Modello di “Bussola del Business” BSC-SMART PILOT

L’originale metodologia “Smart Pilot” qui presentata è in grado di colmare un grosso “gap” presente nel metodo della “Balanced Scorecard (BSC)” tradizionale. Vale a dire, che non solo è possibile con “Smart Pilot” realizzare una sorta di “Bussola” di riferimento per il controllo in progress della “Rotta” di sviluppo del nostro Business, ma anche ottenere il Bilanciamento Automatico dei pesi finali delle 4 Prospettive (secondo Kaplan) in coerenza alle decisioni del Consiglio di Amministrazione. Infatti, a seconda delle decisioni orientate allo sviluppo e redditività del business (prodotto/servizio), piuttosto che alla sua re-ingegnerizzazione, ci si sposta rispettivamente a destra o a sinistra del punto  di incrocio CVo, ottenendo i contributi percentuali bilanciati delle 4 Prospettive.

__________________________________

SCENARIO DI RIFERIMENTO
I maggiori fattori di successo della gestione strategica di una impresa sono principalmente la formulazione e l’attuazione della strategia:

  • la formulazione della strategia è comprendere dove l’azienda è oggi e decidere dove dovrebbe essere domani;
  • l’attuazione consiste nel decidere come portare l’azienda da dove si trova oggi a dove dovrebbe essere domani.

Un’efficace attuazione della strategia richiede uno sforzo costante per accordare e mettere “in sintonia” (o bilanciare) gli elementi base che guidano l’organizzazione (v. le 4 Prospettive). Il BSC- Balanced Scorecard è un modello metodologico, già introdotto da M.Porter nel 1980 (MAC) e poi ripreso e completato da Kaplan e D.P. Norton nel 1994, riguardante la misurazione multidimensionale delle performance aziendali al fine di controllare l’attuazione delle strategie attraverso obiettivi misurabili.
Lo “Stato dell’Arte” relativo alle soluzioni software BSC disponibili sul mercato (Ergometrics, Predicate Logics, 4GHI Solutions, Active Strategy, QPR7 Scorecard, SAS Institute, SEM Bilance Scorecard, ProDacapo, SNC, Cognos Metrics Manager, Sigma Scorecard, Cedar, Nemo, Simpel Scorecard, ecc.), si caratterizza per la mancanza di uno standard procedurale.
In altri termini, tutte le soluzioni fanno riferimento ai “KPI” (Indicatori di Performance) alle 4 Prospettive (v. Economico-Finanziaria, Mercato, Processi Interni e Personale) e alle “Strategy Maps”, ma, riguardo al “come” si debba “bilanciare i pesi” ai diversi livelli di inferenza tra i KPI e la strategia aziendale, esiste una notevole disomogeneità di procedure.
Basti pensare che il peso che viene dato alle 4 Prospettive Kaplan per derivarne la valutazione complessiva dell’azienda offre ∞4 soluzioni, ovvero, ad es.10 managers ad es., potrebbero dare 104 soluzioni di pesi differenti (%Eco-Fin, %Mercato, %Proc-Int., %Personale), rispetto alla valutazione della stessa strategia, pur rispettando la scala di importanza relativa dei pesi stessi.

IDEA BASE
Al fine di definire una procedura oggettiva per l’utilizzo delle scorecards e del BSC in generale, l’idea alla base delle attività di ricerca della presente proposta, è quella di razionalizzare e supportare la definizione e l’utilizzo dei pesi di bilanciamento al livello strategico delle 4 Prospettive “Kaplan” attraverso “Strategy Maps” dinamiche, nonché razionalizzare la definizione e l’utilizzo dei pesi degli indicatori KPI.

RISULTATI ATTESI
I risultati attesi vertono sullo sviluppo delle seguenti funzionalità del BSC a valore aggiunto:

  1. la realizzazione di una “bussola” di gestione della rotta strategica (rispetto alla strategia di riferimento), in grado di fornire, periodo per periodo esaminato, gli eventuali scostamenti e gli opportuni interventi correttivi per ciascuna delle 4 Prospettive della BSC;
  2. la realizzazione di modello di “Strategy Map” e di simulazione previsionale tale che a partire dagli indicatori di performance della BSC, si riesca a stimare i pesi di bilanciamento delle 4 Prospettive e le grandezze future (Ros, ecc.)

