziende.
Incorporare i dati meteorologici nell’ottimizzazione della supply chain è un compito complesso e sfidante, con benefici potenziali nella comprensione delle performance di vendita passate e applicazioni limitate di previsione a breve termine. Con l’evoluzione della tecnologia delle previsioni meteorologiche e della gestione della supply chain, potrebbero esserci maggiori opportunità per le aziende di sfruttare i dati meteorologici per prendere decisioni strategiche.
Vermorel condivide le sue intuizioni sull’importanza dei dati meteorologici, l’impatto dei cambiamenti climatici e i tipi di dati su cui le aziende dovrebbero concentrarsi per un’ottimizzazione migliore della supply chain.
Vermorel spiega che sebbene i dati meteorologici abbiano una forte capacità esplicativa, potrebbero non essere così utili per perfezionare le previsioni. Molti professionisti della supply chain li trovano utili per comprendere il passato, ma non necessariamente per effettuare previsioni future.
Quando gli viene chiesto dell’impatto dei cambiamenti climatici sulle previsioni stagionali, Vermorel fa notare che, sebbene sia un problema globale significativo, il suo effetto sull’ottimizzazione della supply chain è minimo a causa della differenza nei tempi. Le previsioni dei cambiamenti climatici si estendono per secoli, mentre le decisioni della supply chain si concentrano su mesi o pochi anni. Di conseguenza, l’effetto dei cambiamenti climatici sull’ottimizzazione della supply chain è relativamente piccolo.
Vermorel sottolinea l’importanza dei dati transazionali per l’ottimizzazione della supply chain. Sottolinea che molte aziende non utilizzano in modo efficace questi dati, poiché spesso non quantificano il loro stock e i costi di stockout in termini finanziari. Sfruttando al massimo i dati transazionali, le aziende possono ottimizzare le loro decisioni sulla supply chain.
Inoltre, Vermorel suggerisce di concentrarsi sui dati non transazionali che sono facili da raccogliere e altamente rilevanti per la supply chain di un’azienda. Ad esempio, i dati sul traffico web possono fornire preziose informazioni sul comportamento dei clienti e sulle prestazioni del prodotto. L’intelligence competitiva, come i prezzi dei concorrenti, è un’altra fonte di dati preziosa, anche se può essere più difficile da raccogliere.
I dati meteorologici e i dati sociali possono essere utili, ma Vermorel consiglia alle aziende di dare priorità ai dati transazionali, ai dati sul traffico web e ai dati sull’intelligence competitiva. I dati meteorologici e i dati sociali dovrebbero essere presi in considerazione quando un’azienda ha già sfruttato al massimo altre fonti di dati e ha un team di data science ampio.
I dati meteorologici possono essere utili e interessanti per comprendere le prestazioni passate della supply chain, ma ci sono altre fonti di dati che sono più importanti per l’ottimizzazione. Le aziende dovrebbero dare priorità ai dati transazionali, ai dati sul traffico web e ai dati sull’intelligence competitiva prima di esplorare i dati meteorologici o i dati sociali per l’ottimizzazione della supply chain.
Trascrizione completa
Kieran Chandler: Oggi parleremo di dove possono sorgere alcune complicazioni quando si combinano diverse previsioni e capire se questi dati possono essere sfruttati per darci qualche preziosa intuizione.
Joannes Vermorel: L’idea è semplice: ci sono tonnellate di prodotti che sono altamente sensibili alle condizioni meteorologiche in termini di domanda. Puoi pensare, ad esempio, alla carne per barbecue che stai per comprare per il prossimo fine settimana se c’è il sole e hai intenzione di fare un barbecue. Ma più in generale, ci sono intere categorie di prodotti che sono altamente sensibili alle condizioni meteorologiche e, in qualche misura, praticamente tutto è sensibile alle condizioni meteorologiche. Voglio dire, persino la tua auto; se vivi in una regione molto fredda, potresti non scegliere la stessa auto che sceglieresti se vivessi in una regione molto calda o dove piove molto, ad esempio. Quindi è interessante avere questi dati e ovviamente, perché è un fattore ovvio, molti professionisti della supply chain pensano di migliorare la previsione cercando di includere questi dati meteorologici, in particolare guardando le previsioni del tempo.
Kieran Chandler: Sicuramente, più si sa, meglio si può prendere una decisione basata sul futuro. Quindi come funziona in pratica?
