Problem już na wstępie

Trendy światowe nie od razu znajdują odzwierciedlenie w polskich realiach. Nasycenie naszego rynku narzędziami do prognozowania jest i jeszcze długo pozostanie słabe. Wynika to po części także z uwarunkowań obiektywnych. "Lokalna rzeczywistość różni się wciąż od realiów światowych, a w związku z tym i poziom dokładności prognoz bywa często niższy. Dynamika zmian jest znacznie większa, a to wymaga częstszego korygowania przyjętych modeli" - mówi Piotr Wójtowicz, kierownik działu kluczowych klientów w StatSoft Polska.

Jedną z barier hamujących rozwijanie systemów wspomagających rozwój narzędzi prognostycznych jest stopień ich skomplikowania. Oprócz wiedzy biznesowej ich wdrożenie wymaga zwykle ogromnej wiedzy z zakresu statystyki i ekonometrii. Oczywiście, wymagania co do kompetencji personelu zależą w dużym stopniu od charakteru prognozowanych zjawisk. Tworzenie nawet najprostszych analiz wymaga dużej wprawy w obróbce danych i swoistej intuicji, która pozwalałaby na wychwycenie czasem bardzo subtelnych zależności pomiędzy zjawiskami.

Prognozowanie ilościowe, zgodnie z nazwą, wymaga dużej ilości danych historycznych. Nie jakichkolwiek, ale spójnych definicyjnie i "czystych". Jak mówi Jerzy Surma z IMG Polska, wprowadzenie systemu prognostycznego w firmie handlowej czy dystrybucyjnej jest raczej bezcelowe, jeżeli nie zgromadziła ona dobrych jakościowo danych z ostatnich co najmniej dwóch lat. Dla większości firm barierą jest oczywiście nie okres zbierania danych, lecz wysiłek, który trzeba by włożyć w "czyszczenie" danych.

Osobny problem przy wprowadzaniu w firmie rozwiązań prognostycznych stanowi brak mechanizmów do scalania danych z różnych źródeł. W większości firm, nawet tych dużych, integracja aplikacji ma charakter przypadkowy, a nie systemowy. Nawet w sektorze finansowym oprogramowanie integracyjne nie zdobyło jeszcze pozycji "niezbędnego". Tymczasem jest to sprawa wręcz kluczowa, prognozowanie opiera się bowiem na wyszukiwaniu i analizie relacji między danymi z wielu często niezbyt kompatybilnych systemów.

Czynnikiem utrudniającym wdrożenie technologii z zakresu analizy danych i prognozowania jest niechęć potencjalnych użytkowników. "Bardzo często przedstawiciele działów biznesowych reagują niechętnie na wszelkie inicjatywy związane z narzędziami analitycznymi, podkreślając, że wdrożone dotychczas aplikacje analityczne okazały się nieprzydatne z ich punktu widzenia" - mówi analityk chcący zachować anonimowość. "Często jednak równocześnie rozwijają w swoich działach zaprojektowane przez siebie rozwiązania analityczne. W ten sposób w jednej firmie, obok centralnej hurtowni danych, działa kilka minisystemów wykorzystujących własny model danych" - dodaje.

Oddanie funkcji związanych z tworzeniem prognoz wydzielonemu działowi funkcjonującemu w strukturze centrali jest błędem. "Wpływ na tworzenie prognoz, zwłaszcza tych dotyczących zarządzania strategicznego i finansów, powinny mieć także osoby na bieżąco zajmujące się działalnością biznesową" - twierdzi Małgorzata Wiśniewska z SAP Polska. Znaczenie tzw. prognozowania zespołowego (collaborative forecasting) w tworzeniu prognoz i dostosowywaniu działania firmy do zmieniających się warunków rynkowych podkreśla także Maciej Ruszyński z Infovide. W jednej z firm, która właśnie wdraża system wspomagający prognozowanie, wstępne prognozy wygenerowane przez system analityczny są weryfikowane trzykrotnie, zarówno bezpośrednio przez analityków w centrali, jak i komórki terenowe rozproszone po całym kraju. Wszystko po to, by w efekcie osiągnąć analizę uwzględniającą możliwie jak najwięcej czynników wpływających na realizację planu.

Jakub Wojnar jest specjalistą ds. systemów analitycznych w jednej z firm wdrażających u siebie podobne rozwiązania.