PRINCIPIO ISPIRATORE
Il principio ispiratore alla base della ricerca della soluzione ai risultati attesi è quello che considera l’attività d’impresa suddivisibile in Unità Strategiche di Business SBU, ciascuna caratterizzata da un proprio ciclo di vita e da una dinamica di sviluppo delle diverse fasi di “introduzione”, “crescita”, “maturità” e “declino”.
Il ciclo di vita CV di una SBU non è da considerarsi, in questo caso, una variabile solo del tempo, ma anche delle diverse vicissitudini cui è sottoposta, in un certo momento preso in esame, una organizzazione d’impresa, durante la sua permanenza nel mercato.
Ad esempio: un’impresa operante al tempo t in un determinato settore SBU, caratterizzato da un definito livello di ciclo di vita CVt (corrispondente ad es. alla fase di “crescita”), nel momento in cui opera trasformazioni radicali nell’SBU potrebbe trovarsi in una posizione all’“indietro”, con un corrispondente CV della particolare SBU appartenente ad es. alla fase di “introduzione nel mercato”.
In generale, un determinato settore di SBU viene definito dai seguenti parametri:

  • CVo: ciclo di vita medio per la fase di “crescita” del business
  • So: caratteristica di dinamicità del Business (ad es.: sett. “telefonini” rispetto alla produzione dell’acciaio, ecc.): più alto è il suo valore, più è lungo il tempo di crescita del business e la vita utile dell’SBU.

Nella figura che segue è possibile osservare come la curva dell’SBU/CV possa rappresentare i diversi possibili tipi di business, da quelli più tradizionali o più lenti, a quelli più veloci e che si esauriscono nel giro di pochissimi anni. Considerando quindi, l’attività di un’impresa suddivisa in una o più SBU, è possibile sviluppare una “traccia” del posizionamento della stessa rispetto a dei prefissati obiettivi strategici. Identificando detto posizionamento con il livello di SBU (sulle ordinate della Fig.1 seguente), ovvero con il particolare valore di CV assunto da SBU in un determinato periodo di osservazione t, si tratta di identificare le relazioni funzionali tra gli Indicatori di Performance KPI e il CVt così considerato, per ottenere il possibile posizionamento del business nel periodo.

SPilot1Unità Strategica di Business SBU e relativo Ciclo di Vita CV

Strategic ROUTE Control “Smart Pilot” is able to detect every probably mismatching between a prefixed Strategic Route and the real actual position of a business. In fact, every business dynamic trend is characterized by two basic parameter: CVo = number of years to reach growing phase (neutral point) So  =  shape of trend – characteristic of the type of Business: more high value means slow business dynamic and long life-cycle (i.e. So=0,3 average value) CVt: = actual position of Business (at time t) CVmax= 2*(So/Log1,5)+CVo Maximum value of CV (Business Maturity) For example, if we start with a traditional Business unit and our Business Strategy has prefixed a CV* (related to business dynamic), that is, a prevision of reaching the business growing phase after a number (=t) of years, we can control in every moment (t) the Business Route, by calculating the eventual difference between CV* and CVt.

ΔCV = CV*– CVt :  ROUTE Mismatching => Out of Strategy

________________

D’altra parte, considerando che la curva SBU/CV è rappresentativa dei risultati economicofinanziari di un’impresa nelle diverse fasi di introduzione della SBU, crescita, maturità e declino, è possibile considerare tale curva rappresentativa (Fig.) della Prospettiva Economico-Finanziaria (ECO-FIN, v. Fig. preced.). Analogamente, potendosi esprimere il potenziale delle risorse umane in funzione del proprio “Skill”, ovvero della “Curva di Esperienza” media fornita all’impresa, è possibile, considerare, in prima approssimazione, un legame diretto con la rappresentazione della Prospettiva del Personale (PERSON) nelle diverse fasi di sviluppo della SBU/CV.
La curva rappresentativa della Prospettiva di Mercato viene infine derivata in coerenza con quella ECO-FIN, mentre quella relativa alla Prospettiva dei Processi Interni (PRO-INT) si ricava derivandola dalle precedenti tre, attraverso una serie di vincoli costruttivi, illustrati nel punto seguente.

