You dont have javascript enabled! Please enable it! Archivi Bus POSTS - WeYourConsult

Bus POSTS

Il Controllo Economico di Gestione

L’argomento è complesso e deve essere calato in ogni singola realtà valutando la disponibilità dei dati (assumendo come veritiere e tempestive le elaborazioni contabili) fino a comprendere considerazioni relative alle ripercussioni sulle strategie di marketing.

Valore Prodotto

Solitamente il riclassificato per un’industria manifatturiera è a valore prodotto.

Significa che devo calcolare il valore prodotto per il periodo di competenza ponendolo a base 100 e misurando le percentuali che, a scalare, raggruppano le varie tipologie di costi.

RL + RICAVO LORDO (prezzo al Cliente)
- Provvigioni
- Trasporti per la consegna
- Altri costi
RN = RICAVO NETTO

Il valore prodotto è il ricavo al netto di costi sostenuti per la vendita (provvigioni, premi, trasporti sulle vendite, ecc.) più le variazioni di magazzino semilavorati e prodotti finiti.

RN + RICAVO NETTO
+/- Variazione valore magazzini prodotti finiti/ semilavorati
VP = VALORE DELLA PRODUZIONE

Se il mio magazzino è aumentato il valore è superiore al venduto visto che una parte della produzione l’ho messa a magazzino. Mentre se il magazzino è diminuito i ricavi sono superiori alla produzione in quanto ho venduto articoli prodotti in periodi precedenti.

E’ evidente che un controllo di gestione non può prescindere dalla contabilità di magazzino e della sua valorizzazione periodica (anche attraverso rilievi a campione).

VP + VALORE DELLA PRODUZIONE
- Acquisti
- Altri consumi
+/- Variazione magazzini materie prime/ merce
ML = MARGINE LORDO

Costi Variabili

La prima distinzione da fare è tra costi variabili e costi fissi. E’ importante perché quelli variabili variano in modo solitamente proporzionale al singolo prodotto (o servizio) mentre quelli fissi – per definizione – sono costi che devo sostenere indipendentemente dai volumi prodotti, venduti.

Per esemplificare i costi variabili sono quelli che posso elaborare attraverso una distinta base.

Poi è utile classificare i costi distinguendoli tra diretti e indiretti di produzione.

Passando ai costi del personale, dovremmo essere precisi su cosa intendiamo per costi del personale.

Il costo del personale diretto di produzione (ad esempio gli addetti alle lavorazioni di un centro) sono – ai fini costistici – da considerare costi variabili diretti. Dunque vanno inclusi nel costo del prodotto perché di sicuro li sostengo, sia che ne produca 1 sia che ne produca 1.000. Variabili perché i centri di lavoro li posso aprire o chiudere.

Margini

Se non includo i costi diretti del personale tra i costi variabili avrei la percezione di avere margini più alti, ma evidentemente otterrei un’informazione che distorce la realtà, molto pericolosa perché potrebbe portarmi a prendere decisioni sbagliate. Se ho un margine di contribuzione ai costi fissi del 60% significa che se vendo 100 mi rimangono 60 per pagare tutti i costi fissi e auspicabilmente avere un risultato finale positivo.

Il dato a livello di rendiconto economico è complessivo, mediato. Ogni prodotto ha una sua marginalità e la capacità di generare risultati dipende dalle diverse marginalità e relativi volumi di vendita.

Dunque, in sintesi, tutto quello che oggettivamente posso imputare direttamente come costo certo ad un prodotto deve essere considerato. Ovviamene non solo il costo del personale, ma anche le materie prime, semilavorati, consumi energetici, lavorazioni esterne, ecc..

Informazioni indispensabili, peraltro, anche per decisioni relative al make or buy.

Fino a qui un costo è un costo, non c’è nessun aspetto strategico di marketing da considerare, piuttosto l’attenzione deve essere focalizzata nel cercare di ridurlo, anche a seguito delle strategie di investimento.

Costi Fissi

Entriamo ora nel mondo dei costi fissi. Tra questi quelli specifici di produzione.

Da qui in avanti il sistema non è più oggettivo. Incorpora elementi soggettivi di interpretazione che dipendono dall’equilibrio tra l’adozione di criteri di “spalmatura” del costo sulla produzione e la tipologia di “sensori” che l’Azienda adotta per registrare in modo – più plausibile possibile – l’impiego delle risorse.

Il responsabile della produzione è tipicamente un costo fisso dedicato alla produzione.

Oltre ad esso ci sono altri costi fissi industriali, gli ammortamenti di impianti a macchinari, ecc..

Questa tipologia di costi è bene riportarla a livello di prodotto attraverso i costi orari (di funzionamento) dei centro di lavoro, mantenendoli distinti dai costi variabili per l’analisi dei margini. L’importante è avere i dati, poi deciderò come utilizzarli.

Il full costing solitamente non viene adottato. E’ difficile che un cliente sia disposto a pagare i costi fissi di struttura. Il risultato complessivo aziendale dipende dalla capacità di arrivare quanto prima al punto di pareggio tra ricavi e copertura dei costi fissi. Ogni vendita successiva rappresenta ricavi.

Conclusioni

Sono stati tratteggiati alcuni elementi che definiscono un sistema di controllo direzionale.

La complessità dei fattori da considerare e la capacità di renderne semplice l’elaborazione periodica infrannuale è basilare per un’Azienda per capire se le decisioni prese vanno nella direzione auspicata e getta le basi per una pianificazione consapevole di quelle future.

La capacità di disegnare, implementare e manutenere il sistema (contemplando le variabilità del contesto) in modo indipendente dal software gestionale, con indicatori di risultato e riclassificati personalizzati non si improvvisa e per le aziende meno strutturate può essere opportuno ricorrere a soluzioni in outsourcing.

