Analisi sistemica complessa nella realtà aziendaleniccolai.cc/downloads/ASC.pdf · formalizzazione...
Transcript of Analisi sistemica complessa nella realtà aziendaleniccolai.cc/downloads/ASC.pdf · formalizzazione...
Università Commerciale L. Bocconi – Facoltà di Economia
Corso di Laurea in Economia Aziendale
Analisi sistemica complessa nella realtà aziendale
Lo sviluppo di un modello interpretativo e predittivo basato sulle teorie della scienza
della complessità
Relatore: Chiar.mo Prof. Alessandro Sinatra
Correlatori: Dott. Gabriele Troilo
Dott. Paolo Giudici
Tesi di laurea di
Giancarlo Niccolai
Matricola 636209
Anno accademico 96-97
Ringraziamenti
Desidero ringraziare alcune persone che hanno contribuito alla stesura di questa
tesi.
Il relatore chiar.mo prof. Alessandro Sinatra, che nonostante i suoi
numerosissimi impegni è sempre stato molto disponibile, ed ha creduto nelle mie
idee anche quando non erano altro che un disegno poco nitido.
Il correlatore dott. Gabr iele Troilo, che si è prodigato ben oltre i li miti del Suo
dovere, aiutandomi a stendere la tesi in forma definitiva.
Il correlatore aggiunto dott. Paolo Giudici, che mi ha assistito nella
formalizzazione della matematica dei “grafi numerici” , offrendomi anche
l’occasione di partecipare alla giornata di studio sul tema “Metodi computazionali
per l’analisi statistica di strutture complesse.” , tenutasi il 16 gennaio 1998 alla
Facoltà di Economia dell ’Università di Pavia, per esporre i miei risultati.
Il prof. Domenico Bodega, che per primo mi incoraggiò a studiare i testi di
Morin, e che ascoltò ed apprezzò le prime idee dalle quali nacque questa tesi.
Il prof. Gianni Zanar ini, che ha cortesemente risposto ad ogni mia lettera,
chiarendomi alcuni aspetti delle sue teorie.
Il prof. Roberto Serra, che mi ha incoraggiato a proseguire lo studio della
complessità, confortandomi sulla plausibilit à delle teorie da me sviluppate.
Il prof. Edgar Mor in, che ha gentilmente preso in visione il riassunto del
capitolo sull ’analisi sistemica complessa, dimostrandosi interessato, ed
invitandomi a tenerLo informato sul mio lavoro.
Il prof. Jhon Holland, che ha gentilmente risposto ad alcune domande sugli
studi compiuti dal gruppo di ricerca dell ’ istituto di Santa Fe.
Il dott. Alberto Bonazzi, che mi ha aiutato a formalizzare alcuni concetti
matematici presenti nella tesi.
Il prof. Donato Michele Ciffarelli , che mi ha dedicato più volte la sua cortese
attenzione.
Il prof. Gianluca Colombo, che ha gentilmente preso in visione il mio lavoro.
Il dott. Andrea Oggioni, mio compagno di studi, con il quale ho discusso
molto a lungo di complessità e di imprese, e che mi ha permesso di condurre un
dialogo costruttivo sulle tematiche da me sviluppate.
Ringrazio infine tutto lo staff del rettorato del Libero Istituto Universitario
Carlo Cattaneo, che è sempre stato estremamente disponibile.
Analisi sistemica complessa
I
Sommario
1. Introduzione........................................................................1
1.1) Oggetto della tesi .................................................................................1
1.2) Perché studiare la complessità.............................................................2
1.3) Strategia e complessità ........................................................................5
1.4) Piano della tesi ....................................................................................9
2. I l pensiero complesso ........................................................13
2.1) Il periodo prebelli co ..........................................................................13
2.2) Gli anni cinquanta.............................................................................17
2.3) Gli anni sessanta................................................................................21
2.4) Gli anni settanta.................................................................................25
2.5) Gli anni ottanta..................................................................................32
2.6) Gli anni novanta................................................................................39
2.7) Conclusioni .......................................................................................46
3. Analisi sistemica complessa ..............................................47
3.1) La complessità...................................................................................47
3.1.1) Cosa non è complessità. ..................................................................................54
3.1.2) I sistemi complessi ..........................................................................................55
3.2) Complessità ricorsiva ........................................................................59
3.2.1) Le dimensioni della complessità......................................................................61
3.2.2) L’ irriducibil ità della complessità di base.........................................................64
3.3) Studio dei risultati ottenuti dal sistema. .............................................69
3.3.1) Il tutto è più della somma delle parti................................................................70
3.3.2) Il tutto è meno della somma delle parti ............................................................73
3.3.3) Antiemergenze e antivincoli ............................................................................75
3.3.4) Ambito di studio .............................................................................................79
Sommario
II
3.4) Inclusione dell 'osservatore nell ’analisi ...............................................83
3.4.1) La finestra di comprensibilità..........................................................................85
3.4.2) Finestra e limiti dell'analisi .............................................................................89
3.5) Approssimazione verso sempli ficazione.............................................90
3.6) Complessità come emergenza............................................................93
3.7) Conclusione.......................................................................................95
4. Emergenze e vincoli ...........................................................99
4.1) Le emergenze sono risorse.................................................................99
4.1.1) Risorse di fiducia e di competenza................................................................103
4.1.2) Risorse materiali ed immateriali ....................................................................104
4.2) Il ruolo dei vincoli ............................................................................106
4.2.1) Effetti sulle interazioni ..................................................................................106
4.2.2) Effetti sulle risorse........................................................................................108
4.2.3) Vincoli generati da emergenze......................................................................109
4.3) Prime considerazioni sul modello 3r ................................................110
4.3.1) Esclusione dei vincoli ...................................................................................114
4.4) Conclusione.....................................................................................115
5. I grafi numerici................................................................117
5.1) Definizione di grafo numerico..........................................................117
5.2) Ipotesi particolari .............................................................................................119
5.3) Valore del nodo...............................................................................................119
5.4) Il sistema equivalente.......................................................................................120
5.5) Punto della situazione......................................................................123
5.6) Le ricorsioni.....................................................................................124
5.6.1) Raggiungibili tà.............................................................................................126
5.6.2) Sottografo.....................................................................................................127
5.6.3) Definizione di ricorsione...............................................................................128
5.7) Risoluzione del grafo numerico........................................................130
5.7.1) Analisi dei vertici..........................................................................................130
5.8) Calcolo del valore dei nodi...............................................................133
Analisi sistemica complessa
III
5.9) Punto della situazione.......................................................................134
5.10) La funzione di correlazione ............................................................135
5.10.1) Forma anali tica della funzione di correlazione.............................................138
5.10.2) Esempio......................................................................................................141
5.11) Funzione di correlazione in forma compatta ...................................144
6. I l modello 3r .....................................................................149
6.1) Forma e scopo del modello...............................................................149
6.2) Rappresentazione degli elementi.......................................................150
6.2.1) Tipo di emergenze.........................................................................................151
6.2.2) Valore dei nodi .............................................................................................152
6.3) Morfologia dei flussi ........................................................................156
6.4) Elementi di controllo ........................................................................161
6.5) Elementi di riassunto........................................................................162
6.6) Elementi Sensori...............................................................................164
6.7) Grafi numerici e modello 3r..............................................................165
6.8) Tempo, finestre e modello 3r ............................................................167
6.9) Conclusioni ......................................................................................170
7. L ’analisi dell ’azienda......................................................171
7.1) Alla ricerca delle emergenze.............................................................171
7.1.1) Metodi di indagine........................................................................................173
7.1.2) I confini dell’analisi: gli elementi di riassunto ...............................................177
7.1.3) Le leve di azione : gli elementi di controllo...................................................180
7.2) Utili zzo del modello .........................................................................183
7.2.1) Risultati preliminari ......................................................................................184
7.2.2) Massimizzazione dell’ impatto sul grafo.........................................................185
7.2.3) Minimizzazione degli effetti sul grafo ...........................................................186
7.2.4) Massimizzazione degli effetti su date emergenze...........................................186
7.2.5) Minimizzare gli effetti su precise emergenze.................................................189
7.2.6) Considerazioni sui costi ................................................................................189
7.3) Scenari alternativi .............................................................................191
Sommario
IV
7.4) Attuazione pratica............................................................................195
7.4.1) Gestione per controll i ....................................................................................196
8. I l caso Beta.......................................................................197
8.1) Problemi metodologici .....................................................................198
8.2) Metodo di indagine..........................................................................199
8.3) Beta informazioni commerciali ........................................................200
8.3.1) La situazione iniziale....................................................................................201
8.3.2) Finestra di comprensibil ità............................................................................204
8.3.3) Il modello di partenza...................................................................................205
8.3.4) Il modello in azione......................................................................................214
8.3.5) Conseguenze dell’analisi...............................................................................220
8.3.6) Ciò che realmente successe...........................................................................221
8.4) Conclusioni del caso........................................................................226
9. Conclusione......................................................................227
Appendice A – I l programma 3r ........................................231
A.1) La scelta del li nguaggio...................................................................232
A.2) Le funzionalità del programma........................................................233
A.3) Struttura dei dati..............................................................................234
A.4) Algoritmi principali .........................................................................234
A.4.1) Analisi del grafo ..........................................................................................234
A.4.2) Calcolo della numerica.................................................................................237
A.4.3) Funzione di correlazione..............................................................................239
A.5) Ultime note.....................................................................................251
Bibliografia..........................................................................253
Analisi sistemica complessa
1
1. Introduzione
1.1) Oggetto della tesi
Questa tesi ha per oggetto lo sviluppo di una metodologia di analisi sistemica
applicabile alle imprese, chiamata “analisi sistemica complessa”. Tale
metodologia trae origine dagli studi sul funzionamento dei sistemi complessi, o
meglio quei sistemi che sfuggono ad un’analisi riduttiva e deterministica. Sarà
nostro compito spiegare il significato dei termini di “complessità” e “sistema
complesso” . Dimostreremo quindi che le imprese, e le aziende nella loro
accezione di “ordine economico di istituto” , possono configurarsi come sistemi
complessi.
Stabili to ciò, la tesi svilupperà l’analisi dei sistemi complessi, seguendo
quanto assodato dalla teoria sviluppata sull ’argomento; l’analisi sarà adattata al
fine di renderla un utile strumento al supporto della definizione di un strategia, e
della gestione strategica. Tale adattamento darà origine ad una metodologia
chiamata “analisi per emergenze”, il cui risultato sarà quello di generare un
modello rappresentativo dell ’ impresa analizzata detto “modello relazioni risorse-
risultati” .
Esemplificheremo infine la generazione e l’applicazione del modello per un
caso aziendale, dimostrando il funzionamento del modello 3r e le differenze, in
termini di vantaggi e svantaggi, rispetto ai metodi di analisi e di previsione
classici.
Introduzione
2
L’obbiettivo della nostra tesi è dunque, in termini minimi, verificare se sia
possibile sviluppare un modello analiti co basato sulla scienza della complessità
adatto all ’applicazione in impresa.
1.2) Perché studiare la complessità
Esistono innumerevoli modelli analiti ci, basati sui più disparati impianti
concettuali , all ’ interno delle discipline economiche. In particolare, l’economia
aziendale è ricca di forme analiti che sviluppate dalle diverse correnti che si sono
susseguite; a solo titolo di esempio possiamo citare il paradigma struttura-
condotta-performance proposto dagli strutturalisti della metà del secolo, oppure
la matrice tasso di crescita/quota di mercato proposta dal BCG, o i modelli del
settore allargato e della catena del valore introdotti da Porter (1982, 1995).
Qualsiasi approccio analiti co ha riconosciuto un proprio ambito di
applicazione nel quale è stato in grado di chiarire rapporti causali prima oscuri;
alcuni modelli sono stati superati da loro evoluzioni, altri hanno ridimensionato il
loro ruolo esplicativo ad ambiti specifici. Ad esempio, i modelli di pianificazione
strategica, che prima degli anni ’70 erano considerati indispensabili a spiegare e
provocare il successo delle grandi imprese multinazionali , hanno ceduto parte del
loro dominio intellettuale a nuove forme di modelli i nterpretativi e normativi,
come quelli di qualità totale, o come la visione basata sulle risorse, oppure come
i modelli sviluppati autonomamente dalle imprese giapponesi.
Questo processo di “marginalizzazione” delle conoscenze prima ritenute
centrali è stato presente fin da quando la scienza economica ha avuto origine.
Così i primi modelli mi croeconomici ricardiani sembravano adatti a spiegare il
funzionamento del sistema economico al tempo di Ricardo, ma si rivelarono
inadatti, o meglio, incompleti, nel secolo successivo. Anche le teorie economiche
Analisi sistemica complessa
3
keinesiane permisero di gestire con successo la profonda crisi statunitense degli
anni ’30, e di costruire un forte sistema economico a livello mondiale negli anni
successivi al secondo grande conflitto.
Questo fenomeno di continua riduzione delle potenzialità esplicative delle
precedenti teorie in campo economico è ben indicato da Minzberg (1994:206):
“For much as planning writers have been inclined to describe their own age as
turbulent, so too have they been equally incline to dismiss the previous one as
stable (the same one their predecessors found turbulent).1”
Mintzberg si riferisce ai modelli di pianificazione strategica, ma il fenomeno
individuato è valido per qualsiasi tipo di teoria economica. Anzi, possiamo
vedere come in ogni scienza si sia assistito ad un ridimensionamento del ruolo
dei paradigmi dominanti, quando questi si sono scontrati con realtà che non erano
completamente in grado di spiegare. Così, la meccanica newtoninana è stata
considerata come quanto di più vicino ci fosse alla spiegazione della realtà fisica
per quasi duecento anni. Quando Einstein sviluppò la sua teoria della relatività in
base al “disagio” provato nei riguardi delle spiegazioni dei fenomeni fisici nelle
particelle elementari, nel modo in cui queste erano proposte dalla meccanica
classica, il ruolo del paradigma allora dominante si ridimensionò: si comprese
che la meccanica classica poteva ben spiegare le leggi locali della realtà visibile,
ma non era in grado di spiegare la struttura dello spazio e del tempo, o il moto e
la natura delle particelle elementari (cfr. Einstein, 1997:36).
Che cos’è che determina la “turbolenza” ambientale che inevitabilmente mette
crisi le teorie economiche? Qual è quell ’aspetto della nostra realtà che sfugge da
sempre ad una riduzione concettuale, che muta nel momento in cui crediamo di
1 Traduzione: “Così come gli scrittori della [teoria della] pianificazione sono stati inclini a descrivere la loro epoca
come turbolenta, allo stesso modo sono stati inclini a liquidare quella precedente come stabile (la stessa che i loro
predecessori avevano trovato turbolenta).” Corsivo nel testo.
Introduzione
4
averla definitivamente “costretta” in una rigida gabbia di regole e rapporti causa
effetto?
La parola chiave per comprendere questo fenomeno è complessità. Per il
momento non daremo una definizione del termine; in questo paragrafo
introduttivo faremo riferimento al senso comunemente attribuito all ’ idea di
complessità. L’ambiente economico è turbolento perché è complesso. Ogni volta
che vengono formati modelli concettuali che sempli ficano la realtà, si tenta di
prevedere il comportamento degli enti che compongono il reale in base alle
“regole” dedotte. Fino a che le sempli ficazioni rimangono valide, fino a che il
mondo fenomenico non manifesta una variabilit à tale da mettere in crisi le ipotesi
sulle quali si basa la sempli ficazione, allora le previsioni sono corrette. Quando
invece la realtà esce dagli schemi interpretativi imposti dagli osservatori, ecco
che le previsioni si rivelano errate; ciò produce un disagio negli studiosi che si
risolve nel fenomeno di continua marginalizzazione dei paradigmi scientifici
dominanti.
Il motivo che spinge allo studio della complessità è appunto l’ individuazione
di questo fenomeno. Ogni volta che definiamo una regola, questa dimostra
inevitabilmente di non essere adatta a spiegare tutto. Una disciplina relativamente
nuova, la scienza della complessità, tenta di comprendere questo fenomeno.
Cerca di capire come sia possibile dialogare con il complesso senza imporre
schemi esplicativi rigidi, basati su una indebita restrizione delle possibilit à di
espressione fenomenica del reale. Usando una terminologia cara all ’economia
aziendale, la scienza della complessità cerca di imparare le regole della
turbolenza.
Tra le discipline che fanno capo all ’economia aziendale, la strategia è certo
quella che deve tenere in maggiore considerazione gli effetti delle turbolenze
ambientali . Per questo è necessario che gli studi di strategia si occupino del
fenomeno della complessità: l’ambiente, ossia quel sistema di relazioni e di
interlocutori che interagiscono con l’ impresa, è un fenomeno complesso. Non si
Analisi sistemica complessa
5
può commettere l’errore di spiegare l'influenza di un certo fenomeno su alcuni
aspetti della realtà senza riferirsi alle discipline che studiano il fenomeno in se’ .
Così, non possiamo approcciare la finanza aziendale senza uno studio profondo
della matematica finanziaria. Allo stesso modo, non è corretto accostarsi
all ’analisi del consumatore senza interpellare la psicologia. Egualmente, non
possiamo studiare l’ambiente senza conoscere la scienza della complessità.
Siccome esiste un ampio vuoto di lavori che prendano in considerazione
l’economia aziendale (e la strategia in particolare) da una parte e la scienza della
complessità dall ’altra, se non per qualche contributo importante ma circoscritto
che verrà citato, sarà nostro compito formulare una nozione di complessità che
possa essere adatta a spiegare il mondo fenomenico che la strategia d’ impresa
incontra nella propria operatività. Anche se lo scopo primo della tesi è quello di
sviluppare uno strumento adatto al supporto decisionale in ottica strategica, non
potremo prescindere da considerazioni di ordine generale in campo
epistemologico. In poche parole questo sarà un lavoro sulla strategia e sulla
complessità. Vediamo ora di delucidare questa scelta.
1.3) Strategia e complessità
Il termine “strategia” senza una definizione rigorosa è ambiguo. È infatti
possibile individuare diversi significati ad esso associati (Mintzberg, 1994:23-
29):
Per alcuni è un piano: la strategia non sarebbe altro che un semplice piano,
una dettagliata descrizione delle procedure da mettere in atto al fine di
raggiungere un determinato scopo
Introduzione
6
Per altri è un tessuto: si tratterebbe dell ’organico sviluppo delle azioni nel
tempo. Un’ insieme di azioni coerenti, tendenti al perseguimento di un dato fine,
sarebbe una strategia.
Per altri ancora è una posizione: si tratterebbe cioè di una scelta ragionata del
posizionamento strategico dell ’ impresa nel mercato. La posizione si
concreterebbe nella scelta di un modello competitivo basato sulla cost leadership,
o nell ’adottare piuttosto strategie di differenziazione o di nicchia. Quindi
verrebbe la scelta del posizionamento dell ’offerta rispetto ai gusti della domanda.
C’è chi vede la strategia come una prospett iva: si tratterebbe di un punto
prospettico obbiettivo, di una visione di un preciso futuro e della strada da
intraprendere per raggiungerlo.
Infine c’è chi vede la strategia come una manovra, ossia come una serie di
azioni studiate specificatamente per “battere” determinati avversari.
Mintzberg segnala che queste definizioni di strategia devono essere integrate:
nessuna è suff iciente a definire correttamente la strategia in generale e quella
aziendale in particolare. È necessario considerare queste definizioni
contemporaneamente per ottenere una definizione di strategia. Inoltre, è
necessario prendere atto del fatto che oltre ad una strategia deliberata, voluta dai
dirigenti di una data impresa, esiste una così detta “strategia emergente”, ossia
una forma di rapporto tra l’ impresa ed il suo ambiente non prevista da alcun
decisore specifico, ma risultante dall ’azione di tutti i membri dell ’organizzazione
(p. 24).
Sinatra (1994) afferma che esistono diversi l ivelli di strategia; un primo
livello sarebbe costituito dalle strategie competitive, ossia dalla “determinazione
dell ’equili brio strutturale dell ’ impresa rispetto ai suoi mercati” (p. 24). In questo
primo livello potremmo far rientrare tutti i tipi di strategie indicate da
Analisi sistemica complessa
7
Mintzberg2. Un secondo livello di strategia sarebbe da individuare nelle modalità
di formazione della strategia di li vello inferiore. Così, il processo tramite il quale
l’azienda deciderà come posizionarsi (strategia di primo livello) è una
“metastrategia” (strategia di secondo livello), che può essere formalizzata o
emergere liberamente. In quest’ottica, la gestione strategica è una metastrategia
formalizzata. Infine, Sinatra individua un terzo livello che chiama architettura
del sistema, che è sostanzialmente l’ indirizzo fondamentale che avranno i
processi di generazione delle strategie (secondo livello) e l’ insieme delle scelte
competitive (primo livello). Le strategie adottate nei diversi l ivelli vengono
chiamate rispettivamente strategie di sistema, di processo e di asseto.
Sinatra individua dunque quattro “archetipi strategici” fondamentali , ossia
quattro strategie di sistema:
• Ottimizzazione: l’archetipo che da origine a comportamenti tesi a
conformare il più possibile le strutture dell ’ impresa al suo ambiente,
tentando di sfruttare le proprie competenze per massimizzare il rapporto tra
risorse (economiche) utili zzate e risultati (economici) ottenuti.
• Collusione: l’archetipo che genera strategie nelle quali prevalgono
comportamenti di collusione con i competitori, il mercato, il potere
politi co, o con l’ambiente di riferimento in generale
• Flessibilità: l’archetipo che crea strategie tese all ’adattamento dell ’azienda
ad un ambiente mutevole. Chi adotta questo archetipo lotterà per adeguarsi
alle continue variazioni del proprio ambiente.
2 Può sembrare che l’ idea di “strategia come prospettiva” individuata da Mintzberg sia una metastrategia. Ciò è dovuto
ad un equivico; non bisogna confondere la “strategia come prospettiva” intesa da Mintzberg con l’ idea di visione strategica.
La visione è una forma di metastrategia, un modo tramite il quale le strategie concrete possono emergere. La prospettiva
intesa da Mintzberg è invece un piano flessibile per il futuro, un modo di dirigere l’azienda, di confrontarsi con il proprio
mercato. Si tratta quindi di una strategia di primo li vello.
Introduzione
8
• Innovazione: l’archetipo che genera strategie votate alla creazione di nuovi
ambienti di riferimento. Chi adotta questo archetipo decide coscientemente
di introdurre nuova variabilit à nell ’ambiente, tenta di cambiare le “regole
del gioco competitivo” a proprio favore.
Sinatra e Mintzberg riferiscono i loro concetti di strategia e di archetipo ad un
ambiente la cui turbolenza (complessità) è variabile. Entrambi sostengono che
non esiste una strategia migliore in assoluto, o un archetipo che può essere
adottato vantaggiosamente in ogni caso. La strategia, a qualsiasi li vello, deve
essere sempre commensurata alla complessità dell ’ambiente. Ciò è comune
anche ai sostenitori del precedente paradigma struttura-condotta-performance, ma
qui esiste un importante elemento di novità: l’ impresa può essere protagonista
della complessità ambientale che sperimenta. Non è sempre possibile, e non è
sempre necessario, ma l’ impresa può tentare di guidare la complessità
dell ’ambiente (del quale fa parte) in modo che questo si comporti favorevolmente
ad essa. Ragionano così le imprese che adottano archetipi collusivi o innovativi,
o che sviluppano strategie come tessuti o prospettive.
Questo è il motivo che ci spinge a studiare la complessità assieme alla
strategia. È necessario comprendere come agiscono i meccanismi della
complessità3 per capire come le strategie possano influenzarli . La pericolosa
navigazione attraverso la complessità ambientale, lasciata fino ad oggi nel
dominio dell 'intuizione, potrà trovare una base scientifica. Ma è importante
premettere che la scienza della complessità non consentirà di ottenere soluzioni
(falsamente) rigorose; i risultati delle analisi saranno un valido supporto al lavoro
prettamente intellettuale della formazione di una strategia, non un tentativo di
3 Il termine “meccanismo della complessità” non è corretto. La complessità non può avere meccanismi, ossia regole
semplici ed automatiche sempre applicabil i. Il termine è dato a titolo di esempio, di analogia molto larga, per permettere a
chi non si è ancora addentrato nella scienza della complessità di avere una prima immagine su cui basare le proprie
riflessioni.
Analisi sistemica complessa
9
sostituirsi integralmente al processo di formazione. Questo è il motivo per il
quale affermiamo che la tesi svilupperà uno strumento di supporto alle decisioni,
e non un modello-macchina per creare strategie.
1.4) Piano della tesi
Nei capitoli seguenti disegneremo un percorso ideale attraverso la scienza
della complessità. Il nostro obbiettivo è la formulazione di un modello analiti co
capace di spiegare le dinamiche della vita dell 'impresa, e che possa servire da
strumento di supporto alle decisioni del management. A questo fine, compiremo
diversi passaggi, ognuno dei quali i nteramente racchiuso da un apposito capitolo.
Il primo passo sarà studiare l'evoluzione del pensiero complesso, ossia di
quella corrente di pensiero che ha dato origine alla scienza della complessità. Si
tratterà di un cenno relativamente breve, non facendo direttamente parte
dell 'obbiettivo della tesi.
Nel terzo capitolo svilupperemo la metodologia analiti ca che servirà da base al
modello interpretativo. L'analisi sistemica complessa (questo sarà il suo nome)
descriverà il modo nel quale è necessario intraprendere l'analisi di un fenomeno
che consideri la complessità come parte integrante di ciò che si indaga. Questa
metodologia verrà tratta dagli i nsegnamenti della scienza della complessità,.
integrando il contributo di diversi autori e di diverse correnti di pensiero.
Il quarto capitolo sarà dedicato ad una disamina più approfondita di quanto
rilevato nella parte precedente. Vedremo nel dettaglio le categorie di analisi che
verranno poi utili zzate nel modello relazioni-risorse-risultati. Introdurremo tale
modello, spiegando quale sarà la sua forma analiti ca e le sue potenzialità.
Dovremo quindi effettuare una pausa al fine di descrivere gli strumenti
matematici necessari all 'uso del modello. Il quinto capitolo è dedicato ai grafi
Introduzione
10
numerici, un'estensione della teoria dei grafi, da noi sviluppata, che consente di
trattare in maniera semplice grandi quantità di variabili. Senza tali strumenti,
l'utili zzo del modello (che assume la forma di grafo) sarebbe estremamente
oneroso.
Il sesto capitolo disegnerà nei dettagli il modello 3r. Qui vedremo come tale
modello è strutturato e quali compiti è in grado di svolgere.
Il capitolo successivo sarà centrato sull 'analisi delle imprese. Vedremo qui
come usare il modello 3r per condurre un'analisi complessa di una data realtà
imprenditoriale. È necessario premettere che la trattazione non sarà completa,
essendo marginale rispetto agli scopi della nostra tesi; non è nel nostro obbiettivo
descrivere come usare il modello; la trattazione sarebbe però parziale e carente se
questo problema non venisse affrontato. Il capitolo mostrerà (a grandi li nee)
come condurre un'analisi complessa nell 'impresa, e come usare il modello 3r
estratto tramite l 'analisi. Ciò allo scopo di dimostrare l'adattabilit à del modello
all 'impresa.
L'ottavo capitolo presenterà un caso aziendale, dove le nozioni e le teorie
sviluppate lungo tutto l'arco della tesi troveranno un'esempli ficazione. L'esempio,
tratto dalla viva testimonianza di un'impresa di medie dimensioni, dovrà
dimostrare le potenzialità, i li miti ed il modus operandi dell 'analisi sistemica
complessa in generale, e del modello 3r in particolare.
Trarremo dunque le conclusioni del nostro lavoro, rivisitando quanto è stato
fatto ed individuando possibili aree di ulteriore studio ed approfondimento.
Infine è presente un'appendice che ill ustra come scrivere un software per
l'analisi dei modelli 3r. Per provare la validità del modello è stato necessario
scrivere un programma applicativo in grado di eseguire molto rapidamente una
grande quantità di calcoli e di analisi. Solo in questo modo è stato possibile
verificare la validità intrinseca delle ipotesi assunte. Il programma sviluppato è
stato poi utili zzato per analizzare i dati del caso aziendale trattato. La tesi sarebbe
incompleta senza un'appendice che spieghi come ciò è stato realizzato, e che
Analisi sistemica complessa
11
possa servire da guida a chiunque voglia scrivere un programma per il calcolo
secondo il modello 3r.
Essendo la tesi centrata su argomenti aventi un certo grado di novità, sarà
necessario introdurre alcuni neologismi, come "analisi sistemica complessa",
"grafo numerico", "antiemergenza"; si tratta di una necessità oggettiva, dalla
quale è impossibile sottrarsi.
Analisi sistemica complessa
13
2. Il pensiero complesso
Fin dai primissimi anni sessanta, l’ idea di “complessità” ha iniziato ad
apparire in vari scritti riguardanti diverse discipline. In questo capitolo
cercheremo di indagare come si sia evoluto il pensiero “complesso” , ossia come
siano state variate le nozioni di complessità e come questo concetto si sia
sviluppato, fino ad assumere il senso che le abbiamo dato in questa tesi.
Lo scopo del capitolo è quello di dare un’essenziale panoramica
sull ’evoluzione del pensiero complesso, principalmente in campo economico.
Non tratteremo a fondo l’argomento, ma cercheremo di dare un significativo
sguardo d’ insieme al modo nel quale si è giunti a concepire l’ idea di complessità.
2.1) Il periodo prebellico
Prima degli anni cinquanta del nostro secolo, in economia, in sociologia e
persino nell ’epistemologia, non si era giunti ad una formalizzazione del concetto
di complessità. Il pensiero scientifico si sviluppava piuttosto su strade molto
differenti rispetto alle linee guida di ciò che sarebbe poi diventata l’epistemologia
della complessità: la ricerca della semplicità. Il dogma dominante ed
onnipresente era la ricerca dell ’atomos, dell ’elemento minimo, costituente, della
legge elementare dalla quale si potesse spiegare ogni costruzione universale
(Morin, 1990: 6-9)
Tuttavia, nonostante questa tendenza generale, alcuni studiosi isolati avevano
percepito l’ inadeguatezza di un tale riduzionismo nel tentativo di spiegare i
fenomeni reali . In particolare, in economia, già alla fine del secolo scorso,
l'economista austriaco Menger intuì che non era possibile ridurre il
Il pensiero complesso
14
comportamento di un intero sistema economico al semplice raggiungimento di un
equili brio statico descritto da poche equazioni li neari. Menger diede il via a
quella che venne poi chiamata “economia austriaca”, della quale Kirzner ci da la
seguente descrizione:
First it was identified as the subjectivist school (sometimes […] thiswas expressed by the reference to the ‘psychological method’), in thatits theories placed prime emphasis upon the subjective preferences ofthe consumer (rather upon the objective condition governingproduction). Second, the Austrian school was identified as theoreticalschool, parented with the narrowly descriptive studies of the historicalschool, and eager to demonstrate the validity of economics laws whichtranscend the particularities of time, place, and institutionalcircumstance1. (Kirzner, 1993: 23)
La figura guida di Menger ispirò la scuola Austriaca, che sarebbe diventata
per breve tempo il centro del pensiero economico mondiale. Il cuore delle teorie
di Menger viene riportato da Kirzner:
Certainly the central message which Menger sough to convey was thesubjective character of the fundamental elements in economictheorising, such as ‘goods’ , resources, ‘structure of production’ . ForMenger those ideas are not to be understood as inhering in economicobjects themselves, but emerging from the attitudes towards theeconomic objects of valuing and acting of uman beings2. (Kirzner,1993: 25)
Menger quindi ipotizzò che qualsiasi oggetto considerato dall ’economia non
fosse frutto di una realtà esistente al di fuori di ogni contesto, ma bensì
1 Traduzione: primariamente fu identificata come la “scuola soggettivistica” (qualche volta era indicata con il termine
“metodo psicologico” ), per il fatto che le sue teorie ponevano un’enfasi primaria sulle preferenze soggettive del consumatore
(piuttosto che sulle condizioni oggettive di produzione). Secondariamente, la scuola Austriaca fu identificata come la
“scuola teoretica”, imparentata con gli studi strettamente descrittivi della scuola storica [di origine tedesca], tendente a
dimostrare la validità di leggi economiche che trascendono le particolarità del tempo, del luogo e delle circostanze
istituzionali.
2 Traduzione: certamente, il messaggio principale che Menger tentò di convogliare fu il carattere soggettivo degli
elementi fondamentali della teorizzazione economica, come i “beni” , le risorse, la “struttura di produzione” . Per Menger tali
idee non devono essere interpretate come oggetti economici a se stanti, bensì come emergenti dalle attitudini verso gli
oggetti economici delle valutazioni ed azione degli esseri umani.
Analisi sistemica complessa
15
un’astrazione, una creazione della psicologia degli attori economici, e dell ’agire
sociale di questi. Era un concetto talmente evoluto che i suoi contemporanei non
lo capirono; solo i suoi diretti studenti proseguirono la ricerca tenendo ferme
queste assunzioni. Passando di generazione in generazione, gli economisti della
scuola austriaca si uniformarono a quella che poteva essere chiamata la
mainstream economics, fino a essere considerati, all ’ inizio della seconda guerra
mondiale, cavalieri di un ordine ormai estinto (Kirzner, 1993). Solo molto più
tardi, verso gli anni ‘70- ‘80 la scuola Austriaca si animerà di nuova vita,
riscoprendo le ipotesi di Menger, ed in particolare il metodo di analisi dei
processi economici, contrapposto all ’analisi degli equili bri proposta
dall ’economia classica.
Negli anni trenta la scuola austriaca perse le ultime forze che la animavano.
Questo fu dovuto in parte al clima imposto dal regime nazista; proprio mentre
Hayek e molti altri promettenti studiosi della scuola austriaca stavano iniziando a
comprendere la forza e la novità delle idee di base dell ’approccio soggettivista, il
nazismo impose il proprio monopolio culturale sull 'area germanica, cosa che
costrinse eminenti scienziati alla fuga (Keizer & Tieben, 1997: 6-12). Ma gli
economisti esuli , al contrario di molti altri scienziati, non trovarono un terreno
particolarmente fertile per le loro teorie. In particolare, le teorie soggettiviste di
Hayek furono inizialmente oscurate dal successo dell ’economia keinesiana, nata
nello stesso periodo in Inghilterra.
Anche la teoria evoluzionista, nata con Schumpeter nei primi anni del secolo,
dimostrava una certa insoddisfazione di fondo verso le teorie economiche di
equili brio statico. Così, Schumpeter esprime il suo disagio:
Come i classici, [Warlas] avrebbe fatto eccezione [alle teorie statiche]per l’aumento del risparmio e della popolazione, ma avrebbeintrodotto una variazione nei dati del sistema, e non un qualche nuovofenomeno. Io avvertivo chiaramente che ciò era errato e cheall ’ interno del sistema economico esisteva una fonte di energia che diper se stessa disturberebbe qualsiasi equilibrio che potesse essereraggiunto. (Schumpeter, 1971).
Il pensiero complesso
16
A parte la parentesi costituita dalla scuola Austriaca e dal pensiero di
Schumpeter, prima degli anni ’50 il panorama del pensiero economico risultò
assai aderente ad un paradigma sempli ficatore, uniformante, che tentò di ridurre
al semplice ogni manifestazione complessa del reale.
In altre aree del pensiero scientifico si era però mosso qualcosa. Nel 1920, il
logico e filosofo polacco Jan Lukasiewicz gettò le basi di quello che sarebbe poi
diventata la "fuzzy logic". Egli suppose l'esistenza di un terzo livello logico;
inserì tra il vero ed il falso, anche il probabile, equidistante dai due precedenti
livelli . Così se diciamo che "è probabile che domani nevicherà" è
un'affermazione vera, dobbiamo anche sostenere che "è probabile che domani
non nevicherà" è anch'essa vera, ed equivale alla frase precedente. Si ha quindi
un valore logico intermedio tra vero e falso, una "sfumatura". Presto l'estensione
di questo concetto portò ad una "logica multivalore", dove tra gli estremi di
falsità e verità vi erano diversi valori intermedi, sfumati (McNeill & Freiberger,
1993:29-32). Avere a disposizione una logica che non distingue solo tra vero e
falso, e di conseguenza una forma di pensiero che non riduce tutto ad una
precisione totalizzante, ma accetta sfumature ed incertezze, costituisce una
premessa importante al pensiero complesso.
La teoria della relatività generale e le teorie della meccanica quantistica
avevano aperto un'altra breccia nel pensiero tradizionale. Non tanto nella loro
forma canonica, estremamente formale, ma nelle conseguenze epistemologiche:
il fatto che si fosse dimostrato dall 'interno delle scienze "dure" che non esisteva
un concetto di assoluto, e che l'intima struttura dell 'universo era regolata da leggi
casuali (e non deterministiche come si era sperato fino ad allora) avrebbe
permesso, in tempi più recenti, l'evolvere di un nuovo modo di vedere il mondo.
Analisi sistemica complessa
17
2.2) Gli anni cinquanta
Il decennio postbelli co, si caratterizzò per un’enorme stabilit à di equili bri
politi ci, economici e mil itari a livello globale; il mondo viveva in un clima di
cristalli zzazione delle forze, caratterizzato dall ’apparizione delle due
“superpotenze”. Nel dopoguerra, i paesi che avrebbero giocato un ruolo
fondamentale nell ’economia mondiale languivano nel tentativo di ricostruzione,
soprattutto agli i nizi del decennio; era impensabile che paesi prostrati come
Giappone, Germania e Italia (e forse possiamo includere in questo gruppo anche
la Francia e l’ Inghilterra) fossero in grado di reagire diventando una seria
minaccia al bilanciamento dell ’equilibrio mondiale basato sul bipolarismo tra
Stati Uniti ed Unione Sovietica. Era prevedibile che “nessun paese [dell ’Europa
occidentale], avrebbe potuto farcela da solo a risali re la china; nemmeno la Gran
Bretagna, che pure figurava tra le potenze vincitrici, che aveva dalla sua il
sistema economico più sviluppato.” (Castronovo, 1995: )
Tuttavia, grazie all ’ intervento degli Stati Uniti , già agli i nizi degli anni
cinquanta, il tasso di incremento del PIL era a livelli prebelli ci un po’ ovunque,
ove non era addirittura superiore a quello registrato nel ‘38. Ciò era dovuto al
fatto che in tutti i paesi d’Europa, le forze produttive (industriali , artigiani,
professionisti, ma anche agricoltori ed operai) avevano alacremente lavorato alla
ricostruzione di quanto era stato distrutto. I piani di finanziamento statunitensi
avevano permesso alle economie locali recuperare il terreno perduto; questo
primo slancio ricostruttivo aveva messo in moto un circolo virtuoso di
produzione/consumo. Il ciclo si sarebbe però preso arrestato, se non fosse stata
realizzata l’unione doganale per il commercio del carbone e dell ’acciaio nel
1951, trasformatasi poi nel MEC, nel 1958. La creazione di un grande mercato
ove era possibile raggiungere in maniera quasi diretta trecento mili oni di
Il pensiero complesso
18
consumatori aveva consentito allo slancio iniziale, teso alla ricostruzione, il
proseguimento su basi stabili e durature.
Il quadro storico di quegli anni ci aiuta a comprendere come sia stato possibile
per gli studiosi di allora concepire una realtà semplice e facilmente gestibile.
L’ottimismo e la fiducia di quel periodo non erano le uniche motivazioni che
spinsero gli studiosi a credere di avere a che fare con un mondo grosso modo
prevedibile; anche il successo delle politi che economiche internazionali e
nazionali contribuirono a creare questa sensazione di “onnipotenza previsiva”. In
un certo senso, tutto andava bene, secondo i piani, l’Europa ed il Giappone
stavano uscendo dalla crisi nella quale la guerra li aveva precipitati, ed avrebbero
restituito i prestiti forniti dagli Stati Uniti , come programmato. Per essi avrebbero
rappresentato un importante mercato di sbocco; la domanda interna USA era
infatti stagnante ed incapace di supportare la produzione del paese, abituata a
ritmi sostenutissimi dallo sforzo belli co.
L’altro blocco, quello sovietico, diffondeva nel mondo messaggi di solidità e
sicurezza. In quell ’epoca, il sistema sovietico ed i paesi alli neati ad esso erano
sicuramente forti dal punto di vista economico e produttivo. La programmazione
economica adottata in quei paesi, contrapposta ai meccanismi di mercato
occidentali , si era rivelata eff icace per risolvere i problemi postbelli ci dei paesi
dell ’Europa dell ’est; inoltre pareva essere valida in generale, a prescindere da
considerazioni ideologiche o politi che, come alternativa ad un’economia di
scambio.
Non sorprende che in un clima di “programmazione” generale si sia pensato di
poter indagare qualsiasi sistema con metodi matematici e scientifici. Allora il
sogno di trovare la relazione elementare, il mattone logico su cui si basa ogni
meccanica universale, la pietra filosofale della scienza, era ancora vivo; anzi
forse quello fu il periodo durante il quale l’ ill usione di creare una scienza
“semplice e globale” ebbe il suo massimo momento di fulgore.
Analisi sistemica complessa
19
L’ idea di complessità ancora non esisteva. I testi che parlano di complessità,
intendono questa come stratificazione e retroazione di fenomeni semplici. È del
’48 l’avvio della disciplina cibernetica3, e del ’50 il l avoro di Turing
sull ’ intell igenza artificiale4. La fiducia totale, forse eccessiva, nelle capacità
esplicative della scienza non era giustificata soltanto dall ’ambiente storico,
politi co, economico e culturale “semplice” del periodo; era più che altro ispirata
dal clima di euforia generato dai successi della scienza stessa nel creare mezzi di
produzione, macchine milit ari, strumenti di politi ca economica e di finanza
internazionale, ed addirittura di dominare le forze elementari della materia (gli
atomi).
