WSPARCIE STRATEGICZNYCH DECYZJI ZARZĄDCZYCH Z WYKORZYSTANIEM BUSINESS INTELLIGENCE

Transkrypt

1 dr Jerzy Surma Kolegium Nauk o Przedsiębiorstwie Szkoła Główna Handlowa w Warszawie ul. Batorego 8, Warszawa jerzy.surma@sgh.waw.pl WSPARCIE STRATEGICZNYCH DECYZJI ZARZĄDCZYCH Z WYKORZYSTANIEM BUSINESS INTELLIGENCE Streszczenie: Zastosowania systemów Business Intelligence (BI) we wspieraniu decyzji związanych z usprawnianiem procesów biznesowych jest juŝ dzisiaj powszechne. Ten stan odpowiada sytuacji, kiedy firma będąc w dojrzałej fazie rozwoju, implementuje strategię i usprawnia procesy biznesowe. W tej fazie informacje czy teŝ propozycje decyzji dostarczane przez systemy klasy BI wspierają decydentów w zakresie standardowych i najczęściej powtarzalnych decyzji. Jest oczywiste, Ŝe etap realizacji strategii jest pochodną wcześniejszych decyzji o charakterze strategicznym. Wydaje się, Ŝe poziom decyzji strategicznych, ze względu m.in. na swoją złoŝoność, intuicyjny charakter, jest poza realnym zakresem wsparcia systemów BI. Prace nad tzw. wnioskowaniem na podstawie przypadków (ang. case-based reasoning) przyniosły w ostatnich latach nadzwyczaj obiecujące rezultaty. Główna idea tego podejścia bazuję na odwołaniu się do mechanizmu wnioskowania charakterystycznego dla człowieka, gdzie rozwiązanie nowego problemu odbywa się poprzez odwołanie do doświadczenia w rozwiązywaniu podobnych przypadków z przeszłości i wykorzystanie tej wiedzy do rozwiązania nowej sytuacji decyzyjnej. Wykorzystanie tej techniki BI do wsparcia podejmowania strategicznych decyzji zarządczych jest przewodnią ideą tego artykułu. Słowa kluczowe: zarządzanie strategiczne, business intelligence, zarządzanie wartością firmy Strategiczne decyzje zarządcze i ich źle ustrukturalizowany charakter Systemy wspomagania decyzji biznesowych są budowane z wykorzystaniem technologii informatycznych i mają na celu wspieranie procesu podejmowania decyzji menedŝerskich. W literaturze angielskiej, systemy te są określane potocznie mianem Business Intelligence (BI). Pojęcie to zostało wykreowane w latach 80 tych przez firmę Gartner i jest definiowane jako zorientowany na uŝytkownika proces zbierania, eksploracji, interpretacji i analizy danych, który prowadzi do usprawnienia i zracjonalizowania procesu podejmowania decyzji. Systemy te wspierają kadrę menedŝerską w podejmowaniu głównie taktycznych decyzji biznesowych, umoŝliwiają modyfikację i doskonalenie strategii biznesowych oraz procesów tak aby uzyskać przewagę konkurencyjną, usprawnić proces, zwiększyć zyskowność czy teŝ generalnie osiągnąć postawione cele zarządcze. Szczególne znaczenie mają strategiczne deczyzje zarządcze. Decyzje te, fundamentalne w kontekście przyszłości firmy, są z zwykle niepowtarzalne i ze swojej natury trudne do sformalizowania. Strategiczne decyzje dotyczą działań (Obłój 2007): 1. które mają długofalowe konsekwencje, 2. budują przewagę konkurencyjną na rynku, 3. skutecznie eksploatują główne zasoby i umiejetności firmy, 4. są wewnętrznie spójne. I dlatego są najczęściej: 1. słabo ustrukturalizowane, 2. podejmowane w warunkach duŝej niepewności, 3. kosztowne, poniewaŝ wymagają jednoznacznych i często nieodwracalnych decyzji inwestycyjnych, 4. kaskadowe, tzn. wymuszają dla swej skuteczności całą sekwencję spójnych decyzji taktycznych i operacyjnych. Ten rodzaj decyzji, zgodnie z pracami Herbeta Simona (Simon 1997), to tzw. zadania (problemy) źle ustrukturalizowane (ang. ill-structured). Jest oczywiste, Ŝe ze względu na wagę tych decyzji kluczowe istotne racjonalizowanie poprzez uŝycie odpowiednich systemów wspomagania decyzji zarządczych. 1

