Esempi di sistemi di supporto alle decisioni includono sistemi manuali, sistemi ibridi, tutti i tipi di analisi e sofisticati software di supporto alle decisioni. Un fattore che distingue i nuovi sistemi basati su computer dai primi sistemi di supporto alle decisioni è la loro capacità di analizzare set di dati estremamente grandi, fornendo raccomandazioni basate sui dati che eliminano le congetture dal processo decisionale.,

L’uso del DSS per guidare il processo decisionale

Mentre alcuni esitano all’idea di fidarsi di soluzioni software complesse per prendere decisioni per loro, la maggior parte è a suo agio nell’utilizzare statistiche generate al computer per comprendere le tendenze chiave. Questi includono analisi come le statistiche di vendita, i tassi di garanzia e le tendenze del flusso di cassa che sono indicatori importanti che aiutano gli utenti a determinare lo stato di salute delle loro attività e richiedono azioni correttive.,

La difficoltà è che questo livello di informazioni non è in grado di determinare quale delle diverse possibilità massimizzerà i rendimenti ottenendo il risultato desiderato. Né può anticipare cambiamenti esterni che potrebbero influire sulla redditività, un fattore importante poiché la maggior parte delle aziende opera in un ambiente incerto governato dal sentimento dei consumatori, dalle normative legali e dall’intensa concorrenza. Inoltre, le aziende sono vulnerabili a influenze esterne, come l’incertezza politica, i principali eventi meteorologici e le controversie commerciali.,

Questi fattori a volte si combinano per creare una tempesta perfetta in cui il processo decisionale è ostacolato da una mancanza di prevedibilità, nonché dall’incapacità di elaborare i dati abbastanza velocemente da supportare le decisioni. Questo è il motivo per cui i sistemi di supporto alle decisioni in grado di analizzare rapidamente i dati, determinare i modelli e valutare più alternative si stanno dimostrando inestimabili per i leader aziendali.

I principi alla base del DSS

I principi fondamentali del DSS si sono evoluti dal lavoro teorico svolto nel secolo scorso al Carnegie Institute of Technology sulla teoria del processo decisionale organizzativo., Questo lavoro ha riconosciuto che mentre l’istinto umano e la sensazione intestinale spesso hanno portato a buone decisioni, ci sono stati numerosi casi in cui le decisioni guidate dall’intestino erano sbagliate.

Invece, i ricercatori hanno sviluppato il concetto di utilizzare i sistemi informativi esecutivi per analizzare i dati organizzativi e produrre informazioni esecutive concise per supportare il processo decisionale. Nel corso del tempo, e con il miglioramento delle capacità informatiche, questo approccio è stato ampliato per includere l’uso di software sofisticati che modellavano i processi aziendali, consentendo agli utenti di valutare i risultati di vari scenari., In questo modo è stato possibile valutare quale delle diverse alternative offrisse il miglior rendimento commerciale.,

I tre elementi chiave del DSS includono:

  • dati Organizzativi: informazioni e conoscenze Pertinenti
  • modello: Matematica e formule statistiche che rappresentano il business e l’analisi dei dati
  • Un’interfaccia utente: Cruscotti o altre interfacce consentendo agli utenti di interagire e di visualizzare i risultati

Comune Giorno per Giorno il Sistema di Supporto alle Decisioni Esempi

sistemi di supporto alla Decisione di operare a diversi livelli, e ci sono molti esempi in comune, giorno per giorno., Ad esempio, la pianificazione del percorso GPS determina il percorso più veloce e migliore tra due punti analizzando e confrontando più opzioni possibili. Molti sistemi GPS includono anche funzionalità di prevenzione del traffico che monitorano le condizioni del traffico in tempo reale, consentendo agli automobilisti di evitare la congestione. Gli agricoltori utilizzano strumenti di pianificazione delle colture per determinare il momento migliore per piantare, concimare e raccogliere. Il software di diagnosi medica che consente al personale medico di diagnosticare le malattie è un altro esempio. La maggior parte dei sistemi condivide un attributo comune in quanto le decisioni sono ripetitive e basate su dati noti., Tuttavia, non sono infallibili e possono prendere decisioni errate o irrazionali, qualcosa che molti primi utenti GPS hanno scoperto.

