I dati sono e saranno sempre più il nuovo “petrolio”. Dai dati, materia prima grezza, è e sarà sempre più fondamentale estrarre, raffinare ed utilizzare le informazioni necessarie per prendere decisioni sia strategiche che operative.

Per un’efficace gestione della miriade di dati in possesso delle aziende è necessario dotarsi di strumenti e tecnologie che accelerino e favoriscano la trasformazione dei dati in informazioni utili, combinandoli tra loro in mille modi con la più elevata flessibilità possibile.

Moltissime aziende, non ancora consce dell’importanza di possedere efficienti strumenti digitali di gestione dei dati e carenti di risorse umane in grado sia di estrapolarli (data workers), sia di analizzarli ed interpretarli (data scientist), necessitano di prendere velocemente coscienza del valore delle informazioni che risiedono nei sistemi aziendali.

È, quindi, necessario che le imprese si dotino rapidamente di strumenti di analisi (analytics) che sfruttino il patrimonio aziendale costituito dalla moltitudine di dati per gestire, analizzare e visualizzare le informazioni e renderle fruibili in azienda a tutti i livelli.

Spesso, la contabilità direzionale, interpretata riduttivamente come contabilità dei costi, è basata su procedure predisposte principalmente con la finalità di evidenziare informazioni circa i costi ed i ricavi della gestione d’impresa.

La trasformazione digitale ha incrementato enormemente le potenzialità d’innovazione della gestione, modificando, con l’impiego di tecnologie informatiche ed elettroniche, le modalità di funzionamento, l’organizzazione, la rilevazione dei dati e l’elaborazione delle informazioni per le decisioni aziendali.

Quello che, purtroppo, spesso manca nelle aziende è la cultura della predizione!

‍

Le imprese hanno assoluto bisogno di progettare il loro futuro prossimo e quello remoto, hanno urgenza di riorganizzare le proprie strutture operative ed hanno l’obbligo di prendere decisioni competitive per la “sopravvivenza” propria e di tutto il mondo che le circonda.

É, quindi, necessario implementare in azienda un’efficiente analisi dei dati per poter rispondere alle sempre più insistenti domande relative a cosa potrebbe accadere nel futuro dell’impresa intraprendendo determinate azioni (Predictive Analytics) e, di conseguenza, proporre alla direzione soluzioni operative/strategiche risultanti dalle analisi svolte (Prescriptive Analytics).

Per concretizzare quanto sopra esposto, sono necessarie profonde analisi dei processi aziendali al fine di costruire il “work-flow model” desiderato.

In altri termini è sempre consigliabile progettare un processo aziendale consistente in una o più attività ognuna delle quali rappresenti un lavoro da svolgere per giungere ad un obiettivo comune che delinei precisi “step” e la condivisione dell’informazione tra le diverse funzioni interessate.

‍

Di seguito, un esempio di alcune possibili domande da porsi per la realizzazione di un modello di “work-flow” utile per l’attività di “pricing” in azienda:

‍

1. Processo decisionale per la definizione del prezzo:

‍

- Chi decide i prezzi?

- Chi esegue materialmente il calcolo del listino?

- Quali riferimenti della concorrenza vengono utilizzati per la definizione del listino?

- Analisi di mix: tutti i prodotti o le linee di prodotto vengono prezzati con lo stesso criterio?

‍

2. Analisi dei clienti:

‍

- Come vengono classificati i clienti e chi produce il modello?

- Chi analizza i listini dedicati o quelli dei clienti direzionali?

- Chi propone e che decide le politiche di sconto?

- Chi determina le politiche incentivanti ai venditori (dipendenti/agenti)?

- Sono state verificate le differenti condizioni commerciali accessorie (consegna, pagamenti, campionature, costo impianti, installazioni, montaggio, ecc.) ed il cliente le apprezza e sa valutarle? 

‍

3. Analisi dei margini:

‍

- L’azienda conosce i margini di contribuzione per ciascun prodotto, area geografica, canale di distribuzione, cliente?

- Chi produce l’analisi del valore di ciascun prodotto?

