Che cos'è
Non conosce chi cerca, bensì colui che sa cercare…
Da alcuni anni una quantità incrementale di risorse viene
destinata alla costruzione dei sistemi di supporto decisionale
(DSS). Troppo spesso confuso con un prodotto software o assimilato
ad un particolare tipo di implementazione (MIS, EIS, Data
Warehouse, Data Mart, OLAP, etc.), il concetto di DSS risale
all'inizio degli anni '70. T.P. Gerrity, un docente e ricercatore
della Sloan School of Management del MIT di Boston, li definì
come "…un'efficace fusione di intelligenza umana e di tecnologie
che interagiscono fortemente tra loro per risolvere problemi
complessi".
Un tempo le facoltà decisionali erano confinate ai livelli
superiori della gerarchie organizzative, ma i recenti "moti
tellurici" che hanno pervaso ogni istituzione hanno portato
all'adozione di strutture più snelle, talvolta reticolari,
ove ogni unità organizzativa agisce da nodo-snodo decisionale
ed informativo. Ne discende che è necessario sostenere il
processo decisionale, cominciando innanzitutto a studiarlo
razionalmente, sforzo che, agli inizi degli anni '60, venne
intrapreso dallo studioso americano Herbert A. Simon.
Questi iniziò l'analisi sistematica dei meccanismi secondo
i quali si svolge un processo decisionale e giunse alla definizione
di uno schema di riferimento rappresentativo dei processi
decisionali di tipo razionale. Secondo Simon,
la formulazione di una decisione si articola attraverso un
iter sequenziale costituito da tre fasi principali:
- Intelligence: la definizione e la
comprensione del problema
- Design: la ricerca delle soluzioni
possibili
- Choice: la valutazione e la scelta
di un'alternativa, alle quali seguono altri due passi
di natura operativa:
- Implementation: l'attuazione della decisione scelta
- Control: il controllo dei risultati e la correzione
dell'azione
Sino ad oggi le realizzazioni di tipo DSS sono state confinate
essenzialmente nell'area dell'intelligence ed hanno sostenuto,
in particolar modo, la Business Intelligence, un termine-ombrello
introdotto da Howard Dresner di Gartner Group nel 1989 per
descrivere un insieme di concetti e metodologie atti a favorire
la presa di decisioni.
Queste costituiscono dei veri e propri "trigger point" dell'attività
delle organizzazioni; qualunque sia la loro natura, esse non
sono tutte dello stesso tipo: esistono, infatti, sia le decisioni
strutturate sia le decisioni semistrutturate o non strutturate.
Le prime sono quelle che si presentano normalmente e, come
tali, sono ormai ben definite tanto da divenire routinarie;
le seconde sono saltuarie, imprevedibili, si riferiscono a
problematiche nuove, poco note, oppure sono relative a situazioni
assai complesse, difficili da affrontare, relative ad obiettivi
numerosi e, talvolta, conflittuali.
Le decisioni strutturate sono ormai accumulate nel patrimonio
informativo ed operativo delle organizzazioni; sono state
scolpite nei sistemi informativi (o informatici) con delle
procedure applicative, automatizzate o meno. Più problematiche,
invece, sono le decisioni destrutturate, a causa della loro
occasionalità. A questo proposito è interessante notare che,
nel corso dell'analisi dell'evoluzione dei processi decisionali,
emergono due fenomeni. Innanzitutto le decisioni destrutturate,
pur essendo talvolta "intuitive", richiedono il supporto di
strumenti informativi molto sofisticati che producono spesso
soluzioni non persistenti, cioè destinate a durare nel tempo
tanto quanto il problema stesso (si pensi solo alle what-if
analysis).
In secondo luogo, si può innescare un benefico circolo virtuoso
entro il paradigma decisionale poiché, nel tempo, l'approfondimento
dell'analisi di alcune decisioni destrutturate provoca un
aumento di competenze tale da trasformarle in strutturate.
Indipendentemente dalle modalità realizzative, uno dei vincoli
progettuali di un DSS o di una piattaforma di Business Intelligence,
è il forte coinvolgimento dell'utente finale. Per realizzare
i database operazionali esistevano dei modelli ai quali ispirarsi
(bolle, fatture, ordini, piani di produzione, cedolini, etc.);
per i DSS questa facilitazione non esiste. L'utente
deve essere sempre profondamente coinvolto a livello
di progetto delle strutture informative: oltre ad essere il
fruitore del prodotto, è l'attore principale del progetto.
Ne discende che, perché un DSS abbia successo, è necessario
che si attivi un progetto culturale, formativo ed
informativo sull'argomento. Questo non tanto per
soddisfare alcune "pulsioni" intellettuali, ma perché, in
un periodo di transizione verso la Società della conoscenza,
la cultura - e non solo i prodotti - crea il mercato.
Dal punto
di vista dell'architettura tecnologica si possono identificare
3 livelli di base.
Il livello 1° dell'architettura è costituito dai sistemi
informativi "alimentanti" di tipo operativo che possono
essere sistemi integrati di tipo ERP o non ERP
(Enterprise Resource Planning), correnti o storici, sistemi
dedicati al Customer Support o varie applicazioni delle tecnologie
Web (eCommerce, Portali, eSupply Chain, ecc.). Tra
il livello 1° e 2° si trovano alcuni strumenti software specialistici
dedicati alla mappatura, pulizia e trasferimento dei dati
elementari nelle basi dati fisiche del 2° livello.