Joannes Vermorel: È interessante, soprattutto la parte su come funziona in pratica. Quando ho creato Lokad dieci anni fa, i dati meteorologici e le startup legate al meteo erano molto di moda. All’epoca, probabilmente in Francia, c’erano tre startup che si occupavano di perfezionare le previsioni con i dati meteorologici e probabilmente ce n’erano una ventina negli Stati Uniti. Quindi è interessante perché è successo dieci anni fa ed era una sorta di buzzword a sé stante, avere tutto ciò che era abilitato o alimentato dal meteo in termini di analisi. Ma ciò che è interessante è che, in pratica, è rimasto incredibilmente di nicchia. Anche a Lokad, abbiamo fatto diverse missioni per grandi aziende circa dieci anni fa, ma poi è calato. In poche parole, richiede troppo sforzo per ciò che vale.
Kieran Chandler: Quindi cosa abbiamo effettivamente imparato quando lo abbiamo messo in pratica tutti quegli anni fa?
Joannes Vermorel: Abbiamo imparato parecchio. Abbiamo avuto missioni con un grande fornitore europeo di energia elettrica, che credo sia esattamente il tipo di azienda che oggi sfrutta in modo molto efficiente i dati meteorologici. I fornitori di energia elettrica utilizzano i dati meteorologici per prevedere il consumo di energia in modo da poter fornire esattamente ciò di cui la rete ha bisogno in ogni singolo minuto della giornata. A proposito, non puoi immagazzinare l’energia elettrica, o in realtà ci sono modi, ma è molto inefficiente, molto lento e impratico in pratica. Quindi hai bisogno di previsioni molto precise. Ma tornando ai dati meteorologici, le principali intuizioni sono state molte. Una è che il meteo è incredibilmente complicato. Le persone non si rendono conto che è un problema multidimensionale. Hai la griglia geografica e una cosa sul meteo è che è una cosa super locale. Mi ha sorpreso un po’ rendersi conto di quanto possa essere diversa la temperatura a soli 20 chilometri di distanza. Puoi letteralmente avere una differenza di 15 gradi a 20 chilometri di distanza perché un luogo è solo un chilometro più in alto in altitudine rispetto all’altro luogo. Quindi hai una grande diversità in termini di geografia, ma anche il meteo non è una cosa per il giorno. Quando guardi la TV, avrai come cinque episodi di pioggia, dieci minuti ciascuno, sparsi durante la giornata. Quindi è una cosa molto precisa che cambia letteralmente minuto per minuto. Quindi ok, hai la geografia, poi hai il tempo con una granularità molto fine. Ovviamente fa molta differenza se piove di notte o di giorno, sai, queste cose. Ma poi il meteo stesso, non riguarda solo la temperatura e se piove o no. Ci sono come una mezza dozzina di metriche come il vento, l’umidità, la luce, la velocità e la direzione del vento e se soffierà continuamente o no. Quindi è una cosa molto multidimensionale e di conseguenza direi che è un piccolo mondo a sé stante. Voglio dire, stai già gestendo tutti i dati della tua supply chain, che è già molto complicata, e poi scopri che c’è questo set di dati meteorologici che è proprio accanto ai tuoi dati di supply chain ed è qualcosa che è letteralmente almeno dieci volte più complicato di tutti i tuoi dati di supply chain messi insieme.
Kieran Chandler: Sì, ci sono ovviamente queste complicazioni, ma sono complicazioni che vengono affrontate molto bene. Vengono raccolte molto bene, quindi che tipo di sfide tecniche introduce perché sono cose che iniziamo a conoscere adesso?
Joannes Vermorel: Sì, innanzitutto, ti ritrovi con un volume di dati meteorologici che è letteralmente 10-100 volte più grande dei tuoi dati di supply chain. Quindi, è solo che in termini di ingegneria del software, ti ritrovi con qualcosa che è stato progettato per gestire la supply chain e la sua scala, e poi ti rendi conto che se vuoi gestire i dati meteorologici, devi gestire letteralmente 100 volte più dati. C’è molta frizione in questo. Ovviamente, dieci anni fa, era un problema a sé stante solo accedere ai dati meteorologici. Questo problema oggi, con molti fornitori di cloud che ti vendono direttamente i dati sul cloud, è diventato molto più facile. Ma elaborare quei dati rimane molto complicato, soprattutto perché, ancora una volta, non si tratta di elaborare i dati meteorologici per fare simulazioni meteorologiche. Si tratta di elaborare i dati meteorologici per fare qualcosa che è ancora molto di nicchia, ovvero cercare di correlare questi dati con i modelli di vendita. E ancora una volta, ricorda che il meteo è super locale. Ad esempio, se hai un mercato che attira persone da un’ampia area, come 30 o addirittura 50 chilometri intorno, non hai un solo meteo da considerare. Potresti dover consolidare i dati su un’area geografica più ampia, ma dovrai scoprire tutte le euristiche necessarie da solo.
