La incertidumbre en la gestión de empresas - gestion incertidumbre empresarial

Incertezza nella gestione aziendale

In questo inizio di millennio, la nostra società sta affrontando grandi cambiamenti che né il sistema economico né l’attività delle imprese possono evitare. Di fronte a una realtà così mutevole e, come conseguenza di questa incertezza, le persone nelle aziende si trovano coinvolte in nuovi problemi la cui soluzione richiede fantasia e, soprattutto, una solida preparazione.

Questi nuovi problemi sorgono, da un lato, come conseguenza di una rapida evoluzione dell’ambiente sociale in cui operano le imprese, e, dall’altro, per il continuo e accelerato sviluppo tecnologico che modifica costantemente l’orizzonte economico. Tutto fa pensare che questa tendenza non solo proseguirà ma si accentuerà sempre di più nel tempo.

L’evoluzione economica è in questo contesto e le decisioni da prendere sono sempre più complesse a causa dell’“incertezza” nel corso degli eventi.

Possiamo dire:

  • Le leggi cambiano costantemente le regole del gioco.
  • Le influenze economiche esterne modificano le aspettative delle imprese.
  • La tecnologia richiede di variare sempre più rapidamente i sistemi produttivi e distributivi nelle aziende.

Questi e altri elementi significano che le tecniche di gestione stanno cambiando più rapidamente per adattarsi alla nuova situazione dell’ambiente economico.

All’interno degli studi di gestione aziendale c’è l’uso di un certo gruppo di tecniche di misurazione che cercano di misurare ciò che è misurabile e cercano di rendere misurabile ciò che non è ancora misurabile.

Tuttavia, negli studi di gestione aziendale, quei fenomeni che costituiscono un problema e che non sono suscettibili di misurazione e incorporazione in tecniche operative note negli ultimi anni, sono emersi nuovi trattamenti di misurazione attraverso la stima soggettiva. Questi sono suscettibili di essere espressi numericamente attraverso le cosiddette “valutazioni”.

La cattura della realtà è avvenuta attraverso ragionamenti basati sul concetto di precisione ed è stata formulata attraverso schemi matematici classici. I risultati sono stati modelli che costituiscono una realtà modificata per adattarsi alla conoscenza matematica, invece di fare il contrario, un adattamento dei modelli ai fatti reali.

Il fatto che la formulazione condivida una visione ristretta, costringe a scegliere tra fare una selezione di elementi da considerare fin dall’inizio per poter poi operare con uno strumento preciso, oppure cogliere la realtà con tutta la sua imprecisione e operare con questo informazioni “fuzzy”. , sapendo che i risultati ottenuti saranno imprecisi. La decisione si riduce alla scelta tra un modello che è accurato ma non rispecchia pienamente la realtà e un modello vago ma più fedele alla realtà.

Se una situazione non può essere specificata, ma si può affermare che è migliore di un’altra, passa già a uno stato di conoscenza superiore.

Pertanto, ciò che è impreciso, ciò che è sfocato, non deve essere inesatto. In logica una cosa è vera o falsa, ma non può essere entrambe contemporaneamente, mentre negli studi sulla sfocatura attribuiscono importanza fondamentale al “grado” o livello di comprensione della realtà.

READ  Tutto ciò che puoi acquistare con bitcoin oggi

Quello che possiamo pretendere dai modelli che costruiamo per rappresentare situazioni generali o particolari è che siano il più fedeli possibile a ciò che percepiamo.

Intendiamo quindi mostrare che anche senza essere in grado di misurare formalmente o tramite probabilità, si può anche aspirare a conoscere il comportamento razionale.

Incertezza e casualità sono parole che spesso vengono usate in modo intercambiabile anche in ambito scientifico. Tuttavia, c’è una differenziazione tra ciò che non è misurabile e ciò che è misurabile.

Il principale strumento matematico per il trattamento di incertezza è il teoria e valutazione fuzzy con le sue numerose varianti, mentre quella relativa al caso è la teoria delle probabilità.

Le parole casuali, casuali, stocastiche… possono essere usate per quelle situazioni in cui le leggi della probabilità sono disponibili e accettabili. In caso contrario, sarà necessario utilizzare le parole di incerto, incertezza, imprecisione o sfocatura.

Il caso è un’incertezza strutturata, misurabile attraverso ragionamenti logici e/o statistici.

Ora, nei problemi reali ci sono i soft data e gli hard data, cioè il fuzzy e il random. Sappiamo associare perfettamente, anche se per un tempo relativamente breve, questi dati di natura diversa.