SPilot3

Curve dei Pesi di Bilanciamento delle 4 Prospettive – “Strategy Map”

Modalità di Costruzione del Grafico di Fig.: le 4 curve devono rispettare le seguenti condizioni:

  1. Nel campo di “crescita” dell’SBU: %ECO-FIN + %MERCATO +%PRO-INT +%PERSONALE = 100%
  2. Esistenza di un “Punto Neutro”: %ECO-FIN = %MERCATO =%PRO-INT =%PERSONALE = 25%
  3. Appartenenza alla famiglia di curve caratteristiche relazionabili alle 4 Prospettive di Kaplan

E’ da notare come sia possibile determinare il CV al tempo t di una SBU e confrontarlo con un valore CV* preso come riferimento nella formulazione della strategia, se consideriamo le correlazioni con gli indicatori di performance KPI.
Ad esempio, considerando il solo ROS (Return of Sale) e tralasciando gli aspetti algoritmici di calcolo,
un’impresa operante in un business SBU caratterizzato da un CVo = 4 anni e un So = 0,6, con un ROS = 10% (ROSmax = 25%), si troverebbe ad avere (in definite condizioni) un CVt=3,9 anni, mentre per un ROS =15% un CVt=5,88 anni.
Definire una strategia significa anche definire per una determinata SBU a quale punto del ciclo di vita
CV* ci si vuole posizionare. Pertanto, il valore di ΔCV = CV*-CVt, definisce lo “scostamento di rotta” rispetto al CV* che si sta verificando al tempo t.

SPilot2SPilot44

In definitiva, stabilire una strategia significa non solo definire CV*, ma anche, nel quadro di curve sottostanti, i pesi % rispetto alle 4 Prospettive (intersezione della retta verticale passante per CV*).
Così si ottengono anche le informazioni relative agli scostamenti percentuali riferiti alle singole prospettive.

__________________________________

Scorecard Balancing (BSC) In reference to Balance Scorecard approach with Kaplan’s 4 Perspectives [4][31] [32] [33], we can consider the following type of  normalized business curves (Fig. 2.13) or Business Drivers:

  • a) Resource Experience (Skill, Technology)
  • b) Economic Business Return (in Life-Cycle)
  • c) Internal Procedures (i.e. as  Quality System)
  • d) Market Development (i.e. as  Customer Satisfaction)

If  we consider the projection of CVt on the graphic about Kaplan’s 4 Perspectives, by crossing of lines we get the perceptual value (weight) of each of Business Drivers. Important Note N.1: it is possible to notice how the Kaplan’s 4 Prospective have a common crossing point, characterized with a weight of 25% (so 4 x 25% = 100%). But if we consider every other intersection among 4 Curves, we have always that the sum of the four contributes is equal to100%. All that above mentioned, it means that the weights of the Kaplan’s 4 Prospective are automatically and objectively detectable on the base of a logic economic Business Modelling (SMART PILOT) and not only on base of decision of manager in charge. This is an IMPORTANT UPGRADE in reference to traditional BSC approach [4][31][34]. Important Note N.2: it is important to notice how a Business Active Strategy is relate to Kaplan’s 4 Prospective:

  • a) in reference to CVo (crossing point), if we move on its right (more Business Return) we need to increase Market rate and Business Return rate;
  • b) if we move on its left (Business Re-Engineering), we need to re-invest on Resource Experience and accept a lower Business Return.

SPilot3

Crossing Weight of Kaplan’s Perspectives

SPilot4

(SMART PILOT software tool – ingmappa.com)

The “SmartPilot” Methodology SmartPilot methodology is based on “Active Strategy Pilot Map” (ANOVA’s copyrighthttp://www.anovastudi.com).

Modello di Redditività del Business (Small Business)

The conceptual model of  “Business Knowledge” can be described in a simple way  (but not simplistic) by using the Gross Operating Margin (MOL) or the English acronym EBITDA (Earnings Before Interest, Taxes, Depreciation and Amortization). In fact, at the base of a business development, the basic goal is to reach positive values of MOL (but not only, naturally…).

MOL

Business Knowledge Model: Gross Operating Margin Cycle

In general, to make a business means to economically transform “raw materials” (tangible or not tangible resources) into a product or services which can be sold at a price more high than costs we have spent to develop it. To do that, we need of “finances” (or “Business Fuel”), to be time-independent, with reference to economical events.

So, if we consider, in a first approximation, the following MOL expression:

MOL2

Where:

  • MOL: Gross Operating Margin
  • R:    Revenues (Turnover)
  • CE: External Costs  (Suppliers, raw materials, advices, etc.)
  • CD: Production Direct Costs (Salaries, etc.)
  • CI:  Production Indirect Costs
  • CR: Research & Development, Innovation Costs
  • CG: General Costs
  • CC: Business Costs

We can note that in the expression of MOL, there is the most of company processes, as:

  • R-CE: difference between Revenues (invoices) and External Costs (raw materials, suppliers, advices, etc) or, in other words: Active/Passive Cycle (Cash-Flow). This difference refers also to Value Added developed in that business.
  • CD+CI: sum of Direct Costs and Indirect Costs, they are related to how much we have spent to produce the product/service and so, to the labor cost.
  • CR: this is related to the Research and Development costs that we need to put innovation and so, competitiveness in our product/service.
  • CG+CC: sum of general and Overhead Costs, we need to develop our business.

So, in the short term (Fig.), when we start our business, usually we can expect a first negative start trend about MOL.

After a critical time (tc), with increasing of sales revenue (R), we have to transform MOL in a positive economic trend: MOL positive, it may be a short term (yearly) goal. We have however to take under control the financial situation, because in the short term we could always having to face a Cash-Flow misalignment caused by the difference between economical and financial period (invoicing and payments).

In the long term, we have to take under control not only MOL, but   we have to make every effort to balance the economical and financial dynamics in terms of Costs/Revenues/Finances Control (Fig.).

MOL3

Short/Long term Goal strategy

In reference to the Business Knowledge Model, in a first  approximation, the basic parameters and indicators we need to do an Economic Evaluation of our Business are the following:

Revenue:           R = P*(1- α)         P: Price     α: Scope for Negotiation

Value Added:    VA = R – CE         R: Revenue (Turnover)  CE: External Costs                                                                                                             CR: R&D Costs

Gross Margin:  MI = VA – CD

Contribution Margin:    MC = MI – CI – CC – CR      (Gross Operating Income)

Gross Operating Margin:   MOL = MC *(1- iB)           iB: Bank Interest Income             

Gross Profit:   UL = MOL- QA – OF                                  QA: Share of Depreciation                                                                                 OF: Borrowing Costs             

Net Profit:   UN = UL – FS                                          FS: Tax Charges              

Propagazione del Grado di Certezza (vs Probabilità)

Indipendenza Strutturale della Conoscenza dal contesto di riferimento: il principio base più innovativo è senza dubbio quello che esprime l’indipendenza della conoscenza dalla struttura lessicale e dal particolare glossario dei termini utilizzato: la struttura della conoscenza non è legata al peculiare ambito applicativo, ovvero: i processi di ragionamento fautori di conoscenza non sonofigli unici di madre vedova”, ma seguono dinamiche trasversali e interdisciplinari che sono ripetitive secondo classi tipologiche che fanno parte di un sistema inerziale nel quale valgono universalmente i principi base della Natura e dell’uomo (v. Piramide dei Bisogni Primari di A.Maslow [20]), a prescindere dagli scenari tecnologici, politici e di mercato del momento. Un esempio per tutti di indipendenza strutturale della conoscenza: l’Ingegneria Biomedica è nata quando finalmente discipline diverse dal punto di vista lessicale e dei contenuti, come la medicina, la fisica, l’ingegneria, la biologia, ecc., si sono incontrate “interdisciplinarmente” nel suddetto sistema di riferimento inerziale, al fine di soddisfare un bene primario come quello della salute.  L’esistenza di una struttura comune della conoscenza consente un’interazione più facile con nuove aree di conoscenza e favorisce lo sviluppo dell’approccio di ragionamento interdisciplinare o “Interdisciplinary Thinking” [7], in quanto anche trovandosi in un contesto nuovo di conoscenza, è possibile riconoscere la struttura (comune) di ragionamento di riferimento e adattarsi velocemente allo specifico lessico e al glossario dei termini utilizzato e infine, essere in brevissimo tempo pro-attivi fornendo il proprio contributo cognitivo.

Indipendenza Strutturale della Conoscenza dal contesto di riferimento

Indipendenza Strutturale della Conoscenza dal contesto di riferimento: il principio base più innovativo è senza dubbio quello che esprime l’indipendenza della conoscenza dalla struttura lessicale e dal particolare glossario dei termini utilizzato: la struttura della conoscenza non è legata al peculiare ambito applicativo, ovvero: i processi di ragionamento fautori di conoscenza non sonofigli unici di madre vedova”, ma seguono dinamiche trasversali e interdisciplinari che sono ripetitive secondo classi tipologiche che fanno parte di un sistema inerziale nel quale valgono universalmente i principi base della Natura e dell’uomo (v. Piramide dei Bisogni Primari di A.Maslow [20]), a prescindere dagli scenari tecnologici, politici e di mercato del momento. Un esempio per tutti di indipendenza strutturale della conoscenza: l’Ingegneria Biomedica è nata quando finalmente discipline diverse dal punto di vista lessicale e dei contenuti, come la medicina, la fisica, l’ingegneria, la biologia, ecc., si sono incontrate “interdisciplinarmente” nel suddetto sistema di riferimento inerziale, al fine di soddisfare un bene primario come quello della salute.  L’esistenza di una struttura comune della conoscenza consente un’interazione più facile con nuove aree di conoscenza e favorisce lo sviluppo dell’approccio di ragionamento interdisciplinare o “Interdisciplinary Thinking” [7], in quanto anche trovandosi in un contesto nuovo di conoscenza, è possibile riconoscere la struttura (comune) di ragionamento di riferimento e adattarsi velocemente allo specifico lessico e al glossario dei termini utilizzato e infine, essere in brevissimo tempo pro-attivi fornendo il proprio contributo cognitivo.

Computazione Non-Deterministica

Computazione Non-Deterministica: i Modelli Matematici possono essere considerati come un particolare sottoinsieme dei Modelli di Conoscenza, ma mentre nei primi si rappresenta la realtà dei fenomeni secondo procedimenti  deterministici e subordinata in genere a delle ipotesi iniziali semplificative, nei modelli di conoscenza la realtà è rappresentata anche nella propria natura non-deterministica, attraverso un approccio sistemico e procedimenti che tengono conto della “naturale” incertezza nei dati e nelle informazioni, rispetto alla minimizzazione degli errori e alla ricerca di soluzioni di “buon senso” (common sense).  Poniamoci infatti, la seguente domanda: nel ragionare e prendere ad es. una decisione, il nostro cervello risolve un sistema di equazioni o risolve per caso un’espressione algebrica? Certo che no. Allora forse c’è un “gap” tra quello che ci hanno insegnato a scuola nell’ambito delle computazione di dati (v. Matematica) e il modo “naturale” di computare informazioni proprie del nostro cervello e poi trasferito alle macchine (v. Intelligenza Artificiale). La computazione non deterministica ci consente di fare operazioni con le informazioni quali-quantitative anziché con i dati, ovvero  con il contenuto informativo che i dati possono o meno esprimere. Un dato può essere considerato come un “insieme” che ha un contenuto informativo percentualmente differente a seconda del contesto e del target a cui è destinato. Ritornando all’esempio precedente sulle condizioni atmosferiche, un valore di temperatura dell’aria esterna di 15 °C rispetto alla scelta di vestirsi in maniera adeguata per uscire di casa fornisce una indicazione decisionale solo parziale (% certezza), se non è sovrapposta alle altre informazioni come ad es. la pressione atmosferica e l’umidità relativa. L’insieme risultante dall’intersezione dei tre insiemi di partenza ottenibile rispetto ad un target di “tempo di pioggia” o di “tempo soleggiato”, fornisce un valore % risultante di certezza più elevato rispetto a quello che ciascun dato di partenza può esprimere singolarmente: se consideriamo che la temperatura di 15°C rispetto al target “meteo-pioggia”, contribuisce per il 30%, mentre la pressione atmosferica per il 25% e l’umidità relativa per il 35%, si avrebbe che la decisione di vestirsi in un certo modo piuttosto che in un altro avrebbe un grado di certezza complessivo del 65,875% (somma insiemistica), che è superiore al 50% di soglia, anche se con ancora un 34,125% di % incertezza che potrebbe essere soddisfatto da un’altra “intersezione insiemistica” fornito da un ulteriore dato (ad es. dal valore della velocità del vento). Alle stesse conclusioni si potrebbe arrivare con dati differenti (v. es. millimetri di pioggia), sia in termini di contenuto informativo che  numerici.

Modellazione Reticolare della Conoscenza

Modellazione Reticolare della Conoscenza: dal punto di vista logico, ogni modello di conoscenza è rappresentabile da una “cella informativa base” dotata di “n” dati/info in ingresso (input) e “m” meta-informazioni in output: all’interno della cella è possibile avere differenti relazioni di inferenza input/output: dalla semplice inferenza XY (curva di conoscenza n=1, m=1), fino a intere matrici “n*m” inferenziali. Gli “m” output di una cella possono a loro volta diventare in parte o in toto, input per un’altra cella e così via fino a realizzare una rete di celle in grado di elaborare un numero teoricamente infinito di informazioni.

Un processo tipico di “modellazione” della conoscenza, soprattutto nella realizzazione di sistemi on-line di controllo, segue alcuni passi fondamentali come la formalizzazione e validazione dei dati acquisiti da sorgenti eterogenee esterne, la normalizzazione rispetto ai range di operatività, l’inferenziazione di cross-matching (inferentation-integration-data fusion),  la de-normalizzazione dei risultati target ottenuti (v. Fig.).

Reticolo

Dal punto di vista concettuale, questo processo di modellazione della conoscenza è raffigurabile anche come una rete neurale artificiale costituita da “nodi” (neuroni) come unità base di elaborazione delle informazioni (Basic-Info) e “collegamenti” (sinapsi) come adduttori di inferenza caratterizzata da un grado di certezza (“peso” dinamico non probabilistico).

Modello DIKW della “Catena della Conoscenza”

Catena della Conoscenza: si tratta del primo principio sul quale si basa la struttura dei modelli di conoscenza, ovvero quello relativo alla Knowledge Chain DIKW (Data/Info/Knowledge/Wisdom), nella quale si distinguono i dati dalle informazioni e queste ultime dalla conoscenza, fino ad arrivare al concetto di saggezza.

    • I dati sono definibili come entità statiche, “fotografie” di fatti e sono quindi espliciti, in genere sono espressi in forma alfanumerica, prodotti da fonti (database, sensori,…) che ne condizionano poi la loro “qualità”.
    • Le informazioni sono entità dinamiche ed evolutive, caratterizzate da un proprio ciclo di vita, nascono in forma esplicita o latente, sono correlate ad uno o più processi (mentali, personali, ambientali, produttivi, ecc.) ed esercitano su tali processi una propria influenza (o “peso”).

Ad esempio: misurando la temperatura, la pressione atmosferica e l’umidità relativa esterna (dati), si ottiene un’informazione che può essere correlata all’abbigliamento da indossare (processo), condizionata dal “peso” che la stessa informazione ha su una determinata persona piuttosto che su un’altra e dura lo spazio temporale (ciclo di vita) limitato alla rispettive necessità di uscire da casa.

DIKW

La Catena della Conoscenza DIKW

La catena della conoscenza  DIKW non è solo un legame funzionale, ma esprime anche una azione: “ La conoscenza è informazione in azione“. Con riferimento al DIKW e alle precedenti considerazioni, si potrebbe quindi definire la conoscenza come la facoltà umana risultante dall’interpretazione delle informazioni finalizzata all’azione (Knowledge in Action), ovvero il risultato di un processo di inferenza e di sintesi (ragionamento), a partire da dati verso la saggezza (come ulteriore livello di astrazione dalla conoscenza acquisita).