Kieran Chandler: Ma stiamo diventando molto complicati qui, guardando diverse altitudini e diverse granularità. Non potremmo introdurre qualcosa di più semplice, forse qualcosa di più reattivo, come ad esempio invece di un min/max, potresti avere un ordine di acquisto automatico non appena la temperatura raggiunge una certa quantità di gradi? Non è qualcosa di interessante?
Joannes Vermorel: Voglio dire, è interessante in effetti. Con la temperatura, hai la prima misurazione di interesse, assolutamente. E in effetti, puoi iniziare concentrandoti solo sulla temperatura e sulla temperatura media durante il giorno. Tuttavia, è molto lontano dal riflettere tutto ciò che devi sapere. Se torniamo all’esempio di avere un picco di domanda di carne perché le persone si aspettano di fare un barbecue se il prossimo fine settimana è molto caldo, ma anche molto piovoso e ventoso, potresti non avere un picco così buono per i tuoi prodotti per barbecue. Quindi, ancora una volta, sì, la temperatura è importante, le previsioni del tempo chiariscono che questo fine settimana o il fine settimana successivo, con alta probabilità, sarà un fine settimana molto bello. Allora tutti lo sanno, e quindi hai clienti che inizieranno a comprare i prodotti sensibili al clima. Se analizzi solo i dati con uno o due giorni di ritardo, hai anche informazioni sul tempo. Ricorda che le previsioni del tempo non sono molto accurate oltre circa dieci giorni da ora, quindi non puoi ottimizzare con le previsioni del tempo decisioni che vanno oltre i dieci giorni nel futuro. Dopo dieci giorni, torni praticamente alla media stagionale come se non sapessi niente. È comunque qualcosa di interessante, ma è anche molto a breve termine. Considera solo che quando, ad esempio, entri in una ondata di calore come a Parigi, l’ondata di calore può durare un paio di settimane. Il periodo di tempo in cui le previsioni contano effettivamente non sono le tre settimane dell’ondata di calore, ma piuttosto i tre giorni in cui stai entrando nell’ondata di calore e poi forse i due o tre giorni in cui stai uscendo dall’ondata di calore. Quindi, è un punto molto limitato nel tempo durante l’anno in cui hai anche un vantaggio, veramente.
Kieran Chandler: Ok, quindi la finestra è molto piccola e raccogliere tutti questi dati non ci dà davvero molti vantaggi. Se guardiamo avanti a alcune delle catene di approvvigionamento del futuro e immaginiamo che un giorno avremo previsioni del tempo future incredibilmente accurate e potremo avere un maggiore controllo delle nostre catene di approvvigionamento nel complesso, potresti immaginare quel giorno in cui una previsione del tempo sarebbe più utile per cercare di sfruttare i dati meteorologici per fare previsioni migliori?
Joannes Vermorel: È possibile. Ci sono aziende, come i fornitori di energia elettrica, che lo stanno facendo con grande efficienza. Per loro, i dati meteorologici sono un input molto prezioso e aiutano a migliorare la loro precisione in modo significativo. Ma la cosa interessante è che l’applicazione più utile dei dati meteorologici non riguarda guardare nel futuro; riguarda invece guardare nel passato. Ad esempio, se stai vendendo gelati e avvii una nuova campagna pubblicitaria per i tuoi prodotti e vende molto bene, vende bene perché la campagna è stata buona o semplicemente perché c’è stata un’ondata di calore a Parigi e praticamente tutti quelli che vendono gelati hanno avuto un buon periodo durante quella parte dell’estate? Guardare indietro ai dati meteorologici può essere molto utile per spiegare la domanda dei tuoi prodotti. Qui, non devi occuparti delle complessità della granularità. Puoi aggregare i dati su periodi di tempo più lunghi o su aree geografiche estese, e ti darà qualcosa che ha un forte potere esplicativo.
Kieran Chandler: Ecco perché le persone, compresi molti professionisti della supply chain, sono così entusiaste dell’idea di utilizzare i dati meteorologici per affinare la previsione. Anche se quella parte non funziona così bene, è perché i dati meteorologici sono molto utili per spiegare il passato. E per quanto riguarda il cambiamento climatico? Abbiamo questa comprensione che il mondo si sta gradualmente riscaldando, e questo influenzerà le nostre previsioni stagionali in futuro. Possiamo sfruttare questa conoscenza? C’è qualcosa di utile?
Joannes Vermorel: Purtroppo, ci sono ordini di grandezza in gioco. Anche le previsioni sul cambiamento climatico più pessimistiche stanno considerando qualcosa che, nel corso di molti anni, è comunque relativamente piccolo rispetto alle fluttuazioni giornaliere che vediamo nel tempo.