Possiamo chiederci perché ora c’è un maggiore interesse nel trattamento dell’incertezza. La risposta è perché sta diventando sempre più difficile ottenere sequenze di dati sufficientemente stabili, stazionarie e persino significative.

Si possono considerare cinque tipi di modelli relativi ai diversi livelli di informazione:

  • Modello non deterministico a stati sconosciuti.
  • Modello non deterministico con stati noti ma senza eventi di valore.
  • Modello non deterministico con stati noti ed eventi di valore ma non misurabili.
  • Modello non deterministico con stati noti ed eventi misurabili.
  • modello deterministico.

Negli studi gestionali effettuati, vengono effettuati processi di modellizzazione cercando di passare dal livello 1 al livello 5, ma la situazione economica fa sì che gli studi si siano dovuti fermare a livelli bassi. Per questo è stata utilizzata la più generale delle teorie in grado di descrivere ambienti incerti, “la teoria dei sottoinsiemi fuzzy”.

La formalizzazione dell’incertezza, a partire da concetti sfocati, ha dato origine a diversi modi di pensare che uniscono il ragionamento sequenziale e la ricchezza dell’immaginazione, associando le possibilità sequenziali delle macchine alle possibilità del cervello umano.

L’ambiente economico, sociale e tecnologico delle imprese è molto meno prevedibile e in una situazione più instabile che nell’immediato passato. Questa realtà ha motivato nuove modalità di studio delle diverse situazioni che i sistemi economici da un lato e le imprese dall’altro stanno attraversando. Da una nuova prospettiva, si propone di raccogliere i fenomeni economici delle imprese con le loro imprecisioni e incertezze, al fine di realizzare gli sviluppi preservando l’imprecisione per farla cadere il più tardi possibile. È sempre possibile ridurre l’incertezza.

Il significato della parola set è semplice. È un insieme di oggetti, fisici o mentali, diversi tra loro, che si specificano. Prendendo un insieme come riferimento, si può considerare un numero quasi infinito di sottoinsiemi. Un sottoinsieme di un insieme non comprende necessariamente tutti i suoi oggetti, sebbene a volte un insieme sia ammesso come un sottoinsieme di se stesso. Il set di riferimento è solitamente chiamato “set di riferimento”.

READ  Innovazione bancaria e valutaria Dove si nasconde l'innovazione sistemica?

In modo colloquiale, questi concetti di base, andremo a vedere i loro possibili significati. Ad esempio, il gruppo di persone che costituisce un mercato potenziale per i prodotti di un’azienda costituisce l’insieme dei potenziali acquirenti. D’ora in poi, tutto ciò che la nostra azienda studia ha come riferimento questi potenziali acquirenti, questo set può essere chiamato “set di riferimento”. Questi potenziali consumatori Raúl, Paula, David, Oscar, Natxo, Elisabeth, Marta e Ana rappresentano il set di riferimento con la lettera E maiuscola ed è consuetudine presentare:

E = {Raúl, Paula, David, Oscar, Natxo, Elisabeth, Marta e Ana}

Da questo riferimento possiamo stabilire un gran numero di sottoinsiemi, ognuno è rappresentato attraverso una qualità, caratteristica, singolarità, proprietà,… delle persone che compongono l’insieme referenziale. Possiamo stabilire l’insieme di riferimento r (acquirenti con un livello di reddito elevato) e (consumatori proprietari di immobili).

r = {Raul, David, Natxo, Elizabeth e Ana}

p = {Raúl, Paula, Natxo, Ana}

Ora vediamo oggetti mentali. Per questo dobbiamo considerare un gruppo di qualità che possono essere adornate. In questo senso si possono prendere in considerazione la ricchezza, il patrimonio immobiliare, l’altezza, l’operosità, la bellezza, la cavalleria e l’intelligenza. Possiamo strutturare un insieme referenziale come:

E = {ricchezza, proprietà, statura, industria, bellezza, cavalleria, intelligenza}

Scegliamo una certa persona, Raúl, che possiede alcune delle qualità, che daranno origine a un sottoinsieme:

R = {ricchezza, proprietà, cavalleria, intelligenza}

Pertanto Paula avrà alcune di queste qualità per creare un altro sottoinsieme:

P = {immobiliare, altezza, bellezza, intelligenza}

Durante il bombardamento, apparirebbero sottoinsiemi successivi.

È un referenziale di oggetti fisici in quanto oggetti mentali, l’idea del sottoinsieme è associata al fatto sì – no (possiede – non possiede), vero – falso (di precisione). Per questo si scopre come rappresentare i sottoinsiemi assegnando un valore di 1 o 0 sia che sia sì, ha, la verità o non ha, non ha, la falsità, rispettivamente. È un modo molto comune di rappresentare un sottoinsieme.

