Invata din esecurile proceselor analitice predictive pe care le-ai aplicat

Cea mai prudenta previziune despre viitorul procesului analitic predictiv este cea care spune ca in previziune va intra o cantitate mai mare de gandire si de efort decat cea necesara strict pentru procesul analitic. (Proces analitic predictiv – proces prin care sunt folosite tehnici analitice si statistice pentru a crea, pe baza datelor din prezent si din trecut, modele predictive ce permit previzionarea unor evenimente sau tendinte ce ar putea sa se manifeste in viitor, precum si probabilitatea ca acestea sa aiba loc, n.tr.). Lucrul acesta inseamna o veste proasta si un management si mai prost. Intelegerea profunda a procesului analitic conteaza mai mult decat promisiunea oferita de o previziune.

Resursele de calcul utilizate pentru a face previziuni in era digitala pot sa fie, intr-adevar, uluitor de puternice, insa multe dintre problemele umane si dintre patologiile organizationale existente cu cateva decenii in urma continua sa fie, si in prezent, deprimant de familiare. In mod frecvent, previziunea unui eveniment ingusteaza aria de concentrare a atentiei in loc sa largeasca perceptia celor care-l prevad, extinzand-o asupra intregului context actual si a contextului posibil in viitor. Impactul cel mai rezistent in timp al procesului analitic predictiv provine intr-o masura mai mica din imbunatatirea calitatii previziunii si intr-o masura mult mai mare din schimbarea modului in care organizatiile gandesc in privinta problemelor si oportunitatilor care li se ivesc.

In mod ironic, cea mai mare valoare adusa de procesele analitice predictive provine mai mult din esecurile lor neasteptate decat din succesele lor anticipate. De ce oare? Fiindca aceste esecuri inseamna ca presupunerile, datele, modelul predictiv sau analizele au fost gresite intr-o maniera ce poate fi „masurata” in asa fel incat aceasta cuantificare sa fie semnificativa. Dar mult prea multe organizatii nu stiu cum sa „vada” lectiile ce trebuie invatate din esecurile proceselor analitice. In mod prostesc si nesabuit, previziunea in sine devine destinatia dorita, in locul „calatoriei” introspective, care ar trebui sa fie destinatia reala si finala.

De exemplu, in zilele de dinainte de Big Data, asa cum au fost numite bazele de date a caror dimensiune si complexitate impune prelucrarea si exploatarea lor prin tehnici foarte avansate, un lant de hoteluri folosea niste tehnici destul de sofisticate – modele matematice; procese de „data mining” prin care informatiile din baza de date sunt „sondate” si exploatate pentru gasirea unor tipare si relatii; analize ale seriilor de informatii colectate in timp – pentru a-si coordona strategia de pret variabil, menita sa-i asigure mereu o marja de profit avantajoasa, si eforturile promotionale. Acest lucru a impus, in cele din urma, un grad mai mare de centralizare si limitarea flexibilitatii si a libertatii de decizie ce erau acordate operatorilor locali. Modelul folosit pentru previziuni „trasa” veniturile si marjele de profit in functie de locatiile hoteliere si de tipul camerelor de hotel.

Proiectiile lor au functionat bine si au dat rezultate pentru o treime din hotelurile lantului, dar au fost „pe de laturi”, in mod nebunesc si distrugator, pentru o alta treime din hoteluri. Analizele „medico-legale” au durat saptamani intregi; numai ca s-a dovedit ca datele erau corecte. Apoi a aparut intrebarea: nu cumva hotelurile concurente desfasurau niste campanii promotionale neobisnuite, care „dadeau peste cap” modelul nostru predictiv?. Raspunsul a fost nu. In cea mai mare parte a cazurilor, managerii locali urmau regulile stabilite prin strategia preturilor variabile, ce permitea managementul marjelor de profit.

Cu aproape cinci luni mai tarziu, dupa ce rezultatele financiare ale anului erau complet spulberate, s-a materializat si explicatia cea mai probabila: grupul de oameni care a creat modelul predictiv – „expertii zilei” in materie de date – stabilise modul de evolutie a preturilor in functie de concurentii care erau „de acelasi calibru” cu acest grup hotelier. Ei nu luasera in calcul, nici in stabilirea preturilor, nici in gradul de ocupare, hotelurile cu discount, ce ofereau camere la preturi foarte reduse. Pentru circa o patrime dintre hotelurile grupului, de aici au rezultat atat un grad de ocupare sub medie, cat si niste preturi mai mici incasate pe camera de hotel.

Credinta oamenilor din top management in valoarea brandului si in pozitionarea de pret pe care au ales-o ei a fost factorul care dus la excluderea hotelurilor cu discount din peisajul competitiv. Pare acest exemplu sa fie atipic? Anul trecut am avut o intalnire cu reprezentantii unui alt lant hotelier, care acum dezbat „in draci”, pentru a stabili daca impactul Airbnb – site global, ce ofera o gama foarte larga de variante de cazare si de rezervare a locurilor de cazare, incepand de la un apartament pentru o noapte si pana la cazarea intr-un castel pentru o luna, iar celor care ofera aceste locuri de cazare le ofera posibilitatea de a le prezenta pe site – ar trebui sau nu sa fie incorporat in ecuatiile pe baza carora ei stabilesc preturile si marjele de profit practicate in acest lant hotelier.

Mai recent, o mare companie de produse industriale a facut o investitie imensa de bani si alte resurse pentru instituirea unui proces analitic aplicat la intretinerea preventiva a utilajelor si la alocarea mai eficienta a numarului limitat de angajati din departamentul sau tehnic. Cam pe la jumatatea procesului analitic, cand erau trecute in revista toate datele, unii dintre oamenii care se ocupau cu reparatiile au observat ca intretinerea preventiva ar putea fi analizata si gestionata ca parte dintr-un sistem care functioneaza in baza unor retele conectate intre ele. Observatia lor a schimbat complet directia in care se indrepta initiativa companiei. Accentul pus pe valoarea oferita clientilor s-a mutat de pe intretinerea preventiva pe managementul eficientei in relatia cu clientii-cheie. Iarasi, concentrarea pe previziune a incetosat viziunea mai larga cu privire la „locul” in care ar trebui sa se afle si sa fie creata adevarata valoare oferita clientilor.

Atunci cand procesele analitice predictive sunt facute asa cum trebuie, analizele facute ca parte din acest proces nu sunt un mijloc de a ajunge la scopul reprezentat de previziuni. Ci, mai degraba, previziunile dorite devin doar un mijloc pentru un proces analitic ce duce la niste intelegeri profunde si la descoperiri interesante. Organizatiile destepte vor sa aiba o cultura a procesului analitic predictiv in care previziunile sa creeze atat niste intrebari mai destepte, cat si niste raspunsuri care sa aiba semnificatie din punct de vedere statistic. Genul acesta de cultura poate sa transforme rapid esecurile analitice predictive in niste succese analitice.

Pentru a parafraza o expresie faimoasa in contextul stiintei prelucrarii si exploatarii datelor, calea cea mai buna de a prevedea viitorul este cea prin care inveti din esecurile proceselor predictive analitice.

Michael Schrage este Research Fellow la „Center for Digital Business” din Sloan School of Management – Massachusetts Institute for Technology (MIT) si autorul cartilor „Serious Play, Who Do You Want Your Customers to Become?” si „The Innovator's Hypothesis” (carte in curs de aparitie).