Così la realtà divenne semplice, e si pensò che qualsiasi complessità fosse
riducibile ad un insieme di costituenti elementari, turbati nel loro operare da
“piccoli ” disturbi ambientali .
Eppure, in questo clima di infinita fiducia nella razionalità e nei metodi
deterministico-quantitativi, nascevano i primi tentativi di capire la complessità.
Le Moinge (1985:85) scrive:
3 È del 1948 il lavoro di Norbert Wiener “Cybernetics” . A lui va il merito di aver coniato il termine “cibernetica” per
individuare la disciplina del “calcolo dei pensieri” .
4 Nel 1950 Alan Turing dichiarò che un giorno sarebbe stato possibile creare un computer con la stessa capacità
intellettiva di un essere umano, e che sarebbe stato possibile verificare il comportamento intelli gente di tale macchina
tramite un semplice test: un umano sarebbe stato messo di fronte a due terminali, uno dei quali collegato ad un altro
terminale, ove si sarebbe seduto un ricercatore, e l’altro collegato al computer. Il soggetto dell ’esperimento avrebbe posto
domande di qualsiasi genere, a sua discrezione, digitandole su entrambi i terminali. Se dopo un certo numero di domande la
persona non fosse stata in grado di distinguere le risposte del ricercatore da quelle fornite dal computer, si sarebbe potuto
dire che la macchina avrebbe “superato il test di Turing” , ossia avrebbe manifestato un comportamento intell igente. Questa
visione comportamentista dell ’ intelligenza si rivelò poi assai limitata. Innanzi tutto, se per la teoria informatica non è
impossibile programmare un computer in modo che risponda correttamente a qualsiasi domanda, dal punto di vista della
programmazione è un problema irresolubile. Inoltre, anche ammesso che ciò sia effettivamente reali zzato in un lontano
futuro, la semplice risposta pertinente a domande qualsiasi non implica quella scintil la di autoreferenzialità che è insita nel
pensiero umano. La simulazione di comportamenti intelligenti non è intelli genza; è simulazione.
Il pensiero complesso
20
La frattura [tra pensiero complesso e pensiero riduzionista] è recente,e del resto è ancora contestata almeno nella sua importanzapropriamente scientifica. Ognuno è d'accordo (retrospettivamente) afarla risalire al 1947, data della comparsa di un articolo, oggi celebre,di W.Weaver, dal titolo effettivamente premonitore: Scienza ecomplessità. […] Non è forse stato necessario attendere la progressivamaturazione della Scienza dei sistemi e delle "Nuove Scienze" [comela cibernetica, la biologia, le scienze cognitive ecc…] che a poco apoco essa accorpava, perché il testo di W. Weaver incontrasse, apartire dal 1968 (vent'anni dopo!), l'interesse e l'attenzione che gliriconosciamo oggi?
La cibernetica si confrontò in quel periodo con un problema epistemologico di
primaria importanza: studiando il comportamento dei sistemi “computazionali ” ,
cercò di comprendere la computazione biologica. In altri termini, alla fine degli
anni '50 la cibernetica cercò di modellare il pensiero, nelle forme inferiori
(animali ) come in quelle superiori (umane). L’ incredibile diversità di
comportamento dei sistemi computazionali biologici, anche quelli più semplici,
rese necessario un cambiamento radicale nell ’epistemologia della cibernetica;
mentre prima questa si era uniformata al paradigma sistemico, secondo il quale
era possibile dedurre il comportamento di un sistema dalla disposizione e dalla
natura dei suoi elementi, ora si rendeva necessaria una nuova procedura
interpretativa. Prendendo per esempio i sistemi neurali , ci si era accorti che
questi erano formati da un enorme quantità di elementi che operano
computazioni relativamente semplici ed omogenee. In sostanza tutti i neuroni si
comportano allo stesso modo. Ciò fece intuire ai cibernetici ed ai biologi che la
ragione della complessità delle computazioni mostrate dai sistemi biologici
doveva dipendere dall ’organizzazione degli elementi di tali sistemi. Ma l’elevata
numerosità degli elementi rendeva impossibile l’approccio sistemico
tradizionale, ossia la comprensione del funzionamento di un sistema a partire
dall ’analisi delle sue parti. La risposta dei cibernetici fu un totale cambio di
direzione in campo epistemologico:
il secondo tipo di approccio capovolge la procedura e parte da unsistema dato, o meglio da una classe di reti delle quali si conosce
Analisi sistemica complessa
21
l’organizzazione solo in modo incompleto: da questo punto dipartenza si cerca di studiare sperimentalmente che tipo di proprietà èin grado di evolvere. (Ceruti, 1989)
Nel 1955 Jean Piaget fondò a Ginevra il Centro Internazionale di
Epistemologia Genetica, mentre l’anno successivo Foerster creò all ’Università
dell ’ Ill inois il “Laboratorio di Computazione Biologica”; lo scopo di entrambe
queste istituzioni era quello di sviluppare il nuovo metodo di indagine, che
avrebbe dato origine a quella che viene oggi chiamata seconda cibernetica. Lo
scopo di tale metodo era quello di scoprire il comportamento dei sistemi viventi
immersi in un ambiente incerto.
Così, mentre l’economia, i governi e le imprese si rinchiudevano in un mondo
di perfezione matematica autocostruito, c’era chi già studiava come la natura,
l’evoluzione, avevano risolto il problema di vivere in un ambiente mutabile,
erratico, instabile, spesso minaccioso e generante forze molteplici e spesso
contraddittorie; in una parola, complesso.
2.3) Gli anni sessanta
Nel 1968, Forrester scrisse:
“Attorno ai principi dei sistemi che vengono esaminati nel presentevolume dovrebbe essere possibile strutturare le nostre contrastantiosservazioni circa i sistemi politici ed imprenditoriali. In effetti, unavolta che si siano accettati una struttura e dei principi difunzionamento dei sistemi, essi dovrebbero consentire di spiegare lecontraddizioni, chiarire le zone di oscurità e risolvere le controversieesistenti nei sistemi sociali.” (Forrester, 1974:1.4)
Questo breve passaggio programmatico evidenzia i tratti essenziali del
pensiero scientifico del periodo. Alla fine del decennio, le scienze matematiche,
fisiche e soprattutto informatiche avevano fornito l’ ill usione che si potesse
Il pensiero complesso
22
davvero trovare un denominatore comune, una tecnica semplice ed universale
che permettesse l’analisi di ogni complessità.
Nel passaggio appena riportato, colpisce però l’uso del condizionale: “…[i
principi dei sistemi] dovrebbero consentire di spiegare le contraddizioni…”
Ebbene, questo verbo al condizionale può essere solo un accenno di modestia
di fronte a problemi così grandi come quelli i ndicati subito dopo. Può forse
essere ricondotto all ’ incertezza dello sperimentatore, che non è sicuro dei risultati
raggiunti fino a che la comunità scientifica non dà a tali risultati i l rango di “ fatti
inconfutabili ” . Ma può anche essere visto come una percezione, un disagio
provocato dalla consapevolezza che il metodo trovato e proposto dallo stesso
autore, fino a quel momento non aveva dato i risultati sperati. Sembra che in
questo condizionale Forrester abbia voluto imprimere le sue insicurezze sul
metodo: la sua system dynamics era in grado di prevedere assai bene il
comportamento di sistemi fisici, ma le “zone d’ombra” che egli stesso cita e
spera di poter eliminare in futuro, non erano contemplate nei suoi modelli .
La certezza mitigata dal condizionale è una potente metafora del pensiero
scientifico degli anni sessanta. Iniziava in quel periodo la guerra fredda, e si
sviluppa il terrore nucleare. Quella che negli anni cinquanta era stata percepita
come la maggiore scoperta dell ’umanità, l’energia dell ’atomo, divenne allora il
suo più grande incubo. Inoltre, gli Stati Uniti i niziano a subire la concorrenza
delle nazioni vinte in guerra, e che essi speravano di poter “colonizzare
economicamente”. Probabilmente, gli Statunitensi non si aspettavano che paesi
come l’ Italia, la Francia, ma soprattutto la Germania ed il Giappone diventassero
seri rivali i n ambito economico. Effettivamente, in quel periodo nessuno dei
paesi schierati nel così detto “blocco occidentale” poteva sperare di competere
direttamente con gli Stati Uniti , ma alcuni casi isolati di successi inspiegabili
misero in allerta le menti più acute: ad esempio la capacità mostrata dall ’Eni di
Mattei di rivaleggiare con le Sette Sorelle, senza limitarsi alla figura di ancella
ma giocando un ruolo di primo piano. Oppure il successo della Honda
Analisi sistemica complessa
23
nell ’esportare i propri prodotti verso gli Stati Uniti , ancora limitato agli i nizi
degli anni ’60 ma sempre più evidente e non spiegabile tramite gli schemi di
riferimento usati dagli economisti e gli esperti di direzione e strategia di allora.
La scienza riduzionista degli anni ’50 sembrava ancora funzionare, nella
maggior parte dei casi. Quando si presentava un’anomalia, qualcosa non
spiegabile con le teorie messe appunto fino ad allora, gli scienziati erano
predisposti a liquidare tale evento come un “disturbo” .
Gli anni sessanta furono anche teatro del trionfo della disciplina accademica
(trasformata rapidamente in prassi aziendale) chiamata “pianificazione
strategica” . Colui che può considerarsi il massimo esponente e promotore della
pianificazione strategica, H. Igor Ansoff , scrisse “Corporate Strategy” (1965),
un vero e proprio manifesto della pianificazione. L’opera di Ansoff avrà un’eco
fortissimo nel mondo accademico ed imprenditoriale, condizionando il
comportamento delle imprese ed il pensiero strategico per almeno venti anni.
Non è necessario che richiami il formalismo introdotto dalla pianificazione nelle
aziende, talmente forte da richiedere team di specialisti ad hoc, che producevano
piani aziendali consultando a mala pena il top management, il cui compito
risultava essere (secondo la teoria formale) quello di attenersi a tali piani. L’ idea
di base dell ’approccio consisteva nella possibilit à di prevedere o addirittura
intervenire sul futuro, intendendo per “futuro” qualsiasi variabile economica e
non economica (cfr. Mintzberg, 1994).
Ma in cibernetica ed in biologia gli studi sulla complessità erano progrediti;
l’opera di Piaget in Europa, iniziata negli anni ’50, e l’opera del Biologic
Computing Laboratory negli Stati Uniti aveva condotto alla produzione di molti
lavori interessanti, soprattutto in campo epistemologico5. In particolare, Foerster
5 Ad esempio Piaget aveva scritto nel 1967 “Biologie et connaissance” , a compimento di una serie di lavori sulla
conoscenza che avrebbero influenzato il costruttivismo. (cfr. Ceruti, 1989)
Il pensiero complesso
24
aveva scritto nel 1962 “Principles of self organization” 6, un libro che raccoglieva
gli sforzi suoi e dei suoi colleghi nel definire il comportamento dei sistemi in
grado di auto-organizzarsi. Ebbene, questa è una tappa molto importante nel
percorso tracciato dall ’evoluzione del pensiero complesso: nel li bro di Foerster
troviamo per la prima volta un tentativo di capire la complessità. L’ idea che la
complessità, ossia il comportamento coerente di grandi numeri di variabili
(elementi) indipendenti, potesse derivare dall ’auto organizzazione condizionò
tutta l’evoluzione futura degli studi nel campo condotti negli Stati Uniti . Si iniziò
ad osservare come l’auto-organizzazione fosse presente in tutti quei sistemi fisici
portati al li mite tra la stabilit à e l’ instabilit à, come ad esempio un liquido che
viene riscaldato ad una temperatura vicina al punto di ebolli zione. Vista questa
caratteristica della materia di trovare una forma di auto-organizzazione se messa
in uno stato di agitazione vicina alla “soglia di rottura”, si pensò (e si pensa
ancora) che tutti i sistemi organizzatori avessero la caratteristica di operare in
uno stato lontano sia dalla stabilit à, sia dal caos della disgregazione.
Ciò che è importante nella teoria dei sistemi auto-organizzatori è che
l’ambiente scientifico prese coscienza della possibilit à che il comportamento di
sistemi fosse indeducibile dalla loro struttura; si intuì che l’azione di un sistema
auto-organizzato poteva non risultare interamente dal comportamento delle sue
parti; il comportamento di ogni elemento dei sistemi auto-organizzatori non è
specificatamente progettato per compiere una fase di un processo globale, e non è
orientato in alcun modo allo scopo che sembra prefiggersi il sistema nella sua
globali tà. Ogni elemento opera sulla base di regole locali , che gestiscono il suo
comportamento indipendentemente da ciò che accade al resto del sistema, o al
più in rapporto agli elementi “vicini” .
6 Preceduto da altre opere sullo stesso tema, come “Self organizing systems” . (Cfr. Ceruti, 1989)
Analisi sistemica complessa
25
Da ciò nasceva la sensazione diffusa tra alcuni ricercatori che esistesse una
legge unificante capace di spiegare e forse di prevedere il comportamento di
sistemi differenti come quelli climatici, quelli chimici, quelli fisici e quelli
biologici.
È da specificare che i risultati conseguiti i n quegli anni restarono chiusi nel
mondo della cibernetica, della biologia, e delle scienze cognitive. Al di fuori, il
lavoro di quei ricercatori era visto come un interessante opera su alcune
coincidenze, ma c’era la tendenza a ritenere che i risultati nel campo dei sistemi
auto organizzatori non riguardasse nessuna disciplina specifica. In particolare,
non si trova alcun riferimento in testi di economia dell ’epoca alle ricerche di
Foerster o di Piaget.
2.4) Gli anni settanta
Possiamo definire questo periodo come “ il tempo delle grandi incertezze”. Sul
finire del decennio precedente, grandi tensioni sociali a livello mondiale avevano
dimostrato come la gestione “paternalistica” operata dagli Stati nei confronti dei
loro cittadini non fosse la risposta migliore alle problematiche poste da una
società complessa. Le amministrazioni burocratiche, anche quelle nelle grandi
aziende, avendo abbracciato in pieno il paradigma della semplicità taylorista,
avevano commesso l’errore di considerare i propri aderenti come semplici
elementi di un grande ingranaggio. La realtà si rivelò ben diversa: l’ intrinseca
complessità delle persone non poteva più essere negata. Il comportamento
erratico di masse di popolazione divenne un problema assai rilevante, così come
divenne importante la componente politi ca all ’ interno di grandi imprese. Non era
più possibile per i decisori di grandi organi economici e politi ci continuare a
pensare di avere a che fare con una semplice struttura descritta da sistemi di
Il pensiero complesso
26
equazioni; era giunto il momento di rendersi conto della reale natura dei sistemi
economici e politi ci. E questo di fronte a drammatiche e forti evidenze.
A complicare la situazione, nel ’74 si ebbe lo shock sul mercato delle fonti
energetiche che innescò la più grande crisi economica del dopoguerra, e la più
estesa (in termini geografici) in assoluto. Doveva essere ripensato anche il
paradigma della semplicità del comportamento degli operatori economici. In
quegli anni di caos si poté capire quanto fosse stato pericoloso valutare con
troppa superficialità l’andamento di variabili economiche che dipendevano
fortemente da parametri sociali . Molte imprese gestite tramite grandi sforzi di
pianificazione si trovarono terribilmente spiazzate; non solo il processo di
pianificazione strategica aveva comportato ingenti costi che si erano rivelati
inutili , ma la cieca adesione a piani che non potevano considerare un improvviso
shock su tutti i mercati aveva messo in crisi una grande quantità di imprese
(Mintzberg, 1994). La risposta dei fautori della pianificazione strategica, come
Ansoff , fu quella che Mintzberg definisce, con un tocco di ironia, the response
of pitfalls:“ them, not us” (p. 152). Si disse in pratica che non era la
pianificazione in se’ ad essere errata, era semplicemente stata applicata male.
Maggiori attenzioni, ossia maggiori spese, maggiori risorse umane, maggiori
quantità di tempo, avrebbero consentito alla pianificazione di lavorare
correttamente. Il fall imento di molte strategie pianificate era da vedersi come un
incentivo ad approfondire la problematica, non un segnale della necessità di
superare tale logica.
Nonostante gli sforzi degli economisti accademici di “vecchio stampo” , si
ebbe però una necessaria evoluzione nel pensiero economico e sociale.
È del 1972 la teoria dei sistemi autopoietici, ad opera di Humberto Maturana
e Francisco Varela (Maturana & Varela, 1972). Si tratta di un’evoluzione della
teoria dei sistemi auto-organizzatori. Essendo biologi, Maturana e Varela
studiarono il comportamento auto-organizzatore delle cellule, e scoprirono
alcune proprietà. La scoperta di maggiore rili evo fu che i sistemi viventi non solo
Analisi sistemica complessa
27
si organizzano, ma si costruiscono; da qui il termine autopoietico. Le loro
ricerche portarono alla luce il fatto che qualsiasi sistema vivente costruisce se
stesso; non solo organizza elementi dati dall ’esterno in strutture più o meno
complesse, ma costruisce le parti che sono necessarie all ’attuazione di una certa
struttura, secondo le stesse regole di interazione locale valide per i sistemi auto-
organizzatori (Maturana & Varela, 1987).
L’ idea di complessità prese così forma. Si iniziò a delineare ciò che sarebbe
stato lo studio della complessità, che avrebbe portato all ’analisi di quei sistemi
che non si adeguano al paradigma stimolo/risposta. La complessità iniziò ad
essere percepita come una caratteristica di quei sistemi che non hanno reazioni
prevedibili a priori, anche disponendo di tutta la storia degli i nput applicati e
della descrizione degli stati nei quali i sistemi si trovano. In questo senso la
complessità discende da una struttura, o meglio da una organizzazione che
consente ad un sistema con un numero finito di stati di adeguarsi a qualsiasi
situazione. Inoltre, tramite semplici disposizioni strutturali , i sistemi complessi
riescono ad aumentare esponenzialmente la varietà di stati possibili , cosa che
permette loro di affrontare ambienti estremamente ostili . Ad esempio, il codice
genetico di una cellula è sempre un sistema a stati finiti; i suoi elementi, i geni,
possono assumere un numero limitatissimo di configurazioni. È la sequenza degli
stati nei quali si trovano i singoli geni a dare vita alle multi formi varietà
biologiche. Il numero di stati possibili (e cioè di possibili configurazioni del
codice genetico) è dell ’ordine di due elevato a diecimila: se non infinito, certo
molto grande.
D’ora in avanti chiameremo “complessità strutturale” il filone di pensiero che
studia la complessità come un fenomeno discendente dalla struttura auto-
organizzata o autopoietica dei sistemi.
In realtà, negli anni ‘70 l’ idea di complessità strutturale non era ancora ben
chiara: se furono portati a termine studi molto specifici come quelli di Maturana
Il pensiero complesso
28
e Varela, mancavano tuttavia collegamenti interdisciplinari in grado di dare alla
complessità strutturale il rango di materia di studio a se stante.
Accanto ai primi tentativi di capire come i sistemi biologici affrontino e
generino complessità, troviamo però un tentativo indipendente di capire la
complessità come fatto in se'. Edgar Morin si fece portatore di questo nuovo
modo di pensare. Alla fine degli anni ’70, Morin lanciò il suo progetto per un
nuovo metodo di indagine scientifica, un metodo post-gali leano che fosse in
grado di superare la limitazione della scienza riduzionista ed incapace di
affrontare la complessità, e chiamò il suo progetto “La Methóde” , il metodo. Il
progetto si articolava in tre passi, ognuno dei quali sarebbe corrisposto alla
pubblicazione di un lavoro costituito da più volumi; il primo lavoro, che lanciò il
progetto, si intitolò “La nature de la nature” , e vide la luce nel 1977. A questo
autore va il merito di aver affrontato per primo la problematica della complessità
nel suo insieme, e di aver impostato un metodo in grado di cogliere la
complessità come fenomeno globale, permeante ogni aspetto della realtà, un vero
e proprio principio universale.
Questo secondo approccio alla complessità può essere chiamato “approccio
olista”7, nel senso che qui la complessità non è vista come il side effect di una
forma di organizzazione o di struttura, ma è visto come fenomeno globale,
presente in qualsiasi manifestazione del reale. La realtà è complessa, e noi ne
vediamo solo una piccola parte, riusciamo a capire ciò che emerge dal gioco
eterno tra ordine e caos.
Secondo l’epistemologo francese, in natura non esistono relazioni di causa-
effetto; qualsiasi entità naturale è il frutto di una ricorsione infinita, di un ciclo
7 Morin (1990) usa il termine “olista” con carattere negativo, indicando così coloro che vedono l’ insieme del sistema,
dimenticandone le parti. Un olista, nell’accezione moriniana, vedrebbe l’edificio dimenticando che è stato costruito con i
mattoni. Noi invece usiamo il termine “olista” per descrivere coloro che osservano il tutto complesso, coloro che vedono
l’ insieme, le parti, e le interazioni tra questi. Proponiamo dunque un concetto di olismo complesso, contrapposto ad un
olismo semplificatore; ogni volta che useremo il termine “olista” intenderemo riferirci all’ olismo complesso.
Analisi sistemica complessa
29
infinito di cause che sono a loro volta effetto delle conseguenze che esse stesse
generano. La nostra concezione lineare della realtà, la logica sequenziale
deduttiva impostata dai filosofi greci quasi tremila anni fa, ci acceca di fronte a
lampanti dimostrazioni di complessità del reale, ove per complessità si intende la
dipendenza di un fenomeno dalla circolarità di cause ed effetti, in cui non
necessariamente esiste un punto di inizio o una fine, a meno che non sia
l'osservatore ad introdurlo.
La posizione adottata da Morin si inserisce nel filone di pensieri costruttivista.
I costruttivisti lavoravano nell ’ambito della psicologia e dell ’epistemologia,
avendo come assunto fondamentale che la mente non ha esperienza diretta di una
realtà oggettiva assoluta. Essa compie esperienze indirette, sulla base delle quali
tenta di costruire un plausibile modello di realtà (Watzlawick 1992). Secondo
Reidl (1981:65-85) il pensiero causale non è altro che il retaggio dell ’evoluzione;
riflessi condizionati a stimoli ambientali sono più veloci e più eff icienti rispetto
alle computazioni mentali di l ivello superiore. Così, se un qualsiasi animale
percepisce un intenso calore, si ritrae rapidamente, senza “pensare” a cosa sta
facendo. Il calore (la causa) è associato al pericolo (effetto); questo meccanismo
rudimentale è rimasto inalterato lungo tutto il processo evolutivo fino a giungere
a noi. Questo perché una reazione erronea ad uno stimolo è generalmente meno
pericolosa di una mancata reazione; così, ritrarsi istintivamente quando si avverte
un forte calore è più saggio che attendere e domandarsi quale sia la vera fonte di
quel calore, se essa sia pericolosa, se sia davvero necessario ritrarsi. Si tratta di
un meccanismo ancora valido perfino per gli esseri dotati di intell igenza creativa
e meditativa, quindi anche per gli esseri umani. Il problema, continua Reidl, è nel
fatto che questo modo di pensare ha condizionato la vita degli esseri umani per
mill enni; così se compiamo un gesto ed immediatamente percepiamo
un’ informazione non congruente (ad esempio premiamo il tasto della luce in una
scala buia di un edificio sconosciuto e contemporaneamente suona un
campanello) siamo predisposti in prima istanza a collegare il nostro gesto
Il pensiero complesso
30
all ’effetto non previsto, anche senza alcuna base razionale. Siamo di disposti a
pensare “ la pietra si riscalda perché splende il sole”8 selplicemente osservando un
sasso in una calda giornata di agosto. Potrebbe essere vero, ma nulla vieta che ci
siano altri motivi dietro al riscaldamento della pietra (forse, ad esempio, una
sorgente calda). L’unica affermazione corretta è invece “ogni volta che splende il
sole, la pietra si riscalda.” Anche il costruttivismo fa qundi parte della corrente di
pensiero che diede origine all ’approccio olistico complesso; i suoi contributi
sono importanti per comprendere quale sia l’errore commesso dalle forme di
pensiero “razionali” ereditate da meccanismi evolutivi ormai superati, e per le
forme epistemologiche e metodologiche suggerite di conseguenza.
I due approcci allo studio della complessità, quello strutturale e quello olistico,
furono in un primo tempo impermeabili l ’uno all ’altro. Gli studiosi di
complessità strutturale non furono in grado di comprendere la portata delle
deduzioni di Morin, ed il significato della complessità olistica. Allo stesso modo,
la complessità olistica non riuscì ad assorbire completamente il carattere pratico
dei tentativi strutturalisti.
È interessante notare come in entrambe le prospettive, quella strutturalista e
quella olista, i concetti di ordine e caos siano centrali . Mentre la complessità
strutturale afferma che i sistemi complessi tentano di trovare un grado ottimale di
organizzazione, la complessità olistica afferma che esiste un dialogo tra ordine e
disordine, tra organizzazione e caos dal quale emerge l’energia per nuove
creazioni.
È da rilevare come in questo decennio si sia assistito alla rinascita
dell ’economia “austriaca”. La revisione delle idee shumpeteriane e soprattutto di
quelle di Menger ad opera di Hayek e Mises diede inizio ad una vera e propria
rinascita di questa disciplina. Fin dal ’40 Hayek aveva proposto una revisione
8 La frase è citata da Reidl(1981) che la cita a sua volta dal filosofo scozzese David Hume.
Analisi sistemica complessa
31
dell ’economia soggettivista, ed aveva lavorato alle proprie teorie, ma l’ambiente
economico non si accorse del valore delle idee della scuola austriaca fino a
quando Hayek non vinse il premio Nobel, nel 1974. Le idee di Menger, che erano
troppo evolute per essere comprese quasi cento anni prima, si rivelarono un
brill ante spunto: una scienza economica basata sull ’ interazione di una quantità
virtualmente ill imitata di elementi, il cui comportammo è definito da leggi non
deterministiche e locali . Suona molto simile alla definizione di sistema auto-
organizzatore, che genera comportamenti complessi. In maniera totalmente
indipendente, gli studiosi della Scuola Austriaca arrivarono in questi anni alle
stesse conclusioni che avevano raggiunto i biologi, gli epistemologi ed i
cibernetici, evocando tematiche care alla scienza della complessità. Da questo
momento, l’Economia Austriaca continuerà a svilupparsi sulla base della nuova
partenza gettata da Hayek e Mises, e l’ interesse intorno ad essa, ad oggi, è
tutt’altro che sopito.
Concludendo rapidamente, in questo decennio le turbolenze ambientali furono
tante e tali che divenne impossibile ignorare la complessità e l’ imprevedibilit à di
fondo dei sistemi sociali . Le tensioni accumulate in campo epistemologico
durante tutto il secolo esplosero, dando origine ad una serie di discipline che non
basavano più il l oro operare su metodi matematici, ossia sulla definizione di
assiomi e la deduzione di formule da questi. Lo stesso processo di
assiomatizzazione del reale scoprì il fianco ad una complessità che dimostrò di
non poter essere ridotta ad un assioma mutilante. Ciò permise lo sviluppo di
energie intellettuali e correnti di pensiero che avrebbero avuto grande influenza
del pensiero scientifico nel decennio successivo.
Il pensiero complesso
32
2.5) Gli anni ottanta
Anche se la situazione internazionale mostrò condizioni di stabilit à maggiori
rispetto al decennio precedente, ormai il l a strada del pensiero complesso era
aperta. In questi anni, l’aumento delle capacità dei calcolatori elettronici permise
agli studiosi di complessità strutturale di verificare le loro ipotesi tramite
sperimentazioni al computer. Nel 1984, dopo molti anni di preparazione, nacque
il “Santa Fe Institute”, che fu il primo centro interdisciplinare per lo studio dei
fenomeni complessi. Economisti, fisici, matematici, statistici, chimici, biologi,
epistemologi ed altri studiosi intervennero a numerose conferenze organizzate dal
centro, che ospitò un certo numero di scienziati integrati permanentemente
nell ’organico.
Tutta l’attività del centro si focalizzò sullo studio dei fenomeni legati alla
complessità strutturale. Ciò fu dovuto al fatto che i membri permanenti del
centro, coloro che più contribuirono allo sviluppo delle ricerche sulla complessità
negli Stati Uniti , provenivano da discipline informatiche, cibernetiche o fisiche.
Walldrop riporta la storia degli esponenti dell ’ istituto: Holland e Langton erano
due ingegneri informatici (il primo aveva lavorato alla realizzazione del primo
calcolatore a transistor della IBM, mentre il secondo guidava un gruppo di
ricerche al centro informatico di Los Alamos). Arthur era un economista, ed era
interessato alle applicazioni pratiche della scienza della complessità, come ad
esempio scoprire perché, nonostante la contraddizione con le teorie economiche
classiche, esistono rendimenti di scala crescenti, e perché alcune tecnologie
peggiori di altre riescono ad imporsi nonostante siano sottoposte ai duri
meccanismi selettivi del mercato (così detto fenomeno del locking-in). Kauffman
aveva quasi portato a termine una laurea in filosofia, per poi cambiare e diventare
medico e quindi biologo (Walldrop, 1993).
Analisi sistemica complessa
33
Il gruppo di Santa Fe ottenne dei risultati entusiasmanti. L’applicazione di
alcune teorie elaborate dal gruppo a applicazioni software molto semplici
permise di verificare sperimentalmente che era possibile che la vita fosse emersa
in tempi estremamente più brevi di quelli che erano sembrati necessari in
precedenza al fine di portare a termine un’evoluzione darwiniana. Si comprese
come gruppi sociali potessero spontaneamente formarsi a partire da
semplicissime regole di interazione locale. Langton scoprì il numero lambda, che
è una definizione matematica, anzi numerica, del concetto prima molto
approssimativo di “confine tra ordine e caos” . Si comprese che l’evoluzione non
procedeva seguendo strategie di ottimizzazione “economica”: è infatti
impossibile esplorare tutte le possibilit à di stato esistenti in un sistema complesso
per poi scegliere quella migliore, soprattutto quando la definizione di migliore
(adattamento all ’ambiente) è in continua evoluzione (si parla allora di
coevoluzione). Si venne a scoprire che sistemi coevolutivi non sempre
sceglievano la strada migliore possibile. Ciò era in aperta contraddizione con le
teorie della razionalità, sia di quella assoluta che di quella limitata. La teoria della
razionalità assoluta assume che operatori “ intell igenti” scelgano la migliore tra le
alternative possibili . La teoria della razionalità limitata afferma che gli operatori
scelgono la migliore tra le alternative conosciute; inoltre afferma che il giudizio
che ordina le priorità tra le alternative è viziato da una conoscenza imperfetta. La
teoria delle scelte coevolutive invece afferma che gli operatori procedeono per
tentativi ed errori, ed imparano a riconoscere le “mosse” giuste da quelle errate.
Essendo l’ambiente in continua mutazione, e dato che gli altri operatori stanno
tentando a loro volta di ottenere le condizioni migliori, un operatore non riuscirà
mai ad ottenere la migliore condizione possibile in assoluto; sarà più probabile
che si incammini su un sentiero che gli permette di migliorare la propria
posizione, dopo aver commesso un certo numero di errori.
L’auto organizzazione dei sistemi coevolutivi permette loro di trovare una
zona dove il sistema è in equili brio tra ordine e caos, ed in questa zona è
Il pensiero complesso
34
possibile per il sistema stesso compiere esperimenti, trovare vie più eff icaci di
sopravvivere. Così si spiega anche perché l’economia non è sempre regolata
dalle leggi di mercato definite dagli economisti classici; essendo il sistema
economico un sistema coevolutivo dove un numero virtualmente ill imitato di
operatori agiscono adattando il l oro comportamento a quello di altri operatori del
mercato, è impossibile stabili re in assoluto quale sia la mossa migliore tra le
infinite mosse possibili . Così il sistema economico premia mosse che sembrano
“buone”, che permettono al sistema di svilupparsi e di evolversi, anche se queste
non sono necessariamente le migliori. In ciò consiste il fenomeno del lock-in.
Alcune soluzioni a certi problemi vengono adottate dal sistema in quanto esse
rappresentano una buona risposta alle necessità contingenti: una volta adottate,
queste soluzioni entrano a far parte del sistema, che si modifica per accoglierle
rendendo quindi impossibile cercare altre soluzioni. Questo fenomeno è ben
visibile nella definizione di standard di mercato. A puro titolo di esempio si può
citare la lotta dello standard Betamax e VHS nel mercato dei supporti di
registrazione audio-video. Pur essendo tecnologicamente superiore al VHS, il
Betamax è stato eliminato dal mercato per colpa di un piccolo scarto iniziale
nella diffusione dello standard VHS. Questo incoraggiava i rivenditori a detenere
maggiori scorte di VHS, ed i produttori ad adottare in maniera più forte tale
standard. Alla fine, il VHS è stato pienamente adottato, a scapito della tecnologia
Betamax che è stata abbandonata. Il fenomeno assume le stesse caratteristiche
non solo per prodotti finiti , anche per quanto riguarda forme tecnologiche,
istituzionali o addirittura culturali (cfr. Walldrop, 1993).
Il gruppo di ricercatori del Santa Fe Institute, che polarizzò l’attenzione di
studiosi europei come Prigogine, Atlan ed altri, condizionò il modo di pensare la
complessità. La fusione delle teorie sulla complessità, sull ’ordine e sul caos con
la seconda cibernetica fu un connubio vincente che permise agli studi dell ’ Istituto
di avere ampia fama internazionale. Se poi si considera il fatto che gli anni ‘80
segnano l’esplosione della seconda cibernetica e dell ’ Informatica, si comprende
Analisi sistemica complessa
35
come un approccio di studio che privilegiava le simulazioni al computer possa
aver acquistato tanta popolarità. Negli anni cinquanta, sessanta e settanta era
toccato all ’epistemologia pura gettare una qualche base per studiare la
complessità. Ora esperimenti e prove pratiche, suggerite dalle scoperte dalle
intuizioni degli anni precedenti, confermavano e correggevano le asserzioni
olistiche, e dimostravano possibili campi di applicazione dello studio della
complessità. Ad esempio, Holland e Arthur prepararono una simulazione di un
mercato azionario basata sui sistemi classificatori; ogni operatore era simulato da
una “cellula” artificiale e ed il guadagno sulle azioni era considerato i “premio”
di tali cellule, e ne determinava la sopravvivenza o l’uscita dal mercato. I risultati
furono assai aderenti alla realtà: confermarono il modello neoclassico di
funzionamento del mercato in condizioni di stabilit à, e descrissero con precisione
il comportamento isterico degli operatori di borsa in condizione di forte shock. E
questo senza che nessuno immettesse nel computer nessuna legge sul mercato
azionario (Arthur & al., 1997:5ss)9.
In Europa, Prigogine pubblicò due lavori molto importanti: “Dall ’essere al
divenire” e “Complessità” (entrambi in lingua inglese; in realtà la pubblicazione
avviene negli Stati Uniti , anche se Prigogine è uno studioso belga). Prigogine
analizza tutta una serie di sistemi che hanno un comportamento che non può
essere definito né stabile, né caotico. I sistemi da lui analizzati non si muovono
verso un’equili brio, né esplodono in caos, ma rimangono in uno stato di continua
“agitazione”. Si ha quello che Prigogine definisce “equili brio dinamico” , ossia un
equili brio del sistema non nella stabilit à degli stati, ma nella configurazione
periodica o altrimenti individuabile della successione degli stati nel tempo.
(Prigogine, 1986a).
9 Anche se la data di pubblicazione della ricerca è il 1997, i primi modelli a riguardo erano già pronti negli anni ottanta,
come indica Walldrop (1993).
Il pensiero complesso
36
Prigogine fu il primo a proporre le basi per un’epistemologia propria della
complessità strutturale; fino ad allora, l’epistemologia era stato campo esclusivo
degli “olisti” . Lo studioso belga cercò di andare alle basi del comportamento
complesso della materia, diede spiegazioni fisiche e matematiche dei fenomeni
complessi estremamente eleganti e tuttavia semplici da comprendere anche per
chi è in possesso di una conoscenza matematica elementare. I dettagli degli
esperimenti o degli esempi sono condotti con l’uso di un linguaggio matematico
molto avanzato, o tramite formule fisiche o chimiche di non facile
interpretazione per i profani, ma i principi generali e gli esempi introduttivi sono
dati con estrema chiarezza e leggibili tà (Prigogine, 1986).
Così, la complessità strutturale trovò un proprio modo di procedere, non più
solo per simulazioni, per tentativi, ma essendo inserita in un rigoroso corpus di
regole. È dell ’84 il l avoro di Serra e Zanarini “La fisica dei sistemi complessi” ,
che descrive approfonditamente come sia possibile studiare il comportamento dei
sistemi complessi matematicamente, un vero e proprio libro-manifesto della
complessità strutturale.
Zanarini ha sempre tentato di concili are l’approccio olistico complesso
proposto da Morin con l’approccio strutturale proposto dai membri dell ’ Istituto
di Santa Fe e da Prigogine, ma la sua proposta non venne raccolta: nessun’altro
riuscì a cogliere le differenze tra i due approcci, in quel momento (Zanarini
1990). Era diffuso il presentimento che se la scienza della complessità si fosse
dimostrata realmente la “scienza delle scienze”, approcci diversi si sarebbero
prima o poi incontrati. L’aver indagato la complessità a partire da due approcci
differenti avrebbe generato una conoscenza più profonda dell ’argomento, quando
fosse avvenuta la riunione delle due branche della teoria.
Morin portò a termine in questi anni il suo Metodo. I tomi dell ’opera di Morin
sono dei veri e propri codici nei quali è possibile rintracciare un metodo in grado
di affrontare qualsiasi forma di complessità. Ma la mancanza di qualcuno che
esplorasse le implicazioni pratiche delle sue considerazioni mutilò il suo lavoro
Analisi sistemica complessa
37
della forza empirica. Molti autori lo citarono e cercarono di carpire da lui il modo
di avvicinarsi alla complessità: non mutilare la realtà con sempli ficazioni
inopportune, cercare di capire il tutto e le parti, il tutto che è nelle parti e le parti
che sono nel tutto. Cercare di considerare sempre che ciò che stiamo analizzando
è una realtà parziale. Capire che non è l’organizzazione nella sua statica a causare
il comportamento dei sistemi, ma è il rapporto tra ordine e disordine a creare il
tutto. Queste idee ed altre ancora furono passato a molti autori del periodo; ma il
metodo di Morin era più che una filosofia per osservare con più coscienza la
realtà. Era un suggerimento su come indagare, su come operare la ricerca
scientifica. A titolo di esempio, “La conoscenza della conoscenza”, il terzo (e
ultimo) volume del Metodo, propone un’epistemologia della scienze cognitive,
ma presenta anche un modello di mente umana (Morin 1989). Anche se è fuori
discussione che il modello di mente ideato da Morin è un avanzamento
interessante nel campo dei sistemi cognitivi, non è stato messo in pratica. Ad
esempio, non è stata condotta una ricerca che spieghi, l’apparire della
schizofrenia o di altre malattie mentali sulla base del modello ideato da Morin.
Forse è ancora presto per questo. Per capire Morin è necessario interiorizzare
la complessità, capire che dove esiste un paradosso esiste una spiegazione, un
punto di vista alternativo che permette di capire come mai due fatti che sembrano
essere contraddittori possono in realtà coesistere entrambi nella natura delle cose.
È necessario capire che il pensiero complesso è più che un elegante esercizio
filosofico: si tratta di un modo di pensare che permette di trarre conclusioni
molto diverse da quelle ottenibili con il pensiero sequenziale. Imparare un modo
di pensare “diverso” può richiedere un lungo arco di tempo, come dimostra il
caso di Menger, incompreso anche dai suoi diretti discepoli e quindi dimenticato
fino a che i tempi non si dimostrarono maturi per accogliere le sue ipotesi (cfr.
Kinrner, 1993:2 ss).
Gli anni ottanta costituirono un decennio importante per quanto riguarda la
scienza della complessità. Fu in questi anni che la complessità divenne una
Il pensiero complesso
38
scienza, e fu allora che si vide come la ricchezza dei sistemi naturali potesse
generare così tante forme, così tanta diversità, così tanta energia. Gli studiosi del
Santa Fe Institute iniziarono a cercare una nuova forma della seconda legge della
termodinamica; una forma che permettesse di concepire sistemi non entropici.
Sarebbe stata una rivoluzione che avrebbe cambiato per sempre il modo di
pensare. La stessa teoria della nascita e della morte dell ’universo sarebbe stata
diversa: non più inizio e fine, ma un infinito trasformarsi, e forse espandersi,
della materia dell ’universo.
Anche se il cambiamento non fu così radicale, divenne chiaro per sempre che
la scienza si era ingannata nel credere che l’universo fosse dominato da semplici
regole, che fosse possibile ridurre tutto a poche formule matematiche. La volontà
di ridurre qualsiasi fenomeno ad espressione articolata di semplici leggi
deterministiche, il sogno degli scienziati di trovare la legge, la relazione
fondamentale che avrebbe spiegato ogni altro fenomeno, si sgretolò davanti alle
manifestazioni di fenomeni ordinari, addirittura quotidiani, in fisica, chimica,
biologia ed economia, e in molte altre discipline. Sir James Lighthill (presidente
al tempo dell ’unione internazionale della meccanica pura ed applicata) fece nel
1986 il seguente discorso:
A questo punto mi devo fermare e parlare in nome della grandefratellanza che unisce gli esperti della meccanica. Oggi siamopienamente coscienti di quanto l’entusiasmo che i nostri predecessorinutrivano per il successo della meccanica newtoniana li abbia portatiad operare generalizzazioni, nel campo della predicibil ità […], cheormai sappiamo essere false. Noi tutti desideriamo, perciò, presentarele nostre scuse per aver indotto in errore il nostro colto pubblico,diffondendo, a proposito del determinismo dei sistemi che aderisconoalle leggi newtoniane del moto, idee che dopo il 1960 si sono rivelatefalse (Prigogine, 1993:27).
