Měření IT naruby

Nazývám to paradox "převráceného měření IT". Všiml jsem si tohoto fenoménu, když jeden z mých klientů vypracovával novou metodologii pro rozhodování v IT, založenou na aplikované informační ekonomice (Applied Information Economics, AIE).

Jednou z typických vlastností tohoto přístupu je, že zahrnuje míru nejistoty každé proměnné v analýze návratnosti investic. Tím ale vzniká další položka AIE: ekonomická hodnota informace.

MĚŘENÍ NEJISTOTY

Prakticky každá proměnná v analýze nákladů a přínosů je nejistá. Nevíme přesně, jaké budou počáteční náklady nebo k jak velkému zlepšení produktivity vše povede. Přesto jsou zejména při rozborech IT investic všechny nákladové a výnosové (či přínosové) položky udávány jako jediné, přesné číslo. Z toho vyplývá, že to číslo známe, což ale není téměř nikdy pravda. Přesto je ale možné uvádět tyto hodnoty realističtěji. Můžeme použít "pravděpodobnostní rozložení", která vyjadřují, kolik toho vlastně víme o každém z čísel v analýze nákladů a výnosů. Kvantifikace nejistoty je předpokladem pro výpočet hodnoty informace.

Možná si matně vzpomenete na pojmy jako je "90 % interval spolehlivosti" nebo "směrodatná odchylka" z gymnazijních či vysokoškolských hodin statistiky. I když možné vaše kdysi vybroušené matematické dovednosti časem pohasly, jsou to jednoduché pojmy. Devadesátiprocentní interval spolehlivosti sestává ze dvou čísel - horní a dolní hranice, které představují rozsah, v němž je s devadesátiprocentní pravděpodobností obsažena správná hodnota. Kupříkladu u nákladů na školení pro nový systém by většina IT tabulek pro náklady a přínosy uvedla jediné číslo, řekněme 5 milionů Kč. Jenže možná můžeme říci, že jsme si na devadesát procent jisti, že náklady na školení budou mezi 3 a 7 miliony Kč. Stále tu zbývá desetiprocentní šance, že skutečné číslo bude mimo tento rozsah. Můžeme využít statistické vyjádření (například normální rozložení), abychom určili rozsah nejistoty. Při použití zmíněného normálního rozložení (to není vždy nejrealističtější, je ale nejsrozumitelnější) na náš příklad můžeme užít pro vyjádření nejistoty směrodatnou odchylku. Statistické výpočty udávají, že v devadesátiprocentním intervalu spolehlivosti je 3,29 směrodatných odchylek. To se dá vyjádřit i tak, že náklady na školení jsou normálně rozloženým číslem s průměrem 5 000 000 Kč a směrodatnou odchylkou 1 215 800 Kč (rozsah, tedy 4 000 000 děleno 3,29). Každé nejisté číslo v analýze ROI by mělo být uvedeno obdobným způsobem, aby byla jasně vyjádřena jeho nejistota. Poté, co jsme kvantifikovali nejistotu každé proměnné, můžeme začít s výpočty, které vyjadřují cenu dodatečných informací pro jednotlivé proměnné.

HODNOTA INFORMACÍ

Informace mají hodnotu, protože nás vedou k lepším rozhodnutím. Metoda pro výpočet hodnoty informací je k dispozici již po desetiletí - vychází z teorie her a teorií rozhodování. Zjednodušeně řečeno, hodnota informace je rovna pravděpodobnosti omylu násobené cenou tohoto omylu - ztráta, kterou utrpíte, pokud vaše rozhodnutí není správné, je označována jako ztráta z příležitosti (opportunity loss). Pro vytvoření jednoduchého příkladu řekněme, že zvažujete investici 10 milionů korun do nového systému. Očekáváte čistý přínos ve výši 30 milionů korun v průběhu následujících tří let (předpokládejme, že projekt bude buď zcela úspěšný nebo totálně selže). Pokud investujete, ale systém selže, chyba vás bude stát 10 milionů korun. Pokud se rozhodnete neinvestovat, ačkoliv jste investovat měli, bude vás chyba stát 30 milionů korun. Když vynásobíte ztrátu z příležitosti její pravděpodobností, získáte očekávanou ztrátu z příležitosti (EOL). Kolik úsilí věnujete výpočtu hodnoty dodatečné informace, tedy záleží na tom, nakolik dokážete snížit EOL - proměnná, která ji výrazně snižuje, má pochopitelně větší ekonomickou hodnotu a může významně ovlivnit, zda se pro investici rozhodnete.

