Posljednjih godina velike količine prikupljenih podataka te rastući broj sofisticiranih algoritama za rudarenje podataka utrli su novi put povećanju korporativne uspješnosti. Modeli odlučivanja mogu biti vrlo uspješni i precizni te mogu pomoći tvrtkama da izbjegnu pristranost pri odlučivanju, odnosno pridavanju prevelike važnosti najnovijim informacijama ili događajima. Za razliku od modela, ljudi pokušavaju biti suviše precizni i vjeruju da su njihove procjene točnije nego što zaista jesu.
Istraživanje tržišta, iako ima svoju dokazanu vrijednost, ponekad može dati zavaravajuće rezultate; događa se da se daje prevelika važnost nekim postupcima ili događajima koje modeli odlučivanja mogu potpuno zanemariti, odnosno proglasiti statistički beznačajnima. Čak iako ste potpuno skeptični kao organizacija prema modelima poslovnog odlučivanja, pokušajte krenuti srednjim putem između rezultata modela odlučivanja i ljudske procjene vezano na primjer uz buduće prodajne rezultate nekog proizvoda.
Evo jednog zabavnog primjera modela odlučivanja, Garth Sundem i John Tierney razvili su model za previđanje trajanja braka između dvaju slavnih osoba. Oni su predvidjeli da je trajanje braka bazirano na sljedećim činjenicama; zbroju godina bračnog para (više je bolje), da li imaju neki propali brak iza sebe (propali brakovi su loš znak), koliko dugo su izlazili prije braka (duže je bolje). Model također uzima u obzir slavu (mjerenu brojem hitova kroz Google pretraživač) te seksualnu privlačnost (mjerenu postotkom Google hitova koji sadrže fotografije žene oskudno odjevene). Čak i s tako malim brojem varijabli, model je vrlo dobro predviđao sudbinu braka slavnih u sljedećih nekoliko godina.
Uzimajući u obzir dobre rezultate, moglo bi se zaključiti da modeli odlučivanja mogu popraviti gotovo sve. Međutim, to bi bilo pogrešno. Modeli mogu procijeniti hoće li kredit biti plaćen, ali ne mogu promijeniti vjerojatnost hoće li rata biti plaćena na vrijeme. Oni mogu procijeniti koliko će trajati brak slavnih, ali neće pomoći da on traje duže. Dobra je strana modela mogućnost usporedbe predviđanja s onim što se zaista dogodilo te dalji razvoj modela u svrhu dobivanju kvalitetnijih predviđanja.
Modeli odlučivanja mogu znatno pomoći pri uštedi troškova, na primjer ako se bavite maloprodajom i šaljete veliki broj primjeraka direktne pošte, odnosno kataloga vaših proizvoda, postat će vam vrlo važno da pravu ponudu šaljete pravim kupcima (prema navikama potrošnje) kako bi optimizirali dobit. Modeli odlučivanja baziraju svoja predviđanja na povijesnim podacima, pri čemu je jedan od važnih faktora stabilna situacija na tržištu. Nagli poremećaji tržišta, pad prodaje, ulaz u recesiju neće se povoljno odraziti na kvalitetu modela, njihovo predviđanje postat će lošije, u nekim slučajevima neupotrebljivo.
Uvođenje modela odlučivanja u tvrtke može biti teško. Uzimajući u obzir sve različite podatke koje tvrtke prikupljaju te podatke koje model proglasi najvažnijima u procesu odlučivanja, može se dogoditi da na neke procese/događaje/proizvode jednostavno ne možete utjecati. Pri tom je vrlo važno zadržati povjerenje korisnika modela koje može biti poljuljano u takvim trenutcima.
Ponekad je bolje odlučiti izgraditi model čije će predviđanje biti nešto lošije, ali će poslovnim korisnicima modela dati veću kontrolu nad budućim marketinškim kampanjama ili pri uvođenju novih proizvoda na tržište. Također, važno je steći i zadržati povjerenje rukovodećih struktura u tvrtki, odnosno uvjeriti ih da modeli odlučivanja mogu znatno pomoći budućim poslovnim rezultatima tvrtke na tržištu. I na kraju, ali ne manje važno, potrebno je uspostaviti organizaciju koja odluke poduprete modelima poslovnog odlučivanja može i provesti.
*O autorici: Ines Bašić bavi se poslovnom inteligencijom te analitičkim CRM-om. Posjeduje dugogodišnje iskustvo iz telekomunikacijske i financijske industrije. Možete ju pronaći na LinkedIn-u.
