Az ókori világ legismertebb jóshelye, a Delphoi jósda több mint 1000 évig üzemelt. A görögök nem kezdtek háborúba vagy nagyobb közösségi vállalkozásba anélkül, hogy megkérdezték volna a Püthiát (azaz a jósnőt), akihez más népek uralkodói, így például az egyiptomi fáraók is gyakran fordultak.
Habár a Delphoi jósda több ezer éve bezárta kapuit és azóta világunk sokat változott, egy dolog mégis változatlan maradt: az emberi természet jövőre vonatkozó kíváncsisága. Most is ugyanolyan kíváncsiak vagyunk a jövőre, mint a több ezer éve élt görögök. Minket is ugyanúgy érdekel, hogy mi lesz holnap, egy hónap múlva, vagy hogy hol leszünk 1 év eltelte után.
Az előrejelzések készítése – ahogy az ipari forradalom is – több lépcsőben, különböző fejlettségi szinteken történt és történik a vállalatoknál. A kezdetben megérzés alapú előrejelzéseket (Forecasting 1.0) felváltotta a vállalatoknál az Excel alapú előrejelzés készítés (Forecasting 2.0). Az előrejelzések módszertanának következő lépése az üzleti intelligencia rendszerekben történő, az Exceltől integráltabban készített előrejelzések (Forecasting 3.0). Az előrejelzések legújabb szintje a Forecasting 4.0 ami prediktív elemzési módszerekkel, fejlett statisztikai algoritmusokkal készül.
A mai vállalati gyakorlatban is természetes igény a jövő minél pontosabb és minél korábbi megismerése. Viszont ahogy Delphoi felett, úgy a hagyományos, jelenleg elterjedt vállalati előrejelzési módszerek felett is eljárt az idő. Az új megközelítés, a Forecasting 4.0 nagy adatmennyiségen végzett statisztikai algoritmusokkal készített magas automatizáltságú előrejelzések készítését jelenti. Alkalmazásával a minőség javul, az aktualitás megnő.
A vállalati gyakorlatban tradicionálisnak számító, jelenleg széles körben elterjedt (Forecasting 2.0 és 3.0) módszertanok szerint az üzleti előrejelzések kiindulópontja a vállalaton belüli tényadatok. A belső múltbeli adatok alapján jellemzően bázis alapú előrejelzéssel – leginkább Excel, esetenként BI eszköz alkalmazásával – elkészítik a forecast első verzióját. Az első verziót szakértői becsléssel, esetlegesen a top-down elvárásokkal korrekciózzák, majd egyeztetik a topmenedzsmenttel, aki jelzi további korrekciós igényeit, ezeket beépítik, és további korrekciós körök indulnak, amíg ki nem alakul a konszenzus, így egy iteratív folyamatban elkészül a végleges elfogadott terv-változat. Ebben az esetben az előrejelzés erősen szubjektív szakértői becsléseken alapszik, valamint a valós várakozások helyett gyakran inkább a topmenedzsment elvárásait tartalmazza. Emellett a folyamat igen hosszadalmas, sokszor jelentős kapacitásokat köt le. Az előrejelzés minősége pedig sokszor nem elégséges, pontatlan.
Ezzel szemben a fejlett, prediktív analitikát használó Forecasting 4.0 módszertana a vállalat belső adatai mellett külső és rosszul strukturált adatokat is figyelembe vesz, mivel ezek plusz információt rejtenek. Az összegyűjtött külső és belső adatok felhasználásával, statisztikai modellekkel – statisztikai célszoftverek és BI eszközök segítségével – magas automatizáltsági fokkal készülnek el az előrejelzések. Ezeket strukturált, transzparens módon, új (múltbeli trendek alapján nem ismert) plusz információt jelentő szakértői becslésekkel kiegészítik. Ily módon a tisztán topmenedzsment elvárásait tükröző számok helyett objektív adatokra épülő előrejelzés készül. Ez irányítási szempontból is kiemelt fontossággal bír, mert innentől az előrejelzés objektív, transzparens és etalon értékű. Ehhez képest vezetői elvárásokból fakadó pozitív eltéréseket, elvárt növekedéseket elkülönülten, akciókkal, intézkedésekkel alátámasztva lehet csak kitűzni. Az előrejelzési best practice tehát ember és gép interakciójával valósul meg. A magas automatizáltság miatt az elkészítési idő a töredékére csökken. Az eredmény lényegesen pontosabb, mint a hagyományos módszertan esetében, és a két megközelítés közötti különbség az előrejelzési időhorizont növekedésével egyre nő.
