Per diventare dei veri Manager, a Duke

un corso sulle "Scienze della decisione"

Per diventare dei veri manager a Duke University c' un corso dedicato a imprenditori, dirigenti e decision
makers: la materia la scienza della decisione e si propone di dare una seppur superficiale idea di quali
siano le potenzialit ed i campi di utilizzo di tale materia.
Forse a causa dei miei studi universitari in fisica, forse perch amo i numeri, forse perch nel mio passato
professionale, sempre in piccole/medie aziende, mi sono trovato a prendere molto spesso decisioni
basate sull'intuito e l'associato incrociare le dita pi che su razionali analisi numeriche, ma se c' qualcosa
che in questi ormai quasi due anni di MBA presso la Duke University - Fuqua School of Business mi ha
davvero affascinato e conquistato sono le Scienze della decisione (Decision sciences).
Sono oggi assolutamente convinto che un manager moderno non possa pi prescindere dal conoscere gli
strumenti che la matematica e l'informatica gli mettono a disposizione per prendere decisioni pi razionali
e controllate. Non avendo nel mio passato esperienza di grande azienda in Italia non sono certo che tali
tecniche non vengano gi diffusamente utilizzate, come gi avviene in molte delle grandi aziende
americane. Sono certo per che non lo sono presso le piccole/medie imprese italiane, ovvero proprio
laddove le decisioni operative costituiscono spesso vere e proprie scelte strategiche.
La mia fortuna che il gruppo di docenti dell'area delle scienze della decisione qui a Duke davvero di
prim'ordine, senza dubbio uno dei migliori del mondo. Tra gli altri i Proff. Jim Smith (ora anche Rettore
Associato responsabile per il programma MBA), Bob Clemen (tra l'altro autore di uno dei testi di scenze
della decisione pi utilizzati presso le universit americane - "Making hard decisions"), Laura Kornish e
Sasa Pekec (di cui ho l'onore di essere stato assistente rispettivamente per i corsi di Modelli Decisionali e
Statistica durante il mio secondo anno di MBA), producono costantemente interessantissimi studi e
ricerche sulle pi disparate applicazioni ed evoluzioni delle tecniche di analisi delle decisioni (nel sito
internet www.fuqua.duke.edu possibile ricercare tali pubblicazioni).
Naturalmente ho fatto in modo di inserire nel mio programma dei corsi un adeguato numero di classi
relative alle Scienze dalla decisione tra le varie offerte dal programma MBA di Duke, quali 'Modelli
decisionali', 'Analisi Competitiva', 'Analisi delle decisioni' e 'Previsioni'.
Ma cosa sono le Scienze della decisione?
Ogni decisione che prendiamo, anche la pi semplice come quella di andare al cinema o a teatro,
fondamentalmente composta da 3 elementi: le possibili alternative (il cinema o il teatro appunto), le
variabili (ad esempio tempo di viaggio da casa,il tempo di attesa alla biglietteria ed il costo del biglietto) e
il criterio decisionale (ad esempio minimizzare il tempo di viaggio ed attesa in coda). Alcune della variabili
sono certe (di solito conosciamo il prezzo del biglietto), altre sono incerte (il tempo di viaggio per
esempio pu essere condizionato dal traffico ed altro).
Bene, le scienze della decisione aiutano a prendere decisioni mediante modelli matematici, spesso
sviluppati con strumenti comuni tipo Excel o altri semplici applicativi, che calcolano il valore su cui si
intende basare la decisione per ciascuna delle alternative consentendo di confrontarle e scegliere quella
preferita. Nel nostro esempio il prodotto dell'analisi potrebbe essere che il tempo pi probabile necessario
per arrivare al teatro ed ottenere un biglietto minore dell'analogo tempo per il cinema e quindi, visto il
criterio decisionale stabilito, la decisione preferibile il teatro.
Ho forzato l'esempio su una decisione che conviene forse prendere senza accendere il computer e che
comunque probabilmente gi stata presa dalla moglie o dalla fidanzata, solo per poter introdurre
qualche esempio comunque semplice ma pi rilevante ad un ambito aziendale nel seguito del testo.
Le tecniche
Gli strumenti pi semplici e pi comunemente utilizzati nell'analizzare decisioni sono:
gli alberi decisionali: rappresentazioni grafiche di una serie di decisioni ed eventi con i relativi costi,
ricavi e probabilit, dove le alternative ed i possibili eventi sono in numero limitato ed i valori associati
discreti.
l'analisi di sensitivit: che consiste nel valutare quanto le variabili incerte siano importanti
nell'influenzare la decisione finale e quindi di quanto precisi si debba essere nel prevederne il valore.
le simulazioni Monte-Carlo: utilizzabili quando i possibili eventi sono un numero molto elevato o infinito,
sono vere e proprie simulazioni della realt in cui si riproduce una serie di eventi per un grande numero di
volte registrando il valore guida della decisione ciascuna volta e confrontando infine i risultati per tutte le

