Immersive 4D data visualization for business analytics and decision making

The aerospace industry operates through complex, multi-year programs that are subject to strict regulations and extensive supply chains. Decision-makers must navigate large, fragmented datasets distributed across ERP, PLM and BI systems which are often misaligned in terms of structure and timing. Conventional analytical tools, such as static dashboards and disconnected reports, limit the ability to gain an integrated, real-time understanding of program performance, thereby reducing analytical efficiency and collaboration. Although significant progress has been made in artificial intelligence and data visualization, most enterprise tools remain static and siloed. While AI-based forecasting and immersive visualization have been explored separately, their integration within enterprise decision support environments is limited. This thesis investigates how combining AI and immersive analytics can transform decision-making in complex organizations by shifting it from static representation to interactive, experiential understanding. Methodologically, the work adopts a design–science and case-study approach, combining iterative system design with empirical validation through user testing and performance analysis. As a result an AI-driven and mixed-reality decision-support platform was designed, implemented, and validated within Leonardo Helicopters, serving as an empirical testbed for a broader conceptual model. The system unifies data pipelines, regression-based forecasting models, and a natural-language assistant into a single immersive environment that allows users to explore, simulate, and interpret financial and operational data collaboratively. The results demonstrate measurable improvements in analytical efficiency, interpretability and cognitive engagement, thereby enhancing the quality, speed and transparency of managerial decisions. Theoretically, the thesis contributes by reframing immersive analytics as a spatio-temporal meaning-making process. In this process, data are experienced dynamically through time, motion, and interaction. This enables a new form of hybrid intelligence that augments creativity, comprehension, and collective reasoning in enterprise decision-making processes.

L’industria aerospaziale opera attraverso programmi complessi e pluriennali, soggetti a rigorose normative e a catene di fornitura estese. I decisori si trovano a gestire grandi quantità di dati frammentati, distribuiti tra sistemi ERP, PLM e BI, spesso non allineati per struttura e tempistiche. Gli strumenti analitici tradizionali, come dashboard statiche e report scollegati, limitano la possibilità di ottenere una comprensione integrata e in tempo reale delle prestazioni dei programmi, riducendo così l’efficienza analitica e la collaborazione. Nonostante i significativi progressi compiuti nei campi dell’intelligenza artificiale e della visualizzazione dei dati, la maggior parte degli strumenti aziendali rimane ancora statica e frammentata. Sebbene le tecniche di previsione basate sull’IA e le visualizzazioni immersive siano state esplorate separatamente, la loro integrazione all’interno di ambienti di supporto decisionale aziendale risulta ancora limitata. La presente tesi indaga come la combinazione tra Intelligenza Artificiale e Immersive Analytics possa trasformare i processi decisionali nelle organizzazioni complesse, spostandoli da una rappresentazione statica verso una comprensione interattiva ed esperienziale. Dal punto di vista metodologico, la ricerca adotta un approccio design–science e case-study, combinando la progettazione iterativa del sistema con una validazione empirica basata su test utente e analisi delle prestazioni. È stata così progettata, implementata e validata presso Leonardo Helicopters una piattaforma decisionale basata su IA e realtà mista, utilizzata come banco di prova per un modello concettuale più ampio. Il sistema integra pipeline di dati, modelli previsionali di regressione e un assistente in linguaggio naturale in un unico ambiente immersivo che consente agli utenti di esplorare, simulare e interpretare congiuntamente dati finanziari e operativi. I risultati mostrano miglioramenti misurabili in termini di efficienza analitica, interpretabilità e coinvolgimento cognitivo, migliorando la qualità, la rapidità e la trasparenza delle decisioni manageriali. Sul piano teorico, la tesi contribuisce a ridefinire l’immersive analytics come un processo di costruzione di significato spazio-temporale, in cui i dati vengono vissuti dinamicamente attraverso il tempo, il movimento e l’interazione. Tale approccio abilita una nuova forma di intelligenza ibrida che amplifica la creatività, la comprensione e il ragionamento collettivo nei processi decisionali aziendali.