Anche se nella vita delle persone comuni la teoria della complessità non ha
ancora cambiato molto nemmeno ad oggi, la scienza non potè più ignorare quello
che si rivelò essere un consistente passo avanti nella comprensione della natura
dell ’universo e delle leggi che lo governano.
Analisi sistemica complessa
39
2.6) Gli anni novanta
Se c’è un periodo che possiamo definire complesso nel nostro secolo, questo è
l’ultimo decennio. Il crollo del blocco orientale, la ripresa di alcune (e solo
alcune) grandi imprese statunitensi che sembravano prossime alla fine, il crollo
di alcune (e solo alcune) frange dell ’economia giapponese che sembrava non
potersi mai arrestare, la presenza di grandi squili bri economici, politi ci ed
ambientali a livello mondiale; tutto ciò ha ridotto in polvere le certezze che
avevano resistito alla crisi degli anni settanta. L’evidenza della complessità del
reale è ormai quotidiana ed innegabile, si tratta solo di definirne i termini.
Dal punto di vista dell ’epistemologia della complessità, tuttavia, questo
decennio che ormai volge al termine sembra votato ad una pacata riflessione sui
risultati ottenuti durante gli anni ottanta; quasi come se, di fronte all ’evidenza,
coloro che avevano profetizzato una realtà complessa si fossero chiusi
temporaneamente in una meritata pausa di contemplazione e compiacimento.
In questi ultimi anni vi sono stati notevoli l avori di sistematizzazione delle
ricerche compiute durante gli anni ‘80. Il decennio è stato aperto dal lavoro di
Morin “ Introduzione al pensiero complesso” (1993). Quasi venti anni di idee, di
trasporto per la materia della complessità, di nuove scoperte non solo nel campo
delle scienze “dure” come la fisica e la chimica, ma soprattutto
nell ’epistemologia e nella psicologia sono riassunte con una brill antezza ed una
chiarezza non comune, nemmeno per il filosofo francese.
Così anche alcuni studiosi di complessità italiani, Zanarini, Serra, Ceruti e
Bocchi si sono soffermati a riflettere su quanto fatto e su ciò che è stato
raggiunto. “Diario di Viaggio” cerca di sintetizzare ciò che è stato scoperto dalla
corrente olista, ed in particolare riassume le conclusioni salienti in campo
epistemologico dedotte da Zanarini stesso e dai suoi “compagni di viaggio”
(Zanarini, 1990). I toni usati dallo studioso nel suo libro sono però carichi di una
Il pensiero complesso
40
sottile nostalgia verso gli anni ottanta; ad una domanda sull 'argomento, Zanarini
ha risposto:
[…] come metodologia di analisi e di progettazione la complessità èrisultata un po' deludente... Cioè: con uno "sguardo complesso" sisono capiti qualitativamente molti più processi, fisici e sociali; ma ilpassaggio al quantitativo è problematico. La mia ipotesi è che questodipenda dal fatto che la complessità richiede un intreccio tra livell i,ma la scienza è organizzata appunto per livell i e non c'è un linguaggioche li metta in comunicazione l'uno con l'altro (Zanarini, 1997:conversazione personale con autore).
Questo passaggio testimonia una certa "stanchezza" di alcuni autori che hanno
parlato di complessità strutturale, che peraltro non sembra condivisa dagli
scienziati del gruppo di Santa Fe, che in questo decennio sono stati molto attivi
nella produzione di scritti . L’esplosione di risultati avutasi negli anni precedenti,
e la certezza interiore di trovarsi sulla giusta strada, sembrò invece coinvolgerli a
pieno: emblematici sono “At home in universe” di Kauffman (1995) e “Hidden
order” di Holland (1995), oppure il li bro di Walldrop “Complexity” che narra la
storia dell ’ Istituto e intreccia le vicende personali degli scienziati americani con
le scoperte da loro realizzate (Walldrop, 1993).
Pur essendo preponderanti le opere di sistematizzazione delle ricerche
compiute negli anni precedenti, questo periodo non è completamente sterile di
nuove scoperte o nuove idee. Ad esempio, Serra e Zanarini hanno scritto
“Complex Systems and Cognitive Processes” , tradotto successivamente in
Italiano (Serra & Zanarini, 1993).
In questo decennio si sono sviluppate numerose tecniche e tecnologie che
sfruttano conoscenze imparentate, in qualche modo, con la scienza della
complessità. Ormai l ’uso delle reti neurali è universale, ed anche i sistemi
classificatori hanno avuto una serie di impieghi pratici. La matematica frattale a
dato origine a tecniche di compressione delle immagini che rendono possibile
trasmettere in tempo reale una grande quantità di dati.
Analisi sistemica complessa
41
Nel decennio corrente si è finalmente assistito ad una prima assimilazione
delle teorie sulla complessità in economia. Dopo anni durante i quali l ’economia
in generale e l’economia aziendale in particolare erano quasi rimaste
impermeabili alle teorie sulla complessità, ecco in questo decennio un gran
fiorire di titoli che aff iancano le parole “management” e “caos” o “complessità”.
In molti casi sono solo puri esercizi di grammatica10, ma altre volte contengono
dei seri contributi all ’ integrazione delle teorie sulla complessità all ’economia
aziendale. In particolare, Stacey afferma prima in “The chaos frontier” e poi in
“Strategic management & organizational dynamics” che le aziende sono sistemi
complessi, costituiti da un grande numero di relazioni informali che
retroagiscono su quelle formali; questo gioco di interazioni crea strutture
informali, chiamate da Stacey shadow organizations che operano al di fuori del
paradigma consolidato, anzi sono il motore primo del cambiamento strategico
quando questo diviene improcastinabile (Stacey, 1993b).
Stacey non coglie a pieno gli i nsegnamenti della scuola della complessità.
Nonostante il suo modello si basi giustamente sull ’ idea di interazioni complesse
che giocano un ruolo di primo piano nella vita dell ’ impresa, la costruzione del
modello è ancora semplicistica e meccanicistica. Per Stacey esiste una soglia di
“ tensione organizzativa” provocata dai falli menti strategici aziendali , dalle
continue evidenze dell ’ inadeguatezza di una certa linea di condotta rispetto ai
messaggi che provengono dall ’ambiente. Al di sotto di tale soglia, le strutture
ombra rimangono quiete, e lasciano che il paradigma aziendale dominante (che
potrebbe essere chiamato “cultura aziendale”) rimanga immutato. Al di sopra si
scatenano una serie di reazioni che portano all ’abbattimento del precedente
10 Comboni (1991:9) afferma che “Come ogni termine «trasversale», [il termine ‘complessità’ ] risulta suff iciente
inflazionato nell ’uso e al tempo stesso vago ed indeterminato data l’ampiezza – e l’ambiguità – delle aree semantiche
corrispondenti.” Si può vedere quindi come si possa usare liberamente il termine “complessità” senza riferirsi alla scienza
della complessità, ma con il senso comunemente attribuitogli nel linguaggio parlato.
Il pensiero complesso
42
ordinamento organizzativo ed al cambiamento aziendale, che consiste in pratica
in una ridefinizione delle strutture e dei disegni strategici e metastrategici ispirati
o voluti dalle strutture ombra.
In poche parole, l’organizational dynamics di Stacey ci sembra troppo
somigliante alla system dynamics dei primi anni ’60, ma rappresenta comunque
un pregevole primo tentativo di importare le tematiche della complessità nella
realtà della vita aziendale.
Anche in Italia sono stati scritti dei lavori che integrano la scienza della
complessità e la strategia aziendale, come ad esempio “L’ impresa vivente” di
Vicari (1991). Il lavoro di Vicari trova un punto di incontro tra le teorie dei
sistemi autopoietici e la teoria di impresa. In particolare, Vicari esegue un
parallelo tra l’approccio basato sulle risorse e la visione autopoietica e
costruttivista dei sistemi cognitivi. Il tentativo è notevole in quanto Vicari non
tenta di progettare un modello manageriale come quello proposto da Stacey,
quindi necessariamente informato da regole “meccaniche” che possano servire da
“leve”; regole progettate per essere oggetto di azione da parte dei manager. Si
tratta semplicemente di un modello esplicativo, di base, quasi totalmente
epistemologico e votato a gettare un punto di partenza per future riflessioni. Il
risultato è una buona traduzione ed interpretazione delle teorie autopoietiche in
termini aziendali (Vicari, 1991).
Ma l’autopoiesi non è ancora complessità pura. Problemi di fondo come quello
del punto di vista unitario al quale ricondurre l’analisi, o della dominanza
dell ’aspetto immateriale sulla parte materiale delle risorse, e quindi dell ’ impresa
nella sua globalità, sono ancora trattati in maniera ben distinta rispetto a quanto
proposto dall ’epistemologia della complessità.
Ciò che era avvenuto nel decennio precedente per le scienze “dure”, doveva
avvenire in questo decennio per le scienze più “morbide”, come l’economia. In
particolare, il modo tradizionale di vedere la pianificazione strategica come
l’optimum, lo zenith delle possibilit à manageriali della vera impresa è stato
Analisi sistemica complessa
43
scardinato dal dissacratore e mordente “T he rise and fall of strategic planning”
di Mintzberg (1994). L’evidenza ha dimostrato che la pianificazione esasperata
non è la risposta giusta alle necessità gestionali imposte dalla presenza di un
ambiente complesso. Aumentare il grado di pianificazione interna all ’aumentare
del grado di complessità esterna, per le azienda, corrisponde ad un puro suicidio.
È Mintzberg stesso a citare la situazione sovietica; secondo le sue fonti, prima
del crollo del sistema sovietico la burocrazia impiegava ottocentomila economisti
a tempo pieno solo a scopo di pianificazione. Chiaramente, una situazione
organizzativamente insostenibile.
Anche se le teorie sulla fuzzy logic non hanno mai reclamato una parentela
stretta con la scienza della complessità, è indubbio che queste fanno parte di quel
corpus unitario di studi sulla realtà come fenomeno complesso. Così, McNeill e
Freiberger affermano che "complex discipline teems with fuzzy logic", e che "…
as complexity rises, precise statements lose meaning, and meaningful statements
lose precision"11 (McNeill & Freiberger, 1993). Così anche Bart Kosoko (1995)
afferma che il principio fuzzy è una questione di misura; si vuole con ciò
affermare che l'osservatore non può essere estraneo alla definizione di verità
assoluta, o alla precisazione di una certa "sfumatura" di verità, ove i problemi
con cui si ha a che fare siano complessi. La logica fuzzy ha consentito notevoli
progressi nel campo del controllo automatico e delle applicazioni elettroniche,
come dimostra l 'esperienza giapponese (McNeill & Freiberger, 1993:243ss). Le
macchine fotografiche giapponesi, ad esempio, hanno la regolazione del fuoco
automatico basata su software a logica fuzzy.
Nonostante i successi notevoli ottenuti nel campo dei due rami della teoria
della complessità, quello strutturalista e quello olista, c’è però da sottolineare un
11 Traduzione: “ la disciplina complessa si accoppia alla logica fuzzy” e “quando cresce la complessità, affermazioni
precise perdono significato, ed affermazioni significative perdono precisione” .
Il pensiero complesso
44
punto oscuro: l’auspicabile avvicinamento delle due forme di studio non è
avvenuto, almeno non in misura rilevante.
I risultati di un certo tipo di complessità strutturale, come quelli ottenuti dalla
matematica della complessità e del caos12 sono stati senz’altro molto interessanti
e chiarificatori nello spiegare un certo tipo di andamento fenomenico del reale.
Tuttavia, la forma adottata dai modelli matematici dei fenomeni fisici complessi
non ha permesso di ottenere alcun risultato interessante nel campo delle
applicazioni previsive. In particolare, i modelli matematici che spiegano come
operano quei sistemi fisici che rispondono istericamente a piccoli stimoli i niziali
non hanno una forma tale da essere utili dal punto di vista previsivo. La
formulazione di tali modelli è spesso improntata a definizioni probabili stiche di
cambiamento di stato condizionate a certi stimoli . Così è possibile sapere la
posizione finale di una piccola sfera lasciata cadere su di un piano ricco di
pendenze e di scanalature solo in termini di distribuzione di probabilit à. Nulla è
dato sapere su come modificare l’esito dell ’esperimento o su come prevederlo nel
caso concreto di un solo tentativo. L’applicazione di tale modelli zzazione
matematica è senza dubbio interessante, ma in un certo senso si perde lo spirito
di base della teoria della complessità, per la quale è importante dire qualcosa di
concreto a proposito del qui e ora dei fenomeni, non tanto su di una loro media.
Questo modo di pensare ricalca più l’ idea, certo feconda, che informò la statistica
alla fine del secolo scorso: il caso visto non come componente della realtà con la
quale è possibile dialogare, ma come un evento esterno ed imprevedibile che
segue però delle leggi universali che possono essere individuate.
Ciò che è mancato in questo decennio è stata la riunione tra i due modi di
vedere la complessità. Holland, ha affermato che la definizione di complessità è
soggettiva e sfuggente come il concetto di “verità” o “bellezza”, ed è un
12 Ci riferiamo ai lavori di Prigogine e di chi ha seguito il suo esempio, ed alla matematica dei frattali.
Analisi sistemica complessa
45
argomento molto delicato sul quale sta lavorando attualmente il premio Nobel
Murray Gell -Mann, attualmente a capo del consiglio di amministrazione
dell ’ istituto (Holland, 1998:conversazione personale con autore). Sembra quindi
che l’ Istituto di Santa Fe non abbia compiuto molti passi avanti da quando
Walldrop scriveva citando un discorso informale di Kauffman: “ I just don’ t have
a good answer. All these terms like emergence, life, adaptation, complexity –
these are the things we’ re still t rying to figure out13.” (Walldrop, 1993:359)
È però necessario far notare che uno studioso statunitense, Jhon l. Casti, ha
tentato di dare una risposta a queste domande. Nel suo libro Complexification
(1995), Casti rielabora le conoscenze sulla complessità sviluppate dall 'Istituto di
Santa Fe, e da altri ricercatori, al fine di trarre delle conclusioni di ordine
generale. In questa opera, Casti tenta di fondare le basi di ciò che egli chiama
"Scienze of Surprise14". Il suo è un'interessante tentativo di spiegare quali siano
le caratteristiche e le proprietà dei sistemi complessi, senza riferirsi
necessariamente alla loro struttura, ma senza ignorarla. Si tratta di un primo
elegante tentativo di includere in una sola teoria le ottiche di complessità
strutturale ed olista, ed anche se i risultati non vanno molto oltre una lista di
comportamenti e proprietà dei sistemi complessi, si tratta di un buon piano
programmatico per il futuro. È da notare come Casti abbia sviluppato un concetto
di emergenza pressoché identico a quello fornito da Morin venti anni prima, ma
13 Traduzione: “Semplicemente, non ho una buona risposta. Tutti questi termini come emergenza, vita, adattamento,
complessità – queste sono cose sulle quali stiamo ancora tentando di farci un’ idea.”
14 Il termine “scienza della complessità” è indissolubilmente legato al concetto di complessità strutturale, nella
letteratura statunitense. Siccome Casti tenta di sviluppare una teoria che superi l’ottica strutturale per assimilare alcuni
concetti di stampo olistico, come il ruolo dell ’organizzazione di elementi semplici, o le emergenze ottenute dai sistemi,
sceglie un termine che non crei confusione tra le sue ricerche e quelle del gruppo di Santa Fe. Noi possiamo tradurre il
termine con “scienza della complessità”, visto che l’autore cerca di mantenersi equidistante dalla complessità strutturale e da
quella olista.
Il pensiero complesso
46
arrivandoci in maniera indipendente15 e partendo da considerazioni basate sulla
complessità strutturale.
2.7) Conclusioni
Sorge ovvio domandarsi a questo punto quale sia il futuro di questa nuova
scienza. Gli strutturalisti sembrano estremamente chiusi nel loro modo di pensare
e di vedere la complessità come una proprietà di certe strutture. Analogamente,
gli olisti tendono a non trovare applicazioni pratiche per le loro teorie e la loro
epistemologia, se non cadendo nuovamente nella complessità strutturalista. Non
è un male che vi siano stati due approcci così differenti al problema, che però
hanno mostrato molti punti di comunanza. Male sarebbe se questa “riunione” non
dovesse avvenire mai, se non ci fosse un modo di integrare queste due strade, che
nascono unicamente da due punti di vista leggermente diversi. Ancora peggio
sarebbe se per un qualsiasi motivo una delle due strade divenisse la strada
maestra della scienza della complessità: è evidente che nessuno dei due approcci
è completo. Sarebbe un errore da veri riduzionisti credere che uno dei due
approcci sia quello giusto; in realtà entrambi lo sono, poiché entrambi studiano la
complessità, anche se attraverso un punto di vista diverso.
I lavori di Casti (1995, 1997) sembrano muovere un passo nella giusta
direzione, ma per il momento non sono che premesse programmatiche e basi per
un futuro sviluppo.
15 Morin non è citato da nessuno degli autori statunitensi che abbiamo visto.
Analisi sistemica complessa
47
3. Analisi sistemica complessa
Con questo nome indichiamo una metodologia di analisi che permette di
osservare i sistemi complessi. D’ora in poi verrà indicata con l’acronimo ASC.
Questa metodologia è stata sviluppata integrando l’apporto di diversi autori
che hanno studiato la complessità.
L’analisi sistemica complessa si basa su due definizioni e quattro precetti. Le
due definizioni sono quelle di “complessità” e “sistema complesso” e verranno
trattate nel prossimo paragrafo. Nei paragrafi immediatamente successivi
introdurremo i quattro precetti, ossia la circolarità dell ’analisi, l’attenzione
dell ’analisi ai risultati del sistema, la problematica della non neutralità
dell ’osservatore ed infine la scelta di un approccio approssimativo, e non
sempli ficativo, all ’analisi.
3.1) La complessità
Quasi ogni studioso che si sia occupato di complessità ne ha dato una sua
definizione. Per Morin, il primo ad affrontare organicamente il problema di una
complessità “astratta” e permeante ogni aspetto della realtà, il complesso non è
definibile, ma solo concepibile. Lo studioso deve apprendere il significato della
complessità tramite l’osservazione, l’esperienza personale, in quanto non esiste
un codice semplice che possa catturare una realtà complessa (Morin 1994)1.
1 Come vedremo, in seguito anche Morin non resiste alla tentazione di dare una sua definizione di complessità.
I precetti dell ’analisi
48
Questo concetto di complessità viene ripreso da diversi autori; in particolare
Zanarini (1990):
Come ho accennato, si è data spesso per scontata, in questi anni,l’opportunità di una formazione orientata all ’acquisizione di capacitàdi pensiero complesso, articolato, decentrato. […] Per questo motivo,mi sembra utile esplorare oggi la prospettiva di una “complessitàsilenziosa”, nella quale cioè ognuno riesca ad accettare lecaratteristiche squisitamente personali, autobiografiche, irripetibil idella propria strada verso il pensiero […]
Questo approccio tende a non definire con precisione il concetto di
complessità. Gli autori in questione sembrano voler intendere che “ la complessità
è la complessità”, e per comprendere il significato tale frase è necessario seguire
un sentiero di crescita intellettuale teso all ’apprendimento di come la complessità
sia parte della nostra esistenza.
Anche se questo punto di vista è assolutamente valido, anche se è vero che la
complessità non può essere spiegata, ma solo appresa, forse è possibile cercare
non tanto di spiegare, ma almeno di indirizzare colui che voglia intraprendere
tale sentiero di crescita personale lungo il cammino giusto.
Prigogine (1991) evita di enunciare una definizione puntuale di complessità.
Parla di comportamento complesso, dichiarando che è tale un comportamento
imprevedibile a partire dagli elementi dell 'organizzazione; afferma che è
complesso ciò che ha un comportamento complesso, e definisce quindi questo
comportamento in base ad una serie di esempi tratti da sistemi matematici, fisici,
chimici che presentano comportamenti oscill anti, dissipativi, auto-organizzanti
ed imprevedibili . Comunque, il termine complessità è usato anche da Prigogine
in maniera oscura, con il presupposto che il l ettore conosca già il suo significato.
Non per nulla il tit olo originale del suo lavoro è “Exploring complexity” e non
“Defining complexity” .
Casti dà sempre una definizione di complessità in termini di comportamento:
The vast majority of counterintuitive behaviors shown by complexsystems are attributable to some combination of the following five
Analisi sistemica complessa
49
sources: paradoxes/self-reference, instabil ity, uncomputability,connectivity, and emergence 2(1997:86).
Sembra che la diff icoltà di trovare una definizione di complessità abbastanza
precisa in letteratura sia un problema oggettivo. Ad esempio, Serra afferma che:
[…] per quanto riguarda la complessità, ricordo di avere scritto unlavoretto circa 10 anni fa in cui si passavano in rassegna diversi tipi didefinizione, dalla complessità computazionale a quella algoritmicaalla "profondità logica", e nessuna di queste catturava tutte lesfaccettature del concetto. D'altra parte, ciò non è infrequente nellascienza: anche il "semplice" concetto fisico di lavoro è diverso daquello quotidiano, tanto che un facchino che porta una valigiamuovendosi su un tratto pianeggiante non compie "lavoro" nel sensodella fisica (Serra, 1997: conversazione personale con autore).
Simile è l'opinione di Comboni (1991:10-11): "Una definizione chiara ed
esaustiva del termine è impossibile. Se così non fosse, non si potrebbe parlare di
«complessità»."
Il motivo per il quale l’argomento di una definizione di base della complessità
è stato evitato da molti è brill antemente individuato da Morin, nella prima pagina
del lavoro che presenta il suo “pensiero complesso” :
[La complessità] subisce al contrario una pesante tara semantica dalmomento che al suo interno contiene confusione, incertezza,disordine. La sua prima definizione non può fornire alcunadelucidazione: è complesso ciò che non può essere ricondotto a unalegge, ciò che non può essere ridotto a un’ idea semplice.[…] Lacomplessità è una parola problema e non una parola soluzione(Morin, 1993:1).
Ecco la fonte dell ’ imbarazzo nello spiegare la complessità: è complesso ciò
che non può essere sempli ficato, ed è semplice ciò che non è complesso. Una
definizione chiusa su se stessa, impossibile da analizzare se non con gli strumenti
propri di un pensiero molto sofisticato.
2 Traduzione: la maggior parte dei comportamenti non intuitivi mostrati dai sistemi complessi sono attribuibil i a qualche
combinazione delle cinque determinanti che seguono: paradossi/auto-referenza, instabil ità, incalcolabil ità, connettività,
emergenza.
I precetti dell ’analisi
50
Dobbiamo dunque usare questa forma di pensiero per uscire dall ’empasse che
attanaglia la logica lineare quando si avvicina al concetto di complessità. Una
definizione piuttosto elegante della complessità è data sempre da Morin, nella
stessa opera:
In prima istanza, la complessità è un tessuto (complexus: ciò che ètessuto insieme) di costituenti eterogenei inseparabilmente associati:pone il paradosso dell ’uno e del molteplice. In seconda istanza, lacomplessità è effettivamente il tessuto di fatti, azioni, interazioni,retroazioni, determinazioni, alea, che costituiscono il nostro mondofenomenico. (Morin, 1993: 10)
Questa definizione è assai interessante: per prima cosa è concreta. Non si
riferisce a concetti astratti, ma usa termini decisamente concreti e per i quali ogni
lettore può trovare corrispondenti nella sua esperienza quotidiana. Inoltre è
completa; individua univocamente tutto ciò che l’autore considera costituente
della complessità.
Purtroppo, è necessario allontanarci da questa definizione per il seguente
motivo: sostituendo nella frase citata sopra il termine “complessità” con “realtà”,
la definizione continua ad essere corretta. In altre parole, possiamo dire che la
realtà che ci circonda “è effettivamente il tessuto di fatti, azioni, interazioni,
retroazioni, determinazioni, alea, che costituiscono il nostro mondo fenomenico” .
Anche se è possibile affermare che la realtà è complessa, non dobbiamo cadere
nell ’errore di affermare che la realtà sia la complessità. La complessità fa parte
della realtà sperimentata da ogni individuo, condiziona l’esistenza di ogni essere
e di ogni oggetto; ma non possiamo identificare la forza creatrice con il prodotto
della sua creazione. Non possiamo identificare la complessità con la realtà: il
nostro mondo fenomenico è complesso; esso è il prodotto della complessità e, a
sua volta, crea nuova complessità. Ma non è la complessità.
Ai fini del presente lavoro, abbiamo elaborato una nozione di complessità che
ci facilit a nel capire ciò che stiamo affrontando; la definizione che useremo per
concettualizzare la complessità è la seguente:
Analisi sistemica complessa
51
La complessità è la caratteristica di un qualsiasi ente definito ricorsivamente.
Per prima cosa, la definizione intende la complessità come una caratteristica,
ossia un modo di essere di qualcosa. Non si tratta quindi di una proprietà, cioè di
qualcosa che un determinato oggetto può avere o non avere; si tratta
propriamente di una modalità di esistere, del modo nel quale la struttura
dell ’oggetto complesso è organizzata.
Si afferma poi che la complessità viene riferita ad un ente. La parola “ente”
intende in questo contesto qualsiasi oggetto (concreto o astratto) che sia
indagabile dalla mente umana. Un oggetto concreto può essere un sistema, un
oggetto astratto può essere un modello, o più in generale, un pensiero.
All ’ interno dell ’enunciato, la parola definito si riferisce ad ente. Ciò sta ad
intendere che sarà oggetto di nostra analisi solo ciò che può essere in qualche
modo definito: non ciò che esiste, ma ciò che conosciamo. Il concetto è distante
dai processi logici tradizionali secondo i quali un ente può essere reale o astratto,
ma è comunque obbiettivamente presente, indipendentemente dall 'azione di un
osservatore che lo possa definire. Esempli ficando, possiamo immaginare che
l’ente sia una montagna sperduta in qualche zona inesplorata, che esiste
indipendentemente dal fatto che un qualche esploratore l’abbia mai vista. È fuori
dubbio che tale ente esista, ma nessuno lo conosce, ed ancora peggio tutti
ignorano di non conoscerlo. Secondo la logica matematica, una doppia
negazione corrisponde ad un'affermazione, ma in questo caso non è così. Se non
si sa di non conoscere, non si ha una conoscenza, bensì una doppia ignoranza.
Ebbene, siccome l'ente è doppiamente ignorato, non possiamo farlo oggetto di
una nostra analisi; si tratta di qualcosa di inconcepibile e che non può influenzare
in alcun modo le ricerche degli scienziati.
I precetti dell ’analisi
52
Il giorno in cui un qualche esploratore (osservatore) venga a contatto con la
montagna (ente), potrà osservarla, memorizzarne la forma e le sensazioni che tale
scoperta gli ha suscitato. Se l’esploratore custodisce gelosamente questa
esperienza senza cercare di darle un senso, egli raggiunge una conoscenza
inespressa, quasi inconscia, dell ’evento. Così, adesso, oltre ad esistere, l'ente è
stato osservato. Ma questo ancora non basta. Aff inché il resto degli esploratori
conosca la montagna, è necessario che l'esploratore racconti la propria
esperienza; nel momento in cui questi racconta la propria esperienza,
l’esploratore opera una definizione dell ’ente osservato.
Questo è il significato del termine definito nell 'enunciato precedente. Aff inché
un ente possa dirsi complesso, anzi, aff inché possa essere preso come oggetto di
analisi, questo deve essere definito, ossia deve esistere la cognizione esplicita e
formale della sua esistenza. Infatti, la nostra analisi non ha per oggetto enti del
mondo fisico oggettivo. Nell ’analisi della complessità è necessario fare
riferimento ad enti che possono essere indagati, che esistono in quanto sono
presenti nella struttura cognitiva di un osservatore (Watzlawick, 1992).
La parola che chiude la definizione è “ricorsivamente”: ciò sta a significare
che parti dell ’ente in analisi sono necessarie per spiegarne altre. Una definizione
ricorsiva è una spiegazione dell ’oggetto che necessita, per essere compiuta, di
altre definizioni dell ’oggetto stesso, le quali , a loro volta, necessitano della
prima. Questo modo di procedere è contrario alla logica tradizionale, che
dimostra una conclusione a partire da premesse, in un processo di sviluppo
sequenziale che lega cause ad effetti in un verso solo, dal problema alla
soluzione. Purtroppo, la complessità non può essere affrontata in questo modo.
La complessità esiste in ambiti di cause-effetti-cause, che non possono essere
debitamente spezzati senza una perdita irreparabile di conoscenza (Morin,
1994:186ss)
Rivisitando la definizione nel suo insieme (la complessità è la caratteristica di
un qualsiasi ente definito ricorsivamente) è possibile svolgere ulteriori
Analisi sistemica complessa
53
considerazioni. La definizione di un oggetto reale non è che un rapporto tra
l’osservatore e l’osservato: tramite la definizione l’osservatore internalizza
l’oggetto, lo conosce e lo comprende. La complessità nasce da questo rapporto
definitorio; i sistemi non sono complessi o semplici, si accontentano di essere.
Come dice Le Moigne (1985:90) "[…]la complessità di un sistema non è
necessariamente una caratteristica di questo sistema (sia esso naturale o
artificiale), ma una proprietà della rappresentazione attualmente disponibile di
questo sistema[…]" (corsivo nel testo). È solo nella mente dell ’osservatore che
esiste la complessità, ossia un modo di concepire le cose che, secondo la sua
esperienza, hanno una certa caratteristica. Ecco perché la complessità è
caratteristica degli enti definiti . La complessità è frutto della definizione.
Una semplice domanda dimostra come la logica tradizionale non sia capace di
spiegare enti complessi. Ad esempio, possiamo chiederci “La competitività
deriva dal reddito, o il reddito è un frutto della competitività?”
L’ente in questione è una domanda che presenta alcune definizioni implicite; il
problema si presenta complesso perché nella domanda si presume che il reddito
sia definito come “oggetto che genera competitività”, mentre questa è definita
come “oggetto che genera reddito” . Date queste premesse è impossibile
rispondere alla domanda (ossia analizzare l’ente) usando una logica causa-effetto,
perché per tale tipo di logica il problema è mal formulato. Le definizioni non
possono appoggiarsi su altre definizioni precedentemente non dimostrate, o
assunte come assioma, dunque il problema deve essere riformulato (Casari,
1995).
Questa semplice dimostrazione mette in evidenza come la logica tradizionale
(o sequenziale) non sia adatta a spiegare i fenomeni che vengono comunemente
chiamati complessi.
I precetti dell ’analisi
54
3.1.1) Cosa non è complessità.
Si è molto parlato di complessità, in termini di complessità ambientale,
organizzativa, funzionale, sociale ed in molti altri ambiti ancora.
Molto spesso la numerosità degli elementi e delle relazioni costituenti gli
oggetti di studio è stata chiamata complessità, e l’aumento di relazioni e di
elementi in cose già complesse è stato chiamato ipercomplessità3.
Ad esempio, Ceruti riporta diverse impressioni sulla natura della complessità.
Quella a cui dà maggior peso è la seguente:
“Atlan concepisce la complessità come la varietà esistente in unsistema, che si riflette nella quantità di informazione che questo è ingrado di generare, ossia, di comunicare ad un osservatore.” (Ceruti,1989).
Complessità in termini di “ informazione” dunque. La complessità sarebbe la
“varietà”, ossia la numerosità di elementi e relazioni presenti in un sistema, e
delle configurazioni a cui tale sistema può dare origine.
Vorrei sottolineare che secondo la prospettiva da noi adottata, non è corretto
associare a questi fenomeni il concetto di complessità; possiamo indicare la
numerosità degli elementi e delle relazioni incontrata nella definizione di certi
fenomeni come complicatezza. Per complessità, in questa tesi, sarà indicata solo
la caratteristica di un ente definito ricorsivamente. Come abbiamo visto nella
domanda "Il reddito genera competitività o viceversa?" un ente complesso può
essere costituito anche solo da due elementi e due relazioni. Nulla vieta che l'ente
possa essere formato da un solo elemento in relazione ricorsiva con se stesso,
formando così un ente complesso.
3 A puro titolo di esempio, si veda “Complessità e ipercomplessità: il punto di vista di un cibernetico” di Giuseppe O.
Longo e “Dalla complessità all’ ipercomplessità nella comunicazione” di Graziella Mazzoli, entrambi in Ardigò (1990).
Analisi sistemica complessa
55
3.1.2) I sistemi complessi
Una particolare categoria di enti complessi sono i sistemi. Forrester, il padre
della system dynamics, definisce i sistemi come “ insieme di parti che operano
congiuntamente per uno scopo comune” (Forrester, 1974). Si tratta di una
definizione brill ante, in quanto centra il motivo per il quale un sistema esiste:
l’operare in comune di alcuni enti prima separati. Forrester, nella stessa opera,
afferma che lo scopo di un sistema non è nel sistema stesso; il sistema non
conosce necessariamente i propri scopi, che gli vengono invece attribuiti da un
osservatore esterno. Osservatori diversi potranno attribuire al sistema uno
“scopo” diverso. Così, per un geologo, un minerale sarà l’organizzazione di
atomi nata per resistere ad elevate pressioni e temperature; per un collezionista,
potrebbe avere lo scopo di riempire un certo angolo di una certa bacheca. Il
concetto che esprime Forrester è molto evoluto per i sui tempi, ma nonostante
questo, egli spera di poter spiegare il comportamento di qualsiasi sistema a
partire dall ’ insieme degli elementi che sono in esso, e delle relazioni strutturali
che lo accompagnano. Forrester (1974:1-6) riporta il seguente esempio:
“Quando funziona senza operatore, il motore non ha alcun obbiettivoper quanto riguarda la sua velocità. […] La presenza di un operatoreda luogo ad un sistema di retroazione sotto l’aspetto dell ’esistenzadell ’obbiettivo di una velocità costante: le variazioni di carico delmotore provocheranno mutamenti della velocità prefissata, che a lorovolta, allorché l’operatore cerca di mantenere la velocità prefissata,produrranno un mutamento compensativo dell ’apertura della farfalla.”
Ebbene, in realtà questa concezione di “obbiettivo di sistema” non può essere
condivisa. Forrester non si accorge che non ha dato un osservatore al sistema, ma
ha semplicemente “ ingrandito” il sistema. L’operatore così definito non può
essere in alcun modo ritenuto esterno al sistema, ma deve essere considerato
parte di esso: il motore non reagisce “magicamente” al cambio di velocità, ma
I precetti dell ’analisi
56
subisce il controllo di una parte del sistema motore/operatore. Nasce un sistema
sovraordinato che include i due sottosistemi.
Come Forrester stesso ammette, indicando la società, l’ individuo, la struttura
economica come sistemi che possono essere studiati solo con leggi matematiche,
si snatura la loro complessità originaria; riducendo alla definizione matematica i
sistemi complessi, questi appaiono non più complessi, ma solo complicati. Così
un essere vivente è un insieme di atomi, e di relazioni che legano questi. Così un
individuo è un insieme di organi ed esseri viventi (cellule, agenti immunitari,
flora batterica ecc…), e la sua mente è descritta da un insieme di pensieri, che
traggono origine dal suo cervello, un insieme di neuroni. Complicato, certo, ma
non complesso.
Quando però siamo di fronte a sistemi che presentano elementi dal
comportamento aleatorio e relazioni instabili e mutevoli a causa di un continuo
processo di autorganizzazione, tali definizioni sembrano fuori luogo. Il fatto
stesso che le strutture del sistema possano cambiare, diversificarsi, mette in crisi
la logica tradizionale che parte da premesse certe ed immutabili .
Zanarini (1990:30) scrive:
Diremo dunque che un sistema complesso :
• è costituito da molti elementi in relazione tra loro;
• non è isolato, ma è in rapporto di scambio (di materia ed energia)con l’ambiente.
• manifesta caratteristiche di organizzazione che sono imprevedibil ia livello delle parti e nello stesso tempo non sono prescrittedall ’esterno.
Il primo punto della definizione non è altro che la definizione classica di
sistema. I primi due punti riguardano la definizione dei sistemi aperti. Con il
terzo punto si entra nella definizione dei sistemi auto-organizzatori. Questa
definizione però non può essere accettata in via definitiva, in quanto spiega ciò
che un sistema complesso fa, non ciò che é.
Analisi sistemica complessa
57
Così come nella definizione di complessità, anche per la definizione di sistema
complesso gli autori che se ne sono occupati hanno trovato più conveniente
lasciare che il l ettore comprenda da solo cosa è un sistema complesso,
osservando il suo comportamento. Se ci è consentito, sembra quasi che gli autori
che hanno scritto di complessità abbiano tralasciato completamente il problema
della definizione, assumendo che un sistema complesso sia facilmente
individuabile. Come se la definizione uff iciosa fosse: “se si comporta in modo
strano, è un sistema complesso.”
Useremo la definizione di complessità enunciata in precedenza per derivare un
enunciato che possa guidarci nella comprensione dei sistemi complessi. Essendo
i sistemi particolari categorie di enti, ossia quegli enti che sono formati da
elementi in relazione, possiamo affermare che:
Un sistema complesso è un sistema nel quale gli elementi sono definiti i n base
ad altri elementi dello stesso.
Così come nel caso della precedente definizione data, la complessità si
configura come caratteristica intrinseca del sistema; e come abbiamo dimostrato,
la caratteristica nasce dal rapporto tra l’osservatore e l’oggetto di analisi: la
definizione.
Possiamo cioè definire un essere umano come un sistema formato da corpo e
mente ove la mente domina il corpo; avremo così un sistema semplice, dato che
non esistono definizioni basate su altre elementi del sistema. Invece possiamo
definire lo stesso individuo come un essere formato da una mente che lavora per
il corpo ed un corpo che lavora per la mente; in questo caso avremo un sistema
complesso. Se definisco come sistema sociale un sistema formato da “ individui” ,
e definisco questi come “entità aventi comportamento simile ad altri individui” ,
ottengo un sistema complesso; queste due semplici esempli ficazioni possono non
I precetti dell ’analisi
58
dare risultati estremamente utili dal punto di vista conoscitivo e predittivo, ma
sono sempre definizioni valide, in termini minimi, e determinano un sistema
complesso.
A questo punto sembra sensato chiedersi perché si è reso necessario un
approccio differente dal paradigma causa-effetto nell ’analisi dei sistemi. Se tale
analisi non è più suff iciente per le nostre indagini, vuol dire che essa ha raggiunto
i propri li miti .
Per rendere l’ idea della questione dei li miti dell ’analisi causa-effetto,
ammettiamo di voler analizzare un sistema sociale. Per esempio, possiamo
considerare un plotone milit are come un “piccolo” sistema sociale, i cui membri
si riconoscono non solo come individui, non solo grazie alle relazioni che li
legano agli altri (linee di comando, simpatie, antipatie, ecc...) ma anche e
soprattutto si riconoscono “rispetto agli altri” . Un soldato si sente in qualche
modo simile agli altri, diverso dal sergente, molto diverso dal tenente e
completamente diverso dal comandante. Stesso dicasi per gli altri “elementi” del
sistema. Questa possibilit à di definire gli elementi del plotone in base ad altri
elementi dello stesso ci autorizza a considerarlo come un sistema complesso.
Tuttavia, se volessimo condurre un'analisi tradizionale, di tipo premesse-risultati,
o causa-effetto, sarebbe necessario conoscere tutte le relazioni sociali , emotive e
gerarchiche sia consce che inconsce che legano ogni singolo componente del
plotone a tutti gli altri. Se questo fosse possibile, potremmo dire di avere una
perfetta conoscenza della struttura del sistema. Sarebbe poi necessario conoscere
il comportamento dei singoli elementi, e nonostante gli immani sforzi compiuti
fino ad ora dalla psicologia, dalla sociologia e dall ’economia, non esiste una
risposta valida a tale problema. Si riconoscerà subito che il tempo necessario a
studiare una simile struttura potrebbe però essere ben superiore all ’arco di
un’ intera vita, cosa che renderebbe l’analisi inutile. Anche ammesso però di
riuscire a conoscere la “struttura” di tale sistema, che significa avere piena
conoscenza di tutte le paure, le esperienze, le emozioni ed i comportamenti
Analisi sistemica complessa
59
possibili degli i ndividui, stabili re il comportamento di fronte ad uno stimolo
(fuga o lotta di fronte ad un pericolo mortale, per esempio) sarebbe comunque
un’ impresa ciclopica.
3.2) Complessità ricorsiva
Questo è il precetto più importante e che ha dato origine alla necessità di
studiare una nuova metodologia di analisi. I sistemi esistenti sono costituiti da
relazioni circolari a molteplici l ivelli; spezzare queste relazioni (come è stato
tentato dall ’approccio riduzionista) non permette di cogliere il sistema nella
propria interezza. Scrive Morin (1994):
Si afferma con ciò che spezzare la circolarità, [...] significaprecisamente ricadere sotto il dominio del principio didisgiunzione/semplificazione al quale vogliamo sfuggire. Di contro,conservare la circolarità significa rifiutare riduzione di un datocomplesso ad un principio mutilante.