2 Problemy automatyzacji wsparcia decyzji zarządczych Zadania, z którymi ma do czynienia kadra zarządzająca, dzielą się na trzy grupy (Simon 1997): 1. Nadzór, czyli standardowe działania związane z kierowaniem podwładnymi. 2. Rozwiązywanie zadań (problemów) dobrze ustrukturalizowanych (ang. well-structured), czyli decyzje programowalne, które mają charakter rutynowy i powtarzalny oraz dla których opracowano ścisłe procedury słuŝące do ich podejmowania. Zatem nie występuje np. konieczność rozpatrywania od poczatku kaŝdego przypadku, np.wysokość opłaty za dostawę. 3. Rozwiązywanie zadań (problemów) źle ustrukturalizowanych (ang. ill-structured), czyli decyzje nieprogramowalne, które dotyczą spraw nowych, nie występuje ustalony schemat postępowania oraz nie są znane ich następstwa. Nie ma gotowej metody rozwiązania, np. decyzja o rozpoczęciu działalności w nowym kraju. Trzecia z wymienionych grup zadań jest kluczowa w kontekście komputerowego wpomagania zarządzania strategią. Opracowanie odpowiednich modeli matematycznych w ramach tzw. badań operacyjnych umoŝliwiło rozwiązywanie wiele dobrze ustrukturalizowanych problemów w zarządzaniu. Zastosowanie komputerów do wspomagania zarządzania z wykorzystaniem metod badań operacyjnych doprowadziło do powstania tzw. systemów wspomagania decyzji (ang. decision support systems). Wykorzystanie modeli matematycznych jest niezwykle obiecującym podejściem, tym niemniej okazało się, Ŝe problemy o charakterze nie ustrukturalizowanym na ogół nie podają się formalizmowi matematyki W tym kontekście Newel i Simon stworzyli koncepcję General Problem Solver i twierdzili pełni optymizmu (Newel & Simon 1972): "Procesy myślowe człowieka łączące się z rozwiązywaniem problemów są sterowane przez program, który powoduje, iŝ niezliczone proste procesy informacyjne (procesy realizujące działania na symbolach) zostają uporządkowane w pewien złoŝony ciąg. Struktura tego ciągu ulega zmianom, gdyŝ adaptuje się ona zarówno do otoczenia, w którym dany proces zachodzi, jak i do wskazań wynikających z analizy tego otoczenia prowadzonej w trakcie rozwiązania zadania. Tego typu programy mogą być napisane dla komputera (jako Uniwersalny Program Rozwiązywania Problemów) i mogą słuŝyć do opisu i modelowania procesów myślowych człowieka. Ten optymistyczny program oraz entuzjazm związany z perspektywą powstania maszyn myślących szybko się ostygł po konfrontacji ze złoŝonością ludzkiej inteligencji. Na początku lat siedemdziesiątych, kiedy próby opracowania ogólnych algorytmów symulujących ludzkie myślenie nie powiodły się, skoncentrowano się na budowaniu systemów, które w pewnych określonych, wąskich dziedzinach byłyby w stanie symulować pracę eksperta, w zakresie rozwiązywania zarówno problemów ustrukturalizowanych jak i nie ustrukturalizowanych. W tym nurcie badań powstały pierwsze systemy, zwane obecnie systemami ekspertowymi (Buchanan & Shortliffe 1984). Obecnie całe spektrum systemów wspomagania decyzji biznesowych, budowanych w oparciu o technologie informatyczne, jest określane potocznie jako systemy klasy Business Intelligence, gdzie główny nacisk jest bardziej ukierunkowany