Tecniche di statistica multivariata a supporto delle decisioni aziendali, Tesi

PREMESSA

L’idea di questa tesi nasce durante un tirocinio curriculare svolto da febbraio 2018

ad aprile 2018 presso l’azienda X S.r.l. che mi ha permesso di partecipare a

dinamiche aziendali che prima di allora avevo incontrato solo nei testi universitari.

E’ un’esperienza che mi ha mostrato che ciò che uno studente studia nelle aule

universitarie non è diverso da ciò che avviene nelle aziende, bensì è collegato e

proprio per questo l’intento della mia tesi è quello di dimostrare come una materia

come la statistica, che a prima vista può sembrare unicamente teorica e prettamente

accademica, può in realtà assumere un ruolo di fondamentale importanza anche nella

praticità aziendale, supportando le decisioni che ogni giorno i manager sono tenuti a

prendere per svolgere la loro attività.

Come vediamo nei prossimi capitoli le tecniche statistiche possono essere utilizzate

per ridurre l’incertezza e la complessità legata a dati che un ricercatore deve

analizzare, permettendo di prendere decisioni più accurate. 3

CAPITOLO 1

1.1 Le decisioni aziendali.

Nella routine aziendale uno dei momenti più importanti e critici allo stesso tempo

riguarda l’analisi dei dati a supporto delle decisioni, poiché esse determinano le

l’offerta che l’azienda

performance aziendali, presenta al suo mercato target,

l’immagine che i clienti hanno di essa rispetto ai concorrenti e di conseguenza le

ripercussioni che questi aspetti hanno sulla redditività aziendale e sulla capacità di

creare valore. è necessaria un’analisi

Per questi motivi accurata per fronteggiare problemi che

possono verificarsi in condizioni di incertezza; la costruzione di un modello

decisionale potrebbe essere descritta nel seguente modo:

• Individuazione delle possibili alternative decisionali;

• Individuazione degli eventi che, congiuntamente a ciascuna decisione

possibile, potrebbero condurre ad un distinto risultato;

• Stima delle possibilità relative a ciascun possibile risultato;

• Stima del profitto (utilità) di ciascun possibile risultato;

• 1

Determinazione del valore atteso di ciascuna decisione.

In generale, possiamo riconoscere diverse tipologie di decisioni:

• a seconda che ci sia o meno l’influenza personale del

Oggettiva/Soggettiva:

decision maker;

• Routine/Straordinaria: se si tratta di una decisione che riguarda la gestione

ordinaria o straordinaria;

1 Fonte: A. De Luca (2002). Le applicazioni dei metodi statistici alle analisi di mercato: manuale di

marketing quantitativo. Franco Angeli. Milano 4

• Semplice/Complessa: a seconda delle variabili che influenzano la decisione

stessa;

• Operativa: decisione che può essere modificata in maniera semplice e in

tempi sostanzialmente brevi;

• Tattica: decisioni che richiedono un periodo temporale lungo;

• Strategica: decisioni che richiedono un impiego permanente di risorse e un

orizzonte temporale più lungo rispetto alle decisioni tattiche.

Il caso più semplice per affrontare il problema relativo alle decisioni aziendali

prevede l’utilizzo della matrice delle decisioni strategiche, ovvero una tabella che

mostra sulla base di determinate variabili i relativi risultati attesi; tuttavia è

necessario evidenziare che questo modello è idoneo ad inquadrare il problema

decisionale riguardante una decisione presa in un determinato istante temporale. Se

invece, come spesso accade, una decisione influenza altre linee di azione future e da

vita ad un serie di decisioni concatenate, il metodo della matrice non è più valido. In

l’albero

questi casi si può ricorrere ad altri strumenti quale, per esempio, delle

decisioni.

Si tratta di uno strumento di analisi che permette di esprimere con maggior chiarezza

le scelte, gli obiettivi, i profitti e le informazioni disponibili. L’albero delle decisioni

è costituito da una serie di nodi e rami che rappresentano rispettivamente i possibili

L’obiettivo di questo modello è

eventi o i punti di decisione e le alternative di scelta.

quello di individuare le alternative che, in un particolare punto di decisione,

forniscono il profitto atteso più elevato. Questa teoria è utilizzata soprattutto per

programmi di natura commerciale, nel campo pubblicitario e per l’analisi dei

consumatori.

Per la costruzione di un albero delle decisioni possiamo individuare i seguenti step:

• Identificare i punti di decisione e le alternative esistenti in ciascun punto;

• Identificare i punti di incertezza e gli eventi alternativi in ciascun punto;

• Stimolare i valori necessari per l’analisi decisionale, ovvero le probabilità dei

diversi eventi, costi e ricavi di ciascun evento o azione; 5

• 2

Analizzare questi valori per la scelta della migliore alternativa.

Nella Figura 1 possiamo vedere una possibile configurazione di albero delle

decisioni. Figura 1: esempio di albero delle decisioni

Dalla teoria delle decisioni in condizioni di incertezza discendono i Decision

Support System (DSS), formati da modelli probabilistico-statistici e di informazioni,

nell’assunzione di decisioni su problemi

finalizzati a supportare i decision makers

ovvero su problemi che presentano una complessità e un’incertezza

non strutturati,

molto elevata e che non hanno un’unica risposta ben definita, in quanto si prestano a

diverse soluzioni alternative, tutte con pro e contro.