Kieran Chandler: Certo, durante il XXI secolo, stiamo parlando di un paio di gradi di differenza. A proposito, se pensi al tempo geologico, si tratta di un’evoluzione molto rapida del clima. Se la Terra si riscalda o si raffredda globalmente di due gradi in un secolo, è molto. È molto significativo. Tuttavia, stiamo parlando di un paio di gradi in un secolo. Anche in un clima molto mite come quello di Parigi, la temperatura di solito oscilla di circa 20 gradi tra il punto più alto durante il giorno e il punto più basso durante la notte. Abbiamo un clima molto mite. Ci sono molte regioni nel mondo in cui le temperature oscillano di 40 gradi tra il punto più alto durante il giorno e il punto più basso durante la notte.
Joannes Vermorel: La conclusione è che avere un cambiamento climatico di forse due gradi nel corso di un secolo - se si pensa a quanto cambiamento porterà da una stagione all’altra - è letteralmente trascurabile. La maggior parte dei prodotti di consumo entra sul mercato, raggiunge il picco in circa dodici mesi e poi scompare dal mercato due o tre anni dopo. Ti rendi conto che l’impatto del clima medio è molto piccolo per l’ottimizzazione della supply chain, semplicemente perché non stiamo parlando dello stesso periodo di tempo. La supply chain riguarda l’ottimizzazione delle decisioni per i prossimi mesi, forse l’anno prossimo, o i prossimi anni se hai piani molto grandi. Ma non penso che ci siano molte aziende che stanno pensando a secoli avanti, tranne per essere più snelle e consumare meno energia o produrre meno rifiuti, il che è un vantaggio per il futuro. Tuttavia, non è qualcosa che si pianifica realmente con una previsione.
Kieran Chandler: Quindi, che tipo di altri dati dovremmo considerare? Cosa è più importante dei dati meteorologici al momento?
Joannes Vermorel: Siamo arrivati a un punto in cui la maggior parte delle aziende non sta nemmeno utilizzando correttamente i propri dati transazionali. La maggior parte delle aziende con cui parliamo, quando iniziamo a lavorare con loro, non ha nemmeno quantificato i costi di mancanza di magazzino in euro o dollari. Il magazzino è un trade-off tra il costo del magazzino e il costo della mancanza di magazzino. Se semplifico, fondamentalmente devi bilanciare due rischi, e non li stai nemmeno valutando.
Kieran Chandler: Dal punto di vista finanziario, è molto difficile ottimizzare uno dei due rischi. Quindi la prima fase è sfruttare al massimo i dati transazionali che sono estremamente affidabili e hanno esattamente la granularità che conta per le decisioni della tua supply chain. La seconda fase è utilizzare tutti i dati che non sono transazionali, ma che sono facili da raccogliere e ancora molto rilevanti per la tua supply chain. Ad esempio, potrebbero essere i dati sul traffico web se sei un brand. Puoi guardare quante visite riceve ogni singola pagina che pubblichi sul tuo sito web, e in particolare se hai pagine sui tuoi prodotti, puoi guardare il traffico web. E ancora una volta, quando il traffico web evolve, otterrai queste informazioni strettamente connesse ai tuoi prodotti, e questo è qualcosa che puoi utilizzare.
Joannes Vermorel: Forse un terzo livello di dati sarebbe l’intelligence competitiva, sai, cosa stanno facendo i tuoi concorrenti, i loro prezzi, ecc. Sono dati più complicati da raccogliere, ma ancora molto intimamente collegati alla tua attività di supply chain. E oltre a questo, ci sono cose come i dati meteorologici e i dati sociali che sono possibili. Abbiamo esempi di aziende che utilizzano i dati sociali, ma tendono ad essere aziende super tecnologiche che hanno già superato tutte le fasi precedenti di sfruttamento al massimo dei loro dati transazionali, dei dati sul traffico web e dei dati di intelligence competitiva. E poi puoi avventurarti nei dati meteorologici e forse nei dati sociali, e questi sono sorta di fonti esterne.
Kieran Chandler: Ok, quindi per concludere oggi, forse i dati meteorologici sono utili e possono essere interessanti, soprattutto quando si guarda al passato. Ma la conclusione principale è fondamentalmente che ci sono altre cose più importanti.
Joannes Vermorel: Sì, e se non hai già un team di data science molto grande, voglio dire, non sei pronto. Questo sarebbe il mio messaggio: saprai di essere pronto quando stai assumendo il tuo ventiquattresimo data scientist e non sai esattamente quali nuove cose esplorare. Allora sarebbe un buon momento per iniziare a dare un’occhiata a questo.
Kieran Chandler: Ok, concludiamo qui per oggi. Grazie, Joannes. Ok, questo è tutto per Lokad TV questa settimana. Torneremo la prossima volta con un altro episodio, a patto che sopravviviamo a questa ondata di calore. Ci vediamo la prossima volta. Ciao per ora.