na dostarczanie odpowiedniej informacji decydentowi. Systemy ekspertowe przynajmniej formalnie, wydawały się właściwym rozwiązaniem dla wsparcia źle ustrukturalizowanych decyzji. Praktyka implementacji takich systemów klarownie ujawniła fundamentalny problem związany z akwizycją wiedzy oraz dwa, charakterystyczne dla zarządzania strategicznego, rodzaje problemów: 1. W podejmowaniu złoŝonych decyzji znacząca jest rola podświadomości. Podejmując złoŝone decyzje, decydent jest naraŝony na błędy co najmniej dwóch rodzajów. PoniewaŜ umysł potrafi rozpatrywać równocześnie tylko kilka kryteriów, działa wybiórczo, pomijając niektóre przesłanki i zatracając całościowy obraz problemu. Zgodnie z wynikami eksperymentów, gdy menedŝer rozwaŝa znacząca ilość kryteriów (kilkanaście i więcej), to lepiej jest po rozpoznaniu wszystkich za i przeciw decyzje odłoŝyć w czasie i przedstawiając ostateczne rozwiązanie zdać się na intuicję (Dijksterhuis 2006). 2. Umiejętność syntezy informacji, tj. wybór informacji istotnych oraz ich uporządkowanie i umiejętność wykorzystania, ma szczególne znaczenie w przypadku podejmowania decyzji strategicznych przez liderów zarządzających firmami. Mając do dyspozycji zdecydownie więcej źródeł informacji niŝ reszta ludzi, liderzy łatwiej mogą stracić orientację lub wybrać fałszywy trop. Wydawałoby się, Ŝe przydatne w tym kontekście klasyczne systemy informowania kierownictwa tracą niestety swoją przydatność wtedy, gdy w grę wchodzi subtelny kontekst lub draŝliwa emocjonalna kwestia. Rozległa wiedza i poprawnie przeprowadzona synteza, pozwala menedŝerowi dostrzec ukryte relacje i anomalie i co najwaŝniejsze finalnie implikuje umiejętność wyczulenia na to co strategicznie istotne (Gardner 2007). Wnioskowanie na podstawie przypadków W ramach badań w zakresie komputerowego wspomagania decyzji odwołujących się do doświadczenia i reminiscencji historycznie rozwiązanych problemów (ang. case-based reasoning), pojawiła się realna 2

3 szansa wspierania źle ustrukturalizowanych decyzji. Wynika to z następujących cech tych systemów (Kolodner 1993): 1. Podstawowy element reprezentacji wiedzy, to konkretny przypadek, a nie reguła jak w systemach ekspertowych. 2. Akwizycja wiedzy polega na analizie konkretnych przypadków pochodzących z doświadczenia i nie jest konieczne ustalenie reguł generalizujących wiedzę. 3. Relatywnie łatwa aktualizacja/rozbudowa systemu poprzez dodawanie nowych przypadków, co odpowiada procesowi zapamiętywania swoich doświadczeń. 4. Bardzo dobre i wiarygodne dla uŝytkowników biznesowych uzasadnianie uzyskanych rekomendacji (rozwiązań). Te szczególnie korzystne własności wynikają po pierwsze z reprezentacji wiedzy eksperckiej poprzez odwołanie się do konkretnych przypadków rozwiązywanych przez eksperta w przeszłości. Po drugie z charakterystycznego cyklu pracy tych systemów patrz rysunek 1 (Aamodt & Plaza 1994): 1. Wyszukiwanie podobnych przypadków do danego problemu decyzyjnego (ang. retrieve). 2. Dostosowanie posiadanej wiedzy dziedzinowej do danej sytuacji decyzyjnej i zaproponowanie rozwiązania (ang. reuse). 3. Weryfikacja wygenerowanego rozwiązania (ang. revise). 