A vállalati előrejelzések készítése most forradalmi változáson megy keresztül. Ennek alapvetően két oka van. Az egyik, hogy ma már rendelkezésre állnak azok a technológiai és információs feltételek, amelyek komplex előrejelzések készítését teszik lehetővé. A másik, hogy a jobb előrejelzések információ alapú versenyelőnyhöz segítik a vállalatokat – hiányuk pedig versenyhátrányba szorítja őket. Mindez persze amellett, hogy jobb üzleti döntésekhez vezet, a vállalatok irányítási és teljesítményértékelési mechanizmusait gyökeresen fogja átalakítani.
Rengeteg adat áll rendelkezésre. Már-már elcsépelt tény, hogy a vállalatok óriási adathegyeken ülnek, amelyeket nem vagy csak részlegesen használnak fel. A digitális adatok mennyisége minden 2 évben megduplázódik. A sok elfelejtett vagy nem vizsgált adat azonban hasznos információt tartalmazhat. Az információbőség korszakában a kérdés nem az, hogyan gyűjtsünk még több adatot, hanem inkább az, hogy miként lehet hozzáférni a körülöttünk áramló és adattömegek alatt rejtőzködő információs kincshez. Ma már a vállalaton belül meglevő adatokon túl a vállalaton kívüli adatok is könnyebben elérhetőek (pl. részletes piaci forgalmi adatok, időjárás-prognózisok, pontos területi statisztikák, közösségi médiából származó adatok stb.), is becsatornázhatóak az előrejelzések készítésébe. Így a régi befelé forduló, „dobozos” szemlélet helyett komplex, kifelé is tekintő szemlélettel dolgozhatunk.
Fejlett statisztikai programok és algoritmusok érhetők el. A vállalati gyakorlatban korábban soha nem látott mértékben terjed a statisztikai programok használata. A big data és az üzleti elemzői szoftverek világszintű bevétele több, mint 50%-kal, 122 milliárd dollárról 187 milliárd dollárra növekszik 2015 és 2019 között a várakozások alapján. 2020-ra pedig a prediktív és preskriptív típusú elemzések fogják generálni a beruházások 40%-át az üzleti intelligencia területén belül. A statisztikai szoftverek rohamos terjedése mellett az sem elhanyagolható szempont, hogy ezek a szoftverek egyre jobban integrálhatóak a vállalati gyakorlatban alkalmazott rendszerekhez, megkönnyítve és felgyorsítva ezáltal a vállalaton belüli adatáramlást.
A számítógépek teljesítménye folyamatosan növekszik. Egy 2011-es tanulmány szerint 1985 és 2010 között a számítógépek kapacitása több mint 2000-szeresére nőtt. Ehhez kapcsolódik Gordon Moore (az Intel alapítójának) híres törvénye is, ami arra a megfigyelésre vonatkozik, hogy a tranzisztorok száma (ezzel az összetettség) egy integrált áramkörben kétévente megduplázódik.
Az egyre növekvő számítási teljesítmény miatt a számítógépek sokkal jobb problémamegoldókká váltak, mint az emberek. 1997-ben óriási meglepetést váltott ki, hogy az IMB Deep Blue névre keresztelt számítógépe legyőzte Garri Kaszparovot, az akkori sakkvilágbajnokot. Azóta a számítógépek számítási kapacitása rohamosan tovább fejlődött. A mai legjobb sakkprogramok Élő-pontszámai (játékerő mérésére létrehozott mutató) már messze meghaladják a legjobb profi sakkjátékosok játékerejét. A komplex, több dimenziós problémákban a számítógépek tehát hatékonyan, jobb teljesítményt nyújtanak nálunk.
Az adatbányász szakma folyamatosan bővül. Egyre többen foglalkoznak adatbányászattal. Egy jó adatbányász az analitikai, statisztikai, modellezési képességeken túl az üzletet is nagyon jól érti, átlátja a vállalati teljesítményt befolyásoló főbb tényezők közötti összefüggéseket. Az USA-ban az adatbányászati nyitott pozícióknak az 59%-a pénzügyi és biztosítási, informatikai, valamint szakmai, tudományos, műszaki tevékenységi területeken van. Az IBM szerint 2020-ra a data scientist-ek iránti kereslet 28%-kal fog növekedni. Az adatokkal foglalkozó nyitott pozíciók (elemzők, mérnökök és fejlesztők) száma 2,7 millióra fog ugrani a jelenlegi 364 ezerről. A Harvard Business Review egyenesen a 21. század legszexibb foglalkozásának nevezi az adattudóst, adatbányászt.