Morin non è il solo a mantenere questa opinione. Tra le molte voci che si
levano contro una sempli ficazione mutilante della realtà troviamo anche Pribram,
che dice “Modern analithical logic fails to cope with complexity” (Pribram,
1996). Oppure Zanarini (1996), nel seguente passaggio:
“Per ampliare questa prospettiva, dobbiamo innanzitutto accettare,accanto a una causalità semplice, lineare e intuitiva anche unacausalità non intuitiva e non lineare, che ci appare spesso inattesa esorprendente. Ma soprattutto, come vedremo, la riflessione sullacomplessità del mondo, che anche la scienza ci sollecita, sottolinea inparticolare l’ importanza della relazione circolare che lega tra loroquelli che forse non si possono nemmeno più chiamare cause edeffetti, ma piuttosto aspetti diversi e interconnessi della realtà.”
Quindi, una scienza che riconosca cause ed effetti è assolutamente riduttiva e
limitante, non in grado di cogliere la complessità nella sua espressione globale.
I precetti dell ’analisi
60
La scienza delle cause e degli effetti ci aiuta a vedere una piccola parte di un
universo immenso.
Vi è un altro aspetto della complessità che è necessario sottolineare. Fino ad
ora, per semplicità espositiva, abbiamo considerato solo le relazioni circolari
esistenti tra gli elementi di un sistema; ma la complessità è un fattore
multidimensionale. Si ha infatti, che gli elementi di un sistema complesso
possono essere messi in relazione anche con il sistema stesso. Inoltre, il sistema
ha relazioni (complesse) con enti esterni, e questi possono avere relazioni
complesse con gli elementi. (Serra et al., 1986). Scrive sempre Pribram (1996):
“Same level science by itself is ineffective. The resolution comes across when
transformation across interfaces are taken in account.” 4
In termini attinenti all ’oggetto della tesi, non solo la funzione acquisti ha
relazioni complesse con la funzione produzione, ma entrambe sono in relazione
(complessa) con l’ impresa, che è in relazione con i fornitori, i quali sono in
relazione con la funzione acquisti. Un ciclo di relazioni, dalle quali il confine del
sistema esce sfumato. Queste relazioni sono il motivo che ha condotto tutta la
letteratura economica a porsi la questione dei confini dell ’ impresa, questione che
affronteremo più avanti parlando dell ’osservatore del sistema.
Esiste poi un altro aspetto della complessità. Ciò che abbiamo considerato
elementi, possono essere visti essi stessi come sistemi complessi. Infatti, se
ammettiamo che un sistema complesso sia un sistema composto da elementi
definiti ricorsivamente, anche tali elementi possono essere soggetti alla stessa
definizione. In realtà, gli elementi sono sempre scomponibili i n parti. Elementi
ultimi, come l’atomos dei greci, sono solo astrazioni filosofiche. Qualsiasi
oggetto reale può essere scomposto in elementi costituenti, o quantomeno
“definito” come insieme di elementi costituenti (Morin, 1994).
4 Trad: “La scienza utilizzata ad un solo li vello, da sola, è ineff icace. La soluzione arriva solo quando prendiamo in
considerazione le trasformazioni che avvengono attraverso le interfacce [tra differenti li vell i]” .
Analisi sistemica complessa
61
Sempre secondo seguendo l’oggetto della nostra tesi, la funzione di acquisti,
prima considerata elemento del sistema impresa, è scomponibile in compiti da
eseguire (forse funzioni o processi), i quali sono portati a termine da persone, che
sono formati da organi ed hanno una mente, che è formata da cognizioni. Non è
impossibile pensare un ente complesso composto da un unico elemento definito
ricorsivamente su se stesso.
3.2.1) Le dimensioni della complessità
Possiamo vedere come esistano diversi tipi di relazione complessa in un
sistema. La prima è la relazione di rapporto ricorsivo tra gli elementi. Questa è la
complessità di base, dalla quale nasce ogni forma di complessità: la mutilazione
di questa forma di rapporti genera solo modelli parziali , non in grado di cogliere
l’attività del sistema nella sua globalità.
La seconda dimensione della complessità si concreta nel rapporto tra elementi
e sistema. L’ente sovraordinato generato dall ’unione degli elementi, può essere
visto anche come entità separata, nuova rispetto ad essi. Così possiamo affermare
che una mano, avvicinando il cibo alla bocca, evento che rientra nella prima
dimensione della complessità, contemporaneamente nutre il corpo, che è il
sistema. Fuor di metafora, la funzione di produzione non solo produce materiale
per la funzione di vendita (magari passando per un magazzino), ma risponde a
disposizioni aziendali che non possono debitamente essere imputate ad un
preciso centro decisionale: anche se formalmente la decisione discende da una
certa area aziendale, anche se porta la firma di un particolare dirigente, la
decisione è presa in base alle esigenze di tutta l’ impresa. Così, se giunge un
ordine di produrre un certo quantitativo di materiale entro un certo tempo, questo
non è dovuto al capriccio di un dirigente, ma alle necessità ed alle possibilit à di
tutta l’ impresa nel suo insieme.
I precetti dell ’analisi
62
La terza dimensione della complessità è nel rapporto tra enti esterni ed enti
interni al sistema, quindi tra il sistema (nella sua globalità o in alcune sue parti)
ed altri sistemi (nella loro globali tà o in alcune loro parti). Così, ad esempio, una
colonia di api interagisce con un dato albero, generando così reciproci vantaggi;
in questo rapporto si ha però anche una relazione tra le singole api ed i singoli
fiori, cosa che permette alle prime di nutrirsi, ed ai secondi di riprodurre l’albero
al quale appartengono. Allo stesso modo esiste un rapporto tra l’azienda ed i
fornitori, che può essere concretizzato o meno nel rapporto tra funzione acquisti
dell ’azienda e funzione vendite del fornitore, o concludersi addirittura nel
rapporto tra due persone appartenenti alle due organizzazioni. In un certo senso,
questi aspetti del rapporto esistono e coesistono insieme; a volte sarà più evidente
un aspetto globale, altre volte l’aspetto personale potrà prevalere su quello
funzionale o aziendale. Ma in ogni caso, si ha il rapporto tra un sistema (o i suoi
elementi) ed un altro sistema (o i suoi elementi), e questa è la terza dimensione
della complessità.
La quarta dimensione della complessità è stata individuata da Morin come
“dimensione ologrammatica” (Morin, 1989). Un ologramma è un’ immagine
tridimensionale disegnata su un supporto adatto, ad esempio il vetro. Se
rompiamo il vetro, ogni frammento contiene sorprendentemente una copia
dell ’ immagine iniziale, meno nitida, ma riconoscibile. Questa è una caratteristica
comune a qualsiasi sistema complesso: ogni parte ha una conoscenza
dell ’ insieme, e si comporta organicamente al sistema in base a questa
conoscenza. Così, ogni cellula reca impresso il codice genetico dell ’ intero corpo
al quale appartiene, ogni funzione aziendale conosce il comportamento
dell ’ impresa alla quale appartiene e cerca di conformarsi ad esso, ogni persona
impiegata in una certa area aziendale conosce i meccanismi presenti sia in essa
che nell ’azienda intera. È come se si portasse un’ immagine ologrammatica
dell ’azienda alla quale appartiene; solo dalla sua esperienza sarebbe possibile
ricostruire grossomodo l’ intero sistema.
Analisi sistemica complessa
63
Con un po’ di fantasia possiamo estendere il concetto anche a sistemi che non
possono essere definiti pensanti. Ad esempio, un fiore cresciuto in un campo
spazioso e ben ill uminato sarà sicuramente più forte e più alto di uno cresciuto
nel folto di una buia foresta. Il fiore porta in se il “ricordo” (inteso nel senso di
sviluppo di un sistema secondo gli stati precedenti) della sua esistenza passata.
Una goccia d’acqua proveniente da un bicchiere non è diversa da quella
proveniente da una bottiglia, ma solo perché per l’acqua non ha senso la
differenza tra i due contenitori. La goccia è però diversa, almeno per un certo
tempo, se la prendiamo da un contenitore contenente acqua calda, ed una
contenente acqua fredda.
La quinta dimensione della complessità è la replicazione delle quattro
dimensioni precedenti a qualsiasi li vello. Così, se l’azienda è un sistema
complesso di divisioni, le divisioni sono sistemi complessi di persone, che sono
sistemi complessi di organi ecc. Allo stesso modo, settori competitivi sono
sistemi complessi di aziende, come lo sono alcune configurazioni di
fornitori/clienti consolidate. E le aziende fanno parte di sistemi economici
nazionali , internazionali , globali , i quali sono elementi per sistemi sociali di
dimensioni più disparate. La replicazione ad ogni l ivello delle quattro dimensioni
della complessità è la sua quinta dimensione.
È da notare come le dimensioni della complessità si fondano assieme. La
prima è la complessità tra elementi di un sistema. La seconda è la complessità tra
elementi e sistema. La terza è la complessità tra elementi, sistemi, ed elementi di
altri sistemi. La quarta è la dimensione ologrammatica, la capacità degli elementi
di contenere una rappresentazione dell ’ insieme. La quinta è la complessità
intrinseca degli elementi, anch’essi sistemi complessi. Il ciclo, infine, ricomincia;
ciò che era rapporto tra elementi per un sistema sovraordinato, per quegli
elementi (anche essi sistemi complessi) è un rapporto tra sistemi diversi. La
prima dimensione di complessità riferita al sistema corrisponde alla terza
dimensione di complessità riferita ai suoi elementi. Ogni dimensione si
I precetti dell ’analisi
64
compenetra e cambia aspetto a livelli di analisi diversi, Ogni dimensione
necessita delle altre dimensioni per poter esistere: in questo senso la complessità
è ricorsiva e chiusa su se stessa.
3.2.2) L’irriducibilità della complessità di base
In passato si è tentato di interpretare fenomeni complessi attraverso
spiegazioni articolate, dettagliate, complicate ma non complesse. Ogni tentativo
di indagare fenomeni complessi cercando l’elemento di base, una specie di
distill ato, di quintessenza alchemica, ha avuto qualche successo, ma ha dovuto
arrendersi di fronte a ciò che sembrava una fluttuazione erratica di valori di
riferimento. Così, un sistema economico sembrava comportarsi secondo leggi
descrittive decisamente semplici; le devianze dalle previsioni erano interpretate
come errori stocastici (sperabilmente a media zero). Ma inevitabilmente i
fenomeni presi in considerazione variavano il l oro comportamento in maniera
talmente imprevedibile da invalidare le semplici formule iniziali . Succedeva
qualcosa di imprevisto, di inaspettato, che metteva in crisi i modelli formulati. La
risposta a questi eventi imprevisti fu il tentativo di considerarli anch’essi casuali ,
e di stabili re che il modello era comunque valido “sotto certe ipotesi” . Ipotesi che
però non si verificavano più, una volta che il sistema si era complessificato.
Questo fenomeno, la devianza inarrestabile del comportamento dei sistemi da
schemi logici semplici, è spiegabile con una precisa affermazione: la complessità
di base non è riducibile. Non possiamo sperare di trovare definizioni semplici
(sinonimo di causa-effetto) per fenomeni complessi senza una perdita irreparabile
di conoscenza. Morin (1994:108) scrive:
“È certo necessario conoscere i principi semplici di interazione da cuiconseguono innumerevoli combinazioni, ricche e complesse. Cosìsappiamo ormai proficuamente che la grande diversità degli atomi,l’ infinita complessità delle molecole, si costituiscono a partire dacombinazioni fra protoni, neutroni ed elettroni che obbediscono ad
Analisi sistemica complessa
65
alcuni principi di interazione. Sappiamo che alcune semplici regolepermettono l’ infinita diversità delle combinazioni genetiche degliesseri viventi. Sappiamo che i principi di organizzazione dellinguaggio permettono di combinare all ’ infinito i fonemi nei discorsi.Accontentarsi di questo tipo di spiegazione significa però scantonarela complessità di partenza [...] e la complessità di arrivo [...] Laletteratura non è soltanto grammatica e sintassi, è Montaigne eDostoevskij.”
L’analisi tradizionale aveva come fulcro la definizione della realtà analizzata.
Tentava cioè di definire ciò che il sistema è. Da questa informazione, tramite
passaggi deduttivi di certezza assoluta, l’analisi desumeva ciò che il sistema fa.
Questo processo deduttivo si basa sulla tacita (e forse inconscia) premessa che
ciò che un sistema è in grado di fare dipende unicamente dal modo nel quale è
internamente organizzato. Esempli ficando: un circuito elettrico costituito da un
interruttore, una fonte di energia ed una lampadina è in grado di ill uminare un
ambiente quando desiderato. Lo si deduce dal fatto che la lampadina ill umina un
ambiente se collegata ad una fonte di energia, ed un interruttore è in grado di
collegare e scollegare una fonte di energia quando desiderato. Dalla struttura, dal
comportamento degli elementi si deduce il comportamento del sistema.
Se questo è agevole per i sistemi semplici, ciò è impossibile per i sistemi
complessi. La deduzione logica è infatti un processo di inferenza che a partire da
alcune premesse, giunge ad una conclusione (a partire dalla struttura si giunge al
comportamento del sistema). Nei sistemi complessi, la struttura è definita
ricorsivamente, quindi è impossibile dedurre il l oro comportamento. Se, ad
esempio, un sistema è formato da una bacinella d’acqua che viene versata su di
una piastra rovente, se gli unici dati a nostra disposizione sono che la piastra
rovente scalda l’acqua, e che l’acqua raffredda la piastra, non siamo in grado di
trarre alcuna conclusione certa: il problema, di fronte agli strumenti logico
deduttivi è mal strutturato. Se invece ridefiniamo il sistema studiando le proprietà
termiche dell ’acqua e della piastra, saremo in grado di dedurre un
comportamento globale per il sistema in base a strumenti matematici. Tuttavia un
I precetti dell ’analisi
66
calcolo esatto degli effetti è impossibile: esistono errori di misurazione delle
costanti termiche, condizioni ambientali i nfluenti (l’esperimento avviene in
laboratorio o all ’aperto?), fattori casuali (quanta acqua viene sprecata nell ’atto
del versare?) e moltissimi altri fattori che la teoria dei sistemi classici ignora,
ossia sempli fica. Un problema complesso, quindi definito ricorsivamente, può
essere ristrutturato in modo da presentarsi “risolubile” tramite procedimento
deduttivo, il quale, inevitabilmente, trarrà conclusioni esatte, partendo da
premesse errate (sempli ficate). Isabelle Stengers afferma che "occorre
considerare che la descrizione dei sistemi ‘semplici’ è una descrizione povera,
adatta soltanto ai casi li mite singolari che costituiscono i sistemi a
comportamento reversibile" (1985:68).
In generale, se fosse possibile dare una definizione semplice (non ricorsiva) di
fenomeni complessi senza introdurre semplificazioni, otterremmo delle premesse
valide, dalle quali l a logica deduttiva è in grado di trarre senza errore conclusioni
valide ed esatte. Tuttavia, ogni tentativo di spiegare un fenomeno in termini
semplici introduce una sempli ficazione.
Le diverse discipline che studiano sistemi e modelli hanno introdotto
terminologie proprie per indicare questo fenomeno. La fisica chiama l’effetto
distorcente dovuto alla sempli ficazione dei fenomeni “errore di misurazione”. La
statistica lo chiama “errore normale”. L’economia lo chiama “fluttuazioni
erratiche (delle grandezze economiche)” , o si rifà alla terminologia della
statistica. In ogni caso, la sempli ficazione introduce un errore.
Il problema potrebbe chiudersi con la discussione sulla grandezza dell ’errore,
o con la definizione di strumenti di analisi più precisi; così è stato tentato fino ad
ora. Si è cercato di eliminare l’errore dovuto alla sempli ficazione (o di ridurne
l’ importanza) tramite valutazioni dello stesso. Così, ad esempio, “Theil i ndica
che i vincoli propri del modello econometrico debbano essere espressi in termini
probabili stici” (Predetti, 1995).
Analisi sistemica complessa
67
Purtroppo, con l’evolversi degli studi sulla complessità si è visto come questa
operazione sia concettualmente errata. Ritornando all ’esempio semplice della
piastra calda e dell ’acqua versata, le leggi trovate nell ’ambito della disciplina
fisica sono in grado di determinare il comportamento di tale sistema (con un dato
margine di errore) se l’esperimento si svolge in condizioni di laboratorio, ossia se
l’acqua viene versata meccanicamente, in un ambiente isolato a temperatura
costante, usando un tipo particolare di acqua (in genere si usa acqua distill ata), e
se nessun fattore esterno imprevisto interviene nell ’esperimento. In questo caso,
la fisica risolve un problema che non esiste, perché nessuno, a parte qualche
ricercatore, si troverà nelle condizioni stabilit e.
Trasfigurando l’esempio in una realtà economica, l’economia politi ca è in
grado di determinare il comportamento del mercato se non ci sono turbamenti
provenienti da altri mercati (lo shock petroli fero del 1974 è un esempio), se i
mercati sono isolati dal mondo non economico (se il capo dello stato sta male la
borsa crolla, a volte), se non si considerano aspetti psicologici degli operatori, e
la lista di vincoli potrebbe continuare. In questo caso (nella realtà sempli ficata),
si ottiene una stima imprecisa, ma aff idabile, dell ’andamento dei mercati. Il
problema è che il modello studiato non ha niente a che vedere con la realtà
analizzata. Introdurre anche una sola sempli ficazione significa analizzare una non
realtà, una situazione diversa da quella esistente, e che può portare solo ad una
conseguenza : l’ interpretazione scorretta del fenomeno.
Questo è il problema legato al processo di sempli ficazione. Ci consente di
analizzare correttamente fenomeni non reali , perché mutila la complessità di
base. L’effetto del processo di sempli ficazione è quindi quello di ottenere delle
stime di fenomeni reali distorte. Tale distorsione non è dovuta all ’errore “di
misurazione”, ossia l’errore insito negli strumenti e nelle metodologie adottati
per svolgere le misurazioni; le distorsioni sono inevitabilmente dovute ad una
scorretta interpretazione del fenomeno.
I precetti dell ’analisi
68
Come abbiamo visto in precedenza, analizzare un sistema complesso a partire
dalla sua struttura significa sempli ficarlo. La struttura è infatti uno schema
rappresentativo costruito dal ricercatore, sulla base di ipotesi li neari. Una
qualsiasi struttura comporta la definizione di elementi semplici. Una struttura
tratta da un’azienda nella quale la funzione acquisti riceve ordini dalla
produzione e invia ad essa materiali non ha niente di complesso. In tale
definizione del fenomeno azienda si è infatti ipotizzato che le due funzioni siano
isolate come camere stagne, e funzionanti indipendentemente dall ’esistenza l’una
dell ’altra. I flussi operativi (di ordini, materiali o quant’altro) non sono
definizioni ricorsive ; il fatto che la funzione acquisti “mandi qualcosa” al reparto
produzione, e questo “chieda qualcosa” agli acquisti non mette le due funzioni in
relazione ricorsiva. Gli acquisti non sono definiti i n base alla produzione, e
viceversa, dunque una struttura concepita in tale maniera non è complessa,
qualunque sia il numero di funzioni e la diversità di relazioni tra di esse.
La struttura, abbiamo detto in precedenza, coglie quindi solo un aspetto
parziale del fenomeno analizzato, tralasciandone altre; in altre parole introduce
sempli ficazioni. L’esempio appena portato mette in luce il fatto che il ricercatore
che ha sempli ficato l’ impresa come insieme di “blocchi funzionali ” e relazioni
formali tralascia altri elementi che esistono in essa, come relazioni interpersonali ,
contatti con il mondo esterno, scambi di opinioni, ed un’ infinità di altri elementi.
Per gli stessi motivi indicati sopra, la realtà individuata dal modello di struttura
non coglie nell ’ insieme il fenomeno dell ’esistenza dell ’ impresa.
Riassumendo, se studiamo un sistema complesso a partire dalla sua struttura,
è certo che il suo comportamento sarà imprevedibilmente differente da quello
dedotto.
Questa non è un’ammissione di impossibilit à di analisi: questo precetto
afferma solo che pur conoscendo gli elementi del sistema e le relazioni
intercorrenti tra di essi è impossibile prevederne il comportamento con esattezza.
Analisi sistemica complessa
69
La nostra attenzione si deve quindi focalizzare su un altro aspetto, che siamoin grado di studiare senza sempli ficare la realtà; questo approccio è descritto dalprossimo precetto del metodo.
3.3) Studio dei risultati ottenuti dal sistema.
L’ASC non cerca di prevedere il comportamento del sistema in base alla sua
struttura: abbiamo dimostrato come qualsiasi definizione di struttura di un
sistema sia infatti riduttiva, ed incapace di cogliere la realtà nella sua
complessità. È necessario trovare un’altra strada, un altro metodo di analisi.
Il fuoco dell ’analisi è concentrato sul comportamento del sistema, o in altre
parole, sui risultati da esso ottenuti. Per questo motivo, l’ASC non studia i
risultati di impresa a partire dalle singole funzioni aziendali , o dagli impiegati, o
dalle procedure mantenute dall ’azienda, o da qualsiasi altro schema che
sempli fichi l ’essenza di un’ impresa.
Scrive Langton: “The most surprising lesson we have learned from simulating
complex physical systems on computers is that complex behavior need not to
have complex root.” (Walldrop, 1993:279). Poco più avanti, Walldrop
(1993:279) commenta i risultati ottenuti da Langton: “More precisely, he
[Langton] says that you should look at the systems in terms of how they behave
instead of how they are made.”
Il sentore della necessità di studiare i sistemi complessi a partire dal loro
comportamento, e non dalla loro struttura, era dunque già presente da qualche
tempo. L’ASC raccoglie questo invito, cercando di dare al concetto una sostanza
ben precisa.
I precetti dell ’analisi
70
3.3.1) Il tutto è più della somma delle parti
Il titolo del presente sottoparagrafo è tratto da un lavoro di Morin (1994:136).
È giunto il momento di chiederci quale sia il motivo dell ’esistenza della
complessità. La domanda che dobbiamo affrontare per procedere è “Perché
esistono i sistemi complessi?”
Prima di procedere nel dare una risposta a tale questione, è utile mostrare un
esempio che permetta al lettore di capire a fondo la problematica, e che gli
consenta di avere spunti di riflessione propri.
L’esempio è il seguente: in epoca primitiva gli esseri umani (o i loro
progenitori) si sono aggregati perché trovarono conveniente cacciare e difendersi
in gruppo. Evidentemente, si accorsero che un individuo, da solo, poteva
procurarsi cibo appena suff iciente a sfamare se stesso e la propria famiglia, e non
avrebbe potuto affrontare periodi di malattia o di incapacità temporanea. In
gruppo, invece, vi sarebbero state delle sinergie che avrebbero permesso agli
esseri umani di cacciare meglio, e di venire sfamati quando si fossero ammalati.
Nasceva la prima società, un sistema complesso a tutti gli effetti: da
un’aggregazione di persone nasceva una potenziata capacità di procacciare cibo
ed una sorta di mutua assistenza.
L’esempio può essere ripetuto per qualsiasi sistema complesso. Le cellule si
riuniscono in colonie per ottenere migliori probabilit à di sopravvivenza, le parole
sono organizzate in discorsi per trasmettere un significato, un concetto...
La lista è infinita, ma da qualsiasi forma di aggregazione, di organizzazione,
traiamo lo stesso insegnamento. I sistemi complessi nascono per sfruttare
capacità (ottenere risultati) irraggiungibili prima della loro formazione. Così
gruppi di persone si sostituiscono in impresa per sviluppare e sfruttare capacità di
gruppo, impossibili da ottenere per un individuo. Ad esempio, quando
un’ impresa si forma e diventa operativa, nasce la capacità di gestire la clientela,
di produrre, di vendere, di comunicare la propria immagine, ed altre capacità
Analisi sistemica complessa
71
globali dell ’ impresa che non possono essere riferite in particolare ad alcuni dei
suoi elementi funzionali .
Questi risultati, ottenuti tramite l’organizzazione in ente complesso di elementi
prima disgiunti, sono definiti emergenze (Morin, 1994), nel senso di “qualità,
capacità, prodotto nuovo che emerge dall ’organizzazione di elementi nei sistemi
complessi” . Lo scopo della complessità è produrre emergenze. Attraverso le
relazioni circolari si creano delle forze, delle sinergie che si manifestano sotto
forma di capacità emergenti. In questo senso il tutto è più della somma delle
parti; un lavoratore o una macchina non sono in grado di produrre automobili , ma
mill e lavoratori e mill e macchine, assieme alla loro organizzazione, sono in
grado di farlo. Ecco cosa si intende per emergenza: quella parte del tutto che
eccede la somma delle capacità degli elementi. Una definizione molto chiara di
emergenza è data da Casti: "[The word emergence] refers to the way the
interactions among systems components generates unexpected global system
proprieties not present in any of the subsistems taken individually." (Casti, 1997:
91).
Questo è oggetto dell ’analisi complessa: l’emergenza. In termini di impresa,
l’emergenza è quella capacità sviluppata nel sistema, della quale il sistema si
avvale per sopravvivere. Le emergenze sono necessità, dato che sistemi
complessi di ordine inferiore si aggregano per svilupparle: così, gli antenati del
genere umano divennero animali sociale per “produrre” difesa, capacità di caccia,
protezione5. L’ impresa si forma per produrre competitività, capacità reddituale,
capacità di produzione e molte altre emergenze.
5 In realtà è oramai pacifico che il comportamento sociale degli esseri umani sia stato ereditato dagli antichi progenitori
primati. Già lo Australopithecus manifestava abitudini sociali (Coon, 1994); questo vuole essere solo un esempio delle
conseguenze dell ’attivazione di un’organizzazione tra elementi che non organizzati.
I precetti dell ’analisi
72
3.3.1.a) Emergenze del sistema e degli elementi
Il sistema nel suo complesso, come entità, acquisisce delle capacità nuove,
sconosciute ai suoi elementi. Nello stesso tempo, anche gli elementi che si
costituiscono in sistema acquisiscono nuove capacità, inattive o inesistenti al di
fuori dell 'organizzazione, e possono quindi sviluppare emergenze. Dalla prima
dimensione di complessità (interazione tra elementi costituenti), un sistema
complesso riesce a sviluppare emergenze a livello globale. Dalla seconda e terza
dimensione della complessità (interazione tra sistema, elementi e sistemi esterni)
nascono emergenze riferibili ai singoli elementi. Così, l’essere primitivo,
immerso in un contesto sociale, impara a parlare. Mentre il gruppo acquisisce (ad
esempio) la capacità di tendere agguati alle prede, il singolo acquisisce la
capacità di comunicare. Tale emergenza sarebbe stata assolutamente inutile al di
fuori del sistema, e quindi ha senso solo in esso. Si hanno allora le emergenze del
sistema (o sistematiche) nel primo caso, e le emergenze degli elementi (o
elementari) nel secondo. Un esempio che riguardi l ’ impresa può coinvolgere la
funzione di vendita vista come sistema, ed i suoi elementi (venditori). La
funzione di vendita acquisisce l’emergenza della capacità di proporsi al mercato,
tramite strutture ed organizzazioni. Una persona, quando viene inquadrata
organizzativamente come venditore, acquisisce l’emergenza della persuasione
all ’acquisto. È importante studiare entrambe queste emergenze per conoscere la
reale forza di vendita di un’ impresa.
È chiaro che esiste un’emergenza elementare per ogni elemento del sistema e
per ogni tipo di emergenza. Così, la “persuasione alla vendita” di Rossi è diversa
da quella di Bianchi. Tuttavia, se una certa emergenza elementare è diffusa in
maniera uniforme in tutta la struttura organizzativa presa in considerazione, è
possibile approssimare tale emergenza ad un'emergenza di sistema. Nulla vieta
però di considerare le emergenze elementari singolarmente, metodo utile per
stilare una classifica dei venditori, ad esempio.
Analisi sistemica complessa
73
3.3.2) Il tutto è meno della somma delle parti
Anche il tit olo di questo paragrafo è tratto dall ’opera di Morin. L’affermazione
racchiusa nel titolo è in aperta contraddizione logica con quella contenuta nel
titolo precedente. Logica vuole che se “ il tutto è più della somma delle parti” non
possa essere “meno” di ciò. Ma questa è una conseguenza indicata dal
ragionamento deduttivo, che sempli fica il contenuto delle due frasi. Per essere
brevi, le due affermazioni colgono due aspetti differenti dello stesso fenomeno:
l’organizzazione complessa. Infatti i sistemi hanno sì capacità superiori a quelle
degli elementi, ma in cambio rinunciano spesso ad altre capacità che gli elementi,
da soli , potrebbero esercitare. Continuiamo l’esempio della società primitiva. Se
il gruppo è formato anche da anziani, malati e bambini, sorge la necessità di
stanziarsi in un preciso luogo. Per mobilit are tutto il gruppo, di fronte ad una
pericolo mortale come un incendio, un’ inondazione, o una carestia, sarebbe
necessario un certo preavviso. La capacità di movimento dell ’ intero sistema
(tribù) è certo inferiore a quella posseduta dagli i ndividui più forti presenti in
esso. In pratica, il sistema ha una capacità in meno degli elementi: la mobilit à.
Morin chiama questo tipo di limit azioni “vincoli ” . Un vincolo di sistema è “una
capacità che possiedono alcuni elementi e che il sistema non possiede”.
Anche l’azienda, o l’ impresa, impone dei vincoli . Il più evidente è il vincolo di
mobili tà: le persone si muovono, le imprese no, almeno nella maggioranza dei
casi.
I vincoli sono restrizioni di li bertà che sia i sistemi, sia gli elementi in esso
devono subire per ottenere le emergenze. Scrive Morin (1994:145):
“Vi sono sempre, in ogni sistema, anche in quell i che produconoemergenze, dei vincoli sulle parti, che impongono restrizioni e servitù.Questi vincoli, restrizioni, servitù fanno perdere alle parti determinatequalità o proprietà o le inibiscono. In questo senso, dunque, il tutto èmeno della somma delle parti.”
I precetti dell ’analisi
74
Quindi un sistema complesso, che possiede per sua natura un’organizzazione,
è costretto ad “ imbrigliare” i suoi elementi in modo che l’ individualità degli
elementi non metta in pericolo il sistema. Proprio questi l imiti sono il fulcro
dell ’organizzazione. Qualsiasi forma di organizzazione si esprime attraverso
regole, ossia limiti all ’operatività individuale dei suoi elementi. Così, in una
cellula esistono gli enzimi che rallentano le reazioni di combustione degli
zuccheri. Senza di essi, la cellula brucerebbe. In un’azienda esistono limiti alle
aree di responsabilit à, ed al comportamento degli i ndividui; senza di essi
l’ impresa non potrebbe sopravvivere. In questo senso i vincoli non hanno valenza
negativa: rappresentano i li miti imposti dal sistema a se stesso ed ai suoi elementi
nella creazione dell 'organizzazione, dalla quale nasceranno le emergenze. In
questo senso, i vincoli sono funzionali alla creazione di emergenze, che sono la
vita del sistema complesso.
3.3.2.a) Vincoli del sistema e degli elementi
Specularmente a quanto avviene per le emergenze, esistono anche vincoli
degli elementi e vincoli del sistema. In entrambi i casi, essi originano dalla
necessità dell ’organizzazione di li mitare l’operatività dei singoli elementi; quindi
in ogni caso, i vincoli sono imposti dal sistema agli elementi. È però utile alla
nostra analisi assumere che i vincoli diffusi a tutti gli elementi del sistema, e che
in qualche modo determinano il sistema stesso, siano riferiti all ’organizzazione
nel suo complesso. Così, ad esempio, il vincolo di mobilità di cui abbiamo
accennato sopra è dovuto al fatto che l’organizzazione impone ai suoi elementi di
lavorare in un certo luogo fisico per un certo periodo di tempo. A ben vedere, il
vincolo è imposto agli elementi del sistema. Tuttavia è utile pensare questo
vincolo come appartenente all ’organizzazione. Essa infatti non è in grado di
muoversi, mentre i suoi elementi, al di fuori di essa, possono.
Analisi sistemica complessa
75
Così distingueremo i vincoli i n elementari e sistemici. I primi sono dovuti alle
libertà, capacità o proprietà che un elemento perde nell ’organizzazione del
sistema. I secondi sono individuati dall ’ incapacità del sistema di acquisire
proprietà, capacità o libertà possedute dagli elementi prima della loro
organizzazione.
3.3.3) Antiemergenze e antivincoli
Come abbiamo visto, sia le emergenze che i vincoli hanno una valenza
positiva nella vita dei sistemi complessi. Le emergenze sono la forza stessa del
sistema, sono in un certo senso la misura della sua vita, della sua capacità di
esistere. I vincoli sono necessari alla formazione di emergenze. È evidente che
l'assenza di emergenze corrisponde alla disgregazione del sistema; stessa cosa si
può dire dei vincoli , dato che senza vincoli non esistono emergenze. In poche
parole, emergenze e vincoli sono un bene, e la loro assenza è un male; i concetti
di bene e male possono essere mutati direttamente dall 'economia utilit aristica, in
modo da non doverci appoggiare alle lunghe disquisizioni filosofiche che sono
sorte sull 'argomento.
Durante la stesura della tesi, sono state incontrate alcune diff icoltà riguardo a
questa dicotomia tra bene e male: ci siamo imbattuti in lampanti esempi di
emergenze dannose per il sistema. Sembrano esistere, cioè, qualità, capacità,
prodotti nuovi che emergono dall 'organizzazione e che non sono strumentali al
perdurare nel tempo del sistema, ma anzi sembrano minare la sua solidità. Così,
ad esempio, per quanta fiducia possa aver accumulato una impresa qualsiasi, vi
sarà sempre una certa quantità di sfiducia che essa non potrà evitare di creare.
Anche la sfiducia nell 'impresa nasce solo a livello aggregato; se il cliente X non
ha nulla di personale contro il venditore Y dell 'impresa Z, ma manifesta pesanti
dubbi sulla capacità di Z di mantenere fede ai propri impegni, ecco che si è
I precetti dell ’analisi
76
venuta a creare una sfiducia non nei singoli elementi specifici di Z, ma nella sua
intera organizzazione. Una vera e propria emergenza di sistema. Allo stesso
modo, l'utente X può non aver niente di personale contro l'uff iciale Y che lo sta
servendo dietro allo sportello dell 'istituzione Z (ad. es. poste, anagrafe, banca,
ecc…) ma può provare una forte antipatia per Y non come essere umano, ma
come esponente dell 'istituzione Z. Siamo di fronte ad un'emergenza elementare:
un'antipatia accumulata verso Y da parte di X unicamente in base al fatto che Y
appartiene al sistema complesso Z.
Nonostante questi chiari esempi, ogni volta che in letteratura si trova il
termine "emergenza", questo è associato ad un'idea positiva, ad un meccanismo
utile al sistema stesso per perpetrare la propria organizzazione nel tempo. Ciò
sembra dovuto ad un errore tipico del pensiero causale, errore che i costruttivisti
definiscono "confusione tra negazione attiva e negazione passiva" (Elster,
1985:153ss).
Utili zzando il predicato logico Necessità (N), stabili amo che
( ) ( )vNvN ≠
In altre parole, se si dice che "è necessario che v non sia vero", questa è
un'affermazione ben diversa da "non è necessario che v sia vero". La prima
forma implica la certezza che un certo predicato logico sia falso, ed è chiamata
negazione attiva. La seconda indica che esiste la possibilit à che il predicato non
sia vero, e viene chiamata negazione passiva. Quindi se affermiamo "X è
necessariamente emergenza", esistono due negazioni possibili; una è la
negazione passiva: "X non è necessariamente emergenza". La letteratura della
scienza della complessità ha considerato, fino ad ora, solo questa forma di
negazione: un'emergenza può esistere o non esistere, può essere presente o
assente. La sua presenza è un bene, la sua assenza è un male.
Ma il predicato precedente può essere negato anche dicendo "X è
necessariamente non emergenza". Quindi possiamo concepire un altro "male" per
Analisi sistemica complessa
77
l’organizzazione, che non si sostanzia nell 'assenza di emergenze (negazione
passiva) ma nella presenza di non-emergenze, o in altre parole, nelle
antiemergenze (negazione attiva).
Così capiamo che la sfiducia, pur avendo la stessa natura di un'emergenza,
agisce in senso inverso, accumula un "male" dell 'impresa. Non esiste sistema
biologico che non produca "scorie", ossia veleni capaci di portare il sistema alla
disgregazione. Così le emergenze di una società sono la solidarietà, l'assistenza,
la protezione dalle aggressioni esterne, e molte altre ancora. Ma la società
produce anche aberrazione, criminalità, dissenso, che sono prodotti inevitabili
dello stesso processo di interazione tra i cinque livelli di complessità che genera
le controparti positive. Emergenze ed antiemergenze nascono dallo stesso
sistema complesso per gli stessi motivi, ma hanno una valenza opposta. Le
emergenze sono energia, forza, risorse necessarie al sistema per proseguire il
proprio esistere. Le antiemergenze sono scorie, debolezze, sono la
manifestazione della naturale tendenza alla disgregazione presente in qualsiasi
organizzazione. E questo nonostante la loro natura comune.
Così esiste l'emergenza fiducia nelle imprese, o meglio, nel sistema complesso
formato da una certa impresa e dai suoi interlocutori; ma può esistere anche
l'antiemergenza sfiducia. Mentre la prima permetterà al sistema di perdurare,
andando ad incrementare altre emergenze che torneranno ad incrementare la
fiducia stessa, la sfiducia opererà in maniera inversa: incrementerà altre
antiemergenze, o correderà il patrimonio di emergenze accumulato dall 'impresa.
Nella stessa maniera in cui esistono emergenze ed antiemergenze, possono
esistere vincoli ed antivincoli . Mentre i primi permettono l'esistenza e la
creazione di emergenze, inibendo lo sviluppo di antiemergenze, i secondi
opereranno in modo speculare. Un antivincolo costituirà un fattore che rallenta o
rende diff icile lo sviluppo di emergenze, o che favorisce lo sviluppo di
antiemergenze.
I precetti dell ’analisi
78
È necessario sottolineare che mentre la valenza di ciò che emerge come
prodotto, capacità, proprietà nuova del sistema a partire dai suoi elementi è
sempre stata ritenuta positiva, Morin ha accennato ad una possibile valenza
negativa di certi vincoli (1994:144-148). Anzi, Morin assegna ai vincoli una
valenza originariamente negativa, nella limitazione di proprietà, capacità e
prodotti che altrimenti potrebbero essere disponibili all 'intero sistema, e solo in
via mediata assegna ad essi il compito di "guardiani delle emergenze", ossia di
fattore che permette all 'organizzazione di mantenersi e perdurare, quindi di
generare emergenze.
Probabilmente, si tratta di una distorsione di tipo culturale. Mentre ciò che si
riesce a fare è "buono" ciò che limita la libertà è "cattivo", e può essere "buono"
solo se questa limitazione permette di creare qualcos'altro di "buono". Nel vivere
sociale si rinuncia a parte della propria libertà solo per ottenere nuovi vantaggi,
non ottenibili prima dell 'aggregazione sociale. Altrimenti ogni privazione di
libertà è una vessazione impropria, che non può essere altro che "male".
Con ogni probabilit à, la potenziale valenza negativa di alcune emergenze non
è stata notata in precedenza a causa di questo tipo di pensiero, che tra l'altro
confonde la negazione attiva di fenomeni con la negazione passiva. L'errore è: se
"emergenza" è bene e "assenza di emergenza" è male, non è necessario andare
oltre; abbiamo un enunciato (emergenza) ed il suo opposto (assenza).
Invece esistono due opposti, uno frutto della negazione attiva e l'altro frutto
della negazione passiva. Ciò è osservabile applicando la logica classica e
razionale; non è necessario appoggiarsi a concetti filosofici astratti per
dimostrare l'esistenza dei due tipi diversi di opposto.
Analisi sistemica complessa
79
3.3.4) Ambito di studio
L’ASC non studia i sistemi come insieme di elementi e di relazioni; studia ciò
che nasce dall ’organizzazione degli elementi in sistema. I risultati di questa
analisi vengono divisi in otto classi:
• Emergenze di sistema: ciò che sorge dall ’organizzazione tramite le
sinergie ottenute, e che non potrebbe essere raggiunto dai singoli .
• Antiemergenze di sistema: ciò che di nuovo sorge dall ’organizzazione in
termini di proprietà indesiderate, sottoprodotti nocivi o incapacità rispetto
ai singoli elementi.
• Emergenze degli elementi: le proprietà, capacità e prodotti generati dagli
elementi solo in quanto facenti parte del sistema analizzato.
• Antiemergenze degli elementi: ciò che compare negli elementi solo dopo
l'aggregazione, e che può risultare nocivo per l'organizzazione nel suo
insieme o per le sue parti.
• Vincoli del sistema: le capacità che gli elementi possiedono ma che non
vengono utili zzate a livello di sistema per permettere la generazione di
emergenze, o l'inibizione di antiemergenze.
• Antivincoli del sistema: le capacità che gli elementi possiedono ma che
non possono essere utili zzate a livello di sistema, quando questo
compromette la possibilit à di generare emergenze o favorisce la nascita di
antiemergenze.
• Vincoli degli elementi: le capacità possedute dagli elementi alle quali
questi devono rinunciare se entrano a far parte del sistema, al fine di
partecipare al processo di generazione delle emergenze e di inibire la
formazione di antiemergenze.
• Antivincoli degli elementi: le capacità possedute dagli elementi alle quali
questi devono rinunciare se entrano a far parte del sistema, quando ciò
I precetti dell ’analisi
80
riduce la loro possibilit à di partecipare alla creazione di emergenze o
induce alla generazione di antiemergenze.
Chiameremo questi otto "mattoni" dell 'ASC col nome di "basi di analisi", o
più semplicemente "basi".
Adesso giunge la questione fondamentale, alla quale l’ASC tenta di dare una
risposta. Ci chiediamo se questi otto fenomeni siano in qualche modo correlati.
