Lo studio dei processi decisori è certo una prerogativa si Simon (A.Newel, H.Simon "Human Problem Solving" Prentice Hall, Englewood Cliffs '72) dal quale andiamo ad estrarre i passi logici e sequenziali di un processo decisorio:
Le fasi che vanno dalla 1 alla 3 sono spesso iterate finche la 3 non permette una scelta affidabile e convincente. In termini di impegno e risorse, ad ogni iterazione, vanno riducendosi e concentrandosi sulla decisione-soluzione del problema, quindi potremo così descriverli:
Se il processo decisorio si ripete sempre con le stesse caratteristiche ed è frequente allora parleremo di decisione STRUTTURATA, altrimenti, se non è ripetitivo e poco frequente sarà una decisione DESTRUTTURATA.
Nel primo caso (STRUTTURATE) risulta conveniente per l'azienda consolidare il processo abituale decisorio con una adeguata documentazione delle scelte fatte con successo, specialmente se esiste un gruppo di lavoro a prendere le stesse decisioni. La documentazione di supporto e il reporting usualmente viene fornito dal personale dei S.I.
Nel secondo caso (DESTRUTTURATE) le capacità individuali del decisore sono molto più
importanti degli strumenti a disposizione.
In qualche modo potremo aiutarlo fornendo report significativi e
flessibili per la parte di intelligence e check list per
verificare tutte le soluzioni possibili da validare, ma la formazione della persona
decisoria è in ogni caso il fattore chiave.
Altri strumenti di supporto sono i sistemi esperti e ,più in generale, i DSS (Decision
Support System).
Individuali o di gruppo, le decisioni sono in prevalenza poco razionali (March, Olsen "Ambuguity and Choise in Organizations" Universitetsforlaget, Bergen '76), ma questo non toglie importanza e validità di compiere lo sforzo di invertire la tendenza. Più viene fatta Analisi e Sintesi consapevole e più la qualità della decisione ( in termini di efficacia ed efficienza ) è rilevabile e apprezzabile. Se la scelta intuitiva è comunque buona lo si deve spessa alla fortuna o alle condizioni di contorno.
fulcro sui dati
fulcro sugli algoritmi di modellazione dei fenomeni
fulcro sulle tecniche di intelligenza artificiale
I DSS data oriented si appoggiano ai database per fornire adeguati input al decisore
I DSS model oriented utilizzano tecniche di simulazione sulle quantità per descrivere e prevedere i fenomeni nei loro comportamenti estremi e normali.
I DSS expert System si basano su Knowledge Data Base dove sulla base di regole e valori archiviati applicano processi inferenziali logici.
ripercorrendo le fasi descritte da Simon e incrociandole con le tipologie di DSS possiamo così riproporle:
| Data Oriented | Model Oriented | Artificial Intelligence | |
| INTELLIGENCE | +++++ | - | +++++ |
| DESIGN | +++ | - | +++++ |
| CHOISE | - | ++++++ | +++++ |
| IMPLEMENTATION | - | +++ | ++ |
| CONTROL | +++++ | - | +++++ |
se devo decidere se produrre un prodotto per evadere un ordine nei tempi concordati avrò bisogno di un accesso "ragionato" alle informazioni commerciali, produttive e logistiche.
se devo scegliere la miglior forma di investimento tra quelle proposte da una finanziaria e la possibilità di ampliamenti industriali dovrò dotarmi di modelli di simulazione di resa industriale o finanziaria.
Qualche considerazione in più su ...
I DSS data oriented si possono distinguere in :
Data retrival
hanno come obiettivo la ricerca di una precisa informazione nel complesso di un database
risponde alla domanda "Qual'è l'elemento che più soddisfa questi criteri?"
Data Analysis
una ricerca incrociata su più archivi e su più condizioni.
risponde alla domanda "Quali possibilità ho di trovare le informazioni che rispettano i miei requisiti?"
Le risposte che si cercano attraverso questi strumenti non sono routine (sarebbero
allora sufficienti report statici)
I DSS model oriented descrivono in termini matematici, logici, statistici o probabilistici un fenomeno reale
Modelli produttori di informazioni utili
Investirà l'azienda in una tipologia di prodotti nuovi? Sarà utile un modello previsionale sulla domanda del mercato che mi dia informazioni su un possibile scenario al medio termine.
Modelli di valutazione effetti decisori
Scrivo registrazioni contabili fittizie e verifico un certo tipo di effetto attraverso la reportistica economica, finanziaria e gestionale.
Studio l'andamento della domanda di mercato al variare del prezzo e delle spese pubblicitarie.
Modelli per la ricerca della scelta ottimale
Verifico , attraverso un modello, il meglio tra perseverare su una rosa di prodotti o investire sul mix. (multicriteria analysis)
Per concretizzare questa analisi dovrò tener conto di diverse variabili indipendenti.
Quando le soluzioni sono più di una occorre stabilire elementi di valore prioritario rispetto ad altri, ...
Modelli che attuano le decisioni
La situazione del mio magazzino, gli ordini aperti, le previsioni di vendita, le previsioni di acquisti, il comportamento dei precedenti periodi simili valutato attraverso un modello di riferimento quantitativo prestabilito ci fornisce direttamente una proposta d'ordine per il reintegro delle scorte o l'attivazione della produzione.
I DSS basati sull'intelligenza artificiale sono scindibili
in:
Knowledge based
Cos'è una base di conoscenza? E' un data base di strutture logiche (regole) e di azioni (fatti) che insieme descrivono il percorso conoscitivo logico-contenutistico di un problema.
Ad esempio, il problema è progetto un nuovo componente meccanico con raccordo filettato; le regole potrebbero essere:
SE (esiste nella banca dati un maschio filettato del passo richiesto?)
ALLORA (utilizzo quello già esistente)
ALTRIMENTI (
SE ( Il prezzo di acquisto è inferiore al prezzo di produzione stimato?)
ALLORA (segnalo all'ufficio acquisti i volumi previsti di fabbisogno)
ALTRIMENTI (richiedo un briefing della produzione sul nuovo componente)
...i fatti o azioni sono le parti di interazione con l'utente, gli accessi a banche dati, le verifiche procedurali, tutto ciò che occorre fare per valutare una regola.
Expert Systems
sono gli strumenti operativi per sfruttare le basi di conoscenza e metterle a disposizione di una interazione intelligente con gli utenti NON esperti.
Il "cuore" del sistema esperto è costituito dal motore inferenziale che lavora sulla scorta delle strategie di analisi della base di conoscenza definite dal progettista.
le strategie utilizzate sono di due tipi principali:
GOAL DRIVEN : partendo dalle soluzioni possibili verifico le regole sottostanti applicando la validazione delle relative azioni fintantoché non trovo una o più soluzioni completamente verificate.
EVENT DRIVEN: eseguo le azioni più frequentemente verificate e risalgo alle soluzioni possibili da validare.
La più utilizzata è la Goal Driven per le sue caratteristi di efficienza e ottimizzata interazione con l'utente.
Utilizzare questi strumenti implica:
La disponibilità di uno o più esperti del problema a travasare il loro Know How in una base di conoscenza (impresa non banale).
La convinzione degli utenti a ritenere affidabile l'esito della transazione con il sistema esperto (chiave di successo è l'aggiornamento continuo della base di conoscenza, anche in funzione delle richieste utente)
Forte interazione con gli automatismi di rilevazione dati storici e attuali (banche dati e dispositivi on line real time automatici)