possibili alternative.
la teoria dell'utilit: che consente di prendere decisioni basandosi su criteri decisionali che tengono
anche conto dell'attitudine al rischio del 'decisore'.
l'ottimizzazione: che mediante l'uso di semplicissimi software, come il Solver di Excel, consente di
trovare la decisione che ottimizza una specifica funzione obbiettivo.
Le applicazioni
Anche se le possibili applicazioni delle tecniche appena elencate non si limitano assolutamente a quanto
segue, voglio concentrarmi su poche, semplici ed intuitive applicazioni illustrandole con esempi scolastici
che dovrebbero per essere facilmente ed intuitivamente estesi a tipiche decisioni di business pi
complesse ed articolate.
A - Logistica (Livelli di riordino) - "Il problema delle padelle"
In seguito ad una speciale promozione del fornitore, il Sig.Mario Bianchi (Rossi era troppo ovvio),
commerciante in casalinghi, pu acquistare le speciali padelle Omelet a 22 Euro l'una e venderle ad un
prezzo di 35 Euro. L'ordine deve essere fatto con sei mesi di anticipo e la domanda del mercato per tali
padelle incerta. Se la domanda supera la quantit ordinata dal fornitore, il Sig.Mario costretto ad
emettere un ordine urgente pagando cos le padelle Omelet 32Euro l'una. Se la domanda inferiore alla
quantit ordinata il Sig.Mario sicuro di vendere le padelle in eccesso in saldo a 19.50 Euro. Anche se la
domanda incerta l'esperienza suggerisce al Sig.Mario che certamente vender almeno 800 padelle,
sicuramente non ne vender pi di 1400 e che il numero pi probabile 1000. Allora quante padelle deve
ordinare il Sig.Mario se il suo obbiettivo massimizzare il profitto atteso?
Una superficiale ed immediata decisione sarebbe quella di ordinare 1000 padelle, visto che questo il
numero che ci si aspetta di vendere. Ma una decisione razionale?
Costruendo un semplicissimo modello in Excel ed utilizzando un software di simulazione Monte-Carlo
(Crystal Ball), possibile simulare il mercato facendo casualmente variare la domanda 1000 volte (ci
pensa il software ovviamente) entro i limiti ed in accordo alla distribuzione indicata dal Sig.Mario (8001000-1400). La simulazione si ripete per diverse quantit di padelle ordinate ed il risultato pu avere
l'aspetto che segue:

Con un processo che impegna un tempo limitatissimo (l'esercizio illustrato risolvibile in pochi minuti),
abbiamo la nostra risposta. Il Sig.Mario ottimizza il suo profitto atteso ordinando 1200 padelle (profitto
pi probabile=13,360 Euro).
B - Investimenti (Capital budgeting)
Il Sig. Mario adesso veste i panni di un imprenditore che deve decidere se investire nell'acquisto di uno o
due torni speciali a controllo numerico per produrre un nuovo speciale raccordo pneumatico. Egli pu
acquistare entrambe le macchine ora o posticipare l'acquisto della seconda ad un anno da ora. In ogni
caso deve prendere la decisione adesso. Il costo delle macchine di 200mila Euro. Per semplicit
consideriamo tutti i nostri valori come attualizzati. Se il prodotto un successo il Sig Mario prevede di
utilizzare entrambi i torni al 70% con un profitto di 400mila Euro nel primo anno e, se il mercato tiene, di
3 milioni di Euro nel lungo termine. Se il prodotto un insuccesso o nel momento in cui perde di
interesse, le macchine non genereranno alcun profitto. Se invece il Sig.Mario decide di acquistare solo un
tornio il primo anno ed il prodotto un successo, il tornio verr impiegato al 100% e produrr un profitto
di 300mila Euro. Il Sig.Mario acquista la seconda macchina all'inizio del secondo anno solo il mercato
stato positivo nel primo. Nel periodo che segue, se il mercato resta positivo le 2 macchine produrranno
nel lungo termine e come nel caso precedente un profitto di 3 milioni di Euro. Se il mercato 'gira' al
negativo non vi sar pi alcun profitto. Il Sig. Mario ha anche raccolto da alcuni esperti in ricerche di
mercato informazioni secondo le quali nel primo anno le possibilit di successo/fallimento del prodotto
sono 50%-50%. Se nel primo anno il prodotto ha successo c' invece l'80% di probabilit il mercato resti
positivo. Se un insuccesso il primo anno non c' modo che diventi un successo in seguito.