Ci chiediamo se, esistendo numerosi vincoli ed emergenze individuabili i n un
sistema complesso, possa esistere una qualche relazione ben individuabile tra di
essi. Rispondere a questa domanda significa spiegare cosa accade a tutte le
emergenze e vincoli all ’aumento (o diminuzione) di un numero ridotto di essi. In
parole semplici, vogliamo capire se esistono relazioni tra le basi di analisi dello
stesso tipo e tra tipi differenti di basi.
I vincoli e le emergenze, come le loro negazioni attive, nascono dal sistema
complesso. Sono espressione delle relazioni complesse (e quindi ricorsive) degli
elementi in esso. Non hanno quindi una vita propria, non sono “cose a se stanti” .
Sono dei risultati, delle espressioni dell ’ intera organizzazione, nel suo complesso
e nelle sue parti costituenti. È il caso di procedere con un esempio di semplice
interpretazione.
Studiamo una famiglia composta da padre, madre e figlio neonato.
Ammettiamo di non conoscere le relazioni che esistono all ’ interno di essa, e di
voler studiare la famiglia da un punto di vista tale che ci consente di evidenziare
alcune basi. Studiamo prima le emergenze del sistema (ossia della famiglia. Cosa
può fare la famiglia che il singolo non è in grado di ottenere ?)
• Sociali tà: la suddetta famiglia vive in un ambiente sociale che penalizza
fortemente i single. Dato quest’ambiente, l’esistenza di una famiglia è
prerequisito per l’attivazione della vita sociale.
• Sicurezza: Se uno dei membri si ammala, gli altri membri della famiglia
possono occuparsi di lui durante il periodo di infermità.
Analisi sistemica complessa
81
Vediamo adesso le emergenze elementari che ci interessano.
• Possibili tà di studio: Il lavoro degli altri membri della famiglia permette
ad alcuni di essi di studiare.
• Possibili tà di lavoro: l’esistenza di un’organizzazione interna alla
famiglia permette agli elementi presenti di lavorare con maggiore
proficuità. Per esempio, le faccende domestiche possono essere curate a
turno, mentre un single dovrebbe occuparsene interamente da solo,
diminuendo così il proprio tempo disponibile.
Individuiamo ora un vincolo di sistema ed uno elementare. Il primo consiste
nella mobilit à; la famiglia non può muoversi facilmente come un single. Nella
nostra famiglia lavorano sia il padre che la madre, quindi entrambi sono legati ad
un certo luogo da un contratto di lavoro. Un vincolo elementare può essere
rappresentato dalla minore disponibilit à di tempo libero. Nell ’occupare il proprio
tempo libero, ognuno dei membri dovrà preoccuparsi anche degli altri (ad
esempio in una calda domenica primaverile il padre potrebbe preferire andare
allo stadio, ma optare per una gita al lago per il bene della moglie e del figlio).
A puro titolo di esempio, è bene prendere in considerazione l'antiemergenza
"spesa variabile". Normalmente, un single dovrebbe pensare solo alle proprie
esigenze per quanto riguarda le spese attinenti al proprio mantenimento (ossia, le
spese correnti che non hanno a che vedere con i costi fissi delle forniture di
elettricità, acqua, gas, telefono, e con i costi legati all 'abitazione). In una famiglia
tali spese aumentano, di modo che la spesa di una famiglia composta da tre
persone è generalmente maggiore della spesa di tre single. Lo sanno bene le
innumerevoli coppie di persone già emancipate dalla famiglia che vivono sole, ed
attendono una maggiore capacità reddituale per avviare la convivenza. Se in una
famiglia aumenta la capacità di reddito, aumentano certamente anche le spese in
maniera più che proporzionale; cosa che sottintende la presenza di un'emergenza.
Siccome l'elevata spesa è un fattore che tende alla disgregazione del sistema, è
I precetti dell ’analisi
82
ovvio che la maggiore spesa della famiglia rispetto alle sue componenti è
un'antiemergenza.
Allo stesso modo possiamo individuare un'antivincolo: il vincolo di
destinazione delle spese. La famiglia è obbligata, molto più di un single, a
investire certi quantitativi di denaro in certe categorie di beni, come ad esempio
le spese che riguardano l'istruzione dei figli , risparmi per garantire il futuro della
famiglia, vacanze ecc…
Vediamo adesso come queste basi di analisi siano interrelate. L’emergenza
elementare “possibilit à di lavoro” è strettamente legata all ’emergenza “possibilit à
di studio” . Lo studio infatti costa denaro, ed il lavoro lo procura. La possibilit à di
lavoro è in qualche modo legata al vincolo di mobilità del sistema. Se nessuno
lavorasse, non avrebbe senso parlare (nella famiglia dell ’esempio) di incapacità
di movimento. Inoltre, se nell ’ambiente di riferimento hanno importanza il l avoro
e lo studio come fattori sociali , entrambe queste emergenze saranno legate
all ’emergenza sistemica di “socialità”. Indubbiamente, la possibilit à di essere
curati (sicurezza) ha in qualche modo una relazione con la capacità di lavorare e
studiare (meno giorni di malattia), ed il vincolo di minor tempo libero personale
è in qualche modo interessato dal vincolo di mobilit à (un membro non può
andare dove vuole ignorando le esigenze degli altri), e con tutte le emergenze.
Dedicarsi alla vita sociale come famiglia, o allo studio, o a curare un infermo o al
lavoro, sottrae certamente tempo libero personale.
L'antivincolo di destinazione delle spese favorisce lo sviluppo
dell 'antiemergenza "maggiore spesa", che a sua volta influenza negativamente
l'emergenza "sicurezza", visto che avendo minore liquidità disponibile, la
famiglia è più vulnerabile dei suoi singoli elementi di fronte a shock negativi
della disponibilit à di potere di acquisto. L'emergenza "possibili tà di lavoro", che
genera reddito, diminuisce l'importanza dell 'antivincolo di destinazione delle
spese.
Analisi sistemica complessa
83
È necessario precisare che la presenza di un'emergenza non esclude la
presenza di un'antiemergenza che agisce in senso contrario. Avremmo potuto
inserire l'emergenza "maggior reddito" e "minori spese (su costi fissi)", che
avrebbero agito in senso opposto alla "maggior spesa (su costi variabili )".
Questo semplice esempio ha il solo scopo di evidenziare come esistano delle
relazioni tra le basi di analisi; queste relazioni non sono dovute ad una diretta
causalità di fenomeni. Nel nostro esempio, non è la possibilit à di lavoro a causare
la mancanza di mobilit à; le relazioni esistenti sono dovute alla morfologia del
sistema nella sua complessità. Non abbiamo studiato le relazioni esistenti
all ’ interno della famiglia, ma nonostante questo siamo in grado di riconoscere
che il sistema è conformato in modo tale che, se per un qualunque motivo accade
qualcosa ad un’emergenza, questo è un segno che qualcosa è accaduto
all ’organizzazione (nel nostro caso la famiglia). Sappiamo anche che questo
cambiamento si ripercuoterà in una certa misura sulle altre emergenze e sugli
altri vincoli , perché anch’essi nascono dall 'organizzazione.
In un certo senso, prendiamo le emergenze ed i vincoli come “spie” dello stato
della struttura complessa. Ammettendo di non poter analizzare la struttura
dell ’organizzazione complessa, ne studiamo i risultati, e le relazioni esistenti tra
di essi. Relazioni, queste, non dirette, ma mediate dalla struttura. Capiamo quindi
che se un sistema complesso è in grado di generare le emergenze A e B, se nel
sistema avviene un cambiamento tale da modificare A, anche B potrà subire una
variazione.
3.4) Inclusione dell'osservatore nell’analisi
L’epistemologia della complessità e la logica complessa riconoscono che
l’osservatore della realtà non è neutrale rispetto ad essa. Le analisi, qualsiasi sia il
I precetti dell ’analisi
84
loro contesto o il l oro oggetto, hanno uno scopo. Tale scopo è in prima istanza la
chiarificazione di un fenomeno sconosciuto. Ciò è strumentale all ’ottenimento di
un determinato risultato che può essere il controllo del fenomeno, una sua
documentazione, o un intervento di portata variabile su di esso. In ogni caso,
colui che conduce l’analisi deve rispondere a necessità di vario genere,
puramente conoscitive o di supporto decisionale, e l’analisi della realtà sarà
differente a seconda del risultato che si deve ottenere.
Si vuole in pratica far cadere il dogma della scienza “semplice”, che stabili sce
come “fatto scientifico” solo ciò che è verificabile e replicabile in senso assoluto.
La logica complessa afferma che non esistono realtà oggettive, ma solo fatti
conoscibili , ed interpretabili per quanto conosciuti. Nell 'analisi complessa, tutto
ciò che è indagabile deve essere definito, ossia deve esistere un rapporto tra un
osservatore ed un oggetto di analisi. Inserire l'osservatore nell 'analisi, capire cioè
i suoi scopi, le sue limitazioni, le sue necessità, è strumentale alla comprensione
della definizione, che è un rapporto complesso tra due entità (osservatore ed
oggetto). Così, Le Moigne afferma che "la complessità forse non è nella natura
delle cose, ma nelle rappresentazioni che ne costruiamo" (1985:98 corsivo nel
testo).
Si tratta anche qui di un precetto nuovo; discuterne le complete implicazioni
metodologiche e filosofiche va ben al di là degli scopi di questo lavoro. La
trattazione in questa sede di questo punto si concentra infatti sul significato che
questo precetto assume nel metodo di analisi proposto.
Cominciamo dunque con un esempio introduttivo. Ammettiamo di dover
analizzare il sistema sociale contemporaneo tramite l’ASC. Affinché questo sia
possibile, dobbiamo definire due punti di riferimento: cosa intendiamo per
sistema e cosa per elemento. In entrambi i casi, la discrezionalità delle scelte può
generare infinite varianti. Il metodo tradizionale richiede l’eliminazione di ogni
ambiguità: saremmo costretti ad accettare una definizione data di società ed a
considerare come elementi solo quelli proposti. A questo punto, i risultati
Analisi sistemica complessa
85
dell ’analisi discendono come conseguenze logiche ed inattaccabili dalle stesse
premesse iniziali . Il punto è che le premesse iniziali non possono essere valide in
ogni situazione. Si pensi ad esempio al modello economico della concorrenza
perfetta: oggi le sue ipotesi iniziali di numerosità infinita (o quasi) degli operatori
e di relativa influenza limitata degli stessi ci sembrano decisamente forzate.
Eppure, quando il modello fu concepito, per molti mercati le ipotesi non erano
che una piccola e quasi ininfluente sempli ficazione della realtà. Per l’economia
moderna, quelle premesse generali che descrivevano l’ambiente economico di
riferimento sono semplicemente errate.
Il metodo complesso riconosce che non esiste nulla di assoluto. In questi
termini, il metodo complesso arriva anche a sostenere la validità del punto di
vista determinato dalle analisi semplici: non si nega la possibilit à di studiare un
sistema in termini di elementi strutturali , ma si afferma che tale analisi determina
un particolare risultato, valido sotto certi aspetti, sotto certi punti di vista.
3.4.1) La finestra di comprensibilità
Il termine punto di vista è di uso estremamente comune nel li nguaggio parlato,
e rischia di fuorviare il l ettore. La letteratura ci fornisce al suo posto il termine
finestra di comprensibilit à (Zanarini, 1990b)6. La finestra di comprensibilit à può
essere spiegata più o meno come segue: immaginiamo di essere nell ’attico di un
grande grattacielo, al centro di una grande città. Se guardiamo la città da una
delle finestre del grattacielo otterremo informazioni parziali su di essa: potremo
ad esempio vedere solo i quartieri poveri, o quelli ricchi, o la zona industriale. Se
la finestra è piccola, potremo vedere particolari dettagliati. Qualsiasi cosa
vedremo, sarà sempre una parte della città che non la rappresenta nel suo
I precetti dell ’analisi
86
insieme: mai potremo avere una visione di insieme perché mai potremo guardare
attraverso tutte le finestre contemporaneamente. Ma potremo studiare l’ intera
città guardando attraverso tutte le finestre.
Nei sistemi complessi esistono una quantità spesso non identificabile di
finestre di comprensibili tà, attraverso le quali si ottengono visioni parziali , anche
se corrette, della realtà indagata. Almeno una delle finestre riguarda la struttura
fisica del sistema. Ad esempio, una rete neurale è un sistema complicato se
definita come insieme di “neuroni” e di “sinapsi” . Le interazioni tra ogni singolo
elemento sono studiabili e prevedibili . Possiamo cioè verificare il
comportamento dei vari elementi, che non hanno nulla di complesso. Questa
dimensione del problema è vista attraverso una finestra di comprensibilit à che si
focalizza sulla struttura della rete. Attraverso tale finestra, pur vedendo le
interazioni tra gli elementi, perdiamo di vista il risultato globale ottenuto dal loro
lavoro congiunto. Osservando il comportamento dei singoli neuroni è pressoché
impossibile sapere cosa la rete sia in grado di fare: non è possibile determinare se
l’organizzazione dei neuroni è in grado di riconoscere numeri, lettere o altre
figure, oppure se ha altri compiti . Questo perché il comportamento dell ’ intera
struttura nasce solo a livello aggregato.
Ridefinendo la rete neurale non come insieme di neuroni eccitabili t ramite
certe regole, ma come insieme di elementi che assumono un certo
comportamento in base al comportamento di altri elementi, abbiamo una
definizione ricorsiva, quindi un sistema complesso. Possiamo subito vedere che
dalla rete neurale emerge la capacità di riconoscere numeri (ad esempio); ci
siamo spostati su di una finestra di comprensibili tà che ci permette di esaminare
il sistema come organismo in grado di ottenere risultati. Anche se da questa
finestra non possiamo studiare le relazioni tra i singoli elementi, la visione del
6 Il testo di Zanarini è un riassunto di alcune conclusioni tratte dall’autore su opere come quella di Morin (1994) e di
Serra (1986).
Analisi sistemica complessa
87
sistema come unico ente ci permette di comprendere qualcosa che prima era
impossibile.
L’ASC focalizza l’attenzione su finestre di comprensibilit à che individuano
alcuni aspetti del sistema come ente complesso, come organismo con una propria
capacità di operare. Potranno poi essere scelte finestre diverse per permettere
analisi differenti, come dimostra il seguente esempio.
L’analisi della struttura sociale di una nazione compiuta da un ente statale per
scopi interni all ’amministrazione sarebbe assai diversa da quella commissionata
da un’ impresa a scopo di conoscere il mercato potenziale. Pur essendo allo stesso
livello (quello di sistema nella sua globalità), le finestre di comprensibilit à aperte
sulla società si focalizzano su aspetti differenti. Nel caso dell ’ente statale, ad
esempio, avremmo per società tutti i maggiorenni cittadini all ’ interno del
territorio nazionale, con il risultato di escludere dal “sistema sociale” i
minorenni, ed i residenti senza la cittadinanza. L’ impresa, invece, potrebbe
definire il sistema sociale come insieme delle persone con un reddito minimo
dato, con il risultato di non considerare i nullatenenti. Possono sembrare due
definizioni parziali , ed in effetti lo sono: è impossibile definire il sistema sociale
in modo che qualsiasi osservatore, per qualsiasi scopo, trovi tale definizione
perfettamente adeguata.
Vicari (1991) indica come punto di vista preferenziale per la definizione dei
sistemi autopoietici (che sono sistemi complessi particolari, ossia aventi
l'emergenza dell 'autoreferenzialità) il punto di vista del sistema stesso. Ciò che il
sistema riconosce come se stesso fa parte di esso, e nulla più. Ad esempio, il
modo migliore di definire il sistema sociale sarebbe quello di capirne le regole di
aggregazione basilari, domandandoci quali persone facciano parte della società e
quali ne siano al di fuori, e rispondendo in base alle decisioni che la società
stessa applica. In questo caso, la società diviene l’ insieme di persone che non
sono emarginati, esclusi, stranieri ecc.
I precetti dell ’analisi
88
Questa definizione ha la caratteristica di permettere un analisi valida solo per
il sistema stesso. Se un’ impresa studia se stessa, allora la modalità di definizione
proposta da Vicari è l’ ideale. Ma, come egli stesso afferma, osservatori diversi
troverebbero questa definizione non del tutto confacente ai loro scopi, quindi
inadatta. Vicari individua i confini dell ’ impresa validi per chi studia l’ impresa
come tale, cioè per gli economisti aziendali , non per tutti i soggetti che
potrebbero essere interessati ad uno studio su di essa, come ad esempio il
management. Così si ricade nel precetto del metodo complesso: ogni categoria di
osservatori ha un punto di vista diverso, e studia il sistema complesso per scopi
diversi. Si riconosce l’ incapacità di sintetizzare un organismo complesso in un
insieme di regole valevoli per qualsiasi osservatore, quindi valide in assoluto7.
Concludendo, la finestra di comprensibilit à è il modo tramite il quale l'ASC
include l'osservatore nell 'analisi. La definizione di tale finestra, prerequisito di
ogni analisi complessa, indica le caratteristiche soggettive dell 'osservatore, i suoi
obbiettivi, i suoi li miti , le sue assunzioni, le sue considerazioni: "[…] ogni
complessità che ci troviamo ad affrontare è di nostra stessa produzione, poiché
può derivare soltanto dalla relazione fra gli obbiettivi che abbiamo scelto e i
mezzi e i modi che costruiamo per raggiungere questi obbiettivi." (Glaserfeld,
1985:110)
7 Senza addentrarci troppo nell ’epistemologia della complessità, vale però la pena di segnalare un concetto ricco di
spunti per ulteriori riflessioni: la complessità non può essere compresa per intero dalla mente umana. Se ne possono
apprezzare solo alcuni aspetti alla volta, avendo sempre presente che ogni descrizione analitica dei fenomeni complessi è
una descrizione parziale, che non può comprendere ogni aspetto; affinché questo fosse possibile, sarebbe necessario
descrivere l’ intero spazio e l’ intero tempo… (cfr. Morin 1993, 1994, in varie parti).
Analisi sistemica complessa
89
3.4.2) Finestra e limiti dell'analisi
La necessità di definire una finestra di comprensibili tà per ogni analisi, ha
un'interessante conseguenza: non è necessario studiare le aziende scomponendole
a tutti i li velli di aggregazione possibili . Non sarà necessario studiare tutte le
emergenze ed i vincoli che nascono dall ’ interazione tra le persone ed i gruppi di
lavoro, le funzioni, le divisioni e le aziende stesse. A seconda dello scopo delle
osservazioni, coglieremo solo un sottoinsieme di tutte le possibili emergenze e
vincoli , e definiremo arbitrariamente cosa intendiamo per sistema sovraordinato
ed elementi. Se ad esempio vogliamo studiare come interagiscono socialmente le
persone all ’ interno di una multinazionale, studieremo le varie realtà nelle quali il
personale è a contatto sociale come sistema complesso. Gli elementi saranno
evidentemente le persone. Se invece vogliamo capire come migliorare la
prestazione dei gruppi di lavoro definiremo l’azienda come sistema complesso,
ed il gruppo come elemento. Ancora, se volessimo studiare come aumentare la
partecipazione delle persone al risultato del gruppo di lavoro, fisseremmo i primi
come elementi, ed il secondo come sistema.
Oltre a questo, la discrezionalità di analisi si manifesta anche attraverso una
selezione delle emergenze e dei vincoli da prendere in considerazione. Quelli
esclusi dall ’analisi saranno considerati dati e non modificabili . Questo è motivato
dal fatto che lo studio di fattori non interessanti o considerati come dati è uno
spreco di energie. O non ci interessa conoscere ciò che sta a monte di date
emergenze, oppure riteniamo di non potere o volere intervenire su di esse.
I precetti dell ’analisi
90
3.5) Approssimazione verso semplificazione
Il quarto ed ultimo assunto dell ’analisi sistemica complessa è l’approccio alle
problematiche attraverso un processo di approssimazione. Nel primo paragrafo
del presente capitolo, ove si parla di complessità, abbiamo eviscerato la
problematica della sempli ficazione. Abbiamo dimostrato come qualsiasi analisi
basata sulla sempli ficazione porti a risultati parziali e distanti dal vero
comportamento di una realtà analizzata. Qui, ora, spiegheremo cosa si intende
per approssimazione, ed in che modo questo processo è differente dalla
sempli ficazione.
Il processo di approssimazione si basa su una diversa concezione delle
capacità analiti che dell ’ indagine scientifica. In particolare, si presume di avere
una limitata capacità di indagare i fenomeni. Di fronte a tale problematica,
l’approccio sempli ficativo impone ipotesi o restrizioni che tentano di tradurre in
termini semplici fenomeni complessi. Così, analizzando alcune classi di sistemi,
il processo di sempli ficazione pone come ipotesi che essi siano chiusi, mentre
nessun sistema può operare libero da una pur minima influenza del suo ambiente.
Allo stesso modo, la teoria economica ipotizza che nei mercati concorrenziali
esistano infiniti operatori, e la loro influenza sui prezzi determinati dal mercato
sia nulla.
Il problema legato al processo di sempli ficazione è che risulta impossibile
passare dal modello carico di ipotesi alla realtà analizzata. Sempre in ambito
economico, la microeconomia studia a partire da ipotesi sempli ficative il
comportamento degli agenti economici. I risultati ottenuti sono assolutamente
corretti; il processo di deduzione, partendo dalle definizioni iniziali teoriche,
raggiunge risultati inopinabili e matematicamente inattaccabili .
Tuttavia, nulla è detto su come passare dai risultati teorici dedotti all ’analisi
pratica dei fenomeni reali . Infatti, come abbiamo dimostrato, la complessità di
Analisi sistemica complessa
91
base non è riducibile tramite ipotesi semplificative, e qualsiasi definizione di
struttura, e qualsiasi ipotesi sempli ficativa, porta a risultati imprevedibilmente
divergenti da quelli ottenuti dai sistemi analizzati. Modelli ottenuti tramite
sempli ficazioni possono prevedere puntualmente, o con un preciso margine di
errore, il comportamento del sistema, ammesso che questo sia conforme alle
ipotesi. In alcuni casi le ipotesi sono realistiche ed esistono stati particolari del
sistema che incontrano le sempli ficazioni proposte dal modello. In altri casi, le
ipotesi sono assolutamente non realistiche, e non sono applicabili a nessuna delle
manifestazioni del sistema. In ambo i casi, l’applicazione del modello al sistema
nella sua generalità è una forzatura, un operazione che a volte permette di
prevedere con un certo margine di errore l’andamento delle variabili i n
osservazione, altre volte no. Proprio tale imprevedibilit à dell ’errore ci porta a
preferire il processo di approssimazione.
L’approssimazione è quel processo metodologico che si avvicina alla
valutazione di grandezze per passi successivi. Procederò esempli ficando: se
dobbiamo valutare la probabilit à di accadimento di un certo evento, in prima
istanza affermiamo che essa giace sicuramente tra zero e uno. Si tratta di un dato
assai poco informativo, ma corretto. Indagini successive possono portarci a
comprendere che la probabilit à di accadimento di tale evento giace tra 0.2 e 0.7.
Il contenuto informativo di tale istanza è superiore a quello della prima
affermazione, e si presume che tale dato sia corretto. Si procederà per passi
successivi fino a determinare che la probabilit à di accadimento dell ’evento è tra
0.4 e 0.5, dato ad alto contenuto informativo e sempre corretta.
L’approssimazione ci permette di avvicinarci alla valutazione del fenomeno in
analisi ottenendo risultati non certi, ma definendo un campo di variabilit à certo.
Mano a mano che tale ampiezza si riduce, il contenuto informativo delle
informazioni ottenute è sempre maggiore. Non si otterranno mai dati
puntualmente certi; il processo si arresterà quando il costo di ridurre
ulteriormente l’approssimazione sia inferiore ai vantaggi conseguibili , o quando
I precetti dell ’analisi
92
saremo costretti a farlo dalla nostra incapacità di procedere ulteriormente con
l’analisi.
L’ASC non userà l’approssimazione per trovare il valore assunto da alcune
variabil i; il processo di approssimazione servirà nella definizione della realtà
sotto indagine.
Così come l’analisi sistemica semplice usa la sempli ficazione come mezzo per
estrarre modelli semplici da realtà complesse, l’ASC usa l’approssimazione per
comprendere il più possibile i sistemi complessi. L’ASC non procede definendo
la struttura dei sistemi, ma evidenziandone le emergenze ed i vincoli . Così,
tramite approssimazione, l’ASC passerà da una definizione grossolana della
realtà ad analisi più sottili , fermandosi quando gli osservatori saranno soddisfatti,
o quando sarà impossibile procedere oltre.
Ad esempio, possiamo definire in prima istanza un’ impresa tramite due sole
emergenze: la capacità di produrre reddito e la competitività. Poi cercheremo di
capire come sia formata la competitività, e come nasca la redditività. Scenderemo
verso analisi sempre più dettagliate partendo da premesse generali . In questo
processo rimarranno certamente zone d’ombra, ove ammettiamo che la nostra
comprensione dei fenomeni è inadatta ad una completa spiegazione. Ma queste
zone saranno ben delimitate e riconosciute.
La sempli ficazione, tramite le ipotesi, nasconde la propria incapacità di
spiegare la differenza tra il modello e la realtà. Una volta che immettiamo
un’ ipotesi sempli ficatrice in un modello, perdiamo completamente di vista il
fenomeno nella sua interezza, nella sua complessità e natura. Non viene prodotta
alcuna informazione sulla differenza tra modello e realtà: l’ ipotesi semplificativa
spiega cosa è stato semplificato, ma nulla può essere detto su come il sistema si
comporti quando tale ipotesi non è rispettata. Il caso generale diventa così
imprevedibilmente differente dalle previsioni di modello. Usando una frase che
circola negli ambienti accademici quasi sottovoce, “ la sempli ficazione genera
modelli puntualmente sbagliati.” Anche Colombo (1991:65) sostiene questa
Analisi sistemica complessa
93
opinione: "Se […] si pretende di regolare il funzionamento globale e di dettaglio
del sistema basandosi su un modello sempli ficato dello stesso, si contribuisce a
determinare malfunzionamenti ed effetti distorti."
L’approssimazione, invece, permette di conoscere la valenza informativa dei
dati ricavati. Se siamo disposti ad accettare il grado di valore informativo insito
nel modello ricavato, possiamo interrompere l’analisi. Se invece siamo interessati
a maggiori contenuti informativi, possiamo continuare nell ’ indagine, ed
approfondire l’analisi. Possiamo essere costretti ad arrestarci di fronte a scogli
insormontabili; otterremo il miglior modello che la nostra capacità di analisi
possa permetterci di ottenere, e sapremo quanto attendibili siano i nostri risultati.
Parafrasando l'affermazione riportata sopra, “ l’approssimazione genera modelli
più o meno esatti.”
Questo è il motivo per il quale l’ASC si avvale di processi di approssimazione
per indagare la realtà.
3.6) Complessità come emergenza
Questo paragrafo non ill ustra un precetto particolare dell ’ASC, ma si rende
necessario a chiusura del concetto di complessità. Quando si parla di logica
complessa, infatti, un discorso non è chiuso dalla definizione di un effetto
discendente da una certa causa, come nella logica semplice, bensì ogni
preposizione deve essere chiusa circolarmente. La presente sezione chiude i
concetti introdotti nel capitolo, ed a sua volta si appoggia ad essi; questo sarà più
chiaro poco più avanti, al termine del paragrafo.
Dunque, preme far notare che la non neutralità dell ’osservatore è dovuta al
fatto che l’osservatore e l’oggetto della sua analisi formano insieme un sistema
complesso. Sono infatti due elementi in relazione ricorsiva: l’osservatore
I precetti dell ’analisi
94
definisce l’oggetto della sua analisi, ossia predispone uno schema cognitivo
capace di cogliere alcuni aspetti (per esso rilevanti) dell ’oggetto dell ’analisi. A
sua volta, l’oggetto “suggerisce” alcune modalità di analisi al ricercatore, ed
esclude, confutandole, assunzioni errate sulla sua natura o sul suo
comportamento.
Mi si conceda di porre un esempio fantasioso: un bambino osserva la luna,
dalla finestra della sua cameretta. La prima volta che il bambino vede l’astro, gli
sembra un grande volto (è una notte di luna piena), sorridente ed amico.
Inizialmente, questa è la struttura cognitiva che gli permette di conoscere la luna.
In quel suo primo incontro, pensa che la luna si veda solo di notte, stia ferma nel
cielo e “sorrida sempre come un grande volto” . Ma nei giorni successivi, il
bambino si accorge che la luna si vede, a volte, anche di giorno, che non sta
sempre nello stesso punto del cielo e che “cambia faccia”, diventando sempre più
sottile.
Il bambino ha colto inizialmente delle caratteristiche del sistema che erano
rilevanti per lui, e che erano coerenti con la sua osservazione. Ha poi modificato
il proprio assunto iniziale in base al comportamento inaspettato della luna.
Se la luna non è osservata, non è possibile attribuirle alcuna proprietà. Al
momento che entra in rapporto con il bambino, questi gli può conferire delle
proprietà che dipendono dalla sua osservazione, dalla sua definizione. Si forma
un sistema complesso nel quale il bambino (osservatore) e la luna (oggetto) si
trovano ad interagire in una relazione ricorsiva. Da questo rapporto, che noi
abbiamo indicato con il termine di definizione, emerge una conoscenza che prima
non esisteva: la conoscenza delle caratteristiche dell ’oggetto.
Ceruti riporta una citazione da Ashby:
“I l mondo reale fornisce il sottoinsieme di ciò che esiste; lo spazio-prodotto rappresenta l’ incertezza dell ’osservatore. Pertanto lo spazio-prodotto può cambiare, se l’osservatore cambia; e due diversiosservatori possono usare legittimamente due diversi spazi-prodottoper registrare lo stesso insieme di eventi reali in qualche ente reale. I l
Analisi sistemica complessa
95
vincolo [inteso come collegamento tra elementi di un sistema] è cosìuna relazione tra osservatore e oggetti; le proprietà di un qualchevincolo particolare dipendono sia dall ’oggetto sia dall ’osservatore.”(Ceruti, 1989).
Quindi, le caratteristiche, le proprietà o gli attributi di un oggetto sono
emergenze. Non sono altro che considerazioni sorte (emergenti) nel rapporto di
definizione. L’oggetto non sa di avere certe caratteristiche, e non sente il bisogno
di manifestarle. L’osservatore che non conosce l’oggetto, non può definirlo. Ciò
che caratterizza l’oggetto nasce (emerge) solo nel rapporto definitorio tra
osservatore ed oggetto.
Abbiamo definito la complessità come una caratteristica degli enti definiti
ricorsivamente. Se la complessità è una caratteristica e le caratteristiche
emergono dal rapporto definitorio, anche la complessità è un emergenza. Si
osservi la relazione circolare: la complessità è un emergenza, e le emergenze
nascono da enti complessi. La complessità nasce dalla definizione, da un tipo
particolare di definizione: quella che mette in relazione ricorsiva l’ente con altre
parti di se stesso, o con l’ intero se stesso. La definizione di tali enti, a sua volta è
un rapporto ricorsivo, circolare, quindi è anche esso complesso.
Questa è la problematica della “complessità di base” alla quale si riferisce
Morin (1994). Come abbiamo appena detto, la complessità è un’emergenza e le
emergenze sorgono dalla complessità.
3.7) Conclusione
Riassumendo, in questo capitolo abbiamo presentato le basi dell ’analisi
sistemica complessa; in particolare abbiamo dato le due definizioni di
complessità e sistema complesso:
I precetti dell ’analisi
96
la complessità è quella caratteristica (quindi emergenza) degli enti definiti
ricorsivamente;
un sistema complesso è un sistema nel quale gli elementi sono definiti
(individuati, riconosciuti o quant’altro) in base ad altri elementi.
Oltre a queste due importanti premesse definitorie, sono stati introdotti i
quattro precetti dell ’analisi, che si sostanziano nei seguenti punti:
Irr iducibile circolarità delle relazioni che danno origine alla complessità; un
sistema sociale o un’ impresa sono tipici esempi di sistemi complessi: gli elementi
di entrambi sono molteplici, le relazioni tra di essi sono articolate ed il l oro
comportamento è imprevedibile ; questo è dovuto alle relazioni circolari che si
formano al di sotto dei sistemi, tra di essi ed al di sopra di essi.
Focalizzazione dell ’analisi sui risultati: le ragioni del comportamento del
sistema sono diff icili da estrinsecare, così ci focalizziamo non su “come” il
sistema agisce, ma su “cosa” agisce. Cerchiamo cioè il risultato delle sue azioni,
non le modalità di funzionamento. Tale risultato può essere espresso tramite
emergenze, vincoli , antiemergenze, antivincoli e relazioni tra di questi.
Inclusione dell ’osservatore: l’analisi del sistema dipende da chi lo studia. Ad
esempio, una banca che studi una data azienda può essere interessata ad aspetti di
capacità finanziaria, mentre il management della stessa può interessarsi di altri
aspetti, come la competitività in un dato settore. I risultati delle due analisi
saranno entrambi parziali , ma entrambi potranno dare importanti informazioni.
L’analisi è per definizione approssimata: conoscere in maniera certa un
sistema è impossibile anche per il sistema stesso. L’approccio tradizionale
semplifi ca, cerca di escludere dall ’analisi elementi che sono considerati di
“disturbo” . L’analisi complessa approssima, cerca di comprendere il sistema nel
suo insieme, senza mutilarlo, rimanendo conscia del fatto che esiste una distanza
tra analisi e realtà.
Nell ’analisi tradizionale, si cerca di comprendere la meccanica di
funzionamento di ogni elemento, e il ti po di relazioni che collegano gli elementi
Analisi sistemica complessa
97
gli uni agli altri. Fino a che il sistema studiato rimane semplice, questa
operazione è agevole e permette di ottenere risultati precisi. Il problema sorge
quando le relazioni o i comportamenti divengono di tipo aleatorio ed aumentano
di numero, e soprattutto quando le relazioni sono circolari. In questo caso,
nascono delle forze non spiegabili i n termini di causa-effetto: la semplice
replicazione di schemi semplici va in crisi, generando modelli i ngestibili e
sempre più inesatti. Si ricorre allora al processo di sempli ficazione. Si tratta di
quel processo che ci porta a prevedere il comportamento di un entità complessa
in base a semplici formule matematiche o a modelli che banalizzano la realtà.
Il metodo complesso parte invece dalla pacifica affermazione che la realtà in
esame può essere studiata solo per quanto è consentito alla nostra capacità
analiti ca di fare. Quindi non tenta di sempli ficare: il processo conoscitivo
complesso si concreta tramite processi di approssimazione successiva. La
differenza sta nel fatto che mentre nella sempli ficazione non è possibile sapere
come si comporta il sistema nella realtà pur sapendo quali aspetti sono stati
sempli ficati, tramite il processo di approssimazione otteniamo risultati non
puntuali , ma corretti.
Lo scopo di questo lavoro è di applicare la logica e la sistemica complessa alla
strategia d'impresa, ricavando una metodologia di analisi ed un modello
interpretativo.
L’ impianto teorico servirà quindi a determinare quali risorse prendere in
considerazione di volta in volta. Oltre a questo, ci permetterà di stabili re il grado
di importanza delle risorse in analisi nel perseguimento di uno scopo fissato.
Non otterremo necessariamente risultati precisi in senso quantitativo, ma
avremo a disposizione valide informazioni qualitative. Il metodo presentato
permette di ottenere informazioni organizzate a partire da dati frammentari e
confusi. In azienda esiste la conoscenza, spesso latente, delle risorse possedute, e
delle relazioni tra di esse. Però, non essendo formalizzata, tale conoscenza è
improduttiva. La metodologia di analisi proposta permette di esplicitarla e di
I precetti dell ’analisi
98
utili zzarla per ricavarne ulteriori informazioni, approfondendo così la coscienza e
la conoscenza delle possibilit à e dei li miti dell ’ impresa analizzata.
Analisi sistemica complessa
99
4. Emergenze e vincoli
Nei capitoli precedenti abbiamo introdotto il metodo di studio che adotteremo
nell ’analisi delle realtà indagate. Il presente capitolo è dedicato ad una
definizione più precisa dell ’emergenza1 e del vincolo, che saranno le basi, gli
elementi chiave per condurre l’analisi.
Ci concentreremo sul significato delle emergenze, dei vincoli e delle loro
controparti negative, cercandoli nella conoscenza che detenuta dalle imprese.
Introdurremo le basi del modello 3r, spiegando quali scopi si prefigga, e come
pensiamo di ottenerli .
4.1) Le emergenze sono risorse
Il titolo molto immediato di questo paragrafo spiega cosa vogliamo dimostrare
ora. Ci proponiamo di dimostrare che le emergenze possono essere viste come
risorse; per fare ciò dovremo riferirci al filone di studi che prende in analisi il
fenomeno d'impresa che può essere indicato con il termine risorsa. Tale corrente
di pensiero prende origine da un noto articolo di Birger Wernerfelt (1984), "A
resource based view of the firm". In Italia, Vicari (1991) ha ripreso alcune delle
1 Le emergenze e le antiemergenze hanno la stessa natura e si comportano secondo le stesse leggi; l’unica differenza è
presente nella loro definizione (cioè apprezzabile da un osservatore) è che le prime incorporano il principio di ordine e di
sopravvivenza, e le seconde quello di disordine e cessazione. Agiscono in sensi inversi, pur avendo la stessa origine e
rispondendo alle stesse regole. Per questo motivo, ogni qual volta ci riferiremo alle “emergenze” senza ulteriori
specificazioni, intenderemo riferirci anche alle antiemergenze: stiamo infatti descrivendo regole valide per entrambe le basi
di analisi sistemica complessa, identiche nella forma e diverse solo per gli effetti. Stesso discorso vale per i vincoli e gli
antivincoli .
Emergenze e vincoli
100
tematiche di questo filone di studi, integrandolo con la teoria dei sistemi
autopoietici. Vedremo nel corso del paragrafo quale relazione esista tra l'analisi
sistemica complessa e le opere di Wernerfelt e Vicari.
Wernerfelt (1984) afferma che è necessario porre una maggiore enfasi
sull 'importanza delle risorse (sia materiali che immateriali ) nella vita
dell 'impresa. Sostiene che l'approccio strategico dominante, che lui individua
nell 'analisi dei punti di forza e debolezza delle imprese nei confronti delle loro
aree strategiche di affari attuali e potenziali , si basa su un concetto di "risorsa"
anche se in maniera implicita o con significato abbastanza ampio. Egli i nfatti
definisce le risorse come:
[…] anything which could be though of as a strength or a weakness ofa given firm. More formally, a firm resources at a given time could bedefined as those (tangible and intangible) assets which are tiedsemipermanently to the firm2. (p.172).
La RBV sostituisce i modelli i nterpretativi focalizzati sui prodotti a modelli
basati sulle risorse: così, vi sono barriere all 'entrata ove si rende diff icile
l'acquisizione di risorse chiave ai propri concorrenti (p.173), e può essere pensato
un modello del settore allargato che non faccia riferimento ai mercati di sbocco
dei prodotti, ma ai mercati di approvvigionamento delle risorse: la posizione di
un settore sarà tanto migliore quanto minore sarà la competizione sulle risorse
all 'interno dell 'arena competitiva, quanto minore sarà la forza contrattuale dei
fornitori di risorse, quanto maggiore sarà la forza rispetto ai clienti dei prodotti
generati grazie a certe risorse, e quanto minore sarà l'incidenza di risorse
sostitutive (p.172). Le risorse servono per portare a termine il ciclo di
produzione; i prodotti, una volta venduti, permetteranno di migliorare la
posizione dell 'azienda sul mercato delle risorse, sia "sfruttando" (usando il
2 Traduzione: [le risorse sono] qualsiasi cosa che possa essere pensata come una forza o una debolezza di una certa
impresa. Più rigorosamente, le risorse di impresa in un certo momento possono essere definite come quelle voci patrimoniali
(tangibil i ed intangibil i) [sia attive che passive] che sono legate all ’ impresa in modo semipermanente.
Analisi sistemica complessa
101
termine adottato da Wernerfelt) risorse già note, sia acquisendo nuove risorse
prima inesistenti. Così, "[f] or the firm, resources and products are two faces of
the same coin", come afferma Wernerfelt in apertura del proprio articolo.
Vicari si spinge oltre. Per lui l 'impresa è un sistema autopoietico, cioè un
sistema che si auto-produce; sono sistemi autopoietici tutti i sistemi biologici, ed
i sistemi cognitivi. Tali sistemi sono dotati di ciò che Maturana e Varela (1987)
hanno definito "chiusura operazionale". Un sistema operazionalmente chiuso ha
la caratteristica che il risultato delle operazioni di tale sistema sono le operazioni
stesse. Così per la mente, che opera pensando, il risultato delle proprie operazioni
(pensieri) sono altri pensieri; alcuni di questi pensieri metteranno in moto
reazioni fisiologiche o comportamenti dell 'organismo, ma tutti i pensieri hanno la
stessa natura. Vicari individua i risultati delle operazioni di impresa nelle risorse
immateriali . L’ impresa è cioè un sistema che crea nuove risorse a partire da
quelle possedute in precedenza. Se il processo genera risorse immateriali di
maggior valore, allora l’azienda prospera, altrimenti è destinata al falli mento (pp.
113-131).
