Nie podlega dyskusji to, że menedżerowie dysponują obecnie większą ilością danych niż jeszcze 10 lat temu. Mam tu na myśli dane, które mogą być przez nich wykorzystane przy podejmowania decyzji. Dane, zgromadzone we wszystkich systemach informatycznych firmy. Za kolejnych 10 lat, do dyspozycji będą oni mieli jeszcze więcej danych niż dziś. Ten przyrost danych jest lawinowy i nieunikniony, szczególnie w firmach, dla których podstawą działania stał się Internet. Wraz z przyrostem danych, rosną też możliwości obliczeniowe przedsiębiorstw. Postęp w tym zakresie jest znaczący. Dotyczy to zarówno mocy obliczeniowej komputerów, jak i miejsca na składowanie danych. Żyć nie umierać. Dane są i stale napływają, dysponujemy sprzętem i oprogramowaniem, zdolnym do przetwarzania tych danych. Czy w efektywny sposób potrafimy zamienić ten wielki strumień danych na strumyk informacji (wiedzy), użyteczny w procesach podejmowania decyzji na różnych szczeblach działania firm i w różnych jej obszarach? Jaka jest rola człowieka w tym procesie?
W dużej mierze zależy to od kultury zarządzania w danej firmie, od świadomości czym są surowe, nieprzetworzone dane, a czym informacja, wydobyta z tych danych. I to taka informacja, która, może być naprawdę wartościowa. Dzięki której, podejmowane decyzje mogą być lepsze niż wtedy, gdybyśmy taką informacją nie dysponowali. Dane przetwarzać można na wiele sposobów. Poprzez proste lub mniej proste sposoby agregowania, klasyfikowania, łączenia etc. Można je także wykorzystać w zmyślny sposób do budowania matematycznego modelu jakiegoś zjawiska, który w sposób uproszczony (zazwyczaj) opisze fragment badanej, biznesowej rzeczywistości. Np. jaka jest zależność popytu na dany produkt od ilości tego produktu na sklepowej półce. Takim modelem będziemy się mogli posłużyć w wypadku prostych analiz typu „co-jeśli?”. Możliwe jest także jego wykorzystanie go do rozwiązywania problemów optymalizacyjnych, „osadzonych” w procesach podejmowania decyzji, które dadzą odpowiedź na pytanie, jakie są optymalne wartości tzw. zmiennych decyzyjnych.
Literatura z dziedziny ekonomii, nauk technicznych, nauk medycznych lub innych, obfituje w setki gotowych modeli matematycznych, które są na wyciągnięcie ręki. Są gotowe do wykorzystania i czekają, aż ktoś po nie sięgnie i dostosuje do własnych potrzeb. Trzeba je tylko umiejętnie „skalibrować”, czyli ustalić wartości parametrów w nich występujących. Należy dodać, że proces ten może być kosztowny, może wymagać wielu tygodni lub miesięcy obserwacji zjawiska, które chcemy modelować. Jednak odpowiednio przygotowany model matematyczny zjawiska jest nieoceniony w procesach podejmowania decyzji. Czy warto ponosić koszty budowania modeli matematycznych zjawisk, zachodzących w naszym (biznesowym) otoczeniu? Warto.
Zrozumieli to np. inżynierowie, którzy projektują urządzenia mechaniczne. Dobór parametrów konstrukcyjnych siłownika pneumatycznego może odbywać się z wykorzystaniem jego matematycznego modelu, a który to model wiąże wartości tych parametrów z osiągami projektowanego urządzenia. Nie trzeba budować setek, czy tysięcy siłowników i oceniać ich osiągi w warunkach laboratoryjnych – wystarczy model siłownika w pamięci komputera. Za „projektowane urządzenie” można podstawić: skrzydło samolotu, śrubę okrętową, lufę armaty itd. Zrozumieli to także lekarze, którzy leczą nowotwory poprzez ich naświetlanie wiązkami fal elektromagnetycznych (radioterapia nowotworów). Bez dobrych modeli, opisujących zjawisko deponowania energii w tkankach, nie byłoby możliwe określanie planów terapeutycznych dla pacjentów. Zrozumieli to także menedżerowie, np. w firmie Intel, w której dla potrzeb wyboru portfolio projektów typu BiR, stosuje się zaawansowane modele matematyczne oraz metody wielokryterialnego podejmowania decyzji. Można? Można! Firmy z sektora handlu detalicznego o zasięgu globalnym także starają się wykorzystywać modelowanie matematyczne dla potrzeb choćby ustalania, jakie produkty, w jaki sposób i w jakich ilościach umieszczać na półkach, aby konfiguracje te były najbardziej efektywne. Problem ten jest problemem daleko nietrywialnym, wymagającym znajomości zachowań potencjalnych nabywców przy sklepowych półkach. Zaś w handlu elektronicznym – przy półkach wirtualnych.
Wspomniane wyżej przykłady wykorzystywania modeli matematycznych w codziennej działalności firm uświadamiają nam, że nie musimy być gorsi w próbie poprawiania efektywności naszego działania. Zdaję sobie jednak sprawę, że niejeden menedżer po napotkaniu zwrotów „model matematyczny”, „problem optymalizacyjny”, przypomniał sobie nudne zajęcia, np. z ekonometrii lub badań operacyjnych, i zadrżał. Jednak od czego są eksperci, których menedżerowie mogą zatrudniać.
Przedsiębiorstwa pływają w oceanie liczb. Skoro tak, to naturalnym jest wykorzystywanie do nawigacji matematyki. Świat cyfrowy jest światem, do którego opisu aparat matematyczny jest niezbędny. Nie musi to być bardzo skomplikowany aparat. Pewne zagadnienia można – w pierwszym przybliżeniu – upraszczać. Cyfrowa rzeczywistość korporacji ma skłaniać kadry menedżerskie do lepszego wykorzystania potencjału, który tkwi w milionach stron publikacji naukowych, raportów, opracowań, etc. To Science Big Data, związane z nieustannym rozwojem nauki. Przyrost wiedzy naukowej jest imponujący, próba wydobycia z niej użytecznej dla firm informacji staje się problemem samym w sobie.
Do ujarzmienia skrzyń obfitości, jaką oferuje świat nauki, potrzeba w firmach osób, które są w stanie dokonać właściwej selekcji modeli matematycznych, które są przydatne do rozwiązywania praktycznych problemów. Firmom potrzeba także racjonalnie myślących menedżerów, o otwartych umysłach, którzy potrafią tych ekspertów wysłuchać i im zaufać. Menedżerów dojrzałych, wspierających firmę swoim doświadczeniem i intuicją w łączeniu nauki i biznesu. Związek Big Data z Science Big Data będzie wtedy możliwy na większą skalę. Z korzyścią dla firm oraz ich klientów. Dla firm-gigantów i firm-karzełków.
Powrót