L'albero decisionale illustrato sopra, realizzato mediante Excel e TreePlan, mostra ciascun passaggio del
processo ed associa a ciascuna decisione od evento un valore basandosi sulle informazioni disponibili. I
numeri 1 all'interno dei quadratini dell'albero (che rappresentano decisioni) ci indicano che il Sig.Mario
deve procedere sul primo ramo dell'albero, acquistando cio un solo tornio ed in seguito il secondo se il
prodotto ha successo nel primo anno. Questo perch il profitto pi probabile ottenibile con questa scelta
(1,05 milioni Euro) pi alto (in questo specifico esempio non di molto) di quello ottenibile con le altre
opzioni.
Oltre a quelle illustrate sopra le tecniche messe a disposizione dalle scienze della decisione sono
applicabili a scelte di Strategia (ingresso/uscita da mercati), di Marketing (quanto sono disposto a
spendere in campagne pubblicitarie o per ricerche di mercato?), a Valutazione di beni immateriali (quanto
pu valere quel brevetto?) e di progetti di ricerca ed altro.
I problemi, qualche soluzione e le conclusioni
Conoscendo bene molti piccoli e medi imprenditori sono certo che la loro reazione iniziale a questi metodi
cos matematici, apparentemente complessi e 'freddi' sia di grande scetticismo.
Quando si leggono degli esempi e si vedono questi bei numeri associati ai possibili eventi ci si chiede
spesso:"Ma come diavolo si fa a stabilire quanto sia probabile il successo di un prodotto, il corrispondente
livello di domanda, il tempo necessario a completare un progetto ecc...?" In realt il bello delle scienze
dalla decisione proprio che non si devono fare previsioni precise e puntuali. E' sufficiente avere in mente
un intervallo di possibili valori ed esistono tecniche di intervista che consentono all'esperto di assegnare
probabilit a ciascuno scenario senza nemmeno chiedere direttamente all'interlocutore un numero.
Quando il Sig.Mario dell'esempio delle padelle ha detto "...meno di 800 e pi di 1400 di sicuro no, se
proprio devo dare un numero direi 1000..." ha dato pi informazioni di quante si sia reso conto di dare.
Utilizzando la teoria dell'utilit poi, che combina obbiettivi e rischi, le tecniche illustrate sopra sono
sempre in grado di dire qual' la decisione pi razionale a priori.
La mia speranza che tali tecniche possano fare breccia anche nel mondo delle piccole/medie imprese
Italiane, sia mediante risorse interne (giovani laureati in scienze matematiche, fisiche o in ingegneria
gestionale, ma forse anche diplomati tecnici con un opportuno training specifico) che esterne, mediante
societ di consulenza con specifica esperienza nel campo delle scienze della decisione.
Il valore creato da questi servizi fuori discussione. Per la natura stessa delle tecniche, basate
prevalentemente sulla statistica, sarei pronto a scommettere il mio stipendio sul fatto che se aiutassi il
Sig.Mario a prendere 100 decisioni come quella illustrata nell'esempio gli farei guadagnare pi quattrini di
quanti ne garantirebbe la sua semplice tecnica di riordino.
Di Massimiliano Rossi , MBA DUKE '02
mr19@mail.duke.edu