Quest'ultimo rappresenta il livello delle basi dati direzionali,
realizzate con approcci logici di Datawarehousing o di Datamarting
e alimentate anche dai dati di ambiente esterno all'impresa:
queste basi dati direzionali "disaccoppiano" l'ambiente operativo
e transazionale dall'ambiente del controllo, delle analisi
e delle decisioni manageriali soprastante, e integrano molteplici
fonti di dati. A questo livello i dati direzionali possono
essere archiviati sia con le tecnologie dei database relazionali,
sia con le tecnologie dei database multidimensionali che consentono
analisi specifiche di tipo OLAP (On-Line Analytical Processing),
nonché di ottenere coerenti prestazioni tecniche nell'analisi
e nella navigazione interattiva dei dati finalizzate al supporto
decisionale. Queste basi dati alimentano a loro volta
il livello 3° dell'architettura.
Questo è il livello dei sistemi di B.I., costituiti da svariate
tipologie di strumenti software, pacchetti applicativi (analytic
applications, Decision Support System), e software tools (Executive
Information System toolkit, analisi multidimensionale, reporting).
I DSS non sono solo dei tool software ma costituiscono un
alveo nel quale si fondono strumenti tecnologici, "buon senso",
esperienza ed intelligenza umana.
Possono essere classificati, in base alla complessità ed al
livello di supporto che possono offrire, in:
- DSS orientati ai dati,
- DSS orientati ai modelli,
- DSS di natura logica.
I primi sono ovviamente i più semplici e prevedono di fornire
informazioni utili al processo decisionale reperendo i dati,
aggregandoli e sintetizzandoli secondo criteri sempre più
complessi per rispondere a domande piuttosto articolate e
sofisticate. I DSS orientati ai modelli invece presuppongono
una conoscenza dei principi di causa - effetto inerenti la
decisione da prendere e la costruzione di un modello matematico
che la rappresenti (per esempio, what-if-analysis, ottimizzazione,
simulazione, etc.). I DSS logici, infine, non sono basati
su metodi quantitativi, quanto piuttosto su regole logiche
che portano ad identificare la scelta più opportuna.
Nel contesto economico e sociale attuale la vera sfida è rappresentata
dal fatto che, per mantenere un vantaggio competitivo sulla
concorrenza, le decisioni debbono essere prese rapidamente,
con informazioni tempestive e significative. Secondo alcuni
studi di esperti, nei database operazionali delle organizzazioni
- ovvero nelle strutture informative che costituiscono le
fondamenta dei normali sistemi informativi - si accumulano
ingenti quantità di dati, ma solo una frazione compresa tra
il 7 ed il 10% di questi viene sfruttata per realizzare dei
vantaggi competitivi.
E' intuitivo comprendere come nei database operazionali risiedano
dei preziosi "filoni informativi", sepolti tra scorie di messaggi
irrilevanti, tutti da scoprire e da portare alla luce. Da
questa intuizione è nato il concetto di Data Mining
(DM), intendendo con questo termine il processo di
individuazione delle correlazioni tra i dati e di trasformazione
di queste in informazioni comprensibili e significative, atte
a favorire la presa di decisioni in un certo contesto. Per
realizzare questa funzionalità ci si avvale di diverse tecniche
quali: il clustering, il consolidamento di dati, la definizione
di regole di classificazione, l'analisi delle variazioni,
l'individuazione di anomalie, ed altri approcci di origine
matematica o statistica.
Affinché un processo di DM sia efficace occorre un'infrastruttura
appositamente concepita e realizzata, ovvero è necessario
disporre di un Data Warehouse (DW), una sorta di "magazzino
informativo" che contiene gli operandi (i dati dell'organizzazione,
talvolta integrati da altri di origine esterna, elaborati
e raffinati) sui quali agiscono gli operatori di mining. I
DW possono assumere una forma locale, di reparto - ed allora
prendono il nome di Data Mart - oppure avere una portata globale,
ed in tal caso vengono indicati con la dizione di Corporate
Data Warehouse.
La realizzazione di un DW, indicata con Data Warehousing,
è un progetto che ha lo scopo di costruire una struttura
informativa che permetta di anticipare gli eventi.
E' un'impresa articolata, complessa, con tante componenti
e talvolta, all'interno delle organizzazioni, non esistono
le competenze applicative e non vi sono modelli di riferimento
ai quali rifarsi. È necessario rivolgersi a società specializzate,
che vantano un'esperienza pluriennale nel settore.
La business
intelligence ed i sistemi di supporto alle decisioni possono
aiutare il decisore a fronteggiare, ad esempio:
- decisioni in merito allo sviluppo di nuovi prodotti/mercati,
- la stima delle potenzialità di mercato di un nuovo
prodotto o punto vendita,
- analisi della concorrenza,
- analisi della relazione con il cliente,
- attività di profiling del consumatore,
- segmentazioni,
- analisi del comportamento d'acquisto dei propri clienti,
- sviluppare politiche di assistenza e servizio mirate
per gruppi di clienti,
- marketing analysis, quali identificare i migliori gruppi
target per azioni promozionali, individuare opportunità
di cross-selling, individuare le promozioni più efficaci,
selezionare gruppi per azioni di direct marketing, analisi
delle performance di vendita,
- risk management
- e-business intelligence.
|
|
|