- Chi analizza i costi del prodotto?

- Chi analizza l’effetto mix rispetto all’effetto prezzo e quantità?

‍

Per dare risposte concrete ed immediate alle importanti domande succitate, le imprese devono necessariamente basarsi su software e tools tecnologici in grado di simulare le possibili evenienze.

Si tratta di strumenti e tecniche che consentono ai computer di ottenere informazioni dalla moltitudine di dati e si occupano di creare sistemi che apprendono o migliorano le performance in base ai dati che utilizzano. In altre parole, il Machine Learning. 

Il Machine Learning (ML) rappresenta un’importante branca dell’intelligenza artificiale la cui applicazione in azienda consente di realizzare analisi predittive con apprendimento automatico, inteso come l’abilità del computer di apprendere senza una vera e propria programmazione. 

Gli algoritmi sono i motori che alimentano il Machine Learning!

Un algoritmo può essere definito come una strategia che serve per risolvere un problema ed è costituito da una sequenza finita di operazioni.

L’attività di Machine Learning è differente a seconda del modo in cui ciascun algoritmo apprende i dati per fare previsioni e, soprattutto, dipende dal fatto che per l’apprendimento automatico vengano date al computer istruzioni complete per eseguire il compito richiesto (Machine Learning supervisionato) o il software lavori senza alcun aiuto (Machine Learning non supervisionato). 

Nel Controllo di Gestione gli algoritmi di Machine Learning trovano importanti applicazioni nello sviluppo di soluzioni per analisi predittive (Predictive) e per la rilevazione di possibili anomalie (Anomaly Detection).

Bisogna però tenere presente che il Machine Learning non è perfetto, non ha tutte le risposte e, soprattutto, non rappresenta la verità assoluta!

‍

L’intelligenza artificiale altro non è che un sistema di apprendimento automatico generato da algoritmi capaci di imparare, addestrarsi e “classificare” i dati previsionali.

In altri termini, un “pappagallo tecnologico” (o meglio “pappagalli stocastici” poiché utilizzano database di dimensioni sempre crescenti, impiegati nei motori di ricerca, negli assistenti vocali e nei traduttori automatici con algoritmi così detti generativi).

Un modello di intelligenza artificiale che riproduce fedelmente ciò che ha appreso, senza una comprensione precisa o consapevole del significato.

Perché stimolare le aziende ad utilizzare il Machine Learning per facilitare l’implementazione delle tecniche di Controllo di Gestione?

Essenzialmente, le motivazioni fondamentali per cui studiare ed addestrare gli algoritmi da applicare ai processi aziendali possono essere riassunte nei seguenti punti:

‍

1. Agevolano in modo rilevante l’implementazione in azienda della cultura predittiva e, quindi, la realizzazione del processo di Budgeting.

2. Permettono, con l’addestramento quotidiano sia dai flussi dei dati aziendali che dalle banche dati esterne, la revisione giornaliera degli obiettivi economico-finanziari e la produzione di Forecast Rolling sempre più precisi ed aggiornati.

3. Facilitano lo sviluppo all’approccio strategico semplificando la visione e la determinazione degli obiettivi di medio-lungo periodo (Business Plan).

4. Aiutano le imprese ad affrontare quello che sarà nei prossimi anni, il problema del sensibile invecchiamento della forza lavoro con grave penuria di risorse umane nei processi aziendali da dedicare all’analisi dei dati (le persone in età di lavoro, 15 - 64 anni, diminuiranno secondo le proiezioni ISTAT di oltre 6 milioni di unità entro il 2040).

‍

L’intelligenza artificiale non cambierà l’essere umano, ma determinerà e già lo sta facendo, un rilevante cambiamento nei processi lavorativi, interconnettendo le differenti attività in tempo reale ed agevolando i processi di analisi e di trasformazione dei dati in informazioni per le decisioni.

‍

‍

Fonte: https://www.ipsoa.it/documents/quotidiano/2023/09/20/budgeting-strategie-intelligenza-artificiale-due-facce-medaglia

‍

A cura di:

‍

‍

‍

‍

‍

‍

‍

‍