Business case under osäkerhet

Beslutsfattande blir allt viktigare för att företag ska kunna hävda sig på en globaliserad och konkurrensutsatt marknad som dessutom förändras i snabb takt. Beslut om den framtida verksamheten handlar i allt större omfattning om att välja rätt projekt. Men det är svårt att fatta beslut under osäkerhet, särskilt när det är svårt att konkretisera och kvantifiera många aspekter.  Tyvärr visar det sig att de vanligaste metoderna för att fatta riskabla beslut i bästa fall ger en placebo-effekt – ledningen känner sig bättre, men det finns ingen konkret mätbar förbättring.

Problemet är att traditionella beslut inte tar hänsyn till hur osäker man är när man estimerar för beslutsunderlaget. Dessutom exkluderar man ofta faktorer som man inte tror går att mäta. Istället är det vanligt att man använder sig av tekniker som betygsätter olika alternativ enligt ett antal beslutskriterier. Problemet är att dessa metoder ofta adderar egna fel till beslutsprocessen.

När man ska besluta om ett projekt ska startas eller inte, så väger man fördelar mot nackdelar i ett business case. I det beskrivs de ekonomiska eller andra nyttor som man förväntar sig av projektet samt kostnaderna för projekt och framtida förvaltning. Vissa nyttor och kostnader kan vara svåra att konkretisera.

Det är här AIE (Applied Information Economics) kommer in i bilden. Med dess hjälp kan man ta fram ett business case som beskriver osäkerheternas storlek, vilket görs med hjälp av personer som man kalibrerat för estimering. Den här kalibreringen är välkänd inom psykologin, och togs fram av nobelpristagaren Kahneman och har populariserats inom företagsvärlden genom Douglas Hubbard som bland annat skrivit boken ”How to measure anything”.

Principen är rätt enkel: om man säger att man är 90% säker på någonting, så ska man också vara det. Det här kan man mäta och justera genom att man låter personer estimera något som man redan vet svaret på. På så sätt kan de som estimerar kompensera för sina intuitiva bias, som för de flesta människor t.ex. innebär att de har en övertro på sin egen förmåga.

När man väl har business case med korrekta osäkerheter, så behöver man räkna ut sitt business case. Men eftersom varje variabel nu är uttryckt som en osäkerhet, så kan man inte bara räkna med talen som om man hade enskilda värden. Man kan t.ex. ha oturen att projektkostnaden blir högre men att den resulterande nyttan också blir högre. Eftersom varje variabel nu representeras av en sannolikhetsfördelning, så finns det inte längre ett enkelt sätt att t.ex. multiplicera fördelningarna. Det man istället gör är att man slumpar fram ett stort antal scenarion, där varje scenario är en enkel beräkning, men där värdena är ett slumpat värde som baseras på varje variabels sannolikehetsfördelning. Detta tillvägagångssätt kallas monte carlo-analys, och kan vid en första anblick verka krångligare än vad det faktiskt är.

På det här sättet får man inte bara ut ett värde ur sitt business case, utan en sannolikhetsfördelning på sitt business case. Man kan alltså se hur stor sannolikheten att man går med förlust är eller hur stor sannolikheten att man får en avkastning som är större än en viss procent. Sannolikhetsfördelningen beskriver alltså också projektets risk, eftersom man på ett tydligt sätt kan avgöra sannolikheten att man presterar sämre än förväntat (t.ex. ett minusresultat).

När man har konstruerat sitt business case, så vill man gärna veta vilka osäkerheter som man tjänar mest på att minska. Det har visat sig att vi människor inte har så bra intuition när det gäller vilka osäkerheter som bör minskas. Vi mäter istället det som är enklast att mäta, t.ex. kostnaden för ett projekt – när det vi hade tjänast mest på att mäta kanske hade varit nyttorna som projektet realiserar. Det här kallas mätningsinverteringen (measurement inversion).

Även det här problemet angriper AIE, genom att man konstruerar en funktion för alternativkostnad (loss function), och sedan analyserar vilka variabler som påverkar den mest. På så sätt kan man lägga sina förstudieresurser på att minska osäkerheterna som är störst, minska risken och öka sannolikheten att man fattar rätt beslut.

Skriv en kommentar

Du kan använda följande HTML HTML:
<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>