A vállalatok pontosabb előrejelzéseket szeretnének. Képzeljük el, hogy egy hajón vagyunk, kinn a nyílt tengeren. Éjszaka van, a hullámok csapkodják a hajó oldalát és mi a távcsövünkkel kémleljük a távolt, hogy időben észrevegyük, ha jéghegyhez közeledünk. Minél pontosabb és messzebbre látó távcsövünk van, annál előbb sikerül észrevenni a sötétben a jéghegyet, annál hamarabb tudja a kormányos a hajó irányát megváltoztatni. A hajó ez esetben a vállalat allegóriája. A vállalati életben is – a tengeren utazó hajóhoz hasonlóan – a jobb, pontosabb előrejelzések olyan információhoz juttatják a vállalat irányítóit, ami által proaktívan tudnak a jövőben felmerülő kihívásokra reagálni. A jobb előrejelzések tehát jobb és felkészültebb döntésekhez vezetnek. A jövő pontosabb ismerete ezáltal versenyelőnyt, míg hiánya versenyhátrányt jelenthet a vállalatok között.
A különböző területek előrejelzései legyenek összhangban. Az integrált vállalati rendszerek képezik az alapját a koherens előrejelzés-készítésnek. A Forecasting 4.0 során a vállalati rendszerekben történő adatáramlás összehangolása kiemelt jelentőséggel bír. Ezáltal biztosított, hogy a vállalat különböző szervezeti egységeinek tervei egymással összhangban legyenek. Így például az értékesítési terv és a pénzügyi terv egy koherens egységet alkot, egymásnak szerves részét képezve.
Az előrejelzések jelentősen kevesebb erőforrással készíthetők el. A növekvő komplexitást jellemzően magas szintű részletezettséggel akarja megfogni a vállalati controlling, így a forecast jellemzően igen erőforrás-igényes, bottom-up szemléletben készül. Ezzel szemben a Forecasting 4.0 magas szintű automatizáltsága gyorsítja az előrejelzések elkészítését. Ezáltal a folyamat lerövidül, s tömegével, hatékonyan lehetséges elvégezni több száz idősor esetében is az előrejelzést úgy, hogy ezzel a tervezők válláról jelentős teher kerül le.
A versenyképes üzleti működéshez szükséges előrejelzéseket statisztikai modellekkel, tudatos adatkezeléssel lehet megvalósítani. A Forecasting 4.0 kialakítása egy vállalatnál messze túlmutat annak módszertanán. Hatása a vállalat mindennapi működését alakítja át.
A Forecasting 4.0 egységes, standard, folyamati szinten jól definiált módszertannal rendelkezik. Ember és gép interakciójában valósul meg, mivel a statisztikai előrejelzés mellett teret enged a szakértői beavatkozásnak is. Az előrejelzés folyamati szintű transzparenciája miatt az elkészítés módja a controllerekkel szembeni teljesítményértékelést fogja megváltoztatni. Az előrejelzések pontosságának visszamérése során elkülöníthetők a „gép által” múltbeli információk alapján ismert hatások és az ezt felülíró szakértői korrekciók. A szakértő a statisztikailag prediktált értéktől való eltérést kell, hogy megindokolja. Egy jellemzően pontos statisztikai előrejelzést viszont csak indokolt esetben, plusz információ hatására korrigálnak a szakértők, ami az objektivitást erősíti annak készítésekor.
A statisztikai algoritmusok bevonása mindemellett, hogy csökkenti a szubjektív értékeléseken alapuló sokszor vak tapogatózást, kulturális-irányítási kérdés is. A Forecasting 4.0 bevezetése a vállalaton belül az operatív és stratégiai szintet eltérően befolyásolja. A mindennapi üzletmenetet azok a döntések határozzák meg, amelyek az előrejelzések alapján készülnek. A Forecasting 4.0 tehát elsősorban az operatív vállalati működést befolyásolja, de hatékonyan tudja támogatni a stratégiai célkitűzéseket is.
A nagyobb vállalatok működésére jellemző, hogy a központ top-down elvárásokat fogalmaz meg az üzlet felé, amelynek a teljesítőképességét visszaméri. A Forecasting 4.0 az etalon tud lenni, amihez képest transzparens infót kaphat a HQ a business-ről. Így az információs aszimmetria csökken a vállalati egységek között, ami csökkenti a vállalaton belüli, előrejelzésekhez, tervezéshez és teljesítményértékeléshez köthető konfliktusokat.
Mivel a Forecasting könnyűvé és gyorssá teszi az előrejelzések készítését, így gyakrabban lehet forecast-tény eltéréseket vizsgálni. Emiatt az akciókényszer nő a vállalaton belül, mivel aktívabban tud reagálni a piaci hatásokra. A vállalati kormányzás tehát paradigmaváltáson megy keresztül, analitikus-reaktív helyett proaktív-előremutatóvá válik.
A szerző az IFUA Horváth & Partners data scientistje