Az éves „budgeting” a múlté, jön a folyamatos újratervezés. Ezt hozta a mesterséges intelligencia, a folyamatbányászat, a prediktív elemzés. A vállalatirányítás adatvezérelt lett.
Manhattanben a zebráknál lévő közlekedési lámpákon van egy gomb a gyalogosok számára. Aki ideges a hosszú várakozástól, nyomkodhatja ezeket, jelezve, hogy át akar kelni. Pontosabban, csak hiheti, hogy jelez, a gomb ugyanis sehova sincs bekötve, mindössze a gyalogosok megnyugtatására szolgál – olvasható Rolf Dobelli „Die Kunst des klaren Denkens” (A világos gondolkodás művészete) című könyvében. Merthogy – mint ezt tudományos kísérletek bebizonyították – a tűrőképességünk megnő, ha azt hisszük, hogy befolyásolni tudjuk a helyzetet, akár csak egy kicsit is. Nem számít, hogy ez csak illúzió.
Nem kell Manhattanig menni, hogy hasonló placebo gombokkal találkozzunk. Például egyes liftekben láthatunk ilyet: van ugyan bennük ajtónyitó és záró gomb, csak éppen nem állnak kapcsolatban az ajtóval.
Rolf Dobelli szerint a jegybankárok és a pénzügyminiszterek ilyen placebo gombok egész során játszanak. Az, hogy ezek a gombok nem működnek, már 20 éve tapasztalható Japánban, és néhány éve az Egyesült Államokban is. De mi hagyjuk magunkat megtéveszteni egy illúziótól, mert elviselhetetlen lenne a tudat, hogy a világgazdaság alapvetően irányíthatatlan.
Egyfajta kontroll illúzióvá vált az éves tervek elkészítése is, hatalmas bürokráciát mozgósítva a vállalatoknál. A társosztályok – értékesítés, marketing, hr stb. – vezetői eddig is csak nyűgnek érezték ezt, de mára a pénzügyeseknek is el kell ismerniük, hogy az éves büdzsé csak arra jó, hogy legyen mit megváltoztatni. A környezeti feltételek ugyanis folyamatosan változnak, s a terveket ehhez kell igazítani. Havonta, de akár hetente is.
Nincs tehát értelme annak, hogy az energiáinkat minél pontosabb és részletesebb éves tervek készítésére fecséreljük el. Sokkal inkább az újratervezés művészetét kell elsajátítanunk. Hogyan ismerhetjük fel a változásokat már jó előre, s hogyan tudunk ezeknek megfelelni? A prediktív elemzés (predictive analytics) rejtelmeiben kell elmélyednünk. A kontrollt az alkalmazkodás váltja fel.
A mesterséges intelligencia (artificial intelligence, AI) korát éljük. Az AI mindennapi használatát a vállalatok rendkívüli módon igénylik, a technológiai fejlődés pedig lehetővé is tette ezt. Korábban csak ültünk a Big Datán, ma már az újfajta processzorok (GPU) villámgyorsan dolgoznak az in-memory adatbázisokban. Az emberi idegsejt-hálózathoz hasonló neurális hálózatok megjelenése is magasabb szintre emelte a gépi tanulást (deep learning). Már csak az előrejelzéshez és a megfelelő döntések meghozatalához szükséges módszereket (predictive & prescriptive modeling) kell elsajátítanunk.
Ma már nem csak adatbányászatról, hanem folyamatbányászatról is beszélünk. Figyeljük, hogyan viselkedik a potenciális vásárlónk, a meglévő vevőnk / ügyfelünk, milyen változások zajlanak a szegmensünkben, s ennek megfelelően újratervezünk.
Ha felfedezünk egy árazási potenciált, akkor azonnal levonjuk a tanulságokat, újraárazzuk a termékeinket, ennek eredményét átvezetjük a tervezési modellen. Így frissül a termék fedezetszámítása és a szegmensek eredményszámítása is. Ha észrevesszük, hogy a vevőink nem olyan terméktulajdonságok alapján döntenek, mint hittük, akkor megszüntetjük a termékeink egyes funkcióit. Ha a geolokációs elemzésekben azt látjuk, hogy egy bizonyos körzetben csak kannibalizáljuk egymást a versenytársainkkal, akkor mihamarabb kivonjuk onnan erőforrásainkat és átcsoportosítjuk olyan régiókba, ahol elemzéseink magasabb potenciállal kecsegtetnek.
Az új módi pozitív mellékhatása, hogy mérsékli a pénzügyesek és a többi vállalati szakember közti ellentéteket. S nem csak a tervezési bürokrácia csökkenése miatt. Korábban a vállalatvezetők a kifeszített terveket kedvelték, mert tudták, hogy az egyes szegmensek vezetői úgy igyekeznek befolyásolni a bemeneti adatokat, hogy aztán könnyedén túlteljesíthessék a tervet (és zsebre vághassák a minél nagyobb bónuszt). Ma már nincs szükség erre. Az adatok baráttá váltak az értékesítők, a gyártási szakemberek számára is: csak úgy érhetnek el jobb eredményt, ha a predictive & prescriptive modeling megmutatja, mit kell tenniük.
Bár nehéz, de nem baj, hogy le kell számolnunk a kontroll illúziójával. Minek is nyomkodnánk a gombot a közlekedési lámpánál, ha a mesterséges intelligencia képes úgy megszervezni a közlekedést, hogy mindannyian gyorsabban jussunk haza?
Radó István, az IFUA Horváth & Partners ügyvezetője