Il DSS è un sistema informativo che converte dati provenienti da fonti interne ed

esterne in informazioni da fornire nella modalità più appropriata ai manager di ogni

livello e in ogni funzione aziendale e permette loro di prendere decisioni rapide ed

efficaci; permette alle funzioni aziendali di meglio pianificare, gestire e controllare

le attività per le quali sono responsabili, dunque è un sistema che permette di

prendere decisioni aziendali sulla base dei dati presenti nel sistema informativo (SI);

aumenta la velocità, la flessibilità e il range di attività.

2 Fonte: A. De Luca (2002). Le applicazioni dei metodi statistici alle analisi di mercato: manuale di

marketing quantitativo. Franco Angeli. Milano 6

È da evidenziare però che i modelli finora analizzati possono fungere da supporto in

situazioni caratterizzate da bassa complessità, ovvero nell’assunzione di decisioni di

routine, quando i dataset da analizzare non sono particolarmente complessi. Nella

maggior parte dei casi però la situazione che si presenta ai manager aziendali è ben

diversa: le decisioni da prendere hanno una rilevanza molto elevata, i dataset a

disposizione sono molto complessi, per cui è necessaria in azienda la figura di un

analista che, avvalendosi delle tecniche statistiche, riduca la complessità dei dati ed

estrapoli le informazioni più importanti in modo da poter garantire una maggiore

efficienza delle decisioni.

Riconosciamo due tipologie di dati: dati primari e secondari; per dati primari

intendiamo tutte le informazioni raccolte ad hoc per il problema in questione, mentre

per dati secondari intendiamo informazioni raccolte in precedenza per risolvere una

problematica, ma che possono essere riutilizzate per il problema in questione, con

3

opportune rivisitazioni.

Dopo aver raccolto i dati primari e secondari attraverso varie tecniche che possono

variare dalla ricerca sperimentale, ricerca sul campo, indagine campionaria, indagine

diretta (interviste, sondaggi, questionari), è necessario analizzarli. In questa fase

entra in gioco la statistica che aiuta gli operatori a studiare la variazione simultanea

di due o più variabili casuali attraverso modelli di analisi multivariata.

I modelli più utilizzati sono i seguenti:

• Regressione multipla;

• Analisi delle componenti principali;

• Analisi discriminante;

• Cluster analysis;

• Multidimensional scaling.

3 Fonte: J.P. Peter, J.H. Donnelly, C.A. Pratesi (2013). Marketing. McGraw-Hill. Milano 7

L’azienda

1.2 X

Durante la mia esperienza da tirocinante, svolta presso l’azienda X., ho affrontato il

problema di analizzare le caratteristiche del portafoglio clienti per poi procedere ad

una segmentazione di mercato, al fine di individuare i clienti con caratteristiche ed

esigenze comuni.

L’azienda in questione è la X., una software house che produce soluzioni

informatiche gestionali; ha come obiettivo quello di risolvere i problemi informatici

delle aziende attraverso lo sviluppo di applicativi LOB (line of business) e

consulenza informatica agli sviluppatori.

È stata fondata nel 2010 da X, è orientata alla tecnologia web in particolare alle

tecnologie di ultima generazione; collabora con altre aziende, è infatti nodo

fondatore di X, una rete di imprese innovative, formata da circa trenta professionisti

del settore digitale.

I punti di forza che contraddistinguono la X risiedono nel fatto che per comprendere

cosa porta un cliente a scegliere il suo fornitore, lo staff si è immedesimato nel

cliente stesso, ed ha elencato le migliori qualità, i motivi principali per affidarsi ad

essa:

• La velocità: ogni singolo processo viene studiato in modo tale da garantire al

cliente il raggiungimento degli obiettivi nel minor tempo possibile;

• Contratti agili: si paga in base al risultato ottenuto e alla qualità del software

gestionale scelto;

• Fa rete: X crede fermamente nella rete di imprese, per questo ha creato X:

così, oltre al suo staff, potrai anche contare sulla rete digitale di altri trenta

professionisti;

• Nessun vincolo: il cliente può confermare la sua fiducia a questa software

house di volta in volta, in totale indipendenza; 8

• 4

Forte specializzazione: lo staff è altamente qualificato nello sviluppo web.

Al fine di sviluppare le potenzialità sopra elencate, nel corso di questi ultimi anni

l’azienda ha prodotto i seguenti software:

KIARA WEB, una piattaforma per la vendita nei settori fashion, food service e

general merchandising;

SHAREXLS, il software gestionale pensato per creare il tuo sistema aziendale a

partire dai fogli excel che utilizzi;

SHAREALERT, incredibilmente facile da usare, è il software che avvisa gli utenti

delle prossime operazioni nei flussi di lavoro e sui documenti, in base ai dati del DB

e di Sharepoint;

DOCBRIDGE, la soluzione per eliminare i documenti cartacei dell’azienda, con

OCR integrato per determinare e proporre il titolo;

MARKET CHECKER, modifica automaticamente il prezzo delle inserzioni facendo

aumentare le vendite e la competitività;

QUALITY ASSURANCE PLANT PROCES