Dokonce i u projektů s velmi nejistými náklady na vývoj tak nelze jednoznačně tvrdit, že by právě tyto náklady měly zásadní vypovídací hodnotu pro konečné rozhodnutí. Jinými slovy - informace o nákladech na vývoj nesníží EOL tolik jako informace o dalších proměnných. Ty nejdůležitější proměnné (tedy ty s největší mírou nejistoty a dopadem) navíc často nejsou v analýze nákladů a přínosů vůbec zahrnuty.

VÝZNAMNÉ PROMĚNNÉ

Největší neznámou obvykle je, zda nebude projekt zrušen. Jedná se o binární fenomén "buď, anebo", který lze vyjádřit jednoduchou procentní pravděpodobností (nikoliv rozsahem). Pokud dojde ke zrušení, nejsou obvykle žádné přínosy, ale byly vydány přinejmenším nějaké náklady na vývoj. Další významnou proměnnou je míra využití systému včetně rychlosti jeho spuštění a otázka, zda jej bude vůbec někdo využívat. Podobně jako možnost zrušení projektu ani nejistota ohledně rychlosti jeho přijetí uživateli nebývá obvykle v analýze návratnosti investic zahrnuta. Mnohdy se prostě předpokládá, že přínosy přicházejí automaticky s nasazením, bez prostoru pro postupný náběh či počáteční problémy.

Při rozhodování o investicích do IT je samozřejmě nezbytné kvalifikovaně odhadovat a kalkulovat náklady na vývoj. Pro kvalifikované rozhodování ale obvykle není nutné snižovat těchto nákladů míru nejistoty. Naopak v případě míry počátečního (ale i trvalého) využití a pravděpodobnosti zrušení nového systému je snížení nejistoty pro správné rozhodování o investicích mnohem důležitější.

VYUŽIJTE TOHOTO PARADOXU

Proč převracet měření investic do IT? Možná se při vyhodnocování zaměřujeme na proměnné, které je snadné vyhodnocovat, bez ohledu na jejich skutečný význam. Zdůrazňovat náklady na vývoj patří v IT k tradici - jsou k dispozici softwarové nástroje pro měření těchto nákladů, nemluvě o specializovaných firmách. Je tu možná ale i jiný důvod - jen málo lidí si uvědomuje, že existují vzorce pro výpočet ekonomické hodnoty informací.

1. Zamyslete se nad měřením hodnoty informací - začněte s nácvikem modelování nejistot při výpočtu návratnosti investic a pokuste se jej aplikovat na největší IT projekty. Je ostatně velmi pravděpodobné, že máte ve firmě někoho s patřičným statistickým vzděláním.

2. Při rozhodování o investicích se neobtěžujte s nákupem nástrojů či služeb pro vyhodnocení nejistoty nákladů. Rozpětí 20 až 40 milionů Kč se může zdát velmi nejisté, ale je to patrně mnohem méně než některé z očekávaných přínosů. Detailní analýzu nákladů budete patrně potřebovat pro řízení produktivity programátorů, nejprve ale investujte čas a peníze do snížení jiných nejistot. A nezapomeňte započítat též náklady na budoucí údržbu systémů.

3. Vezměte to, co byste utratili za nástroje či služby na vyhodnocení nákladů, a využijte to pro analýzu přínosů nového systému, rychlosti jeho náběhu, využitelnosti, zatížení a rizika jeho zrušení.

Jestliže chce dělat špičková investiční rozhodnutí, musí se IT management naučit, jak vypočítat hodnotu informací a začít s modelováním upotřebení a pravděpodobnosti zrušení IT projektů.