.png)
TerraTextiles is a data analysis and strategy project exploring how data-driven decision-making can support sustainability and operational efficiency in the textile industry.
Built around the hypothetical case of TerraTextiles, a sustainability-oriented fashion company, the project examines how different types of business, operational, and customer data can be collected, structured, analyzed, and translated into actionable insights.
The project connects data analysis with UN Sustainable Development Goal 12 — Responsible Consumption and Production, exploring how better use of data could help reduce waste, optimize logistics, improve transparency, and support more sustainable production decisions.
The analysis explores three main data areas:
- Production & Sustainability — energy and water consumption, recycled material waste rates, and supplier traceability.
- Inventory & Logistics — warehouse stock duration, return rates, defects, sizing issues, and shipping costs.
- Customer & Engagement — transactions, reviews, social feedback, preferences, and purchasing behavior.
These areas are examined through core data concepts including the 5Vs of Big Data — Volume, Variety, Velocity, Veracity, and Value — and their role in building reliable and useful analytical processes.
The project also maps the lifecycle of data from its creation to its use in decision-making:
Data Generation → Storage → ETL & Cleaning → Aggregation → Data Modeling → Data Visualization
This process highlights how raw operational data can be transformed into structured information and eventually into reports, dashboards, and business insights.
A data-driven strategy could support TerraTextiles in several areas:
- reducing material waste and overproduction;
- improving inventory and logistics efficiency;
- monitoring environmental performance;
- strengthening the transparency of sustainability metrics;
- understanding customer preferences and demand;
- supporting predictive analysis and demand forecasting.
The project also explores how Artificial Intelligence and Machine Learning could extend the analytical framework.
Potential applications include using predictive and prescriptive analytics to optimize circular production, identify promising products based on demand and recycled-material availability, automate basic data-cleaning processes, and support recurring reporting tasks.
AI is therefore treated as an extension of the data strategy rather than the core analytical method of the project.
The analysis also considers real-world examples from the fashion industry, including Levi's and H&M, to explore how data analytics and predictive approaches can contribute to lower resource consumption, improved production planning, and reduced overproduction.
The complete project is available as a presentation in both English and Italian:
TerraTextiles è un progetto di analisi e strategia data-driven che esplora come l'utilizzo dei dati possa supportare la sostenibilità e l'efficienza operativa nel settore tessile.
Partendo dal caso ipotetico di TerraTextiles, un'azienda di moda orientata alla sostenibilità, il progetto analizza come diverse tipologie di dati aziendali, operativi e relativi ai clienti possano essere raccolte, strutturate e trasformate in informazioni utili ai processi decisionali.
Il progetto collega l'analisi dei dati all'Obiettivo di Sviluppo Sostenibile 12 delle Nazioni Unite — Consumo e Produzione Responsabili, valutando come un migliore utilizzo dei dati possa contribuire a ridurre gli sprechi, ottimizzare la logistica, aumentare la trasparenza e supportare decisioni produttive più sostenibili.
L'analisi prende in considerazione tre principali aree:
- Produzione e sostenibilità — consumi energetici e idrici, tasso di scarto dei materiali riciclati e tracciabilità dei fornitori.
- Magazzino e logistica — permanenza delle scorte, tassi di reso, difetti, problemi di taglia e costi di trasporto.
- Clienti ed engagement — transazioni, recensioni, feedback sui social, preferenze e comportamento d'acquisto.
Questi elementi vengono analizzati attraverso concetti fondamentali legati ai dati, comprese le 5V dei Big Data — Volume, Varietà, Velocità, Veridicità e Valore.
Il progetto descrive inoltre il ciclo di vita del dato:
Generazione → Archiviazione → ETL e Pulizia → Aggregazione → Data Modeling → Data Visualization
Il percorso mostra come i dati grezzi possano essere progressivamente trasformati in informazioni strutturate e successivamente in report, dashboard e insight utili alle decisioni aziendali.
Una strategia data-driven potrebbe consentire a TerraTextiles di:
- ridurre gli sprechi di materiale e la sovrapproduzione;
- migliorare l'efficienza di magazzino e logistica;
- monitorare le performance ambientali;
- aumentare la trasparenza delle metriche di sostenibilità;
- comprendere meglio preferenze e domanda dei clienti;
- supportare analisi predittive e previsioni della domanda.
Il progetto esplora inoltre come Intelligenza Artificiale e Machine Learning possano ampliare la strategia di analisi.
Tra le possibili applicazioni vengono considerate l'ottimizzazione della produzione circolare attraverso analisi predittive e prescrittive, l'individuazione dei prodotti più promettenti sulla base della domanda e dei materiali riciclati disponibili, l'automazione di semplici operazioni di pulizia dei dati e la generazione automatizzata di report.
L'AI viene quindi considerata come un'estensione della strategia data-driven, anziché come il metodo analitico principale del progetto.
L'analisi prende inoltre in considerazione esempi reali nel settore della moda, tra cui Levi's e H&M, per mostrare come analisi dei dati e approcci predittivi possano contribuire alla riduzione del consumo di risorse, a una migliore pianificazione della produzione e alla diminuzione della sovrapproduzione.
La presentazione completa è disponibile in entrambe le lingue: