Současná doba je přesycená nejrůznějšími informacemi, mezi nimiž je velice složité se pohybovat. Umět zacházet se získanými daty efektivně a v rámci prosperity firmy je nezbytně důležité.


Jednou z nejvýznamnějších aktivit manažerů je umět se správně rozhodnout. Kvalita a výsledky manažerského rozhodnutí totiž ovlivňují fungování a prosperitu jednotlivých společností a firem a právě nekvalitní rozhodování může být příčinou jejich neúspěchů. Daná rozhodnutí se mohou týkat jak výrobního programu, tak kapitálových investic, uvedení výrobku na trh a jeho marketingové strategie nebo organizace a uspořádání firmy.

Odpovědnost manažerských týmů v čele organizací je měřitelná nejen jejich schopností a ochotou hledat účinná a progresivní řešení pro další strategii vývoje, ale v nemalé míře i ochotou tvořit svá rozhodnutí na pevném základě kvalitních analýz vycházejících z důkladného prostudování dat, jež mají momentálně k dispozici.

Každé manažerské rozhodnutí je z větší či menší míry závislé na efektivním využívání existujících dat. Tato data mohou mít různý charakter, mohou to být data získaná z marketingových výzkumů, z průzkumů konjunkturních, z cenových statistik, z bankovních zpráv nebo z tisku, data obchodních transakcí především!!! Důležité je umět transformovat obecná data v cenné informace a ze získaných údajů dostat to důležité a aktuální.

Schopnost odezírat z těchto dat více, než dokáží jiní, je nepochybně v přímé úměře ke kvalitě rozhodnutí. Takto se vytváří silný prvek konkurenční výhody. Cest, jak získat z údajů to důležité, je mnoho, ale v popředí vždy stojí metody statistické analýzy dat. V současné době je tato tradiční cesta zařazována do širšího kontextu dalších metod, pro tento kontext začíná zdomácňovat název data mining neboli dolování informací ze souboru existujících dat. Podstatnou metodou práce v oblasti získávání relevantních informací ze souboru dat je vedle klasických statistických postupů rovněž řada úloh založených na:

. stromové struktuře informací
bývá základem pro rozhodování uvnitř organizace i ve vztahu organizace k okolí, v současné době už existuje řada standardních algoritmů, které usnadňují práci v této problematice,

. neuronových sítích
používají se především v oblasti ekonomických předpovědí, jsou koncipovány na analogii s funkcí neuronu v lidském mozku,

. netradiční (třírozměrné) vizualizaci údajů (Fourierova transformace)
používání grafů, které manažerům usnadňují a urychlují práci,

. stochastické predikci ekonomických časových řad
využívá postupy analýzy časových řad.

Základem je analýza, která nebere v úvahu význam analyzovaných dat. Základem je:

. hledání vzorců (patterns) opakujících se skupin dat,
. analýza časových řad.

Výsledkem statistického šetření bývá velké množství číselných údajů, které jsou nepřehledné. Aby vynikly charakteristické rysy a zákonitosti analyzovaného souboru a aby byly získané údaje přehledné, musí se nejprve setřídit, což znamená rozdělit jednotky souboru do takových skupin, aby co nejlépe vynikly charakteristické vlastnosti zkoumaných jevů. Tříděním se dosáhne kromě uspořádání údajů do přehledné formy také jejich zhuštění.

Chceme-li, aby naše rozhodnutí bylo správné, měli bychom dodržovat následující postup. Nejdříve je nutné identifikovat daný problém, ve kterém se společnost nachází nebo se kterým se právě potýká. Problémem se rozumí odchylka mezi žádoucím a skutečným stavem. Dále je nutné ujasnit si jeho příčiny a cíle řešení, připravit si jednotlivé varianty řešení problému, ty pak postupně vyhodnocovat a tu nejvhodnější zvolit. Důležitou roli při rozhodování hraje samotný proces volby, kdy se posuzují jednotlivé varianty a volí se rozhodnutí. Důležité je uvědomovat si i potenciální problémy a rizika.

Celý proces rozhodování se skládá ze čtyř fází:

1. analýza okolí - zjištění podmínek vyvolávajících nutnost rozhodnout, identifikace problému,
2. návrh řešení - hledání, tvorba a analýza směrů činnosti,
3. volba řešení - hodnocení jednotlivých variant,
4. kontrola výsledků - hodnocení dosažených výsledků.

V současné době se při řešení rozhodovacích problémů významně uplatňuje výpočetní technika, především osobní počítače. Počítačová podpora rozhodování může mít tři formy, a to informační, modelovou a expertní.

Manažerské informační systémy
Informační podpora je spojena především s existencí manažerských informačních systémů, resp. informačních systémů pro řízení (MIS - Management Information System). Pomocí těchto systémů se vytvářejí rozsáhlé počítačové databáze, které soustřeďují informace jak interního charakteru (tj. o jednotlivých oblastech firmy, např. o jejích zdrojích, tj. výrobním zařízení, pracovnících, výrobním programu, finanční situaci aj.), tak i informace o podnikatelském okolí (např. informace o hlavních konkurentech, dodavatelích, odběratelích, vývoji na trhu aj.) Přitom může jít jak o informace historické, týkající se minulosti, resp. současnosti, tak informace vztahující se k budoucnosti, tj. informace prognostického charakteru. Informace tvořící náplň databází mohou být v případě potřeby vyvolány a využity jako součást informačního zabezpečení pro řešení rozhodovacích problémů v organizaci.

Systémy na podporu rozhodování
Systémy na podporu rozhodování (DSS Decision Support System) poskytují manažerům převážně modelovou podporu. Tyto systémy pomáhají svým uživatelům - manažerům - při realizaci řídících a rozhodovacích činností. Uživatel tu může srovnávat dílčí výsledky řešení se svými představami a podle toho ovlivňovat další průběh řešení. Tyto systémy poskytují uživateli nabídky řešení a případně kladením dotazů usměrňují jeho postup. Tyto systémy ale nenahrazují rozhodovatele, jejich výsledkem tedy není rozhodnutí, rozhodovateli pouze dávají soubor variant, urychlují a zpřesňují propočty jejich důsledků, kvantifikují rizika atd. Odpovědnost za řešený problém zůstává i nadále na rozhodovateli.

Expertní systémy
Nejvyšší stupeň podpory, tj. podpory znalostní, poskytují expertní systémy. Jsou to interakční počítačové programy, které simulují činnost experta při řešení složitých úloh a využívají vhodně zakódovaných speciálních znalostí od experta převzatých. Jejich cílem je dosáhnout ve zvolené problémové oblasti kvality řešení problémů srovnatelné s expertem.

Základní složku těchto systémů tvoří báze znalostí, která soustřeďuje znalosti z daného oboru potřebné pro řešení problémů, pro něž je expertní systém určen. Mezi další složky expertního systému patří inferenční (odvozovací) mechanismus, který umožňuje odvozovat nové znalosti na základě znalostí existujících, dále báze dat, soustřeďující informace o řešeném problému, vysvětlovací modul, který poskytuje uživateli vysvětlení a zdůvodnění řešení, k němuž expertní systém dospěl, a konečně komunikační modul, jenž zabezpečuje komunikaci uživatele s expertním systémem v průběhu řešení problému. Podpora poskytovaná těmito systémy má často povahu stanovení příčin daného problému, tvorby variant řešení aj. Tyto systémy mohou v určitých případech rozhodovatele i nahradit.

Pro efektivní fungování organizace není ovšem postačující pouhá analýza dat, důležitá je tu i schopnost rozpoznat spolehlivost informací, jejich odpovídající interpretace a jejich účelné seřazení tak, aby výsledkem bylo kvalifikované, kvalitní a dostatečně strukturované rozhodnutí.

Pozn. red.: Autor článku, Radovan Jirka, zastává pozici ředitele společnosti Unicorn Consulting.