در امور مالی، تلفیق تحلیل های پیش بینی کننده و تجویزی، چشم انداز تجاری را به اقدام تجاری تبدیل می کند. در هر لحظه، سازمانها حجم عظیمی از دادهها را در فرآیند تصمیمگیری راهبردی و تاکتیکی جمعآوری و استفاده میکنند. باوجود افزایش حجم دادهها، معدود تیمهای مالی از دادهها برای ارائه بینشهای عملپذیر جهت شرکاء خود استفاده میکنند. دستهای که از مهارت علم داده در پیشبینی “سرینتایج زمانی” و پیشبینی شناسائی “بهترین مسیر اقدام” استفاده می کنند، ارزش قابل توجهی برای کسب و کار ایجاد می کنند.
علم داده و یادگیری ماشین، ابزاری برای پیشبینی آینده به ظاهر نامشخص فراهم میکند؛ این ابزار، برای موقعیتهایی که فاقد شفافیت بوده و مرتب شونده نیستند، بینشهایی برای پیشبینی اقدامات شایسته فراهم میآورند.
قوانین کسب و کار به دلیل محدودیتهای متعدد منابع رقابتی و متغیرهایی که پیوسته دچار تحول میشوند؛ شرایط غامض پیدا میکنند. این امر ارزیابی تمام گزینهها برای اجرای اقدامات بهینه در راستای کسب “اهداف تجاری تکرار پذیر” را دشوار میکند. رهبران مالی باید علم داده و یادگیری ماشین را به شکل دو روش متمایز اما مکمل برای تصمیمگیری گردهم آورند.
پیش بینی برابر تجویز
ترکیب قابلیتهای روشهای پیشبینی با راهکارهای تجویزی اولین قدم در حل مسائل کسب و کاری است.
تجزیه و تحلیل پیشبینی، پاسخی است برای اتفاقات ممکن! که متکی بر روشهایی همانند مدلسازی پیشبینی، تجزیه و تحلیل رگرسیون، پیشبینی آماری چند متغیره و الگوی ماشین را شامل میشود. تجزیه و تحلیل تجویزی پاسخ سئوال “چه باید کرد؟” است و اینکه چه باید انجام دهیم تا یک رخداد روی دهد؟ این روش شامل متدهایی همانند تجزیه و تحلیل شکاف، شبیهسازی، پردازش رویدادهای پیچیده، پیشنهاد پیشرانهای اکتشافی و شبکههای عصبی یادگیرنده و یادگیری ماشین را شامل میشود.
گردآوری متقابل عوامل پیشبین و تجویزی، سازمان را قادر به بررسی چگونگی تغییرات متغیرهای مختلف و تأثیرگذاری آن بر روی نتایج یا داد و ستد میکند. این کار به وظیفهای در دل ارزش کسب و کار برای اقدام و تأثیرگذاری بر آینده سازمان اضافه میشود.
در برخی صنایع، همانند حمل و نقل و بخش مالی همانند بانکها، مدلسازی پیشبینیکننده و تجویزی مدتهاست که عملیاتی شده است. با این وجود و علیرغم قابلیتهای استفاده همزمان از آنها در کل سازمان، این قبیل قابلیتها در واحدهای خاص و محصور شده در حال استفاده است(محدود). در دروهی کسب و کارهایی منعطف دیجیتال، شتاب، همکاری و پاسخگوئی عناصر کلیدی هستند. از میان عوامل تأثیرگذار، توانایی در پیشبینی نتایج، ارزیابی سریع گزینههای متعدد و اقدام، چیزهایی هستند که نمیتوان آنها را برای گروههایی معدودی فقط در نظر گرفت.
ترکیب بهینه را انتخاب کنید
یک رویکرد، استفاده از چارچوبهایی از پیش تعریف شده در گزینش راهکارهاست. رویکرد دیگر استفاده از ارزیابی مبتنی بر خروجی و محدودیت از میان مجموعه گزینه ها یا همان بهینه سازی است. نتایج را می توان در طول تصمیمگیری پیشنهاد داد یا از آن به شکل پشتیبان استفاده کرد یا در طول نظام “مدیریت خودکار تصمیمگیری” استفاده کرد.
مهارت های درونی ایجاد کنید
برای جهش به توانمندی تجزیه و تحلیلهای پیشبینی و تجویزی، مدیران ارشد مالی باید اعضاء تیم خود و مهارتهای تصمیمگیری را بهبود و توسعه دهند.
- اولویت استخدام را تغییر دهید؛ سازمانهایی که متوجه اهمیت داده شدهاند، در خطمقدم تقاضا برای متخصصین در طول قرن 21 هستند؛ این برنامهریزی هزینهی بالایی به همراه خواهد داشت. بسیاری از سازمانها افرادی را دارند که در حال حاضر این مأموریت را در گروههای داخلی شرکتها عهده دار هستند. برای گسترش بهره گیری از تحلیلهای پیشبینی کننده و تجویزی، رهبران مالی باید پیوسته راههایی برای استفاده از این نیروها، قبل از برون سپاری آن، در سازمان پیدا کنند.
- به جامعه شهروندان کسب و کار بپیوندید. دسترسپذیری و محصولات کابرپسند علم داده، کارکنان را برای فراگرفتن قابلیت های علم داده، بدون نیاز به مدرک علمی، توانمند میکند. در حال حاضر محصولات بیشتری همراه با راهنمای دقیق یا محصولاتی با تجزیه و تحلیل کامل ارائه میشوند که به راحتی قابل فهم هستند. کاربران توانمند یا کارشناسان علمداده عموماً توانایی برای ایفاء نقش متخصص داده را دارند. اگر چه این نقش جایگزین متخصص داده نخواهد شد اما میتواند شاکلهی مورد نیاز یک شرکت را شکل داده و تکمیل کند.
- به عرضه کنندگان با تجربه مشارکت کنید. در برخی موارد، سازمان میتواند مسیر همکاری با برخی مشاوران خارجی و ارائه دهندگان نرم افزار را انتخاب تا ابتکار عملی را هدایت کنند. برای سازمان های فاقد مهارت برای ساختن دانش داده یا تازه وارد در این علم، این رویکرد مدل مناسبی است. شرکتهایی با این شرایط، در جستجویی تأمین کننده خدمات مد نظر خود، هم باید در جستجوی شرکتهای با دو قابلیت مذکور باشند(تجویز و پیشبینی) و هم در حوزهای فعالیت شرکت دارای تخصص باشند.
رهبران شرکت باید از انتقال مهارت و درس آموختهها مطمئن شوند و از زایل شدن مالکیت معنوی خود نیز جلوگیری کنند.