4. Zapamiętanie rozwiązania w bazie przypadków (ang. retain). Pierwsze zastosowania biznesowe systemów tej klasy to m.in. ORCA (Bareiss & Slator 1993) system wspierający procesy restrukturalizacji firm podczas akwizycji i połączeń oraz ESAS (Frangou 1998) - system wspierający procesy planowania strategii biznesowych. Oba wspomniane podejścia to pierwsze obiecujące prototypy. Niemniej do tej pory nie podjęto wnikliwych badań nad zastosowaniem wnioskowania na podstawie przypadków dla wsparcia podejmowania decyzji strategicznych. Nie ma teŝ Ŝadnych wiarygodnych badań empirycznych związanych z weryfikacją tego podejścia i jego rzeczywistą przydatnością w zastosowaniach biznesowych. Dzieje się to w sytuacji, kiedy globalne firmy doradztwa strategicznego w sposób nieformalny od lat budują systemy baz danych i/lub wiedzy gromadzące informacje o realizowanych projektach w celu ich ponownego uŝycia po adaptacji dla nowych klientów. Potwierdza to tezę o racjonalności tego podejścia i jego nowatorstwo w zakresie formalizacji obserwowanych juŝ prób w konsultingu strategicznym. Rysunek 1. Cykl wnioskowania na podstawie przypadków Źródło: (Aamodt & Plaza 1994) Uwagi w kontekście zarzadzania wartością firmy Kluczowe wnioski związane z oceną zaproponowanego rozwiązania będą uzasadnione w ramach paradygmatu zarządzania wartością firmy, co oznacza wykazanie związku pomiędzy potencjalnym wzrostem wartości firmy a uŝyciem proponowanego systemu BI (Williams & Williams 2003, Surma 2007, 3

4 Davenport & Harris 2007). Systemy wspomagania decyzji biznesowych są częścią kapitału informacyjnego, który naleŝy do tzw. aktywów niematerialnych zgodnie z klasyfikacja Kaplana i Nortona (Kaplan & Norton 2004). Zasoby te ze strategią wiąŝe mapa strategii rysunek 2 i są umiejscowione w perspektywie uczenia się i rozwoju zrównowaŝonej karty wyników. Realizacja strategii powinna zwiększać wartość firmy. Klasycznym juŝ miernikiem, umiejscowionym w perspektywie finansowej, jest np. ekonomiczna wartość dodana (EVA). Kreowanie wartości z aktywów niematerialnych róŝni się od kreowania wartości z aktywów materialnych i finansowych w dwóch istotnych punktach. Po pierwsze to zagadnienie pośredniego kreowania wartości, gdyŝ aktywa niematerialne rzadko maja bezpośredni wpływ na wyniki finansowe. Zwykle wpływają na finanse firmy poprzez złoŝony łańcuch związków przyczynowo-skutkowych. Na przykład kapitał informacyjny wpływa na procesy wewnętrzne o decydującym znaczeniu z punktu widzenia tworzenia wartości dla klienta i/lub redukuje koszty realizacji procesów. W efekcie wzrost przychodów i/lub redukcję kosztów operacyjnych przenoszą się juŝ bezpośrednio na wartość firmy, monitorowanej poprzez odpowiednie wskaźniki finansowe grupowane w perspektywie finansowej. Po drugie aktywa o charakterze niematerialnym prawie nigdy nie tworzą wartości same z siebie, tylko muszą być łączone z innymi z tej samej perspektywy. Na przykład inwestycje w technologie informatyczne przynoszą zyski dopiero w powiązaniu ze szkoleniami pracowników i odpowiednimi programami motywacyjnymi. Wartość firmy (wzrost EVA) Finansowa Strategia wzrostu przychodu Strategia produktywności (redukcji kosztów) Propozycja wartości dla klienta Klienta Cena Jakość Dostępność Funkcjonalność Serwis Zaufanie Marka Cechy produktu/usługi Relacja Wizerunek Procesów wewnętrznych Procesy zarządzania klientem Procesy socjalne/otoczenie Procesy operacyjne/produkcyjne Procesy innowacji uczenia się i rozwoju Kapitał Ludzki Kapitał Informacyjny Kapitał Organizacyjny Rysunek 2. Rola aktywów niematerialnych w mapie strategii Źródło: (Kaplan & Norton 2004) Dalsze badania UŜycie wnioskowania na podstawie przypadków, jako wybranej techniki BI, dla wsparcia strategicznych decyzji zarządczych wymaga rozwiązania następujących cząstkowych problemów badawczych: 1. Uzasadnienie wyboru paradygmatu wnioskowania na podstawie przypadków w kontekście charakterystyki decyzji strategicznych. 