Yperios
Metodi quantitativi per le decisioni aziendali

Questo corso si è rivelato molto efficace sia come base per costruire tra i partecipanti un comune atteggiamento mentale orientato al “problem solving”, sia come eventuale complemento al corso sulla “creatività aziendale”. Il processo creativo deve infatti essere sostenuto non solo con metodologie e strumenti di generazione di idee, ma anche tramite un adeguato sistema di informazioni sulle caratteristiche del problema da affrontare. Si arriva così in genere a un pacchetto di opzioni, opportunamente selezionate tra le tante che vengono generate; queste devono quindi essere messe a confronto tramite meccanismi di valutazione che permettano una scelta ottimale.

Scopo di questo corso è infatti quello di sviluppare le capacità di prendere decisioni efficaci ed efficienti, in contesti complessi, su basi quantitative, imparando l’utilizzo di strumenti concettuali e operativi. Non si tratta di imparare semplicemente il meccanismo di un algoritmo o di un insieme di algoritmi, quanto piuttosto di utilizzare e interpretare determinati modelli per poter costruire uno strumento efficace ai fini della soluzione di problemi.

Le decisioni possono essere (apparentemente) semplici, come ad esempio scegliere la strada che conviene prendere per raggiungere una determinata destinazione, o complesse, come ad esempio quelle sulle strategie di investimento; in ogni caso è evidente l’utilità di disporre di “buoni” strumenti che forniscano un supporto alle decisioni. I modelli corrispondenti a decisioni diverse possono essere anche profondamente diversi, in termini di dimensioni, complessità strutturale, complessità risolutiva, tipo di assunzioni che vengono fatte. In questo corso ci occuperemo di modelli che, per quanto diversi tra loro da un punto di vista matematico, sono accomunati dal fatto di essere creati per fornire un supporto all’attività decisionale, con particolare riferimento alle situazioni che nascono nell’ambito della gestione dei sistemi aziendali. Introdurremo alcune classi di modelli e ne studieremo l’utilizzo in problemi reali, discutendone tanto le implicazioni pratiche quanto i limiti di applicabilità. Come vedremo, si tratta di un approccio interdisciplinare che fa riferimento a concetti matematici, ingegneristici ed economici.

Il concetto fondamentale alla base delle decisioni aziendali è quello di “razionalità limitata”, collegato, tra l’altro, agli inevitabili fattori di incertezza e di rischio. Di conseguenza, l’impatto di una decisione dipende, oltre che dalla “qualità” della decisione stessa, anche da fattori al di fuori del nostro controllo che contribuiscono a determinarne l’esito finale. L’insieme dei fattori su cui il decisore non può influire viene definito in generale “stato di natura”. Ad esempio, se dobbiamo decidere se investire o meno in fondi azionari, è chiaro che la nostra situazione finanziaria fra un anno dipenderà non solo da ciò che abbiamo deciso, ma anche dalle variazioni che nel frattempo ha subito l’indice di borsa.

Benché noi non conosciamo a priori quale stato di natura si verificherà, siamo però quasi sempre in grado di fare ipotesi realistiche (e quindi di enumerare) tutti i possibili stati che potranno presentarsi. Ad esempio, se i profitti dipendono dalla domanda di pneumatici da automobile da parte del mercato italiano per il prossimo anno, possiamo supporre ragionevolmente che vi sia un numero limitato di scenari, da quello più pessimistico a quello più ottimistico, e ipotizzare quale sarebbe il guadagno in ciascuno di questi casi. L’informazione parziale relativa agli stati di natura è tipicamente descritta in termini probabilistici. Senza entrare nella questione di definire il concetto di probabilità, ci limitiamo qui a osservare che, almeno da un punto di vista pratico, possiamo avere a che fare con due concetti molto diversi. In un primo caso, è possibile pensare la probabilità di un evento come un numero in qualche modo calcolabile o quanto meno misurabile (es. la probabilità che tirando due dadi escano due “6” è 1/36). In altri casi, la probabilità esprime in realtà il giudizio che un decisore dà circa la verosimiglianza di un evento di verificarsi. Va tenuto presente sempre il fatto che dietro a ogni decisione c’è un decisore, sia esso un individuo, o un insieme di soggetti che operano in modo collegiale, e che il meccanismo decisionale può essere anche molto variabile. Come vedremo, l’atteggiamento del decisore nei confronti del rischio condiziona il tipo di decisione; più in generale, mostreremo come alcuni aspetti comportamentali o psicologici del decisore possono interferire, in modo talora non scontato, con il processo decisionale.

Tratteremo anche il problema della raccolta dell’informazione e della sua rappresentazione in termini numerici (indicatori) adeguati alla tipologia di decisione. Quando le informazioni dipendono dalla valutazione di soggetti ritenuti competenti, si parla di elicitation per indicare il processo di raccolta dell’informazione e di encoding per indicare la sua espressione in termini quantitativi. La fase di elicitation consiste specificatamente nel “sollecitare” l’esperto a esprimere le nozioni e le informazioni in suo possesso e circoscrivere l’informazione “utile” ai fini del problema decisionale in esame. Una volta che si è ragionevolmente sicuri che questo è stato fatto in modo corretto, si passa alla “traduzione” in termini quantitativi dell’informazione raccolta (encoding). Le indicazioni dell’esperto potrebbero essere affette da “polarizzazioni” per lo più inconsce che potrebbero invalidare l’utilità delle risposte. È importante far venire alla luce eventuali distorsioni (bias motivazionali o cognitivi) ed eventualmente apportare le necessarie correzioni.