Przyszłość w szklanej kuli

W większości firm rolę narzędzi analitycznych spełniają bardzo często arkusze kalkulacyjne. W wielu wypadkach nie są to oczywiście tylko arkusze, ale aplikacje w formie makr, a nawet samodzielne aplikacje Visual Basic operujące na wielu arkuszach jednocześnie. Do wykonania prognoz w rodzaju: poziom cen produktów w różnych wariantach konfiguracyjnych przy różnych kursach walut, za które są kupowane półprodukty, lepszego narzędzia po prostu nie potrzeba.

Korzyści płynące z wdrożenia profesjonalnych narzędzi wspomagających proces prognozowania zaczynają, powoli, ale jednak, być dostrzegane również przez firmy innych sektorów. Miejsce makr w Excelu, umożliwiających prognozowanie ilościowe na podstawie prostych modeli statystycznych, zajmują w nich bardziej zaawansowane narzędzia. Często są to funkcje zawarte w systemach ERP. Funkcje prognostyczne znajdują się np. w modułach do integracji łańcucha dostaw - są już pierwsze firmy, które rozważają wdrożenie tego typu narzędzi. Umożliwia to chociażby dokładne planowanie ciągów produkcyjnych i dystrybucji wytwarzanych produktów. Oczywiście, istnieją systemy analityczne budowane głównie i przede wszystkim z myślą o prognozowaniu.

Po sektorach finansowym i telekomunikacji przyszedł czas na energetykę. Konieczność zbilansowania popytu i podaży energii nakłada na zakłady energetyczne obowiązek zgłaszania zapotrzebowania na energię elektryczną z wyprzedzeniem - obecnie dobowym. Wynik finansowy zależy wprost od trafności prognozy, dlatego zakłady wykorzystują narzędzia prognostyczne umożliwiające szacowanie popytu na podstawie danych o strukturze demograficznej, pogodzie, a także danych z lat ubiegłych dotyczących zapotrzebowania na energię w analogicznych okresach roku. Niektóre z nich, np. Zakład Energetyczny Płock, wdrożyły narzędzia, które umożliwiają wstępne szacowanie zapotrzebowania na energię z wyprzedzeniem nawet 60-dniowym. "Oczywiście, wszystkie prognozy są później weryfikowane przez analityków, na których wiedzy opiera się cały proces" - twierdzi Anna Jasińska-Kawałczewska z Zakładu Energetycznego Płock. Do opracowywania prognoz są wykorzystywane metody zarówno ilościowe, jak i jakościowe.

Od analiz do prognoz

Prognozowanie staje się naturalnym następstwem wdrożenia systemów analitycznych. Doskonałym przykładem takiej ewolucji jest projekt przeprowadzony w ramach popularnego programu lojalnościowego. System analityczny wykorzystujący hurtownię danych zastąpił raportowanie wykonywane na danych transakcyjnych, co było obciążające zarówno dla bazy danych, jak i informatyków. W wielu przypadkach raport powstawał zbyt późno, przez co był prawie bezużyteczny.

Wdrożona hurtownia zbiera dane uzyskiwane podczas rejestracji nowych klientów w programie oraz pojawiające się z czasem dane dotyczące dokonywanych transakcji. Zasila ona wielowymiarowe kostki OLAP stworzone zgodnie z wymaganiami raportowymi poszczególnych partnerów programu. System umożliwia już uzyskanie raportów sprzedażowych, raportów behawioralnych użytkowników i, co najważniejsze, segmentację klientów.

Większość raportów jest wykonywana na podstawie kostek wielowymiarowych z możliwością drążenia danych według dowolnie zdefiniowanych wymiarów - partnerów, lokalizacji, produktów, segmentów biznesowych, klientów, czasu oraz zdefiniowanych miar. Korzyści z uruchomienia systemu okazały się niebagatelne, dlatego właściciel programu szuka możliwości jego dalszego rozwoju. Firma chce, aby system pozwalał z określonym prawdopodobieństwem przewidywać zachowania klienta w przyszłości, co umożliwi odpowiednio wczesną reakcję na nadarzającą się okazję bądź ewentualne problemy.

Na popularyzację narzędzi prognostycznych niebagatelny wpływ może mieć, jak się okazuje, zmieniająca się sytuacja w otoczeniu biznesu. "Zwłaszcza w przypadku dużych przedsiębiorstw, działających na międzynarodowych rynkach, duży wpływ na to miała presja ze strony analityków i rynku giełdowego, który oczekuje od przedsiębiorstw szacunków dotyczących wyników finansowych z dużym wyprzedzeniem" - uważa Maciej Wiśniewski, partner w Andersen Business Consulting.

Prognozy cyzelowane

Trafność prognoz zależy od wielu czynników: właściwego zdefiniowania zadania prognostycznego czy dobrania adekwatnej do charakterystyki problemu metody prognozowania. Oprócz tego niebagatelną rolę odgrywają: dynamika badanego zjawiska, poprawna identyfikacja czynników prognostycznych, właściwy dobór metod wnioskowania. Liczą się też kontrola realności założeń oraz odporność przyjętych metod na odstępstwa od założeń. Dla jakości prognozy ważna jest także aktualność modeli. Aby ją zapewnić, modele trzeba dostosowywać do zmian zachodzących w świecie rzeczywistym i mogących mieć wpływ na wyniki prognoz.

Same liczby i metody nie gwarantują prawidłowego wnioskowania, dlatego nowoczesne systemy prognostyczne, oprócz modeli ekonometrycznych i statystycznych, wykorzystują sieci neuronowe. "W systemach DSS bardzo ważnym czynnikiem jest transparentność wiedzy, to jest możliwość sprawdzenia, w jaki sposób odbywa się wnioskowanie" - mówi Krzysztof Michalik, prezes katowickiej spółki Aitech Artificial Intelligence Laboratory, która zajmuje się wdrażaniem narzędzi wspomagających podejmowanie decyzji.


TOP 200