Vediamo adesso la relazione tra queste due forme di pensiero e l'approccio
complesso. L'interazione tra le varie dimensioni di complessità genera
emergenze. Alcuni sistemi complessi non sono in grado di conoscersi da soli; se
definiamo un sistema fisico (come ad esempio lampadina, pila ed interruttore)
come sistema complesso, non possiamo certo attribuirgli l a capacità (o
emergenza) di conoscere se stesso. Una società umana, o animale, è invece in
grado di farlo. Può farlo un individuo o un’ impresa. In pratica, i sistemi viventi e
i sistemi sociali hanno l’emergenza “autoreferenzialità”, cioè sono essi stessi in
grado di delimitare i propri confini, e di conoscere se stessi. I sistemi
autopoietici, come tutti i sistemi, possono essere visti come sistemi complessi,
con la particolarità di essere autoreferenziali . L’ impresa è un sistema
autopoietico, ossia un sistema autoreferenziale, che si conosce e che si auto-
organizza; si tratta dunque di un sistema complesso particolare.
Emergenze e vincoli
102
Lo scopo primo di qualsiasi impresa è “perdurare economicamente nel
tempo” , o in altre parole sopravvivere all ’evolvere di un ambiente spesso ostile.
Definiamo due emergenze che in prima approssimazione descrivano il processo
di “sopravvivenza” : sono la competitività, ossia la capacità di rispondere alle
minacce prodotte dal rapporto con l’ambiente e quella di sfruttarne le
opportunità, ed il reddito, il flusso economico generato dall ’attività di impresa. Il
raggiungimento di un soddisfacente livello per entrambe queste emergenze è la
condizione di sopravvivenza: se non ottiene reddito, l’ impresa non è interessante
per gli i nvestitori, che quindi possono decidere di smobilit are i loro investimenti.
Altresì il raggiungimento di un certo reddito è funzionale all ’acquisizione di
quelle capacità che permettono all ’ impresa di competere. Inoltre, è immediato
notare come la competitività sia necessaria per ottenere il reddito3.
L’emergenza reddito viene usata dall ’ impresa per generare l’emergenza
competitività, che a sua volta viene poi utili zzata per generare reddito. È
attraverso questo ciclo che l’ impresa “perdura economicamente nel tempo” .
Arrivati a questo punto possiamo stabili re che le emergenze, nella teoria della
complessità, svolgono lo stesso ruolo delle risorse immateriali nella teoria
autopoietica dell 'impresa. È però necessario notare come Vicari non abbia
ipotizzato esplicitamente la presenza di risorse dannose, anche se il suo modello
non esclude la possibilit à di definire risorse in termini negativi, che invece di
collaborare con le altre, tendono a ridurre le potenzialità di rigenerazione del
sistema.
L'aderenza del concetto di emergenza nella teoria complessa al concetto di
risorsa nella RBV è immediata. Infatti, le emergenze e le antiemergenze possono
essere ricondotte alla definizione di Wernerfelt che afferma che le risorse sono
3 Si sta facendo riferimento ad un caso generico, che non deve essere visto come la regola. Vi possono essere imprese
che riescono a perdurare tramite altri meccanismi (come ad esempio l’attivazione di un ciclo dove la capacità collusiva
genera fiducia, la quale genera fedeltà, che torna a generare capacità collusiva).
Analisi sistemica complessa
103
qualsiasi cosa possa essere intesa come punto di forza (emergenza) o punto di
debolezza (antiemergenza). Le nostre basi di analisi corrispondono anche alla
definizione più rigorosa, che vede negli asset di impresa la definizione di risorse.
Esistendo una correlazione biunivoca tra la definizione di emergenza e quella di
risorsa, possiamo affermare che le emergenze sono risorse.
4.1.1) Risorse di fiducia e di competenza
Vicari (1991) distingue tra risorse di fiducia e risorse di competenza delle
quali l ’ impresa può disporre. Le prime sono quelle risorse che vengono fornite da
operatori non facenti parte dell ’ impresa, e che questa può utili zzare ma non
controllare. Per queste caratteristiche, Vicari indica che tali risorse sono situate
nelle strutture cognitive degli agenti esterni all 'impresa; anche se l'impresa può
influenzarle, non le può controllare direttamente. Per questo, le risorse di fiducia
possono essere chiamate anche "esterne". Le risorse di competenza sono invece
caratteristiche dell ’organizzazione di questa, e possono essere definite “ interne”.
Analogamente, possiamo definire emergenze interne ed esterne all ’ impresa.
Le prime sorgono dalle prime due dimensioni della complessità: la relazione tra
elementi di uno stesso sistema e quella tra gli elementi ed il sistema del quale
fanno parte. Le seconde sorgono dalla terza dimensione della complessità: il
rapporto tra elementi, sistemi ed elementi di altri sistemi. La nostra analisi dovrà
prendere in considerazione sia le emergenze “ interne” che quelle “esterne” 4.
Vicari sancisce giustamente che le risorse di fiducia, essendo localizzate in
una struttura cognitiva presente in terzi non facenti parte di una data
organizzazione, non possono essere controllate direttamente dall 'impresa. Questa
4 La quarta e la quinta dimensione della complessità partecipano alla formazione delle emergenze, in modo parallelo e
solidale con le altre tre dimensioni; non sono quindi caratteristiche né delle emergenze esterne, né di quelle interne, ma
partecipano alla formazione di entrambe.
Emergenze e vincoli
104
potrà modificarle solo in via mediata, interagendo attivamente con il proprio
pubblico. Anche l’ASC dovrà prendere in considerazione questa problematica.
Anche se non sarà vietato modificare il valore legato alle emergenze "esterne", è
essenziale notare la modifica di valori di risorse di fiducia è accettabile solo a
scopi di analisi di scenario, o di verifica di ipotesi (cosa succederebbe se i clienti
fossero più fedeli?). Infatti le emergenze esterne dipendono dal rapporto
complesso esistente tra sistemi differenti, sui quali uno dei due sistemi non può
che avere un influsso mediato. Ad esempio, se si vuole capire come varierebbe la
competitività di una data impresa se la fiducia dei suoi consumatori crescesse,
nulla vieta di aumentare il valore che l’analisi ha associato all ’emergenza
“fiducia dei consumatori” . Chiaramente è necessario tenere ben presente che tale
modifica è, in termini di applicazione pratica, di ben altro peso rispetto alla
modifica di un’emergenza interna, sulle quali il management può esercitare
molto spesso un’ influenza diretta maggiore.
4.1.2) Risorse materiali ed immateriali
Un punto molto più delicato è legato alla distinzione tra risorse materiali ed
immateriali . Mentre la RBV non pone alcun limite al tipo di risorse prese in
considerazione dalle proprie analisi, l’approccio autopoietico afferma che le la
base del successo competitivo e della capacità di perdurare di un’ impresa sono da
ricercare unicamente nelle risorse di competenza e di fiducia, ossia nelle risorse
immateriali . L’azienda trasformerà poi tali risorse in flussi economici, ovvero in
risorse materiali .
Pur essendo d’accordo con tale affermazione, dobbiamo rilevare che un
approccio “complesso” non può ignorare le risorse materiali . L’ASC deve
affermare che la comprensione dei fenomeni complessi può avvenire solo tramite
la considerazione di tutti gli aspetti che possono essere presi in considerazione,
Analisi sistemica complessa
105
senza eliminare aprioristicamente nessuna classe di analisi. Le emergenze ed i
vincoli possono anche avere valenza fisica: il vincolo di mobilit à, legato alla
fisicità della posizione territoriale dell ’azienda è chiaramente un vincolo fisico.
Così possiamo avere pure emergenze fisiche: se un addetto ed un macchinario
non possono costruire un’automobile in un giorno, mill e addetti e mill e
macchine, e la loro organizzazione, possono produrre mill e automobili al giorno.
Il tutto supera la somma delle parti, quindi si ha un’emergenza. La produzione
fisica è un’emergenza di sistema.
Quindi l ’ASC avrà a che fare con emergenze materiali ed immateriali , il che
non crea il minimo imbarazzo epistemologico. Pensare un’ impresa senza risorse
materiali ha la stessa valenza del pensare una mente senza il corpo. È innegabile
che la mente diriga le azioni del corpo verso l’ambiente esterno, ed in prima
analisi sembra dominarlo. Ma in realtà la mente ed il corpo retroagiscono l’uno
sull ’altro: basti pensare a puro titolo di esempio agli effetti che scariche ormonali
o droghe naturali (come l’adrenalina o le endorfine) possono avere sul
funzionamento del cervello e della mente, e come questa sia a volte in grado di
modificare o di partecipare alla modifica di tali li velli ormonali (Foerster,
1972:52-53). Allo stesso modo l’organizzazione non domina i suoi elementi in
maniera totale; nell ’ impresa può essere risultante (o influenzata) da gruppi di
pressione politi ca o anche da singole persone. L’organizzazione, la più
immateriale delle caratteristiche di un’ impresa, può essere molto spesso
dominata da ragioni fisiche, come la distribuzione dei macchinari negli impianti
o il ti po di lavorazione (per lotti piuttosto che just in time). Ed ancora più
evidente di tutti, è possibile pensare un corpo senza una mente, ma è ben diff icile
pensare una mente senza il corpo: la mente è l’emergenza del corpo.
Così possiamo parlare di emergenze immateriali , come la capacità
competitiva, e di emergenze materiali , come il reddito, e mettere in relazione
queste emergenze senza particolari attenzioni: l ’assetto globale di un sistema
dipende dall ’ interazione complessa tra ciò che è materiale e ciò che non lo è.
Emergenze e vincoli
106
4.2) Il ruolo dei vincoli
Vediamo in questo paragrafo quale sia il comportamento dei vincoli , e quali
interazioni si creino nel sistema complesso in loro presenza. Essendo la natura
dei vincoli e degli antivincoli prettamente differente da quella delle emergenze e
delle antiemergenze, è ovvio che il l oro comportamento in termini di sistema
complesso sia diverso. Bisogna però ricordare che i vincoli non sono l'opposto
delle emergenze (così come gli antivincoli non sono l'opposto delle
antiemergenze), quindi non si può assumere che il ruolo dei vincoli sia speculare
a quello delle emergenze. Come vedremo, il l oro ruolo è semplicemente diverso,
in un certo qual modo non commensurabile a quello delle emergenze.
4.2.1) Effetti sulle interazioni
Si vuole dimostrare che i vincoli sono un fattore inerziale, che varia il tempo
necessario aff inché una variazione esogena di un'emergenza induca variazioni nel
livello di altre emergenze.
Prima di trattare il problema dal punto di vista teorico, ritengo necessario
riportare alcuni esempi; prendiamo un tipico antivincolo: la distanza fisica dei
gruppi aziendali . Ammettiamo cioè di lavorare in una multinazionale, il cui
uff icio acquisti centrale si trova a Parigi, mentre la direzione generale ha sede a
New York. Vediamo l’effetto di questo antivincolo su un’emergenza cruciale
come l’eff icacia delle decisioni non ordinarie, cioè quelle che l’uff icio acquisti
deve prendere in maniera non routinaria: si supponga ad esempio che un
fornitore importante cessi l ’attività. Questo significa essere costretti a trovare, in
tempi brevi, un altro fornitore che possa sostituire il primo. Se la direzione
generale e l’uff icio acquisti fossero fisicamente più vicini, la decisione potrebbe
essere presa indubbiamente con rapidità maggiore, a meno che non vengano
Analisi sistemica complessa
107
dispiegati mezzi telematici che possano annullare l’effetto della distanza fisica
(in termini di ASC, a meno che il peso dell 'antivincolo “distanza” non venga
ridotto a zero). Ciò non toglie che, grazie all ’elevata capacità dell ’azienda di
prendere decisioni eff icaci, non si risolva brill antemente la situazione: infatti la
presenza di antivincoli non altera il li vello di equili brio del sistema di emergenze,
ma solo il tempo necessario a raggiungere quello stato.
Tendenzialmente, la presenza di vincoli genererà effetti inversi: in teoria, i
vincoli gerarchici, se ben progettati dovrebbero rendere più veloci le transazioni.
Ci riferiamo a quei vincoli che possono realmente servire come “volano”
dell ’attività aziendale. Con un livello di disordine troppo elevato, e cioè in
assenza di condizioni sui flussi di informazioni e di attività in azienda,
potrebbero verificarsi delle diseconomie notevoli i n termini di tempo e costo. Se
un dubbio di un fattorino dovesse essere risolto dal CEO, l’azienda perderebbe
palesemente eff icienza, e probabilmente il fattorino dovrebbe attendere molto
prima di poter avere la propria risposta. In generale diremo che i vincoli tendono
ad accelerare il processo di interazione tra le emergenze.
È utile notare che i vincoli e gli antivincoli non sono l’unica determinante
della rapidità di propagazione degli effetti delle risorse; esistono delle condizioni
strutturali delle quali è necessario tenere conto. Ad esempio, se aumentiamo di
un punto la qualità del lavoro, strutturalmente sarà necessario un certo tempo
prima che questo si ripercuota sulla fiducia che i clienti nutrono verso l’azienda,
a prescindere dai vincoli che sono presenti nel processo.
Comunque, la presenza di un vincolo facilit erà la propagazione di impulsi
differenziali sul valore delle emergenze (in termini di tempo), o inibirà la
propagazione degli effetti di una variazione nelle antiemergenze; un antivincolo
agirà in senso contrario.
Emergenze e vincoli
108
4.2.2) Effetti sulle risorse
I vincoli e gli antivincoli i nfluenzano anche la facilit à o la diff icoltà di
aumentare il valore di una certa risorsa, oltre alla dinamica di propagazione degli
impulsi.
Ad esempio, se investire un mili ardo in ricerca e sviluppo può voler dire
aumentare una risorsa come “competenza informatica” di un certo valore,
investire la stessa somma in rete di vendita può non avere lo stesso effetto su
risorse come “qualità della rete distributiva”; anche a livello intuitivo questo è
palese.
Così come per la velocità di propagazione, anche per la diff icoltà di
incremento delle risorse esistono delle componenti strutturali; anzi è palese come
queste abbiano un'influenza ben maggiore sul costo delle variazioni di li vello
delle emergenze rispetto ai vincoli . Nell ’esempio citato (rete di vendita e
competenze informatiche), non sono tanto i vincoli ad essere importanti, ma il
fatto che strutturalmente, un sistema informatico moderno costa generalmente
meno di una grossa rete distributiva. Tuttavia, l’analisi dei vincoli mantiene una
grande importanza anche qui, non tanto nel definire l’entità dello sforzo
necessario a variare una risorsa, quanto nel spiegare le differenze che si
riscontrano da un’ impresa ad un’altra nel compiere un “passo avanti” .
Prima di proseguire voglio ricordare che stiamo parlando dello sforzo
necessario ad aumentare una risorsa direttamente, non passando attraverso altre
risorse; è infatti possibile migliorare un’emergenza intermedia (risorsa) partendo
dalle emergenze che sono a valle, ma qui stiamo affrontando un problema
diverso: l’ intervento diretto su di essa.
Senza vincoli , lo sforzo necessario per aumentare una risorsa (con un
intervento diretto) sarebbe identico in qualsiasi azienda. L’unica cosa che possa
spiegare la differenza di prezzo delle risorse per diverse aziende, è proprio la
presenza di un qualcosa che renda per alcune più diff icile acquisirle, e per altre
Analisi sistemica complessa
109
più semplice. Detto in altri termini, è la presenza di vincoli e di antivincoli che
spiega il differenziale di prezzo delle stesse risorse in diverse realtà aziendali .
4.2.3) Vincoli generati da emergenze
Nella maggior parte dei casi, i vincoli e gli antivincoli dipendono da situazioni
oggettive o da decisioni specifiche del management; in altre parole, sono frutto
dalla struttura complessa del sistema. Tuttavia può accadere che alcuni
antivincoli siano generati da certe emergenze5: per esempio una certa inerzia nel
reagire alle iniziative della concorrenza può essere determinata dalla forza del
proprio marchio, o del proprio prodotto: è il caso della IBM e della Intel. Quando
la IBM aveva lanciato il PC, la Apple era già da tempo nel settore ancora neonato
dei computer "personali ". La (relativamente) piccola impresa si vide minacciata
da quella mossa e decise di lanciare la serie MacIntosh basata sul processore
Motorola 68000, avanti di almeno cinque anni di ricerca rispetto all ’8086 Intel
usato nel PC. L’ IBM non poté rispondere adeguatamente perché il PC era
diventato così diffuso che una qualsiasi deviazione da quello standard sarebbe
stato un falli mento. Ancora oggi, il potentissimo processore Pentium Intel, così
come il sistema operativo OS/2 della IBM, mantiene la compatibilit à con lo
standard dei primi anni 80, cosa che va a scapito della velocità e versatilit à del
sistema: si calcola che se il Pentium non dovesse “comprendere” le obsolete
istruzioni che facevano funzionare il vecchio PC, avrebbe una velocità di calcolo
superiore del 100% a quella attuale. Ed i concorrenti della Intel ne sono molto
felici.
5 Non è da escludere che l’ insieme delle basi sia completamente relazionato. Ciò vuol dire che non si può escludere a
priori, senza uno studio più approfondito di quello che può essere condotto in questa sede, che esistano relazioni tra tutte e
otto le classi di analisi. A titolo di esempio citeremo solo il caso di un’emergenza che genera un antivincolo; valga come
esempio generale.
Emergenze e vincoli
110
Questo è un classico caso nel quale un’emergenza (il successo e
l’affermazione di marca) genera un antivincolo (inerzia concorrenziale).
È certo un caso limite, ma in linea teorica non è impossibile pensare al fatto
che aumentando il valore di un'emergenza, il sistema possa trovare un equili brio
in un punto ad “energia” minore, così come non è da escludere che all 'aumento di
un'antiemergenza, meccanismi complessi possano scatenare una difesa del
sistema tale da migliorare le prestazioni globali .
Ad esempio, l’ inoculazione di un vaccino comporta esattamente questo
procedimento. Se è dubbio che un vaccino (innocuo per il paziente sottoposto al
trattamento) sia un’antiemergenza, possiamo fare riferimento a quelle malattie
dalle quali l ’organismo impara a difendersi in maniera eff icace dopo averle
contratte; il morbill o è una malattia, e la malattia è una chiara antiemergenza,
eppure tale malattia genera una maggiore resistenza del sistema immunitario
(migliora il li vello di molte emergenze del sistema)6.
4.3) Prime considerazioni sul modello 3r
Adesso che le basi di analisi sono state definite con una maggiore precisione,
possiamo dare alcune prime indicazioni sul modello analiti co che sarà sviluppato
in questa tesi. Il modello si baserà sulle considerazioni esposte fino ad ora,
accogliendo i quattro precetti dell 'analisi sistemica complessa7. Tra tutte le forme
analiti che concrete che è possibile derivare dall 'ASC dovremo necessariamente
6 Potrebbe essere interessante impostare un parallelo tra questo meccanismo naturale di immunizzazione, basato sulla
reazione alle antiemergenze, e l’ introduzione artificiale delle crisi in impresa per favorire i cambiamenti (molta letteratura
manageriale giapponese suggerisce questo metodo. Si veda anche Stacey, 1995).
7 I quattro precetti sono: circolarità dei rapporti tra le emergenze, studio dei risultati ottenuti dal sistema, inclusione
dell ’osservatore nell ’analisi ed analisi condotta per approssimazione (piuttosto che per semplificazione).
Analisi sistemica complessa
111
sceglierne una semplice, di facile comprensione e di immediata applicazione. Ciò
con due scopi: il primo è quello di chiarire con un esempio basilare come l'analisi
sistemica complessa può prendere una forma sostanziale, e come può essere
realizzata tale analisi in pratica. Il secondo è quello di mantenere la dimensione
di questa tesi ad un livello accettabile.
Notoriamente, i modelli i nterpretativi più semplici sono quelli statici
comparativi. In genere, la statica comparata è un chiaro esempio di procedimento
sempli ficatore, ma noi useremo tale modell istica con ottica approssimativa:
avremo un periodo iniziale, al posto di un istante iniziale, che avrà una
dimensione temporale approssimata, ed un periodo finale non definito, al posto di
un istante finito. Così, introdurremo un modello di analisi statico comparativo,
ma che non analizza la realtà in due istanti di tempo ben precisi, uno iniziale ed
uno finale; bensì avrà un periodo di riferimento generico "prima delle
variazioni", ed un periodo indeterminato nel quale si manifestano gli effetti delle
variazioni apportate al modello. Il fatto che non si definisca il periodo finale
implica che i risultati proposti dal modello saranno tendenziali . Data una
situazione iniziale di un certo tipo, ed una data variazione, il modello 3r sarà in
grado di prevedere quali conseguenze tendenziali abbiano tali variazioni in un
periodo lontano nel futuro. Questo tipo di analisi può essere usata da coloro che
devono definire strategie di ampio respiro, che non hanno come obbiettivo un
arco temporale ben definito, ma una situazione obbiettivo ideale alla quale il
sistema impresa deve tendere.
Vedremo poi come sia possibile stabili re un periodo "finale" di analisi per il
modello 3r, in modo da poterlo utili zzare anche nel caso di problematiche di
breve o medio periodo.
Stabili to che il modello sarà di tipo statico comparativo, dobbiamo scegliere
una forma matematica. Un'ipotesi sarebbe quella di usare una matrice di
correlazione, che indica l'influenza di ogni variabile rispetto a tutte le altre. Così,
si ottiene una matrice quadrata dove ogni elemento è il coeff iciente di un sistema
Emergenze e vincoli
112
nel quale la variabile sulla riga è la dipendente, e quella sulla colonna è
l'indipendente. Anche se il metodo di rappresentazione è piuttosto semplice nella
sua schematicità, all 'aumentare delle variabili l a leggibilit à della matrice si
riduce; oltre un certo punto, la matrice diventa incomprensibile senza un grande
sforzo interpretativo.
Meglio usare un grafo. I grafi sono oggetti matematici composti da nodi, che
rappresentano in qualche modo un'entità fisica o astratta, e da archi, che
rappresentano le relazioni tra tali entità. Le emergenze, rappresentate dai nodi,
saranno così ben visibili; l 'utente del modello potrà leggere facilmente le leggi di
interazione locale; ad esempio, se sappiamo che l'emergenza A è relazionata in
qualche modo con B e C, ed il suo valore influenza a sua volta D ed E, e sapendo
che E è collegata a B, possiamo costruire un grafo.
Chi legge il grafo, fermando il proprio sguardo su di un nodo, può "leggere" le
interazioni locali; può immediatamente scoprire che E è influenzato da A e
influenza a sua volta B, ecc…
Il grafo si costruisce a partire dalle regole di interazione locale; nell 'esempio
della famiglia, riportato nel capitolo precedente, avevamo a disposizione solo
questo tipo di regole. L'analisi risulta molto più semplice se è necessario scoprire
solo quali emergenze vengono direttamente influenzate da una data risorsa.
Inoltre, il grafo può essere letto con facilit à, e mantiene le informazioni sulle
A
E D
B C
Analisi sistemica complessa
113
regole di interazione locale sulla base delle quali è stato costruito. Quindi, il
modello 3r avrà forma di grafo.
Resta da definire come rappresentare le emergenze. La scelta è quasi forzata:
fino ad oggi l 'unica scala di valori che possa essere espressa sulle risorse di una
certa impresa, senza un'analisi estremamente approfondita e costosa, è una
valutazione. Ciò che il modello 3r prenderà in considerazione saranno dei veri e
propri voti, assegnati alle risorse. Torneremo su questo punto più avanti, nella
parte dedicata allo sviluppo del modello (par. 6.2).
Lo scopo che si prefigge il modello 3r è quello di fornire uno strumento
previsivo ed analiti co versatile, in grado di rappresentare un valido supporto alle
decisioni in ottica strategica. Il modello avrà una certa robustezza rispetto alla
variabil ità ambientale, risultando utile anche in ambienti turbolenti. Ciò è dovuto
al fatto che i risultati ottenuti tramite l'elaborazione di un grafo non sino
dipendenti dalle singole interazioni locali , ma dalla struttura nel suo insieme. Una
variazione imprevista di alcune considerazioni sulle quali si basano delle leggi
locali , non varia sensibilmente il risultato dell 'analisi8. Solo una variazione che
invalidi le valutazioni dalle quali si sono tratte le indicazioni per costruire la
maggior parte del grafo può alterare il risultato complessivo dell 'analisi.
È possibile vedere come un tale modello accolga i quattro precetti dell 'ASC.
Essendo in forma grafica, accetta che vi siano dei cicli al suo interno, quindi
accetta il primo assunto di circolarità di cause ed effetti. Inoltre, i suoi nodi
rappresentano in qualche modo il valore delle emergenze, ossia i risultati del
sistema, e non sulla sua struttura. Il fatto che il valore di tali nodi sia espresso
tramite una valutazione delle emergenze, garantisce che l'osservatore sia incluso
nell 'analisi. Per ultimo, il modello può accettare anche dati approssimati, senza
che il suo funzionamento ne risenta.
8 Le reti neurali , ad esempio, continuano a svolgere il loro compito abbastanza bene anche se vengono “danneggiate” in
maniera lieve.
Emergenze e vincoli
114
È chiaro che a monte del modello 3r è necessario compiere un'analisi sistemica
complessa dell 'impresa, che rileverà alcune emergenze ed alcune relazioni che
verranno poi inserite nel modello 3r. Questa parte verrà affrontata nel capitolo 7.
4.3.1) Esclusione dei vincoli
Visto che il modello 3r un modello statico comparativo, e siccome questo fa
riferimento alla valutazione espressa sulle risorse senza occuparsi del loro valore
o del costo necessario a procurarsi una certa risorsa, è possibile escludere i
vincoli (e gli antivincoli ) dall 'analisi. Abbiamo appena dimostrato come i vincoli
siano un aspetto della dinamica del sistema, ed influenzino l'inerzia alla
variazione delle risorse, così come l'inerzia alla propagazione di stimoli (intesi
come aumento esogeno delle emergenze). Perciò, da questo punto in poi, i
vincoli non faranno più parte dell ’ insieme di elementi preso in considerazione
dalla nostra analisi. Senza i vincoli , non sarà possibile studiare la dinamica
dell ’evoluzione delle emergenze, né sarà possibile valutare la loro inerzia in
termini di costo necessario al loro miglioramento. Vedremo come si possano
ottenere risultati interessanti anche senza prendere in considerazione i vincoli .
Resta fermo comunque che i vincoli e gli antivincoli sono basi di analisi
dell 'ASC al pari delle emergenze; uno sviluppo più approfondito della tematica
non potrà astenersi dal generare modelli che prendano in considerazione anche i
vincoli . Ma in questa sede, possiamo limitarci alla considerazione delle sole
emergenze (e antiemergenze). Sia chiaro che non stiamo ricorrendo ad una
sempli ficazione: non stiamo "facendo finta" che i vincoli non esistano; questo
introdurrebbe un'ipotesi sempli ficativa indebita. Ben consci della loro esistenza,
cerchiamo di studiare quegli aspetti dei sistemi complessi che possono essere
capiti anche senza il l oro apporto. Una comprensione limitata, "approssimata",
ma
Analisi sistemica complessa
115
corretta. Stiamo cioè seguendo le linee guida dell 'ASC che suggerisce di
comprendere i sistemi complessi il più possibile, senza ignorare che esistono
sempre altri aspetti.
4.4) Conclusione
Abbiamo presentato in questo capitolo una breve dissertazione sulla natura
delle emergenze e sull 'influenza dei vincoli . Abbiamo scelto una forma per il
modello analiti co che vogliamo sviluppare in questa tesi, che abbiamo chiamato
modello relazione-risorse-risultati. Abbiamo stabilit o che il modello non
prenderà in considerazione i vincoli , escludendo così alcuni aspetti rilevanti
dell 'analisi, ma non essenziali ai nostri fini. È necessario specificare, come
suggerisce l'ASC, che il modello non può essere una soluzione ottimale per
qualsiasi necessità. Solo per i nostri fini possiamo ritenere non rilevanti i vincoli
ed i loro effetti. Altri osservatori, per altri scopi, riterranno certo indispensabile
considerare anche i vincoli e gli antivincoli nell 'analisi. Il modello 3r vuole essere
un utile strumento analiti co e previsionale, ma è solo un esempio dei modelli
analiti ci che possono essere costruiti seguendo i dettami dell 'ASC; è evidente
come lo spazio concessoci in questa sede non possa ospitare altri modelli .
Siccome il modello 3r assume la forma di grafo, si rende necessaria una pausa
nella trattazione per introdurre la matematica dei grafi. Il prossimo capitolo
include anche alcuni strumenti analiti ci da noi elaborati al fine di migliorare
l'applicabilit à e le funzionalità del modello 3r.
Analisi sistemica complessa
117
5. I grafi numerici
Prima di passare alla definizione del modello 3r, è necessario introdurre alcuni
strumenti matematici. Il modello si serve infatti di una struttura matematica
denominata “grafo numerico” . Come vedremo, il grafo numerico è un grafo
particolare, che può essere usato per rappresentare sistemi di equazioni li neari, e
che si presta altrettanto bene a formalizzare le informazioni rilevate in forma
verbale nel processo di analisi.
In particolare, gli strumenti introdotti in questo capitolo permettono di:
• Calcolare il valore di ogni elemento coinvolto nell ’analisi, a partire da
quello delle risorse.
• Calcolare la relazione esistente tra un elemento e le sue generanti, in modo
da stabili re quali di esse sia la migliore leva per il controllo degli effetti a
valle.
5.1) Definizione di grafo numerico
Si dice “grafo numerico” un grafo connesso, orientato e pesato particolare,
definito nel seguente modo:
{ }{ }{ }
ℜ→ℜ→→
===
V
E
VE
eeeE
vvvV
VER
m
n
:
:
:,
,...,,
,...,
,,,,,
21
21
ψφ
ωα
ψφωα
Grafi numerici
118
Ossia, un grafo numerico è un sestetto di elementi; sono definiti due insiemi, V
ed E, detti insieme dei vertici ed insieme degli archi. In particolare, gli archi sono
definiti come coppie di vertici. In R sono definite quattro funzioni: α ω, hanno
dominio nell ’ insieme degli archi e codominio in quello dei vertici, mentre φ va
da E in ℜ ed è detta “peso dell ’arco” . Questi elementi sono presenti anche in un
grafo orientato e pesato; ciò che distingue il grafo numerico è la funzione ψ , che
associa l’ insieme dei vertici all ’ insieme dei reali , ed è chiamata “valore del
nodo” .
Dobbiamo quindi definire le funzioni in E:
( )( )
see E
v e
w e
∈==
:
:
αω
Il nodo v è il nodo iniziale di un arco, mentre w è detto nodo finale; l’arco e è
detto uscente dal nodo v ed entrante nel vertice w . Una notazione abbreviata ed
equivalente per scrivere l’espressione è la seguente:
e v w=< >,
Che significa semplicemente che ( ) ( )α ωe v e w= =, . Il nodo iniziale di un arco
è anche detto predecessore, mentre quello finale è anche detto successore.
Si definisce dunque l’ insieme dei predecessori e dei successori di un nodo
come segue:
{ }{ }
P
S
( ) ,
( ) ,
v w e w v
v w e v w
= ∃ =< >
= ∃ =< >
Ossia, l’ insieme dei predecessori di un nodo comprende tutti quei nodi tali che
esiste un arco che conduce da loro al nodo esaminato; viceversa, l’ insieme dei
successori è composto da tutti quei nodi che sono finali i n un arco che abbia
come nodo iniziale quello esaminato.
Analisi sistemica complessa
119
Un nodo senza predecessori, per il quale l’ insieme dei predecessori è vuoto, si
dice fonte, mentre un nodo senza successori (per il quale l’ insieme dei successori
è vuoto) si dice termine.
5.2) Ipotesi particolari
Il grafo numerico ha altre particolarità rispetto ad un generico grafo: in esso
non esistono vertici non connessi né archi paralleli .
Per ipotesi si ha che:
{ }R V E
v V e E v e v e
=
∀ ∈ ∃ ∈ = =
,
( ); ( )α ω
Vale a dire, per ogni vertice nell ’ insieme dei nodi, esiste almeno un arco
entrante in esso o uscente da esso.
Inoltre, sempre per ipotesi:
∀ ∈ ≠=< >⇒ ≠< >
e e E e e
e v w e v wi j i j
i j
, ,
, ,
Che sta ad indicare che due archi diversi non possono uscire ed entrare negli
stessi nodi, e non possono quindi essere paralleli .
5.3) Valore del nodo
La nostra analisi si prefigge lo scopo di associare ad ogni nodo un numero
reale, che sia indicativo di alcune condizioni rivelate dall ’ indagine preliminare.
In particolare, si suppone che il valore di un dato elemento analizzato sia
dipendente in forma lineare dal valore delle sue causanti. La funzione valore del
nodo è appunto la relazione esistente tra il valore di un dato elemento dell ’analisi
complessa ed il valore delle sue causanti.
Grafi numerici
120
Come vedremo in seguito, non sempre è possibile calcolare questo numero;
esistono alcuni casi particolari che impediscono di giungere ad una definizione
della funzione per tutti i grafi numerici possibili; vedremo però che questi casi
non appartengono alle possibili configurazioni che un grafo numerico può
assumere nell ’analisi 3r.
Definiamo la funzione valore del nodo come segue. Dato un nodo fonte
chiamato v, un generico nodo non fonte chiamato w e l’ insieme dei predecessori
P(w) così definito:
{ }P( ) , ,... ,w a a a nn= ≥1 2 1
si ha che:
ψ
ψ φ ψ
( )
( ) ( , ) ( )
v r
w ee a w ai ii
n
= ∈ ℜ
= =< > ⋅=∑
1
In altre parole, se il nodo è una fonte, la funzione valore del nodo associa ad
esso un numero reale arbitrario, mentre se non è fonte tale valore è determinato
dalla sommatoria del valore dei predecessori moltiplicati per il peso dell ’arco che
collega tali predecessori al nodo valutato.
Essendo una funzione ricorsiva, la ψ ( )w non sempre ammette soluzioni:
esistono casi in cui il suo valore resta indeterminato.
Per isolare tali casi è necessario introdurre il concetto di “sistema
equivalente” .
5.4) Il sistema equivalente
A partire da un grafo numerico R, costruiamo un sistema di equazioni li neari
con le seguenti caratteristiche:
I termini noti del sistema sono le fonti del grafo numerico
Analisi sistemica complessa
121
• Ogni nodo del grafo numerico viene trasformato in una variabile del
sistema
• Ogni arco del grafo numerico viene trasformato in un coeff iciente delle
variabili del sistema
Si procede dunque così: per ogni nodo del grafo numerico si scrive un
equazione, nella quale:
• La variabile che corrisponde al nodo viene eguagliata ad un espressione
formata da una somma di elementi; diventa dunque variabile dipendente;
tale nodo viene chiamato nodo dipendente.
• Ogni elemento è costituito da una variabile ed un coeff iciente oppure da
un termine noto; chiameremo i primi elementi variabili , ed i secondi
costanti.
• Gli elementi variabili sono composti dalla variabile che corrisponde ad un
nodo predecessore del nodo dipendente, e da un coeff iciente pari al peso
dell ’arco li collega.
• Le costanti sono numeri reali ottenuti moltiplicando il valore del nodo
fonte predecessore del nodo dipendente, con il peso dell ’arco li collega.
In simboli possiamo descrivere il processo come segue:
{ }{ }{ }{ }
{ }
R V E
V v v s
E e e t
F h h h V P h m
NF z z z V z F n
s
t
m
n i
=
= >
= >
= ∈ = ∅ ≥
= ∈ ∉ ≥
, ;
,.., ;
,..., ;
,..., , ( ) ,
,..., , ,
1
1
1
1
1
1
1
1
î
++++=
+++++++=
++++=++++=
−−
++−−
nnnnnnn
ininiiiiiiiii
nn
nn
kxaxaxax
kxaxaxxaxax
kxaxaxax
kxaxaxax
11,2211
11,11,2211
213231212
113132121
...
...
......
...
...
...
α
Grafi numerici
122
( )
( ) ( )
( )
aee z z se e E
altrimenti
kee h z h se e E
altrimenti
x z
iji j
i
j i jj
m
i i
==< > ∃ ∈
î
==< > ⋅ ∃ ∈
î
≡
=∑
φ
φ ψ
ψ
,
,
0
01
Letteralmente: dato un grafo numerico, composto dagli i nsiemi dei vertici e
degli archi, individuiamo l’ insieme delle fonti, e dei nodi non fonte. Chiamiamo
il generico elemento dell ’ insieme fonte h; la numerosità di tale insieme è m.
Analogamente, chiamiamo il generico elemento dell ’ insieme delle non fonti z, e
la sua numerosità n. Costruiamo quindi un sistema di equazioni, dove le
incognite rappresentano il valore dei nodi non fonte (incogniti): ( )x z≡ ϕ . A turno,
le incognite sono eguagliate ad una espressione di dipendenza lineare dalle altre
variabili e da un termine noto k. Tale termine è uguale alla sommatoria dei valori
noti (pesi degli archi moltiplicato valore delle fonti). I coeff icienti sono pari a
zero se non esiste un arco che collega il nodo rappresentato dalla variabile
dipendente a quello rappresentato dalla variabile indipendente; altrimenti sono
pari al peso di tale arco.
Questa impostazione permette di rilevare immediatamente che la costruzione
di un tale sistema corrisponde semplicemente alla scrittura per esteso delle
funzioni del valore del nodo per ogni nodo non fonte.
Si ottiene così un sistema di n equazioni in n incognite, e risultano immediate
due importanti conseguenze:
• Se (e solo se) il sistema ammette un’unica soluzione, la funzione ψ è
definita su tutto il grafo numerico.
• La soluzione del sistema equivalente corrisponde al valore dei nodi del
grafo numerico.
Analisi sistemica complessa
123
D’ora in avanti ammetteremo per ipotesi che i grafi numerici generati
dall ’analisi complessa diano sempre origine a sistemi che ammettono soluzione
unica. Se così non fosse, vorrebbe dire che alcune delle equazioni ( o delle
funzioni di valore dei nodi) sono linearmente dipendenti; questo implica
un’analisi errata della realtà. Evidentemente l’ indagine ha portato ad una
configurazione errata del grafo numerico, rendendo impossibili i calcoli .
Torneremo su questo punto nel prossimo capitolo; per adesso si assume l’ ipotesi
che i grafi numerici analizzati siano sempre definiti .
5.5) Punto della situazione
Nel paragrafo precedente abbiamo stabilit o che è possibile determinare il
valore dei vertici di un grafo numerico risolvendo il suo sistema equivalente. Il
primo scopo che si poneva il capitolo sembra raggiunto. Inoltre, è possibile usare
il risultato del paragrafo precedente anche per stabili re quale sia la relazione tra
una variabile e le cause che la generano: è suff iciente approntare degli scenari
alternativi e calcolare il valore del sistema equivalente secondo i diversi l ivelli
delle risorse (termini noti).
Questo almeno teoricamente. Purtroppo la realizzazione pratica dei metodi
suggeriti risulta estremamente diff icile, se non impossibile. Nella realtà, infatti,
gli elementi presi in considerazione dal modello oscill eranno da un minimo di
poche unità fino a valori estremamente alti , (circa 100 o 200). Nella maggioranza
dei casi vi saranno almeno 50 elementi analizzati. Ciò significa approntare un
sistema composto da più di 2500 coeff icienti. Anche ammesso che larga parte dei
coeff icienti del sistema siano zeri, nella gestione di tali strutture sorgono
inevitabilmente delle problematiche:
Grafi numerici
124
Non esistono strumenti informatici specifici per il calcolo matriciale o il
trattamento di sistemi di equazioni in grado di gestire tale mole di dati. I
programmi software esistenti possono al più gestire matrici di dimensioni assai
modeste.
L’ inserimento di una tale quantità di dati è estremamente lungo ed oneroso, e
può portare gli operatori a commettere una grande quantità di errori.
Una volta generato, il sistema equivalente ed i suoi risultati sono
assolutamente non interpretabili . I risultati dovrebbero poi essere ritradotti ed
inseriti nel grafo originario per essere compresi.
Il problema si moltiplica nel caso che si vogliano effettuare delle analisi di
scenario, o si voglia valutare la dipendenza di una variabile da alcune sue cause
remote.
La soluzione contemporanea di tutte queste problematiche è pressoché
impossibile. È dunque necessario trovare un modo diverso di procedere che
mantenga la leggibilit à e la capacità informativa del grafo generato dall ’analisi, e
permetta di giungere più facilmente ai risultati voluti.
Tutto ciò è possibile se definiamo un ulteriore concetto: la ricorsione.
5.6) Le ricorsioni
Nella quasi totalità di casi, i grafi saranno formati per lo più da elementi che
generano i loro successori in cascata. Se, ad esempio, un grafo numerico è
configurato nel seguente modo:
���� � ��
dove le lettere minuscole indicano il peso degli archi, e quelle maiuscole il
valore dei nodi, possiamo calcolare il valore di qualsiasi elemento applicando
Analisi sistemica complessa
125
una semplice equazione lineare. Il problema si pone quando il grafo numerico
assume configurazioni di questo genere:
�
���
� ��
Qui si realizza infatti un fenomeno differente. I valore B,C ed E dipendono gli
uni dagli altri. Non è possibile risolvere sequenzialmente le varie equazioni; i
valori B, C, ed E devono essere calcolati contemporaneamente, attraverso un
sistema di equazioni. Tuttavia, una volta eseguita questa operazione, il valore di
C diventa noto, e D può essere calcolato a partire da esso. I nodi coinvolti i n
questo cerchio determinano una ricorsione, che definiremo più avanti.
Il metodo che utili zzeremo per calcolare il valore dei nodi sarà quello di
procedere sequenzialmente; calcoleremo il valore dei nodi per i quali risulta
definito il valore dei predecessori. In prima istanza, solo i nodi a diretto contatto
con le fonti del grafo numerico potranno essere calcolati. Scenderemo poi
calcolando livelli sempre più profondi, fino ad incontrare elementi che
richiedono l’ impostazione di un sistema di equazioni.