2. Reprezentacja przedsiębiorstwa i jego sytuacji strategicznej jako przypadku w bazie wiedzy. 3. Wyszukiwanie przypadków podobnych, które implikuje sformułowanie odpowiedniej miary podobieństwa pomiędzy przedsiębiorstwami. 4. Adaptacja rozwiązania do bieŝącej sytuacji z wykorzystaniem odpowiedniej wiedzy dziedzinowej, branŝowej. 5. Analiza uŝycia takiego systemu w kontekście zwiększania wartości firmy oraz opracowanie wiarygodnego badania empirycznego. 4

5 Planowane jest zbudowanie prototypu systemu klasy BI dla wsparcia decyzji strategicznych z wykorzystaniem paradygmatu wnioskowania na podstawie przypadków. Odpowiednie badania empiryczne będą prowadzone na podstawie danych z oraz problemów związanych z zarządzaniem strategia w firmach nowych technologii notowanych na GPW. Weryfikacja pracy systemu odbędzie się na podstawie oceny zarządów badanych firm. Istnieją teŝ dwa potencjalne obszary aplikacyjne. Pierwszy ogólny to wytyczenie kierunku rozwoju komercyjnych zastosowań systemów BI na następne lata. Drugi obszar to moŝliwość szerokiego zastosowania dla małych i średnich przedsiębiorstw, które stoją przed wyzwaniami kreowania i aktualizacji strategii, a których jednocześnie nie stać na zatrudnienie renomowanych firm doradczych. Literatura Aamodt A., Plaza E., Case Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches, AI Communications, IOS Press, vol Bareiss, R., Slator, B., From Protos to ORCA: Reflections on a unified approach to knowledge representation, categorization, and learning in Nakamura and Taraban and Medin, editors Categorization and Category Learning by Humans and Machines, Academic Press, San Diego 1993 Buchanan B.G., Shortliffe E.H., Rule-Based Expert Systems: The Mycin Experiments of the Stanford Heuristic Programming Project, Addison Wesley, Reading Massachusetts 1984 Davenport T., Harris J.,Competing on Analytics: The New Science of Winning, HBS Press Book 2007 Dijksterhuis A., On Making the Right Choice: The Deliberation-Without-Attention Effect, Science 17 February 2006 Frangou A., ESAS: A case-based approach to business planning and monitoring, Expert Systems vol. 15 Issue 3, 1998 Gardner H., The Five Minds of the Future, Harvard Business Shool Press 2007 Kaplan R., Norton D., Strategy Maps. Converting Intangible Assets into Tangible Outcomes, HBS, Boston 2004 Kolodner J., Case Based Reasonig, Morgan Kaufmann 1993 Newell, A., Simon, H., Human Problem Solving, Englewood Cliffs, NJ: Prentice-Hall 1972 Obłój K., Strategia Organizacji. W poszukiwaniu trwałej przewagi konkurencyjnej, PWE, Warszawa 2007 Simon H., The New Science of Management Decision, Prentice-Hall 1997 Surma J., WdroŜenia Business Intelligence, Kwartalnik Nauk Przedsiębiorstwie, 2/2007 (3), SGH, Warszawa 2007 Surma J., Business Intelligence dla wsparcia strategicznych decyzji zarządczych w Strategie Wzrostu Wartości Przedsiębiorstwa pod redakcją E. Urbańczyk, Zeszyty Naukowe Uniwersytetu Szczecińskiego 2007 Williams S., Williams N., The Business Value of Business Intelligence, Business Intelligence Journal, Fall