Di certo non è eludendolo o attraverso soluzioni semplificate e fuorvianti che si possono misurare risultati, performance e disporre dei cruscotti direzionali utili per supportare decisioni consapevoli.

2024-09-19T15:41:27+02:00Di |0 Commenti

Intelligenza Artificiale

Cos’è

L’intelligenza artificiale è uno strumento che consente di risolvere problemi simulando la logica umana, generando nuovi contenuti.

Esistono due grandi sottoinsiemi:

  • l’Apprendimento Automatico (Machine Learning) un sistema addestrato ad apprendere automaticamente dalle esperienze;
  • l’Apprendimento approfondito (Deep Learning) sottoinsieme dell’apprendimento automatico che utilizza reti neurali artificiali per imitare il processo di apprendimento del cervello umano. Il sistema viene istruito affinché impari da solo riconoscendo i modelli attraverso molteplici livelli di elaborazione.

In sintesi:

Apprendimento AutomaticoApprendimento approfondito
Sottoinsieme dell’AISottoinsieme dell’Apprendimento Automatico
Può eseguire l’addestramento su gruppi di dati più piccoliRichiede grandi quantità di dati
Richiede un maggiore intervento umano per correggere e apprendereImpara da solo dall’ambiente e dagli errori passati
Allenamento più breve e precisione inferioreAllenamento più lungo e precisione maggiore
Crea correlazioni semplici e lineariCrea correlazioni non lineari e complesse
Può eseguire l’addestramento su una CPU (unità di elaborazione centrale)Per l’addestramento necessita di una GPU (unità di elaborazione grafica) specializzata
Funziona con dati non strutturati come immagini, video e audio
Capacità di astrazione e apprendimento di concetti complessi, adattandosi ad ambienti dinamici e complessi

Esempi:

Apprendimento AutomaticoApprendimento approfondito
Supervisionato: classificare le email come spam o non spam basandosi su gruppi di dati etichettati, che includono sia input, sia outputSocial Media – analisi di grandi quantità di immagini al fine di rilevare utenti con contenuti specifici (ad esempio per il riconoscimento facciale) o nella sentyment analysis per comprendere cosa pensa l’opinione pubblica di un prodotto o servizio, ad esempio scandagliando le recensioni presenti online
Non supervisionato: raggruppamento di dati in base alle somiglianze, anche senza sapere in anticipo quali categorie rappresentano. Apprendimento da dati non etichettati, che includono solo inputFinanza – Le reti neurali possono prevedere valori aziendali, identificare minacce e sviluppare strategie di trading
Sanità – aiuta a comprendere il comportamento dei pazienti, facilitando la diagnosi e il trattamento
Sicurezza Informatica – Gli algoritmi possono rilevare e mitigare minacce come virus e malware
Assistenti Digitali – Il trattamento del linguaggio naturale (NLP) consente a Chatbot e assistenti digitali come Siri, Google Assistant e Alexa di fornire risposte intelligenti
Testi – traduzione automatica, generazione di testo

I vantaggi dell’Intelligenza Artificiale

Quali sono i vantaggi?

Assistenza

Strumenti di assistenza digitale disponibli 24×7 consentono di rispondere alle domande più comuni, risolvere problematiche o scalarle ad agenti umani, riducendo compiti ripetitivi.

Riduzione degli errori

Algoritmi correttamente programmati consentono di incrementare accuratezza e precisione, ad esempio tramite sistemi di chirurgia robotica migliorando la sicurezza e gli esiti per i pazienti.

Zero rischi

L’utilizzo di robot azzera i rischi per l’essere umano, ad esempio per il disinnesco di bombe, interventi nelle profondità oceaniche, viaggi nello spazio o in ambienti produttivi pericolosi completamente automatizzati.

Compiti ripetitivi

Alcuni compiti ripetitivi e noiosi possono essere automatizzati, consentendo alle persone di focalizzarsi su quelli più complessi o creativi.

Decisioni imparziali

Se nell’algoritmo si può verificare l’assenza di opinioni di parte, il processo decisionale può essere più accurato, ad esempio per la selezione di candidati in base alle conoscenze e competenze piuttosto che sui dati demografici.

A cosa prestare attenzione

L’intelligenza artificiale può essere utile per apprendere o risolvere problemi, ma ci sono alcuni aspetti che è bene tenere presente perchè potrebbero rappresentare elementi invalidanti o comportare una sua ridefinizione del funzionamento.

Proprietà intellettuale

esistono ormai poche e nutrite concentrazioni di conoscenze “drenate” dalla rete, con dubbi sulla tutela della proprietà intellettuale

Notizie false

Solo l’intelligenza e la sensibilità umana può distinguere tra fatti reali e falsi ed esiste il rischio della proliferazione di informazioni distorte (ad esempio attraverso il Deepfake).
Le organizzazioni dotate di risorse possono pensare di personalizzare modelli generici in base alle proprie specificità, ma rimane il problema dell’accuratezza e veridicità dei dati disponibili

Pregiudizi e discriminazioni

Attraverso tecniche statistiche di tipo predittivo e generativo, i risultati dipendono dalla qualità del modello e dalla fonte dei dati. Possono non essere accurati o appropriati, se il modello contiene (nell’algoritmo) opinioni di parte (BIAS), generando pregiudizi e conseguenti discriminazioni

Selezione dei dati

Porre attenzione nel selezionare i dati utilizzati per “insegnare”, privilegiando modelli piccoli, specializzati.
E’ importante coinvolgere nel processo anche le risorse umane per validare i risultati dei modelli di IA, prima di essere pubblicati o usati.
Il rischio può essere di utilizzare informazioni innesatte, non contestualizzate ad un caso specifico, obsolete ed errate, generando risposte che possono essere controproducenti