Dato che la dimensione delle ricorsioni, nella pratica del modello, è assai più
limitata di quella del grafo numerico, questo metodo ci permetterà di avere a che
fare con sistemi di equazioni li neari considerevolmente più piccoli e più gestibili .
Esiste un altro scopo nell ’ individuare le ricorsioni presenti all ’ interno di un
grafo numerico, ma ne riparleremo più avanti.
Per definire matematicamente il concetto di ricorsione, sarà necessario
utili zzare altri strumenti mutuati dalla teoria dei grafi; in particolare utili zzeremo
i concetti di percorso, raggiungibilit à, e sottografo.
Percorso
Definizione: Definiamo un insieme di nodi ed archi come segue:
Grafi numerici
126
{ }{ }
R E V
W v e v e v v e v n
v V e En n n
k k
=
= ≥∈ ∈
−
,
: , , , , ,..., , ,
,0 1 1 2 2 1 1
Si dice che W è un percorso (walk) in R se:
( ) ( )v e v e i ni i i i− = = ∀ =1 1α α, ..
come dire, il percorso è una sequenza di nodi ed archi che porta da un vertice
iniziale v0 ad uno finale vn tali che il nodo precedente è predecessore del nodo
successivo.
Il percorso può essere aperto se v vn0 ≠ , altrimenti si dice chiuso.
Definizione: Si dice sentiero in R il percorso aperto nel quale vale la seguente
affermazione:
v v i j n i ji j≠ ∀ = ≠, ..0
Quindi, il sentiero è un percorso aperto nel quale ogni elemento è presente una
sola volta.
Definizione: Si dice ciclo un percorso chiuso nel quale vale la seguente
proprietà.
v v i j n i ji j≠ ∀ = − ≠, ..1 1
Ovviamente, essendo un percorso chiuso particolare, in un ciclo vale
l’affermazione: v vn0 =
5.6.1) Raggiungibilità
Definizione: il generico vertice w si dice raggiungibile da un nodo v se esiste
un percorso che inizia da v e termina in w. In formula:
{ }
{ }
R V E
v a w V e E
w v WW v e a a e w n
k k
n n
=∈ ∈
∃ = ≥−
,
, , ,
, , ,..., , , raggiungibile da se 1 1 1 1
Analisi sistemica complessa
127
Definizione: Definiremo dunque l’ insieme di raggiungibili tà per un dato
nodo l’ insieme formato da quei vertici raggiungibili dal nodo iniziale:
( ) { }{ }v w a V
v v w W v e a e a w
k
s s
, ,
, , , ,... , ,
∈
= ∃ = −R 1 1 1
Secondo la definizione mutata dalla teoria dei grafi numerici, ogni nodo è
raggiungibile da se stesso, quindi v fa parte dell ’ insieme di raggiungibilit à. Noi
abbiamo però necessità di definire il concetto di raggiungibili tà stretta.
L’ insieme dei nodi strettamente raggiungibili da un nodo iniziale v si indica con
il simbolo ( )′R v ed è definito come sopra, ma senza l’ inclusione di v. Quindi v è
sempre raggiungibile da se stesso, ma è strettamente raggiungibile solo se esiste
un ciclo del quale v fa parte.
5.6.2) Sottografo
Un sottografo (o nel nostro caso, un sottografo numerico) è un sottoinsieme di
R nel quale valgono tutte le proprietà di R, e nel quale sono definite tutte le
funzioni. In simboli:
{ }
{ }
′ ⊆ ⇒ ′ = ′ ′′ ⊆′ ⊆
∈ ′ ∈
′ = =< >
R R R V E
V V
E E
v w V e E
E ee v w
, , , , , ,
,
, ,
,
α ω φ ψ
Un sottografo è dunque formato da un sottoinsieme definito di V, ed un
sottoinsieme di E tale che gli archi contenuti in esso siano entranti ed uscenti in
nodi appartenenti al sottoinsieme dei vertici. Il fatto che in esso siano definiti
tutte le funzioni che sono definite in R ci permette di stabili re che è possibile
scrivere un sistema equivalente anche in un sottografo numerico, cosa molto
importante.
Grafi numerici
128
5.6.3) Definizione di ricorsione
Eccoci finalmente giunti al cuore di questo paragrafo. Definiamo le ricorsioni
come un sottografo numerico, nel quale ogni nodo dipende dagli altri. Questa
definizione, da sola, è incompleta, in quanto potrebbe definire solo ricorsioni
coincidenti con cicli . Infatti, in ogni ciclo troviamo nodi che sono raggiungibili
da se stessi, e quindi il l oro valore deve essere calcolato contemporaneamente.
Tuttavia questo fenomeno si verifica anche quando vi sono due o più circoli con
almeno un nodo in comune come nell ’esempio che segue:
�
�
� �
�
Esistono due cicli i nterrelati: il primo è formato dai nodi b ed e, l’altro è
costituito dai nodi b e c. Ovviamente i cicli i ncludono anche gli archi tra i nodi.
Tuttavia, non possiamo calcolare i valori dei nodi separatamente per i due cicli; è
necessario impostare un sistema che includa tutti i nodi interrelati.
Vi è però una caratteristica delle ricorsioni che ci aiuta a definirle. Come
possiamo vedere, in una ricorsione tutti i vertici sono raggiungibili da tutti gli
altri, e da se stessi. Se costruiamo l’ insieme di raggiungibilit à stretta per un nodo
v, e poi lo intersechiamo con l’ insieme dei vertici per i quali v è raggiungibile,
otteniamo tutti i nodi inclusi in una ricorsione. Dalla definizione di sottografo
ricaviamo poi quali archi appartengano alla ricorsione.
Nel precedente esempio il nodo b ha insieme di raggiungibilit à stretta che
comprende i nodi c, d, e oltre allo stesso b. A sua volta b risulta strettamente
raggiungibile da se stesso e dai nodi a, c, e. Intersecando i due insiemi risulta che
la ricorsione costruita su b include i nodi b, c, e. Lo stesso risultato è ottenuto
costruendo la ricorsione sugli altri nodi appartenenti ad essa.
Analisi sistemica complessa
129
Definizione: Si dicono insieme causa ed insieme effetto di un vertice v
appartenete ad un grafo numerico R rispettivamente l’ insieme dei nodi per i quali
v risulta strettamente raggiungibile, e l’ insieme dei vertici strettamente
raggiungibili da v.
( ) { }{ }( ) { }{ }wvWwv
vwWwv
,..,
,..,
=∃=
=∃=
E
C
Definizione: Si dice r icorsione un sottografo numerico di R costruito su di un
nodo v tale che il suo insieme dei nodi è dato dall ’ intersezione dell ’ insieme causa
e dell ’ insieme effetto del nodo v:
( )( ) { }
( ){ }
{ }>=<=′′∈
∩=′′′=Θ
∈⊆Θ
waeeE
Vwa
vvV
EVv
RvRv
,
,
)(
,,,,,
,
EC
ψφωα
Osservazione: La ricorsione può essere indifferentemente costruita su
qualsiasi nodo appartenente ad essa; possiamo scrivere il simbolo ( )Θ Θ= v per
indicare la ricorsione senza specificare su quale nodo è costruita.
Importante è la seguente definizione, necessaria ai fini del calcolo dei sistemi
equivalenti alle ricorsioni:
Definizione: si dice r icorsione allargata su di un vertice v un sottografo
numerico che include tutti i nodi della ricorsione, i nodi che hanno come
successore uno o più membri della ricorsione, e gli archi che li connettono.
( ) { }( ) ( ){ }
{ }
′ = ′′ ′′
= ∩ ′ ≠ ∅′′ = ′ ∪
∈ ′′
′′ = =< >
Θ
Θ
v V E
FR w w V
V V FR
a w V
E ew a w
, ,...
,
,
S
Grafi numerici
130
Chiameremo i membri dell ’ insieme FR fonti della ricorsione, in quanto si
comportano come termini noti del sistema equivalente nel quale possiamo
trasformare la ricorsione.
5.7) Risoluzione del grafo numerico
Definite le ricorsioni allargate, possiamo finalmente analizzare il grafo
numerico ed associare ad ogni elemento il proprio valore. Al fine di sempli ficare
tale lavoro è necessario scoprire preventivamente quali siano le ricorsioni, le
fonti, i termini e soprattutto i le fonti delle ricorsioni.
Prima di eseguire calcoli è tuttavia conveniente individuare le ricorsioni.
Queste possono essere trovate visivamente (osservando una rappresentazione
bidimensionale) se il grafo numerico è suff icientemente semplice. Tuttavia, un
metodo operativo si rende più opportuno quando il grafo numerico diventa
complesso.
5.7.1) Analisi dei vertici
Andiamo alla ricerca dei vertici che non possono essere inclusi in ricorsioni:
inizialmente tale assunzione può essere posta solo per fonti e termini. Cerchiamo
dunque vertici che abbiano solo fonti nel loro insieme dei predecessori. Anche
questi elementi non possono essere ricorsivi, perché sappiamo che i membri delle
ricorsioni devono avere almeno un predecessore ed almeno un successore in essa.
Continueremo così fino a che non saremo giunti ai termini, o fino a che non
potremo proseguire per il fatto che tutti i vertici hanno un predecessore o un
successore del quale non possiamo essere certi dell ’estraneità ad una ricorsione.
Analisi sistemica complessa
131
A questo punto eseguiamo la stessa operazione a ritroso dai termini alle fonti;
anche elementi che abbiano solo termini come successori non possono essere
inclusi in nessuna ricorsione.
Alla fine di questo procedimento che è operativamente molto semplice,
otterremo alcuni gruppi isolati di elementi non definiti . Nella maggior parte dei
casi, tali gruppi indicano una ricorsione. Raramente però possono comparire
elementi non ricorsivi intrappolati tra due ricorsioni, come l’elemento X nel caso
seguente:���
�
� �
�
X è tra due ricorsioni, ma non fa parte di nessuna di esse. Ha infatti un
predecessore in una ed un successore nell ’altra. Allo scopo di individuare
correttamente le ricorsioni, (B-F e C-E) è necessario continuare l’analisi.
Sapendo che A e D non sono ricorsivi, studiamo i percorsi partendo da un punto
arbitrario (ad esempio E). Da E andiamo in C, e da esso possiamo tornare in E o
andare in D; D è definito, quindi C ed E formano una ricorsione. Rimangono B,F
ed X; seguendo lo stesso ragionamento, Da B andiamo in F e torniamo in B, ma
possiamo anche andare in X. Solo che X ha come unico successore un elemento
che abbiamo già definito: C. Quindi X non è ricorsivo e B ed F lo sono.
Anche partendo da B otteniamo lo stesso risultato: B ha come successori F ed
X (per ora non sono definiti ); F torna a B, (individuando una ricorsione) e X va
in C. Adesso non sappiamo se anche X ed i suoi successori appartengono alla
stessa ricorsione di B ed F; sappiamo infatti che una ricorsione può contenere più
cicli; un successore di X potrebbe condurre ad F o a B. Proseguiamo quindi: C va
in D (definito non ricorsivo) ed in E. E torna in C; a questo punto conosciamo
tutti i successori di C (E, D); possiamo quindi dire che C ed E fanno parte della
Grafi numerici
132
stessa ricorsione. X causava C, che ora conosciamo come non appartenente alla
ricorsione B-F, quindi X non fa parte di alcuna ricorsione.
Volendo, è possibile tradurre questo procedimento in simboli . Definiamo
l’ insieme dei punti non ricorsivi del grafo numerico come D (definiti ) ed
indichiamo il generico elemento di tale insieme ad . Indichiamo invece il
generico elemento di una ricorsione come arn dove n è un numero reale che
indica ricorsioni diverse tali che:
( )( )
( ) ( )( ){ }
a v
a w
v w h k
a D vv w w R
rk
rh
d
∈
∈≠ ⇒ ≠
∈ = ∉ ∀ ∈
Θ
ΘΘ Θ
Θ
Ai fini della successiva analisi può essere comodo individuare in anticipo le
fonti ed i termini: il risultato grezzo dell ’ASC è infatti una lista nodi e dei loro
diretti successori. Il primo lavoro di un ricercatore è si accinga all ’analisi del
grafo numerico è dunque quello di trovare le fonti ed i termini del grafo
numerico. Al fine di avere una traccia di tale analisi preliminare, l’apice d può
essere sostituito dal simbolo f nel caso che il nodo sia fonte, t se è termine, m
diversamente. Date queste definizioni possiamo stabili re che:
( )( ) dt
df
vvv
vvv
⇒⇒∅=
⇒⇒∅=
S
P
md vvvSv ⇒∅≠∅≠ ,)(,)(P
Se un elemento ha tutti i predecessori definiti o in una ricorsione e tutti gli
effetti definiti o in un’altra ricorsione, sicuramente non è ricorsivo:
( ) { } ( ) { }P Sv a a r r v b b r r k h vdnd rh
mrh d
sd rk
trk d= = ≠ ⇒1 1 1 1,.., , ,.., , ,.., , ,.., ,
È da notare come questa definizione sia una generalizzazione delle formule
poste sopra: infatti, se n,m,s,t sono posti a zero a turno, otteniamo le prime due
formule. Anche se tutti e quattro gli i ndici sono posti a zero, il risultato è valido:
Analisi sistemica complessa
133
in un grafo numerico con un solo elemento e senza archi, l’unico nodo non
appartiene certo a nessuna ricorsione...
Per quanto riguarda gli elementi inclusi nelle ricorsioni, possiamo infine
affermare che:
∃ =< > =< >⇒e a v f v b vrk rk rk, ; ,
Che significa che se un nodo è sia predecessore che successore di nodi
appartenenti ad una data ricorsione, anch'esso ne deve far parte. Più in generale si
può affermare che:
( )( ) rh
krh
nnrh
rhk
rhnn
aweaeaevW
avveaeaevW
⇒∃
⇒∃
+
+
,,,..,,,,
,,,,..,,,,
1211
1211
La prima espressione afferma che se esiste un percorso chiuso (non
necessariamente ciclo), allora tutti i nodi facenti parte di tale percorso
appartengono alla stessa ricorsione. La seconda afferma invece che se esiste un
percorso che inizia in un nodo di una data ricorsione, e termina in un altro nodo
della stessa ricorsione, si può affermare che tutti i nodi inclusi nel percorso
appartengono alla stessa ricorsione.
5.8) Calcolo del valore dei nodi
Operativamente, dopo aver assegnato un valore ai nodi fonte, si procederà
calcolando il valore dei nodi che sono generati unicamente da fonti. Terminati
questi, si ripeterà l’operazione, continuando a calcolare unicamente il valore di
nodi dei quali conosciamo il valore dei predecessori. Presto o tardi ci
imbatteremo inevitabilmente nelle ricorsioni trovate precedentemente; dovremo
procedere fino a che sarà possibile calcolare il valore di altri nodi. A questo
punto avremo, per almeno una ricorsione, il valore di tutti i nodi fonte della
ricorsione allargata; il valore di tutti i nodi che non appartengono alla ricorsione,
Grafi numerici
134
ma hanno almeno un successore in essa. A questo punto imposteremo e
risolveremo il sistema equivalente alla ricorsione allargata: fatto questo
sostituiremo i valori dei nodi, e proseguiremo: se alcuni nodi sono “ incastrati” tra
la ricorsione calcolata ed un’altra è adesso possibile calcolarli , altrimenti si
procede al calcolo delle altre ricorsioni, fino a che non rimangono nodi indefiniti .
5.9) Punto della situazione
Siamo ora in grado di rispondere alla prima delle esigenze segnalate nel
capitolo: calcolare il valore di ogni nodo di un grafo, mantenendo tale compito a
livelli di diff icoltà gestibili . Abbiamo inoltre introdotto un metodo che permette
di individuare ed isolare le ricorsioni presenti nel grafo: tale informazione di tipo
qualitativo può essere assai utile a chi si presta all ’analisi. Una ricorsione
individua infatti un gruppo di variabili altamente interdipendenti, che è cioè
impossibile modificare in maniera individuale. Se si desidera che il l oro valore si
attesti a certi li velli , sarà necessario prendere contemporaneamente in analisi tutte
le variabili per trovare una sorta di equili brio contemporaneo. Per questo motivo
anche solo sapere quali sono le variabili così interrelate è un’ informazione
qualitativa assai importante.
Adesso è necessario però venire incontro alla seconda esigenza segnalata:
conoscere la variazione del valore di un nodo a partire dalla variazione di altri.
Solo così è infatti possibile sapere quali sono le “ leve” che hanno un maggiore
effetto sul valore degli elementi a valle; un’analisi comparata a diversi l ivelli di
valore delle fonti (o risorse dell ’ ASC), è una soluzione subottimale e laboriosa.
È assai meglio determinare il coeff iciente di ogni fonte, o elemento manovrabile
dai decisori aziendali , rispetto a date variabili critiche. Questo ci porta all ’ultima
parte del capitolo.
Analisi sistemica complessa
135
5.10) La funzione di correlazione
Ammesso che un sistema di equazioni li neari sia possibile e determinato, ogni
variabile del sistema dipende linearmente dalle altre. Esiste cioè una correlazione
lineare tra due nodi che possiamo esprimere in questi termini:
( ) ( ) ( ) ( ) ( )( )
v w R
w f v w v f v ww
v
,
, ,
∈
= ⇒ =δψ δψδψδψ
Questa semplice espressione indica che la variazione del valore di un nodo
rispetto ad un altro è determinabile e dipende dalla forma del grafo (o del sistema
equivalente). Chiameremo la f(v, w) funzione di correlazione, v sarà il nodo
dipendente e w si chiamerà nodo indipendente.
Per determinare il suo valore, ci avvarremo delle tecniche sviluppate dalla
teoria generale dei sistemi nel trattamento dei modelli matematici, e
principalmente del principio della “retroazione”.
Prendiamo per esempio il seguente grafo:
���� � ��
Le lettere maiuscole rappresentano il valore del nodo, mentre le minuscole
sono il peso dell ’arco. Scriviamo per esteso il sistema equivalente del grafo:
A k
B aA
C bB
D cC
D abc A
====
î
⇒ = ⋅
Supponiamo che il nostro grafo sia esprimibile come un sistema, che può
essere riassunto dal modello matematico seguente:
� ������� �! "� �$#�$%$& ' ���(�����
Grafi numerici
136
Effettivamente il grafo dell ’esempio si comporta in questo modo: nella Black
Box avvengono delle trasformazioni, nel caso dei grafi si tratta di trasformazioni
lineari. La Black Box rappresenta allora la funzione di correlazione del nostro
grafo, l’ input è il valore del nodo a monte e l’output è il valore del nodo a valle.
La correlazione tra A e D è abc. Tale coeff iciente è un numero reale, visto che le
lettere minuscole rappresentano il peso dell ’arco, un numero reale e conosciuto.
Possiamo dire che la funzione di correlazione del nostro grafo è costituita dal
prodotto delle varie φ degli archi presenti nel “sentiero” che collega il nodo
indipendente al dipendente. L’affermazione è sicuramente generalizzabile per
sentieri di qualsiasi lunghezza.
Analiti camente, se esistono poi due sentieri per giungere dal nodo
indipendente al dipendente, avremo i seguenti risultati:
�)��
�� �
*
�
+,
�
A k
B aA
C bB
D cC fF
E dA
F eE
D abc def A
==== +==
î
⇒ = + ⋅( )
Nessuna sorpresa che il risultato trovato sia la somma delle sommatorie
delleφdegli archi nei due sentieri che da A portano a D. A questo risultato si
poteva pervenire anche tramite il modello matematico del “sistema grafo” ;
secondo la teoria dei sistemi, possiamo infatti assimilare il grafo sopra citato con
il seguente modello:
Analisi sistemica complessa
137
� �����"� ' ���(������$�$- . /�0�1�$�$-32 4�5�6
Le due Black Box agiscono in parallelo, sommando il l oro effetto. Possiamo
stabili re senza ombra di dubbio che la rappresentazione di un sentiero come
elemento moltiplicatore in un modello matematico è accurata; generalizzando,
possiamo stabili re che l’effetto di qualsiasi sentiero tra l’ input e l’output viene
sommato.
Stabili ta la rappresentazione adatta al sentiero, manca una rappresentazione
per il ciclo. Ma se il sentiero è un moltiplicatore, anche il ciclo avrà la stessa
caratteristica (essendo un sentiero particolare). Effettivamente, il ciclo si
comporta come un sentiero; non è la sua “forma” a renderlo differente, ma la sua
“posizione” rispetto all ’ input; un ciclo introduce retroazione nel sistema.
Esemplificando:
���
�� ,� �
A k
B aA cC
C dB
D bB
Dab
cdA
== +==
î
⇒ =−1
È interessante notare come la formula generale della retroazione nella teoria
dei sistemi sia la seguente:
� �����"� ' ���(������$�$- .87�$�$-329&
outputX
Yinput=
−1
Grafi numerici
138
Il ciclo B-C-B si comporta evidentemente come un sentiero, che però
retroagisce rispetto al sentiero diretto. Un altro sentiero parallelo al ciclo (quindi
in retroazione al sentiero diretto) si somma alla retroazione già esistente. Un
secondo ciclo che partisse e terminasse sul nodo C, sarebbe invece una
retroazione sulla BB2 del nostro sistema:
� ������� ' ���(�����
�$�$- :<;�$�$- .<7�$�$-32=&
outputX
Y
Z
input=−
−1
1
Va oltre lo scopo della tesi dimostrare la correttezza del parallelo tra un grafo
ed un sistema retroattivo, tuttavia è stato necessario mostrare queste semplici
conclusioni aff inché la forma della funzione di correlazione fosse almeno
comprensibile. La formula infatti non è altro che una generalizzazione dei
principi di parallelismo e retroazione delle Black Box individuate nella teoria dei
sistemi, dato che il l oro contenuto è il prodotto dei pesi degli archi di un dato
percorso..
5.10.1) Forma analitica della funzione di correlazione
Definiamo l’ insieme dei sentieri esistenti tra due punti come:
( ) { }{ }
V R
v w V
IS v w S S S S v wn k
∈∈
= =
,
, , ,.., ,..,1 2
Per la definizione di sentiero si veda quella di percorso in questo capitolo.
Analogamente definiamo l’ insieme delle ricorsioni che sono presenti in un
grafo numerico:
Analisi sistemica complessa
139
{ }RIR ⊆Θ=
ossia, sono tutte quelle ricorsioni che hanno almeno un nodo in comune con un
dato sentiero.
Definiamo quindi gli i nsiemi dei circoli esistenti in una ricorsione. Dobbiamo
rilevare che siccome siamo interessati alla variazione di un nodo w a partire da
un nodo iniziale v, i predecessori di tale nodo non interessano. È necessario
escludere i predecessori del nodo iniziale, per scoprire l’entità della correlazione
tra v e w a partire da un aumento esogeno di v. Ciò porta ad una interessante
conclusione: se v si trova all ’ interno di una ricorsione, dovremo escludere
dall ’analisi quei circoli che retroagiscono su tale nodo. A questo fine useremo
elemento che agirà da filt ro rispetto ai circoli accettati:
( ) { }{ }Θ∈′∈≠==Θ VavaeaeaCvIC kn 1221 ,,...,,,,
ossia, sono tutti quei circoli che formano una ricorsione e che non includono
l’elemento di filt ro v. Si noti che l’ insieme dei circoli i n una ricorsione non può
essere vuoto, a meno che tutti i circoli i n essa non retroagiscano sul nodo di
filt ro, mentre l’ insieme delle ricorsioni su un certo sentiero può essere vuoto.
Senza definire una “funzione di numerosità degli i nsiemi” , diciamo che la
numerosità è rappresentata dall ’ intero n.
A questo punto possiamo definire finalmente la funzione di correlazione come
segue:
( ) ( )( )f V
f v w fp S IS v wii
n
:
, ,
2
1
→ ℜ
= ∈=∑
La fp o “funzione dei percorsi” è a sua volta definibile come una funzione con
dominio nei percorsi e codominio nei reali:
Grafi numerici
140
( )( )
( )∏
∏
=
=
Θ
∈=
ℜ→
n
ii
n
ii
Sfr
Se
Sfp
Sfp
1
1
,
:
φ
dove ei è l’ i-esimo arco del percorso (che sia un sentiero o un ciclo). Si vada a
vedere in proposito la definizione di percorso. “ fr” invece è la funzione di
ricorsione applicata all ’ insieme delle ricorsioni che insistono su S, ossia sul
percorso che stiamo analizzando.
( ) ( )( )î ∅≠∩′Θ∈′∈Θ
=Θ
ℜ→
altrove
SVVseSaICfcSfr
IRfr
1
,,,
:
1
“ fc” è invece la funzione dei circoli , che associa ad un insieme di circoli che
compongono una data ricorsione ad un numero reale:
( ) ( )∑=
∈=
ℜ→n
ii ICCfpICfr
ICfr
1
:
Una breve spiegazione: il valore della funzione di correlazione dipende dai
sentieri esistenti tra due nodi e dai circoli che retroagiscono su questi sentieri. La
funzione di correlazione viene applicata a due punti tra i quali possono esistere
da zero a n sentieri. Per ogni sentiero viene trovata una funzione di percorso, e
sommata agli altri.
La funzione di percorso genera una produttoria dei pesi degli archi che lo
definiscono; va poi applicata la retroazione, tramite l’uso di una funzione di
ricorsione. Questa è a sua volta una produttoria composta una serie di elementi
retroattivi, ossia uno meno la funzione che descrive i circoli che si trovano in
essa (escluso quei circoli che retroagiscono su 1a , primo elemento di S, che è il
nodo iniziale della correlazione). La fc associa i cicli ad un numero reale; si tratta
di una sommatoria di funzioni di percorso calcolate sui cicli . È da notare che se
non esistono ricorsioni, la produttoria nella funzione di sentiero ha valore uno.
Analisi sistemica complessa
141
Questa complessa serie di funzioni è la generalizzazione dell ’applicazione
della teoria dei sistemi matematici al grafo: ogni insieme di percorsi tra due nodi
è visto come una scatola nera che può essere “esplosa” nelle sue componenti;
alcune di queste sono dirette, altre retroagiscono sulle componenti dirette. Il fatto
è che, in un grafo, un ciclo può essere costruito e fatto retroagire su un altro ciclo,
e così via indefinitamente. Inoltre, alcuni percorsi possono essere paralleli per un
certo tratto, quindi unirsi per poi dividersi ancora.
La formula generalizza la soluzione del problema, ed è necessariamente
ricorsiva: se un ciclo retroagisce su di un altro ciclo, la fc del secondo ciclo
richiederà la soluzione del primo per essere completa.
5.10.2) Esempio
Dimostrare la funzione di correlazione è semplice, ma richiede ragionamenti
estremamente lunghi, ed occuperebbe troppo spazio in questa sede. Già questo
capitolo, all ’ interno di una tesi sull ’analisi sistemica complessa, è una
divagazione; purtroppo si è reso necessario per ill ustrare gli strumenti analiti ci
utili zzati nei prossimi capitoli . Posso però fornire un esempio relativamente
semplice che possa ill ustrare come può essere operativamente usata la funzione.
Si prenda ad esempio il seguente grafo:
Grafi numerici
142
>
?@
A
BC
D EF
GHI
JK
L
5
MN/
OP
Q6
RST
U
V
WX
Y Z
1[
0
4\
Vogliamo sapere di quanto varierà il proprio valore il nodo N al variare del
valore del nodo A (fonte). Questo grafo potrebbe essere realmente un insieme di
percorsi tra una fonte ed un termine in una struttura generata da un’analisi reale.
Per semplice brevità, con le lettere indicheremo sia i nodi e gli archi che i loro
valori (o pesi), a seconda dei casi. Individuiamo innanzitutto i sentieri possibili
(insieme di sentieri):
{ }{ }{ }{ }
S A g B d O v N
S A q G r I m N
S A q G i H l I m N
S A p M n N
1
2
3
4
=
=
=
=
, , , , , ,
, , , , , ,
, , , , , , , ,
, , , ,
Vediamo poi quale ricorsioni insistono sui percorsi:
( ) ( ) ( ){ }( ) ( ){ }( ) ( ){ }( ) ∅=
Θ≡Θ=Θ≡Θ=
Θ≡ΘΘ≡Θ=
4
33
32
211 ,
SIR
GSIR
GSIR
OBSIR
Vediamo preventivamente quali cicli i nsistono sui vari percorsi:
Analisi sistemica complessa
143
( ) { }( ) { }( ) { }543
32
6211
,
,,
CCIC
CIC
CCCIC
=Θ=Θ=Θ
{ }{ }{ }{ }{ }{ }
C B f F h E e B
C B c D b C a B
C O t P u O
C G i H l I o L s G
C G r I o L s G
C D x Q y D
1
2
3
4
5
6
=
====
=
, , , , , ,
, , , , , ,
, , , ,
, , , , , , , ,
, , , , , ,
, , , ,
Adesso possiamo applicare la formula. Conviene calcolare prima le funzioni
di retroazione; andrebbero calcolate in ogni caso e questo ci permette di
risparmiare spazio per i prossimi calcoli . È necessario iniziare prima dalle
funzioni dei percorsi (cicli e sentieri) sui quali non insistono altri cicli .
( )
( )( )
( )
( ) fheCfc
xy
cbaCfc
tuCfc
ilosCfc
rosCfc
xyCfc
=−
=
====
1
2
3
4
5
6
1
)(
Quindi calcoliamo la formula delle ricorsioni:
( )
( )( ) rosilosIC
tuIC
xy
cbafhefc
−−=Θ−=Θ
−−−=Θ
1
1
11
3
2
1
Sempre procedendo a ritroso, possiamo calcolare le formule dei percorsi:
( )( )
( )
( )( ) pnSfp
rosilos
qilmSfp
rosilos
qrmSfp
tuxy
cbafhe
gdvSfp
=−−
=
−−=
−⋅
−
−−=
4
3
2
1
1
1
11
1
Grafi numerici
144
La formula conclusiva (mettendo in evidenza le parti in comune) è la
seguente:
( )( ) ( ) pn
rilos
ilrqm
tuxy
cbafhe
gdvNAf +
+−++
−⋅
−
−−=
1
)(
11
1
,
Il procedimento risulta essere lungo ma semplice.
5.11) Funzione di correlazione in forma compatta
Il criterio sul quale si basa la funzione di correlazione come esposto in
precedenza, ossia la retroazione in cascata di un ciclo su altri, risulta essere di
diff icile applicazione in alcuni casi. Quando siamo di fronte ad un gruppo di cicli
non scomponibili , in particolare, il criterio è fallace. Se ad esempio abbiamo in
una ricorsione un ciclo A sul quale retroagiscono sia un ciclo B che un ciclo C,
sui quali retroagisce un ciclo D, risulta estremamente complicato determinare in
via analiti ca come comporre la formula della funzione di correlazione.
L’ imbarazzo dipende dal fatto che non è facile stabili re quale ciclo retroagisca
sugli altri. Per ovviare a questo problema è possibile sfruttare una proprietà
algebrica delle frazioni, in modo da trasformare la funzione di correlazione che
basa il proprio criterio sull ’ individuazione delle retroazioni, in una funzione che
adoperi altri criteri.
È necessario notare come una qualsiasi frazione dalla forma:
e
dc
ba
−−
−−
−
11
11
1
1
Analisi sistemica complessa
145
può essere agevolmente trasformata, tramite semplici passaggi algebrici come
segue:
acecebebdaeadacedcba
cebebdedcb
−++++++−−−−−+++−−−−
1
1
La prima forma, quella di frazione a più “ livelli ” è facilmente ottenibile
tramite la funzione di correlazione. In pratica possiamo ben vedere come al
denominatore della “forma compatta” compaiano tutti i termini delle singole
frazioni, prima sottratti singolarmente, poi sommati a due a due, poi sottratti di
nuovo di tre in tre. In particolare notiamo come i gruppi di due o tre termini siano
composti associando tutti i termini distanti almeno “un piano” . Anche il
nominatore è composto seguendo le stesse regole, ma manca il termine a, ossia
quel termine che si trova immediatamente “vicino” al nominatore nella frazione a
più piani.
La proprietà sopra indicata è valida per qualsiasi frazione che può essere
formata grazie alla funzione di correlazione.
Sfrutteremo quindi tali proprietà delle frazioni per costruire una funzione di
correlazione in forma “compatta”, che non si basi sul criterio di retroazione tra i
circoli , ma sul criterio di adiacenza, in termini di vicinanza nel grafo.
Definiti gli i nsiemi IS ed IR come in precedenza, è necessario definire i così
detti insiemi zeta: sono insiemi di un dato numero di circoli che non hanno alcun
elemento in comune tra di loro né con un sentiero chiamato “sentiero di
controllo” . La definizione è la seguente:
( ) { }jikjiCCSCICCCCSkICZ ijiik ≠≤≤∀∅=∩∅=∩∈= ,,1,,,...,,, 1
Oltre a tale insieme, dobbiamo costruire il così detto insieme degli zeta o IZ,
che riunisce tutti gli i nsiemi zeta che possono essere costruiti i n una data
ricorsione:
( )[ ] ( )[ ]{ }SkvICZZZSvICIZ ,,,,, Θ==Θ
Grafi numerici
146
Adesso possiamo ridefinire le varie funzioni viste prima. La funzione di
correlazione cambia leggermente forma:
( ) ( )∑=
∈=n
iii wvISSSfswvf
1
),(,
ridefiniamo dunque la formula dei percorsi fp come:
( ) ( )∏=
Θ⋅=m
jj SfrSfpsSfp
1
,)(
Sarebbe a dire, la funzione di percorso è pari alla funzione dei pesi di sentiero
(fps) moltiplicata la produttoria delle funzioni di ricorsione (che vediamo subito)
per tutte le ricorsioni esistenti nel grafo. La funzione dei pesi di sentiero è la
seguente:
( ) ( )∏=
∈=n
ii SeSfps
1
φ
In pratica è la semplice produttoria dei pesi degli archi che ormai conosciamo
bene. Segue la definizione della funzione di ricorsione:
( ) ( )[ ]{ }
( )[ ]{ }
î
∅∈Θ∈+
∈Θ∈+
∅=∩′Θ∈′
=Θ
∑
∑
=
= altroveSaICIZZfz
SSaICIZZfz
SVVse
Srfn
ii
n
ii
11
11
,,1
,,1
,1
,
Qui ci dobbiamo fermare per una spiegazione più completa; fino ad ora
abbiamo semplicemente riportato la funzione di correlazione nella sua forma
canonica, come l’abbiamo definita nel paragrafo precedente (modificandola
leggermente con semplici passaggi algebrici). Tutto il cambiamento si
materializza nella funzione di ricorsione, differente dalla precedente. Questa è in
pratica la generalizzazione del procedimento algebrico descritto all ’ inizio del
paragrafo (l’appiattimento, se così si può dire, di una frazione a più livelli ) che
utili zza un criterio particolare: il criterio di non adiacenza. Al nominatore
troviamo la sommatoria di tutte le funzione degli zeta, o fz, per gli zeta che
possono essere costruiti sulla ricorsione, con il percorso preso come insieme di
Analisi sistemica complessa
147
controllo. Al denominatore, viene rimossa l’azione selettiva dell ’elemento di
controllo. La funzione degli zeta è tratta direttamente dalla proprietà delle
frazioni che abbiamo mostrato poc’anzi:
( ) ( )∏=
∈−=n
ii ZCfpsZfz
1
L’applicazione di questa formula all ’esempio del paragrafo precedente cambia
solo la prima delle funzioni di percorso, visto che le altre sono costruite su
ricorsioni che non presentano cicli distanti tra di loro, ossia cicli che non si
intersecano:
( ) ( ) ( )tu
gdv
cbaxycbaxyfhe
xygdvSfp
−⋅
+−−−−=
11
)1(1
È da notare come un operatore che si trovi a dover calcolare la correlazione tra
due nodi di un grafo possa decidere di usare la funzione "estesa", nel caso che le
ricorsioni intersecate dai percorsi siano composte da pochi circoli , o che le
relazioni di retroazione siano chiare. Se queste condizioni non sono incontrate,
risulterà più semplice usare la funzione di correlazione in forma compatta,
costruendo gli zeta che spiegano le relazioni di adiacenza tra i cicli della
ricorsione.
Se si rende necessario implementare la funzione di correlazione su calcolatore,
il criterio di "semplicità" delle configurazioni di cicli perde importanza: anzi,
risulta assai diff icile, e comunque inutile, verificare se i cicli sono composti in
modo tale da poter stabili re delle semplici regole di retroazione. Quindi è più
semplice implementare unicamente la funzione di correlazione in forma
compatta, se questa deve essere risolta da un calcolatore.
Analisi sistemica complessa
149
6. Il modello 3r
In questo capitolo descriviamo il modello relazioni-risorse-risultati. Il nostro
scopo è quello di applicare quanto visto nei capitolo precedenti all ’analisi delle
risorse aziendali . Il modello 3r, infatti, genera dei grafi che seguono regole
particolari, e con una morfologia specifica adatta a rispecchiare le relazioni che
intercorrono tra le risorse generanti e generate in azienda.
6.1) Forma e scopo del modello
Ricordiamo brevemente le caratteristiche del modello 3r introdotte nel
paragrafo 4.3. Il presente modello sarà espresso in forma statica comparativa,
presentandosi morfologicamente come un grafo, o meglio come una struttura
matematica chiamata "grafo numerico". I nodi di tale grafo rappresenteranno
delle valutazioni espresse su date emergenze. Non verranno considerati i vincoli ,
perché l'analisi non considera la dinamica del sistema né la struttura dei costi che
la variazione delle emergenze implica.
Lo scopo è quello di ottenere un modello valido dal punto di vista analiti co,
cioè in grado di evidenziare errori o mosse corrette nella storia di un'impresa, e
dal punto di vista predittivo, cioè capace di supportare decisioni strategiche
anche in presenza di condizioni ambientali turbolente.
Oltre a ciò il modello e la forma analiti ca alle sue spalle devono essere
versatili , nel senso che devono poter essere adattati facilmente a qualsiasi
impresa ed a qualsiasi necessità.
È importante evidenziare un aspetto intrinseco nell 'ASC che può altrimenti
sfuggire. Quando si cerca di studiare un sistema complesso non in maniera
Modello 3r
150
diretta, ma attraverso le esperienze di terzi, si compie una rappresentazione di
secondo livello di una certa realtà. In parole più semplici, se analizziamo
un'impresa a partire dalle considerazioni dei suoi impiegati, otteniamo come
risultato una rappresentazione di una rappresentazione. La prima
rappresentazione è quella posseduti dagli elementi sul sistema al quale
appartengono; vista la dimensione ologrammatica della complessità, nella quale
il sistema è in qualche modo internalizzato dagli elementi, possiamo affermare
che tale rappresentazione dovrebbe essere piuttosto aderente alla realtà. Tramite
il modello 3r costruiamo una rappresentazione delle rappresentazioni che gli
elementi (impiegati) hanno del sistema (impresa).
Il primo risultato ottenuto dal modello 3r è appunto quello di formalizzare la
conoscenza che l'impresa ha di se stessa. Eventuali errori o discrepanze
dovrebbero venire evidenziati nel processo di indagine preliminare alla
formazione del modello; questo risultato preliminare, non incluso negli obbiettivi
espliciti del modello, è comunque importante e merita di essere conosciuto1.
6.2) Rappresentazione degli elementi
Il valore di ogni nodo del grafo che costituisce il modello 3r è una valutazione
della risorsa/emergenza che esso rappresenta. Parliamo qui di “valutazione”,
quindi di un valore relativo, di un giudizio espresso nei confronti di una data
emergenza. Attualmente, infatti, i tentativi intrapresi nel campo della
misurazione del valore economico delle risorse intangibili sono ancora in fase
embrionale, e questo lavoro andrebbe molto oltre il proprio scopo se volesse
intraprendere una simile impresa. Al contrario, molti studiosi si sono occupati
1 Va notato come ciò sia comune a qualsiasi modello anali tico basato sull’ASC.
Analisi sistemica complessa
151
della valutazione ordinale delle risorse intangibili , e molte aziende già le
misurano non in termini di valore economico ma in termini di misure relative
come ad esempio la percentuale di clienti soddisfatti2.
Noi ci proponiamo di confrontare le risorse con la media del settore nel quale
opera la realtà analizzata. “Tempi di consegna” di quindici giorni, ad esempio,
possono infatti significare un ottima prestazione in certi campi, o un pessimo
risultato in altri. Ci proponiamo dunque di trasformare valori misurabili (in
maniera più o meno certa) in valutazioni, o di raccogliere direttamente le
valutazioni su date risorse da parte degli esperti. Tutto questo introduce nel
modello una grande componente di discrezionalità, ma è necessario ricordare che
in questa fase si produce una rappresentazione di una rappresentazione. Il
modello 3r serve unicamente a razionalizzare la conoscenza dell ’ impresa
maturata sull ’ impresa stessa. Data una conoscenza di base, il modello la può
elaborare, e fornire dati rigorosi sulle conseguenze di tale conoscenza.
6.2.1) Tipo di emergenze
Come abbiamo specificato nel corso del quarto capitolo, possono esistere
emergenze e antiemergenze interne, esterne, materiali e immateriali . A livello del
modello che stiamo sviluppando, la distinzione tra la forma assunta dalle
emergenze non ha importanza pratica, ma può essere utile ai ricercatori
individuare le emergenze esterne scrivendo il l oro nome tra parentesi, e le
emergenze immateriali facendole precedere da un asterisco. Così la fiducia di
alcuni interlocutori dell 'impresa sarà indicata nel modello come “* (Fiducia dei
…)” , la competitività potrà essere indicata come “*Competitività” ed emergenze
materiali come la produzione o il reddito saranno scritte normalmente.