Per la ricchezza:

Incertezza nella gestione aziendale - 01.Tabella

Per immobili:

Incertezza nella gestione aziendale - 02.Tabella

Per Raul:

Incertezza nella gestione aziendale - 03.Tabella

Per Paola:

Incertezza nella gestione aziendale - 04.Tabella

Il passaggio dai sottoinsiemi ordinari ai sottoinsiemi fuzzy è facile ma fondamentale. Ora, l’appartenenza non è più rigorosa, radicale, ma sfumata. Puoi possedere una qualità totalmente, in misura elevata, moderatamente, piccola, molto piccola o addirittura non possederla. L’incorporazione di queste sfumature nella teoria degli insiemi costituisce l’idea di base della teoria dei sottoinsiemi fuzzy. Invece di inserire un 1 o uno 0 all’interno di ogni casella del sottoinsieme, è possibile inserire qualsiasi valore compreso tra 0 e 1, inclusi i due valori estremi. Le cifre poste all’interno delle caselle sono valori caratteristici della funzione di appartenenza.

READ  Le PMI creano il sigillo del buon pagatore

Il sottoinsieme sfocato per ricchezza potrebbe essere:

Incertezza nella gestione aziendale - 05.Tabella

Secondo usi e costumi, consentiranno un alto grado di sfumatura e, quindi, un approccio alla realtà che non può essere assunto nei sottogruppi ordinari.

Per gli immobili, si farebbe qualcosa di simile:

Incertezza nella gestione aziendale - 06.Tabella

Un sottoinsieme fuzzy funge da descrittore.

Il sottoinsieme del descrittore fuzzy di Raúl potrebbe essere:

Incertezza nella gestione aziendale - 07.Tabella

Avere questo sottoinsieme sfocato permette una conoscenza molto più ampia rispetto a quando ci limitiamo a vedere il possesso o meno di queste qualità.

Il descrittore di sottoinsieme sfocato di Paula potrebbe essere:

Incertezza nella gestione aziendale - 08.Tabella

Ora possiamo chiederci se queste due persone sono molto diverse, il che arriva alla stessa cosa, chiedendoci se sono molto, molto o un po’ simili.

Possiamo fare un ulteriore passo avanti per ottenere anche un numero rappresentativo della vicinanza tra queste due persone. Per questo puoi usare il concetto matematico di “distanza”, nel nostro caso useremo “distanza di Hamming”.

Per ottenere la distanza di Hamming tra i sottoinsiemi fuzzy del descrittore, basta ricavare la differenza, in valori assoluti, tra il livello che l’uno e l’altro hanno di ciascuna caratteristica, e poi sommare tutti questi valori.

La considerazione del valore assoluto è giustificata perché la distanza è indipendente dal fatto che l’una sia maggiore dell’altra. La somma di queste differenze sarebbe:

d = (R,J) = |0.8-0.3|+|0.7-0.6|+|0.3-0.8|+|0.2-0.4|+|0 .4-0.7|+|0.7-0.2|+|0.9-0.8 | =

= 0,5 + 0,1 + 0,5 + 0,2 + 0,3 + 0,5 + 0,1 = 2,2

Tale valore non ha grande rappresentatività in quanto è decisamente influenzato dal numero di caratteristiche che vengono prese in considerazione. Per questo motivo è consuetudine utilizzare la “distanza relativa di Hamming”, in cui è sufficiente dividere la distanza totale per il numero di elementi considerati. Otterremo:

δ(R,P)=17d(R,P)=17 x 2,2=0,314

Quando vuoi trovare la prossimità, calcoli il complemento della distanza, cioè uno meno la distanza.

π(R, P)=1-δ(R, P) =1-0,314 =0,686

Il risultato ci mostra che queste due persone sono abbastanza vicine. Dopo aver visto il funzionamento dei sottoinsiemi di numeri fuzzy con questo esempio, in un prossimo articolo analizzeremo come questo modello verrebbe applicato in un processo di investimento.

Cosa ne pensi del post di Raul? Hai ancora molti dubbi sulla gestione delle tue aziende? Non sottovalutare gli imprenditori, in Tektankabbiamo soluzioni in questo senso e una di queste riguarda lo studio del Master in Marketing Strategico Management 2.0. Raggiungere una solida posizione di leadership è importante per saper gestire l’incertezza che potremmo trovare nel mercato. Per continuare ad approfondire questo argomento, resta sintonizzato, pubblicheremo nuove voci sul blog IEBS!

Torna su