Esempi di sistemi di supporto alle decisioni che utilizzano dati storici

L’analisi dei dati storici, utilizzata in ogni aspetto del business e della vita, è ben sviluppata e matura. Anche se tali informazioni non sono sempre direttamente fruibili, è una parte importante del DSS perché riporta le prestazioni passate e mette in evidenza le aree che necessitano di attenzione. Alcuni esempi includono:

  • Analisi descrittiva: metriche come i risultati delle vendite, il fatturato delle scorte e la crescita dei ricavi.,
  • Diagnostica analitica: Informazioni diagnostiche che scava un po ‘ più a fondo per rivelare i risultati e spiega le ragioni per le prestazioni passate come misurato da analisi descrittive.
  • Business intelligence (BI): sebbene basata in gran parte su dati storici, le soluzioni BI consentono agli utenti di sviluppare ed eseguire query utilizzate per guidare e supportare il processo decisionale.
  • Dashboard ERP: dashboard configurabili dall’utente che consentono ai manager di monitorare una varietà di indicatori di prestazioni.,

Esempi di sistemi di supporto alle decisioni manuali e ibridi

Esistono numerose tecniche manuali che supportano il processo decisionale. Questi includono attività come l’analisi SWOT in cui i team determinano i punti di forza e di debolezza della propria organizzazione, oltre a identificare le minacce che l’organizzazione deve affrontare e le potenziali opportunità di ulteriore crescita. I risultati di un’analisi SWOT sono decisioni attuabili per spostare l’organizzazione in avanti. Altri strumenti manuali includono matrici decisionali, analisi di Pareto e analisi costi-benefici.,

Le soluzioni DSS ibride includono l’uso di analisi di fogli di calcolo che sfruttano la capacità di Excel di calcolare, analizzare, confrontare le opzioni e valutare scenari what-if.

Sebbene le soluzioni DSS manuali e ibride siano relativamente lente e ingombranti, nelle mani giuste, sono potenti strumenti di supporto decisionale e molte organizzazioni si affidano a loro.,

Software DSS che aiuta a prevedere le tendenze future

Mentre è essenziale capire cosa è successo in passato, e perché è successo, questa conoscenza è di uso limitato quando si cerca di prevedere il futuro, tranne forse in ambienti molto stabili e prevedibili. Tuttavia, questo è quasi mai il caso. Fortunatamente, esistono tecniche che consentono di prevedere, con un certo grado di certezza, le tendenze e i cambiamenti futuri che avranno un impatto su un’azienda o su un’azienda., Ad esempio, questi strumenti possono prevedere, in base alle prestazioni passate, ai dati esterni e ai feedback di mercato, le cifre relative alla domanda futura di prodotti, all’obsolescenza dei prodotti e ai rendimenti.

Questo è chiamato analisi predittiva e costituisce la base di un altro tipo di strumento DSS, uno che aiuta a prevedere cosa accadrà nel prossimo futuro. L’analisi predittiva utilizza una combinazione di data mining, strumenti statistici e algoritmi di apprendimento automatico per determinare la probabilità che si verifichino determinati eventi., Le banche utilizzano queste tecniche per rilevare le frodi, le compagnie di assicurazione li usano per valutare il rischio e le imprese di corsa per determinare i prezzi dei biglietti in base alla domanda.

Modellazione DSS per supportare il processo decisionale basato sui dati

Gli esempi di sistema di supporto decisionale più efficaci sono quelli che determinano la decisione migliore, in base a determinati criteri. Tali sistemi rimuovono la soggettività e il pregiudizio dal processo decisionale. Inoltre, sono in grado di valutare numerosi scenari alternativi e identificare i migliori.,

L’approccio usuale è quello di sviluppare un modello matematico del business, vedere come prende decisioni e utilizzare software di ottimizzazione per determinare i risultati di vari scenari. Questa tecnica si basa su analisi prescrittive ed è estremamente potente. Mentre alcuni suggeriscono che è solo il processo decisionale che dovrebbe essere modellato, lo sviluppo di un modello completo dell’organizzazione aumenta la versatilità e migliora l’accuratezza in termini di risultati finanziari.

Esistono due approcci di ottimizzazione, basati su regole e modelli di ottimizzazione., I modelli basati su regole (euristiche) funzionano bene quando i possibili risultati possono essere in gran parte predeterminati, ad esempio con la valutazione del rischio assicurativo. D’altra parte, i modelli di ottimizzazione sono più adattabili, in grado di gestire problemi più complessi e affrontare più vincoli e compromessi.

Scegliere il sistema DSS giusto per le proprie esigenze

Il DSS più appropriato dipende dalla maturità organizzativa, dalla complessità e, in una certa misura, dalle dimensioni. Nelle piccole organizzazioni, i sistemi ibridi possono essere sufficienti., Se l’organizzazione è nuova all’analisi, i sistemi DSS storici sarebbero un buon punto di partenza, mentre coloro che sono coinvolti in attività come il trading e le materie prime potrebbero trarre maggiori benefici da un esempio di sistema di supporto decisionale predittivo.

Senza dubbio, il vantaggio maggiore risiede nella selezione di un sistema di gestione delle decisioni derivato dall’analisi prescrittiva che modella il business e fornisce la capacità di determinare la decisione più vantaggiosa in base a determinati criteri, come le entrate e la redditività., Pur comportando un maggiore investimento in risorse e denaro, tale soluzione ha una maggiore probabilità di superare le aspettative e raggiungere un maggiore ROI. Inoltre, elimina le congetture dal processo decisionale e, poiché il modello replica il business, questo tipo di esempio di sistema di supporto decisionale è più probabile che offra soluzioni fattibili e razionali.