IL RUOLO DELLA TECNOLOGIA INFORMATICA NEL CONTROLLO DI GESTIONE
STRUTTURA AZIENDALE
4. La configurabilità del sistema.
2.3 IL SISTEMA INFORMATIVO DIREZIONALE
2.3.3 I sistemi di supporto alle decision
Mentre i sistemi di reporting supportano le decisioni di natura routinaria, le decisioni difficilmente strutturabili richiedono sistemi molto più avanzati a loro supporto. Si parla in tal caso di sistemi di supporto alle decisioni o di Decision
Support System (DSS), per indicare l’insieme di tutti i supporti sviluppati con
l’aiuto dell’informatica per il supporto del processo decisionale poco strutturato79.
77
Per approfondimenti sui metodi e sugli strumenti innovativi di contabilità direzionali si veda tra gli altri Kaplan, Robert S. and Bruns, W. Accounting and Management: A Field Study Perspective, Harvard Business School Press, 1987.
78
Con l’adozione della Balanced Scorecard le aziende fanno ricorso a misurazioni di elementi di natura non esclusivamente contabile, mentre con l’Economic Value Added le aziende necessitano di dati esterni sul profilo di rischio di investimenti alternativi all’attività imprenditoriale.
79
Per un’analisi sull’utilizzo dei sistemi di Decision Support System si veda De Toni, A., Nassimbeni, G., Tonchia, S, I sistemi di supporto alle decisioni: offerta, domanda, applicazioni,
Dal punto di vista informatico i DSS possono essere distinti in tre differenti categorie:
1. I DSS data oriented; 2. I DSS model oriented;
3. I sistemi esperti e i sistemi basati sulla conoscenza80.
I DSS data oriented sono basati sulle tecniche di accesso, consultazione e analisi dei database. Attraverso il loro utilizzo è possibile reperire informazioni ritenute utili dal decisore per il proprio processo decisionale, attraverso la consultazione e l’analisi di dati disponibili. Questi DSS possono essere di due tipologie: DSS data retrieval e DSS data analysis. Con il primo tipo è possibile consultare un singolo archivio per ottenere specifiche informazioni contenute in un singolo record, mentre con il secondo tipo è possibile ottenere un’informzione consultando e analizzando dati di più record. L’efficacia di questi strumenti è direttamente correlata alla qualità di dati disponibili, per cui le aziende che adottano tali sistemi devono disporre di un buon patrimonio di dati.
I DSS model oriented sono basati, invece, su modelli quantitativi, e cioè dei modelli matematici, logici, statistici o probabilistici, che presuppongono una conoscenza di principi causa/effetto inerenti al fenomeno che interessa il decisore. Questi modelli possono essere di differenti tipologie, sebbene i più usati nel campo aziendale siano gli strumenti previsionali e modelli di pianificazione/simulazione81. Per i modelli previsionali, partendo dai dati storici, è necessario definire delle tecniche e delle logiche di derivazione dei dati futuri. Ad esempio, Marchi (2003) propone di ricorrere a dati esogeni integrativi da associare ai dati storici economico-finanziari, per effettuare delle previsioni sull’andamento futuro di alcune variabili chiave. Con i modelli di simulazione/pianificazione è invece possibile formulare delle ipotesi-obiettivo sul futuro partendo dall’analisi del trend storico di valori considerato.
Franco Angeli, Milano, 2000.
80
S. Alter, Decision Support System: Current Practice and Continous Challenges, Addison Wesley, Reading Ma. ,1980
81
Per approfondimenti sui modelli di simulazione e di previsione economico-finanziaria si veda Marchi (2003), op.cit.
I sistemi basati sulla conoscenza hanno lo scopo di costruire una base di conoscenze che i decisori potranno interrogare per ottenere informazioni necessarie al loro processo decisionale. La base di conoscenze comprende i fatti, e cioè i dati che caratterizzano un particolare fenomeno, e le regole, che definiscono i criteri di interpretazione e correlazione dei fatti. Creando delle correlazioni tra i dati di un certo fenomeno, sarà possibile interrogare il sistema a differenti livelli di sintesi-analisi, e ampliare la conoscenza del fenomeno stesso.
Tra questi sistemi i più evoluti presenti attualmente sono i sistemi di On Line Analytical Processing (OLAP). Gli strumenti OLAP sono costituiti solitamente da almeno due componenti: un Server OLAP, che gestisce i dati e provvede al buon funzionamento del datawarehouse, ed un Client OLAP, ad uso dell’utente finale, che funge da ambiente di riferimento in cui utilizzare i vari tools per lo sfruttamento del Data Warehouse82. I database relazionali non sono adatti ad elaborazioni istantanee e alla visualizzazione di una grande mole di dati. Al contrario, sono adatti all'elaborazione di record derivanti dall'esecuzione di transazioni note come OLTP. Una caratteristica peculiare dei sistemi OLAP è la possibilità di creare degli ipercubi decisionali, sulla base dei quali gli utenti potranno analizzare i datis u differenti dimensioni, e a differenti livelli di sintesi- analisi. Un Cubo OLAP è una struttura per la memorizzazione di dati che permette di eseguire analisi in tempi rapidi, superando un limite dei database relazionali. Il cubo può essere immaginato come un'estensione del foglio di lavoro a due dimensioni, possedendo da tre a un arbitrario numero di caratteristiche o dimensioni di analisi. Ad esempio, in un’azienda sarà possibile analizzare alcuni dati finanziari per prodotto, in uno specifico arco temporale, in luoghi differenti e per tipologie di ricavo di costo, e comparare questi dati con le previsioni di budget.
Secondo Codd83 un sistema OLAP deve possedere specifiche caratteristiche, affinché il suo utilizzo risulti efficace per le attività di analisi e di programmazione. Egli sostiene che il sistema deve fornire risposte alle query in tempi rapidi, deve garantire qualunque logica e/o analisi statistica, deve essere
82
Inghirami, I. E., Caserio, C., Dai sistemi di supporto alle decisioni alla business intelligence, in Gestione Informatica dei dati aziendali, a cura di Marchi, L., e Mancini, D.
83
condivisibile sia in termini di dati, che di utenti, deve gestire molteplici fonti di dati, e consentire analisi multidimensionali. Queste caratteristiche di funzionamento devono rispettare, poi, le caratteristiche strutturali di base del sistema informativo e del sistema di reporting84.
Infine, i sistemi esperti hanno la finalità di riprodurre il comportamento, o meglio, i modelli logici di ragionamento di un decisore di successo. Le conoscenze e le esperienze di un individuo ritenuto esperto, possono essere caricate all’interno di un sistema, affinché il sistema stesso generi delle indicazioni agli utenti utili ad affrontare particolari tipi di problemi. Tipico esempio di questi sistemi sono i software utilizzati dagli istituti di credito per le analisi di bilancio e della situazione finanziaria, per le concessioni di credito alle imprese.
84