2 Si veda a puro titolo di esempio Busacca (1994).
Modello 3r
152
Le antiemergenze avranno il segno meno davanti ad ogni altra indicazione.
Così un debito sarà scritto "-Debito": essendo l'antiemergenza debito materiale
ed interna non vengono aggiunti altri simboli . Invece, una sfiducia verrà scritta
nel modello come "-* (Sfiducia dei …)".
Questa differenziazione di simbologia permette di avere con un colpo d’occhio
alcune informazioni qualitative interessanti. Ad esempio, le emergenze e le
antiemergenze esterne, indicate tra parentesi, non possono essere direttamente
controllate dal management, e possono venire modificate direttamente solo a
condizione di verificare ipotesi di scenario.
Le quattro combinazioni possibili della modalità con la quale le emergenze si
possono presentare, ossia interne/materiali , esterne/materiali , interne/immateriali
ed esterne/immateriali sono indicate dall ’espressione “ tipo di emergenza”, o di
antiemergenza3.
6.2.2) Valore dei nodi
Nei grafi, gli unici dati sui quali possiamo intervenire, modificandone il
valore, sono le fonti. Conosciute queste, è possibile calcolare il valore di tutti gli
elementi. Sarà suff iciente quindi raccogliere valutazioni unicamente sulle fonti
del grafo generato dall ’analisi.
La valutazione delle risorse, anche di quelle intangibili , su scale di settore o su
parere di esperti, è già stata usata con successo in moltissimi campi; nulla ha da
invidiare a metodi che all ’apparenza sembrano più rigorosi. Uno degli obbiettivi
del modello è quello di individuare le aree di possibile miglioramento della realtà
3 Volontariamente non vengono introdotte le distinzioni tra emergenze elementari e sistematiche, che saranno trattate
dal modello in maniera indifferenziata. Comunque, inserire tale distinzione non presenta alcun problema metodologico; se lo
si desidera, è sufficiente usare un segno grafico, come ad esempio la chiocciola “@” per distinguere le emergenze
elementari da quelle di sistema.
Analisi sistemica complessa
153
in analisi, e proporre linee di intervento preferenziali: i giudizi ordinali sono da
sempre usati a questo scopo, e con successo. Noi proponiamo solo una diversa
organizzazione dei dati.
Stabili to che possiamo aff idarci a valutazioni basate su giudizi di esperti o su
osservazioni sulla realtà settoriale, è necessario fissare una scala di valori che
possano sostituire tali giudizi in un modello numerico. La seguente scala è stata
introdotta da J. Aaker nell ’ambito delle ricerche di mercato. (Aaker & Myers,
1996:147) Viene tuttora usata nei questionari proposti ai consumatori, dai quali si
vuole ottenere un giudizio sui propri prodotti:
1. Preferisco altri prodotti
2. Potrebbe interessarmi
3. Acquisto occasionalmente
4. Acquisto spesso
5. È il mio prodotto preferito
La scala a cinque valori ha il pregio di essere immediatamente comprensibile,
di avere abbastanza “scarto” tra il valore minimo e quello massimo da essere
significativa ma non così tanto da confondere l’ intervistato con sfumature poco
chiare. Ha inoltre il vantaggio di avere un punto centrale di indifferenza (3) sul
quale si possono accumulare i giudizi degli i ndecisi.
Dato che in buona parte dei casi dovremo desumere il valore delle emergenze
da questionari proposti ad esperti, possiamo adottare una scala simile:
• Risorsa inesistente: 0
• Assolutamente insuff iciente per i propri scopi: 1
• Lacunosa: 2
• Suff iciente: 3
• Abbondante: 4
• Perfettamente capace di assolvere a compiti anche sovradimensionati: 5
• Competenza/conoscenza unica e diff icilmente acquisibile: 6
Modello 3r
154
Si tratta di una scala “ introspettiva”, che non riguarda il confronto con la
concorrenza o con la media settoriale, ma unicamente l’adeguatezza della risorsa
posseduta a svolgere i propri compiti con successo. Il primo grado (a valore 0)
non dovrebbe essere usato normalmente: se una risorsa non esiste,
semplicemente non entra a far parte del grafo; tuttavia può venire usato in ipotesi
di scenari alternativi, al posto dell ’eliminazione di un nodo, cosa che dovrebbe
rendere la rappresentazione più chiara. L’ultimo gradino della scala può essere
utili zzato quando siamo sicuri che una data risorsa è posseduta unicamente dalla
realtà in analisi, o che l’azienda osservata è sicuramente “un passo avanti a tutti” .
Le antiemergenze, avendo la stessa natura ma effetti inversi rispetto alle
emergenze, saranno valutate al contrario. Una antiemergenza considerata
estremamente bassa o assente sarà valutata con il valore di sei. Se
l'antiemergenza raggiunge un valore molto elevato le verrà dato il valore di uno
(o addirittura zero se il suo valore è particolarmente alto). È da notare che in
questo modo, all ’aumentare dell ’ intensità delle antiemergenze (cosa che
diminuisce il valore del nodo), si riduce il valore di tutti i nodi ad esse connessi.
Se a valle di una antiemergenza troviamo un’emergenza, all ’aumentare
dell ’ intensità della prima (ed alla diminuzione del valore del nodo che la
rappresenta), ecco che l’emergenza a valle diminuisce sia di valore che di
valutazione. Se invece abbiamo a valle un’antiemergenza, interpreteremo la
diminuzione del valore del nodo che la rappresenta come un aumento del li vello
di questa; è suff iciente tenere ben presente che le antiemergenze vengono
valutate al contrario. La forma del grafo 3r è la stessa sia per i nodi che
rappresentano le emergenze che le antiemergenze; cambia solo la scala di
lettura4.
4 Questo accorgimento si rende necessario in base alla seguente considerazione: le risorse, siano esse forze che
debolezze, non possono essere grandezze negative. Così come non esiste uno spazio negativo, allo stesso modo non può
esistere un’emergenza negativa. Sottrarre le antiemergenze dalle emergenze non sarebbe corretto, per due motivi: primo
Analisi sistemica complessa
155
È necessario compiere due osservazioni: la prima è che seppure il li vello di
alcune risorse rimane inalterato, la loro valutazione può variare con il passare del
tempo ed il mutare delle condizioni ambientali . Ad esempio, un ottima
competenza in campo informatico, se non continuamente aggiornata, diventa
presto obsoleta. Quindi, sarebbe più corretto parlare di valutazione in funzione
del tempo, che di valore costante. Questa considerazione assume una sua criticità
se consideriamo che il modello 3r non valuta il tempo necessario aff inché tutte le
risorse assumano i valori di equili brio: è in teoria possibile che durante il
processo di aggiustamento verso il punto di equili brio, la valutazione delle
risorse cambi, anche improvvisamente; ma su questa problematica torneremo nel
dettaglio più avanti.
La seconda osservazione è che essendo questa una scala introspettiva, si corre
il rischio di non avere un termine di paragone valido oggettivamente per
trasformare in “contenuto” di una risorsa in un “giudizio” in una scala da 1 a 5
(con un possibile sesto gradino). Per ovviare a questo problema è possibile
sostituire la scala proposta sopra con la seguente:
• Risorsa inesistente: 0
• Molto al di sotto della media: 1
• Al di sotto della media: 2
• Nella media: 3
• Poco al di sopra della media: 4
• Molto al di sopra della media: 5
• Unica nel settore: 6
anche le antiemergenze hanno un valore positivo, e considerarle una grandezza negativa non è corretto. Secondo, se le
antiemergenze superassero il valore delle emergenze, si avrebbe un grafo ove il valore dei nodi è negativo; dal punto di vista
matematico ciò non è un problema, ma dal punto di vista logico è inaccettabile. Il sistema cessa di esistere quando tutte le
sue emergenze si annullano (indipendentemente dal valore raggiunto dalle antiemergenze). Se mi è consentito il paragone,
parlare di emergenze a valore negativo è come tentare di togliere acqua da una bottiglia vuota.
Modello 3r
156
Anche in questo caso la valutazione delle antiemergenze sarà espressa su di
una scala invertita.
È possibile usare dei criteri di misurazione specifici per ogni risorsa, come ad
esempio i giorni di consegna per la causante “rapidità di evasione ordini” o il
li vello medio ponderato della preparazione dei ricercatori (in mesi o anni di
studio), fissando poi delle funzioni di trasformazione da queste rilevazioni alle
scale proposte.
Vorrei però sottolineare che la problematica della definizione delle unità di
misura delle risorse immateriali non fa parte del presente lavoro. Noi ci poniamo
a valle di tutto questo, col presupposto di poter esprimere dei giudizi validi sul
contenuto delle risorse possedute. Se in seguito emergeranno metodologie
rigorose di misurazione delle risorse, l’ impianto teorico del modello 3r non
muterà, anzi ne sarà unicamente rafforzato; l’analisi sistemica complessa ed il
modello 3r in particolare funzionano anche in assenza di dati certi: sono più che
suff icienti buone approssimazioni.
6.3) Morfologia dei flussi
In questo paragrafo ci chiediamo quale sia il significato delle connessioni tra
gli elementi del modello. In pratica spieghiamo cosa sia descritto dal “peso di un
arco” che collega due nodi. Chiameremo per brevità forza il “peso di un arco” .
Il valore degli elementi del modello 3r rappresenta un giudizio su una
risorsa/emergenza aziendale. Il fatto che questa possa dipendere da altre risorse
implica che il giudizio dato su di essa dipenda dal giudizio dato alle sue
generanti. Ora, il modello 3r non ammette altri metodi di giudicare una risorsa se
non in base alle proprie generanti, e che esse devono spiegare interamente il
motivo di una valutazione data alla risorsa. In formule
Analisi sistemica complessa
157
{ }
( )∑ =>=<∈∀∈∈
=
1,
,
,
vweeVv
VwEe
VER
φ
e cioè, la sommatoria delle forze entranti in un nodo deve essere sempre
uguale a uno.
In pratica: se la risorsa “C” è giudicata buona questo è a causa del giudizio
sulle risorse “A” e “B” , sue uniche generanti, anch’esse buone. Se la rapidità di
consegna è generata unicamente dalla competenza degli addetti, dalla
disponibilit à di mezzi di trasporto e dalla organizzazione logistica, solo se tutte e
tre raggiungono un buon livello potremo dire che la rapidità di consegna è
anch’essa buona. Analogamente, se le tre risorse non sono alli neate alla media
settoriale, è impossibile che la causante generata sia nella media o addirittura
superiore ad essa.
Eventuali “scarti” (ad es. “Ma come? Abbiamo giorni di consegna
eccezionalmente bassi ma i nostri addetti sono dei pivell i!” ) sono da ricercare o
nel giudizio espresso per le generanti dell ’elemento considerato (forse gli addetti
non sono pivelli ) o nella rilevazione dell ’elemento generato (magari i giorni di
consegna non sono così bassi) oppure esistono altre generanti non considerate
nell ’analisi (magari nessuno si è occupato di rilevare la logistica
informatizzata...). Per quanto riguarda i primi due aspetti, sarà necessario per gli
studiosi tornare su quanto era già stato fatto per rielaborare meglio i dati
dell ’analisi. Per quanto riguarda l’ultima possibilit à, può darsi che un analisi
completa non sia possibile o non rientri negli scopi prestabiliti . In questo caso
aggiungeremo una specie di “appendice” che spieghi lo scarto, ma su questo
punto dobbiamo tornare in seguito.
Dopo questa considerazione iniziale è ora necessario porre attenzione a come
sia possibile rappresentare la forza di un collegamento tra una causa ed un
effetto. Rispondiamo cioè alla domanda: “ in quale misura le varie cause di un
elemento contribuiscono alla formazione del suo valore?” Qui per valore
Modello 3r
158
intendiamo la valutazione in base a criteri il più possibile obbiettivi, come sopra
specificato. Per dare un valore anche agli archi che connettono i nodi, ossia alle
forze, possiamo utili zzare due metodologie.
Un primo modo assai immediato per dare un valore alla forza del
collegamento è quello di esprimere un giudizio su di essa. Usando lo stesso
gruppo di esperti che è stato usato per l’analisi e la valutazione degli elementi
chiave del grafo, possiamo chiedere loro di esprimere giudizi sulle forze dei
collegamenti. Questa parte del lavoro è molto onerosa: infatti per conoscere il
valore di tutti gli elementi di un grafo sono suff icienti le valutazioni sulle sole
fonti, che normalmente sono piuttosto limitate, e su tutti i collegamenti, che in
genere sono molto numerosi. La scala da adottare potrebbe essere molto simile a
questa:
• collegamento inesistente: 0
• collegamento assai debole: 1
• collegamento debole: 2
• collegamento medio: 3
• collegamento abbastanza forte: 4
• collegamento molto forte: 5
• particolari condizioni di dipendenza: 6
Anche qui si tratta di una scala a cinque gradi li evemente modificata: il grado
zero viene utili zzato solo in ipotesi di scenario per evitare la modifica “fisica” del
grafo, mentre il sesto grado va usato in condizioni veramente eccezionali. Il
procedimento di valutazione stavolta è assai più critico di quello usato
precedentemente per gli elementi: prima di tutto vi possono essere pareri assai
discordanti sull ’ importanza di certe risorse o processi nella generazione di altre
risorse; secondo, è praticamente impossibile stabili re una graduatoria valida in
generale per tutti gli effetti del grafo: ogni effetto deve essere considerato e
Analisi sistemica complessa
159
messo in relazione alle proprie cause senza poter trarre significativi indizi dalle
valutazioni già compiute sulle connessioni per altri effetti.
Lo scopo dell ’analisi complessa è però quello di capire quali elementi siano
rilevanti nella “vita” aziendale, ossia nel suo processo di generazione delle
risorse, e quali relazioni intercorrano tra questi elementi. La diff icoltà di
procedere in questa fase dell ’analisi non è legata tanto ad un’ inadeguatezza del
modello, quanto ad una reale diff icoltà oggettiva del compito; capiamo inoltre
che risolta questa fase, la conoscenza sull ’azienda ottenuta sia così preziosa da
valere essa stessa tutti gli sforzi fino ad ora affrontati. Alla fine di questo
procedimento otteniamo infatti la cognizione di come si configuri la
rappresentazione che l'impresa ha di se stessa. una specie di meta-conoscienza
che da sola può consentire di migliorare la dimensione strategia ed operativa
della realtà analizzata.
Torniamo al modello 3r. Abbiamo definito una scala di valori tramite la quale
possiamo esplicitare le forze dei collegamenti. Tuttavia, nel modello 3r è
necessario che la sommatoria delle forze entranti in un effetto sia 1. Aff inché ciò
avvenga, è necessario conteggiare il totale delle valutazioni espressi sui
collegamenti, e rapportare ognuna di esse a tale somma. Otteniamo quindi dei
pesi la cui somma è uno. Per esempio, se dall ’analisi risulta che la rapidità delle
consegne di pende in maniera debole dall ’eff icienza del personale, in modo forte
dalla qualità del sistema informatico ed in modo fortissimo dall ’organizzazione
logistica... (rispettivamente valutazioni 2, 5 e 6), allora l’equazione che descrive
il valore del nodo relativa a questa analisi sarà:
13
6
13
5
13
2OLQSIEdPRdC ++=
Questo sistema di valutazione ha un pregio ed un difetto. Il pregio è che la
valutazione espressa o “estratta” nell ’analisi viene immediatamente trasformata
in un valore adatto ai grafi 3r, ma nonostante questo, in un secondo momento la
rilettura delle espressioni dà immediatamente il giudizio che era stato
Modello 3r
160
“sintetizzato” nella precedente analisi. In pratica il metodo permette molta
chiarezza e leggibilit à dei risultati. Il difetto è invece che se le causanti sono
molte, la differenza tra la significatività di una variazione di una causa non critica
ed una assai critica è molto bassa. Più semplicemente, quando la somma delle
valutazioni espresse è bassa allora tutto funziona bene, ma quando diventa assai
elevata può darsi che tutte le cause, indipendentemente dalla “forza” teorica di
azione sull ’effetto, abbiano bassa importanza. Nella seguente espressione:
1001...100
6100
19521 NNNA +++=
una variazione di un punto di N1 , giudicata quasi irrilevante, causa uno
spostamento di A pari a 0.01, mentre una di N2 , giudicata assai importante causa
uno spostamento di solo 0.06 in A. Certo questo è un caso limite, ma rende l’ idea
del fenomeno.
Per ovviare a questo inconveniente possiamo ricorrere ad un secondo metodo
di valutazione, che procede in maniera pressoché inversa. Mettiamo a
disposizione un totale di punti da assegnare alle diverse connessioni,
convenzionalmente 10, 100 o 1000, e permettiamo unicamente la distribuzione di
tale somma. Anche questo metodo è mutato dai questionari usati nelle indagini di
mercato.
In questo modo, pur in presenza di molte cause, possiamo assegnare a
ciascuna di essa il giusto peso. Tuttavia perdiamo anche il pregio del precedente
sistema: non abbiamo più un idea precisa, a posteriori, del giudizio espresso sulle
varie connessioni.
Entrambi i sistemi di valutazione possono essere usati nello stesso grafo, se lo
si ritiene d'uopo. Ad esempio, il primo metodo può essere usato nella
maggioranza dei casi, mentre si può impiegare il secondo quando il numero di
cause per un elemento supera 6. In questo modo il sesto grado della scala di
giudizio ha ancora una significatività superiore al 50% nel caso che le altre cause
siano tutte poco rilevanti. Adottare questo metodo misto di valutazione comporta
Analisi sistemica complessa
161
una minore leggibilit à generale, ma se quando si usa il secondo metodo si ha cura
di segnalarlo in maniera evidente, questo problema non dovrebbe sorgere. La
segnalazione può essere evidenziata esplicitamente tramite simboli
convenzionali , o più semplicemente usando una somma di punti molto elevata
(100 o 1000) in modo che appaia evidente l’utili zzo di un metodo diverso per un
dato effetto.
6.4) Elementi di controllo
La matematica dei grafi ci insegna che il valore degli elementi di un grafo
dipende unicamente dalle fonti dello stesso. Ma la vita pratica ci insegna che il
management di un’ impresa ha la possibilit à di influire su particolari risorse
tramite scelte precise. Certo, in linea teorica non basta far seguire agli impiegati
dei corsi di aggiornamento per ottenere risultati immediati sulle conoscenze
aziendali . Il processo di internalizzazione della conoscenza é stato ben descritto
da Nonaka5 (Sinatra 1994:78). Costui divide la conoscenza dei gruppi in tacita ed
esplicita, e identifica un processo di accrescimento della conoscenza che oscill a
tra i due tipi, passando ora per uno stadio, ora per l’altro. Il risultato finale di
un’operazione che mira ad accrescere direttamente una risorsa non è mai quindi
conoscibile a priori; tutto dipende da come l’organizzazione trasmetterà le
conoscenze esplicite e codificherà quelle tacite generate dall ’evento.
Ammettiamo dunque di poter scindere in due parti l ’effetto delle operazioni
mirate ad aumentare la conoscenza. La prima parte dipende dall ’effetto diretto,
mentre l’altra dipende dall ’effetto mediato dalla struttura aziendale, dal ritorno
che è generato dalle ricorsioni che influiscono sulla risorsa interessata. Se poi ci
5 Una elaborazione dei risultati delle sue ricerche è presente in Sinatra (1994).
Modello 3r
162
permettiamo di tralasciare il processo di aggiustamento per considerare
unicamente il punto finale di equili brio, ecco che possiamo rappresentare tutto
questo tramite un grafo. Su di una risorsa agiranno due forze: una arriva dal resto
del grafo, magari anche da più elementi, l’altra invece è interna alla risorsa
stessa.
Per rappresentare questa realtà in un grafo, adottiamo un piccolo espediente.
La parte “interna” della risorsa viene scorporata in una generante che avrà il
carattere di fonte del grafo. Tale fonte causerà unicamente l’elemento del quale
rappresenta la parte gestibile dal management; chiameremo questo particolare
elemento con il nome del suo unico effetto, e specificheremo che si tratta di un
elemento di controllo. In pratica, se si ha una risorsa chiamata “esperienza sul
campo” e si ritiene ragionevole supporre che il management possa in tempi
elevare il l ivello di tale esperienza, ad esempio assumendo esperti e
coinvolgendoli i n un programma di training, allora esisterà una fonte chiamata
“esperienza sul campo/CNT”, che avrà come unico effetto l’elemento omonimo.
La forza del collegamento tra gli elementi ed i loro controlli dipende dalla
capacità di controllo che il management ritiene di poter avere sulla risorsa in
esame.
È da notare come non sia lecito applicare controlli a emergenze esterne:
sarebbe come affermare che esiste un potere occulto che permette ai manager di
gestire processi totalmente esterni all ’azienda. Quindi le emergenze esterne, ossia
quelle indicate tra parentesi, non possono avere un elemento di controllo.
6.5) Elementi di riassunto
Un’analisi completa dell ’ intero grafo causale delle risorse aziendali è
terribilmente costosa, e spesso non è nemmeno necessaria; è anzi richiesto che il
Analisi sistemica complessa
163
modello 3r si comporti molto bene anche in presenza di dati approssimati. Stiamo
infatti per introdurre quella parte di modello che ci permette di lavorare in
assenza di dati certi.
Ammettiamo infatti di avere una data emergenza (ad esempio “*capacità
previsionale”) ed alcune delle emergenze che stanno alla base (come ad esempio
“sistemi informativi evoluti” e “*capacità di raccolta di informazioni” ). Tuttavia,
si è certi che il valore raggiunto dall ’emergenza in esame non possa essere
completamente spiegato dalle emergenze a valle rilevate. Vi possono essere dei
validi motivi per i quali trovare le altre possibili emergenze a valle può non
essere prioritario, soprattutto se rapportato all ’onerosità dell ’ulteriore indagine.
Ad esempio l’emergenza può non essere considerata facilmente modificabile, nel
qual caso è spesso inutile cercare le sue generanti; meglio è concentrarsi sul suo
valore.
In questo caso entrano in gioco gli “elementi di riassunto” ovvero quella parte
di valore che un’emergenza assume ma che non è spiegata interamente dalle
emergenze individuate. Se non calcolassimo il valore degli elementi di riassunto
(per brevità li chiameremo “ resti” ), non saremmo in grado di calcolare l’ impatto
delle altre emergenze individuate sull ’emergenza in esame: infatti, nel modello 3r
il valore ogni elemento deve essere interamente spiegato da quello dei suoi
predecessori (la sommatoria dei pesi degli archi entranti in un punto deve essere
pari ad uno).
Quando ci troveremo in una situazione come quelle delineate in questo
paragrafo, costruiremo un nuovo elemento fonte e che ha per unico effetto
l’elemento che non si pensa necessario analizzare in profondità. Analogamente a
quanto fatto nel caso degli elementi di controllo, aggiungeremo al nome di tale
componente del sistema il suff isso “RST” (che sta per resto o riassunto). Nel
caso di un ipotetica emergenza chiamata “*capacità previsionale”, il nostro resto
sarà collegato unicamente ad essa, e si chiamerà “*capacità previsionale/RST”.
Modello 3r
164
Il problema che sorge adesso è quello dell ’assegnazione del valore ai resti.
Conoscendo i valori di tutte le altre cause di un dato elemento, e dell ’effetto
stesso, possiamo seguire due strade: fissare una forza del collegamento e
calcolare di conseguenza il valore del resto, oppure fissare arbitrariamente un
valore e calcolare la forza. Le due soluzioni sono matematicamente
intercambiabili , ma comportano pesanti differenze dal punto di vista
metodologico. Assegnare un maggiore peso relativo alla forza del collegamento
implica una minore importanza delle cause conosciute. Viceversa, si corre il
rischio di sovrastimare l’ importanza delle cause note. Sarebbe dunque necessario
avere almeno un idea del peso o del valore che le altre cause (ignote)
dell ’emergenza in esame possono assumere.
6.6) Elementi Sensori
Volendo scegliere tra situazioni alternative nelle quali si può trovare l’ impresa
in esame, è necessario avere un criterio di valutazione su quale configurazione di
emergenze sia migliore di altre. Ad esempio, è migliore una rete ove “* (Fiducia
della clientela)” ha valore 6 e “* (Fiducia degli i stituti di credito)” ha valore 3 o
viceversa?
Per decidere quale posizione è migliore di un’altra si possono usare criteri
empirici o si può ricorrere alla valutazione qualitativa di esperti. Si possono però
costruire anche degli i ndici sintetici che forniscano la media pesata di alcune
emergenze chiave. Il grafo generato dall ’analisi 3r permette di costruire tali i ndici
in maniera estremamente semplice. È infatti suff iciente inserire dei “ termini
artificiali ” , dei nodi che non hanno senso dal punto di vista della meccanica
aziendale, ma che servono unicamente come strumento di analisi. Tali termini
saranno collegati alle emergenze che devono essere “monitorate” ed il peso
Analisi sistemica complessa
165
dell ’arco entrante nel termine sarà pari alla ponderazione che vogliamo dare
all ’emergenza predecessore nell ’ indice.
Chiameremo questi elementi “sensori” . Costruiremo i sensori collegandoli a
vari elementi dei quali vogliamo tenere sotto controllo l’andamento con forze
arbitrarie, a seconda del nostro giudizio o di altri criteri più obbiettivi.
Ad esempio, si può costruire un sensore chiamato fattore di successo
risultante. Si tratta di un sensore costruito collegando ad esso le emergenze che
rappresentano i fattori critici di successo per un dato settore, con forze
proporzionali all ’ importanza che tali fattori hanno. Quando nel prossimo capitolo
vedremo come implementare in azienda il modello 3r, ill ustreremo come questo
sensore possa rivelarsi particolarmente utile.
È buona norma indicare i sensori con il suff isso “SEN” così che possano
facilmente essere distinti dagli elementi che fanno realmente parte del grafo.
6.7) Grafi numerici e modello 3r
È interessante notare come la matematica dei grafi numerici ci possa assistere
nel compito di analisi e di intervento nella realtà aziendale. Una volta analizzato
il grafo, possiamo stabili re la forza del rapporto tra due elementi distanti.
Introduciamo qui due concetti molto importanti: la centralità e la centralità
inversa di un elemento.
Se calcoliamo la correlazione tra un elemento A e tutti i suoi effetti (sia vicini
che lontani), otteniamo una serie di forze. Sommandole, il numero ottenuto è
chiamato “ indice di centralità”. Il numero trovato è in realtà la sommatoria degli
aumenti che si verificherebbero nei vari elementi del grafo se A fosse
incrementato di un punto. Si capisce molto bene l’ importanza di questo indice:
elementi a maggior centralità possiedono un maggiore effetto leva : un loro
Modello 3r
166
miglioramento di un punto nella scala delle valutazioni implica un effetto sul
grafo molto maggiore. Il sistema, grazie alla sua struttura autopoietica ha creato
energia in maniera “autonoma”, dato uno stimolo minimo in ingresso.
Le fonti del sistema sono gli elementi che hanno maggior centralità, in genere.
Inoltre, essendo gli unici elementi il cui valore può essere deciso dall ’esterno, lo
studio della loro centralità è cruciale. Tuttavia, anche studiare la centralità di
elementi intermedi può avere una certa importanza : se rileviamo che essi hanno
una centralità molto alta, può valere la pena studiarli i n maniera più approfondita,
e cercare di capire le relazioni che permettono loro di avere un peso tanto
elevato.
Volendo decidere l’allocazione di risorse limitate alle varie fonti del modello
solo in base all ’analisi di centralità, si incontra un problema rilevante : nulla è
noto sulla distribuzione del valore creato in azienda a partire da tale stimolo. Si
potrebbero creare a tale scopo indici di vario tipo, come ad esempio la centralità
ponderata per il numero di elementi il cui valore varia al variare di una data
fonte, o molti altri ancora : ma il mio consiglio è quello di usare i risultati derivati
dall ’analisi di centralità solo per approfondire la conoscenza sul sistema
complesso “azienda” e nel caso che si voglia intervenire nel senso di un generico
miglioramento non teso a nessun risultato specifico, ma solo al rafforzamento
della posizione aziendale.
Per quanto riguarda invece l’analisi di centralità inversa (o più semplicemente
l'inversa), si tratta di un indice speculare al precedente : è la somma di tutte le
forze presenti nelle relazioni tra un effetto E e tutte le sue cause (vicine e
lontane). L’ indice ha poco valore informativo, spiegandoci al più quanto è
“diff icile” variare un elemento rispetto ad un altro. Ciò che è interessante è
proprio la fase di analisi : se applichiamo l’analisi di centralità inversa ad un dato
elemento cruciale, ad esempio una risorsa vitale come la fiducia della clientela,
scopriamo quali sono le leve più eff icaci per il suo controllo. Riusciamo anche ad
Analisi sistemica complessa
167
avere una priorità : la fonte che genera in maniera più forte l’elemento in analisi
sarà la prima su cui intervenire ; poi verranno in ordine la seconda, la terza ecc...
L’analisi si rivela particolarmente potente soprattutto quando vengono
osservati elementi di riassunto che esprimono il vantaggio o il potenziale
competitivo (come ad esempio l’ottimanza parziale). In questa fase si
concretizzano tutti gli sforzi compiuti in analisi, ed il l oro risultato è una lista di
priorità di interventi, ed il l oro possibile impatto sulla struttura aziendale.
A valle di questo risultato, c’è ancora molto lavoro da svolgere: in questo
momento possiamo scoprire cosa succede se una risorsa migliora il suo livello
qualitativo : come ottenere questo (che è esso stesso un risultato di un processo
molto complesso) non riguarda il modello 3r; si tratta quindi di un metodo mirato
al “cosa fare”. “Come farlo” è un’altra questione e deve essere affrontata con
metodi diversi.
6.8) Tempo, finestre e modello 3r
Il modello 3r non da alcuna indicazione sugli stati di transizione del sistema
complesso indotti dalla variazione delle emergenze. In pratica è un modello
statico comparativo: abbiamo una situazione iniziale, una situazione finale e
nessuna indicazione su come il sistema abbia raggiunto tale situazione, e quel che
è peggio, nessuna indicazione del tempo necessario al sistema per completare
tale percorso.
Il modello 3r è comunque solo una delle possibili analisi effettuabili
nell ’ambito dell ’ASC; abbiamo deliberatamente ignorato il fattore tempo per
concentrarsi sul problema della definizione della metodologia analiti ca, e per
mantenere gestibile il volume della tesi. Come punto di partenza, un modello
statico comparativo è più che suff iciente.
Modello 3r
168
È però necessario chiarire che l’eliminazione del fattore tempo non
corrisponde ad una sempli ficazione pura. Il quarto assunto dell ’ASC afferma che
sempli ficare è un procedimento logico errato, e porta a previsioni non corrette.
Noi non stiamo cercando di capire quanto tempo il sistema impiegherà a
raggiungere un certo stato obbiettivo, e non abbiamo imposto ipotesi che ci
permettano di sempli ficare il problema. Semplicemente, abbiamo assunto un
punto di vista per il quale è irrilevante il fattore tempo. La finestra di
comprensibilit à attraverso la quale estraiamo il modello dalla realtà esclude sia i
vincoli che il tempo. Non abbiamo imposto l’ ipotesi che il modello raggiunga
istantaneamente lo stato finale della propria transizione, abbiamo solo affermato
che siamo (per ora) incapaci di sapere quando questo accadrà.
Comunque, possiamo usare il modello 3r in azienda anche con questa
limitazione. Il modello ci informa infatti di quali siano le risorse (emergenze)
maggiormente critiche, e sulle quali è più urgente operare. Si potrebbe obbiettare
che, non fornendo informazioni di ordine temporale, una modifica ad una data
emergenza X risulti più cruciale di una modifica all ’emergenza Y secondo il
modello. Potrebbe però capitare che i risultati conseguiti con l’ intervento su Y
siano raggiunti in un mese, e che la modifica a X porti variazioni maggiori di
quelle generate dalla modifica di Y, ma solo molti mesi dopo. Se l’obbiettivo è
quello di fronteggiare una minaccia a brevissimo termine, seguire la strada
indicata dal modello può risultare disastroso.
A questa critica si può rispondere innanzitutto indicando la finestra di
comprensibilit à usata dal modello: se è in uso un modello che non prende in
considerazione il fattore tempo per risolvere un problema per il quale il tempo è
cruciale, il problema sta nella focalizzazione su una finestra differente da quella
necessaria. In altre parole, il modello 3r non è pensato per la soluzione rapida di
problemi immediati, ma per la progettazione di strategie di ampio respiro. Inoltre
è possibile ridurre l’approssimazione temporale insita nel modello.
Analisi sistemica complessa
169
Se il problema da affrontare, l’obbiettivo assegnato all ’analisi, necessita di
risultati da applicare entro un determinato tempo, e non oltre, è necessario
apportare alcune modifiche: in particolare, dobbiamo spostarci da una finestra di
comprensibilit à atemporale (adottata per un modello 3r generico) ad una che
consideri il tempo necessario a portare a compimento i cambiamenti richiesti.
Per selezionare una tale finestra, è necessario non riferirsi più ad un generico
rapporto esistente tra una risorsa e le emergenze a valle, bensì vincolare tale
rapporto al tempo. Possiamo cioè riformulare il grafo in modo che le forze che
collegano gli elementi siano vincolate al tempo necessario alla loro
manifestazione. In pratica, non ci chiederemo più se una certa risorsa genera in
modo forte o debole una data emergenza. La questione sarà “Nel tempo di
riferimento del problema, qual è la forza del collegamento?”.
Ammettiamo, per esempio, di dover attuare un piano difensivo contro una
mossa di concorrenziale. È necessaria una risposta rapida, e si fissa l’orizzonte di
riferimento a due mesi nel futuro. Anche se in generale la fedeltà della clientela è
generata innanzi tutto dal servizio post-acquisto e secondariamente dalla
pubblicità a mezzo volantinaggio (nell ’esempio specifico), ci accorgiamo che la
seconda ha un ritorno immediato, mentre la prima ha effetti sul lungo termine (in
genere, i servizi post-acquisto come la riparazione in garanzia sono richiesti
molti mesi dopo l’acquisto). Vincolando le forze al tempo, otteniamo un nuovo
grafo, nel quale la fedeltà della clientela è nel termine di due mesi generata
debolmente dal servizio post-acquisto, mentre nel termine di due mesi è
fortemente generata dalle operazioni di volantinaggio.
La selezione di una specifica finestra di comprensibil ità per quanto riguarda il
fattore tempo, implica una perdita totale di informazioni rispetto alle ad altre
configurazioni temporali . In altre parole, un modello generato con un ottica
proiettata due mesi nel futuro può essere o non essere corretto per prevedere
risultati ottenuti in tre mesi, e tendenzialmente mano a mano che ci allontaniamo
dall ’orizzonte temporale scelto, la precisione è sempre minore. Ciò accade perché
Modello 3r
170
l’utili zzo del modello su orizzonti temporali diversi da quelli previsti è una vera e
propria sempli ficazione: supponiamo che il modello valido in una certa finestra
sia valido anche in altre. Questo comporta errori imprevedibili e di entità non
conoscibile a priori, come accade inserendo una qualsiasi sempli ficazione.
In sintesi, modelli 3r tarati su un dato orizzonte temporale sono possibili , ma è
necessario conoscere i loro limiti . Ciò vale per qualsiasi finestra di
comprensibilit à usata per estrarre un modello: definire il problema da risolvere
corrisponde a impostare una precisa finestra di comprensibilit à. Attraverso di
essa saranno visibili solo alcuni rapporti, ed alcune emergenze, ed il grafo
assumerà configurazioni che possono differire da quelli adatti a spiegare il
fenomeno con altri punti di vista. Usando il modello ottenuto per risolvere il
problema dato, e cioè applicandolo all ’ interno della finestra per la quale è stato
pensato, otterremo informazioni approssimativamente esatte. Forzando il
modello trovato in finestre differenti da quella ad esso specifica, introdurremo
una sempli ficazione, ed otterremo informazioni puntualmente sbagliate.
6.9) Conclusioni
Il capitolo ha presentato il modello 3r, definendolo come un grafo numerico,
spiegandone la morfologia dei flussi, del valore degli elementi, e dando la
definizione di elementi artificiali che permettono l’utili zzo del modello.
Il modello 3r non è l’analisi sistemica complessa; si tratta solo di un modo di
implementare le definizioni ed i precetti dell ’ASC. Possono esistere infiniti modi
di sviluppare un modello che prenda in considerazione le emergenze di un
sistema complesso e cerchi di trarre delle considerazioni qualitative da questo, e
quello presentato in questa sede non è che uno dei modi possibili , forse uno dei
più elementari.
Analisi sistemica complessa
171
7. L’analisi dell ’azienda
A questo punto del lavoro, è necessario soffermarci sul tema centrale:
l’ implementazione dell ’ASC nella realtà aziendale. In questo capitolo viene
descritta la metodologia che permette di rilevare le emergenze che verranno poi
integrate ed analizzate dal modello Relazioni Risorse-Risultati.
Oramai abbiamo già gettato le basi teoriche per l’analisi complessa; abbiamo
parlato del fatto che vediamo l’azienda come sistema complesso. Non ci
proponiamo di studiare gli elementi che la caratterizzano dal punto di vista
organizzativo-strutturale, ma cerchiamo di analizzarla come insieme di risorse,
sistematicamente connesse. Analizziamo cosa “può fare” il sistema azienda, e
quali sono i percorsi che le risorse, o se vogliamo la sua energia vitale, disegnano
al suo interno. Lo scopo è ambizioso: individuare una strategia di azione, dato un
problema che coinvolge l'impresa nel suo complesso.
7.1) Alla ricerca delle emergenze1
Il processo di formazione del modello può essere semplice, come un qualsiasi
brainstorming o complesso e lungo. In ogni caso, il fulcro del procedimento è
l’ individuazione degli elementi che costituiscono le emergenze del sistema.
1 Ricordiamo ancora una volta che le emergenze e le antiemergenze hanno la stessa natura, anche se sono opposte per
effetti. Quindi qualsiasi metodo valido per la rilevazione delle emergenze è valido anche per l’ individuazione delle
antiemergenze. Per brevità, in questo capitolo ci riferiremo solo alle emergenze, ma ogni considerazione è valida anche per
le antiemergenze.
Analisi in azienda
172
È necessario individuare prima gli elementi che comporranno il sistema, ed in
seguito le relazioni tra di essi; infatti una relazione è fondamentalmente un
rapporto tra due elementi, ed ha quindi un senso solo se gli elementi connessi
sono già individuati.
Tuttavia, non è necessario individuare tutti gli elementi che comporranno il
modello, e poi le relazioni esistenti. Risulta più semplice e più conveniente
individuare un elemento, quindi le sue dirette generanti, ed infine le relazioni tra
l’elemento e le generanti. Fatto questo si ripete il procedimento per le generanti
trovate precedentemente, fino ad esaurire il campo di indagine. Questo processo
verrà chiamato analisi iterativa.
L’analisi complessa parla di risorse e di emergenze; ricordiamo dai capitoli
precedenti che ciò che dobbiamo individuare è:
• Ciò che il sistema può fare, ma i singoli non potrebbero (emergenze di
sistema)
• Ciò che gli elementi del sistema possono fare quando sono inseriti i n esso,
ma non potrebbero se fossero isolati (emergenze degli elementi).
Saranno rilevate nello stesso modo anche le antiemergenze, che sono definite
in maniera identica alle emergenze ma hanno effetti negativi, anziché positivi,
sulla capacità di perdurare dell 'impresa.
Nel modello 3r, che si configura come un tipo particolare di analisi complessa,
ignoriamo i vincoli come spiegato nel capitolo “Il ruolo dei vincoli ” .
Chiameremo il metodo sviluppato da questo capitolo analisi complessa
iterativa, in quanto il suo scopo è quello di evidenziare le emergenze così come
le abbiamo definite, procedendo in modo iterativo.
Tuttavia dobbiamo ancora chiarire alcuni punti, come:
• Quali sono gli elementi che vanno inseriti nel modello, per affrontare un
dato problema?
• Quali i nvece quelli che possono essere esclusi, o riassunti?
Analisi sistemica complessa
173
• Dove può essere fermata l’analisi? Dove possiamo cioè affermare che
l’analisi compiuta è suff iciente per raggiungere gli scopi prefissi?
7.1.1) Metodi di indagine
Esistono diversi metodi di procedere nella rilevazione delle emergenze,
ognuno dei quali si può adattare a condizioni diverse, o risultare più semplice da
applicare in date situazioni.
Terremo comunque fermo che tutti i metodi di indagine presentati sono da
applicare nell ’ambito dell ’analisi complessa iterativa. Qualunque sia la modalità
di indagine, prima individueremo un’emergenza (come definita dall ’analisi
complessa) sulla quale lavorare, poi cercheremo le risorse che servono alla sua
generazione ed infine elaboreremo le relazioni esistenti tra le generanti e
l’emergenza. Ripeteremo il processo per ogni risorsa (che ora viene considerata
emergenza) trovata precedentemente, fino ad ottenere un risultato soddisfacente.
Si suppone inoltre che il campo di indagine (il problema da risolvere) sia già
stato definito.
7.1.1.a) Sensazioni del management
Un primo approccio all ’analisi è costituito da un’ intervista ai manager che
porti alla luce le loro sensazioni riguardo alle possibili configurazioni del sistema
complesso in analisi. Sia che si tratti di un rilancio della competitività aziendale,
che di un’azione difensiva o di consolidamento, che un semplice monitoraggio
della salute aziendale, la risorsa prima di un’azienda, la sua conoscenza, è
immagazzinata nel management.
Non è dunque indice di poco rigore chiedere ai dirigenti quali siano, secondo
loro, le aree di intervento più urgenti, nonché le risorse e le emergenze che
operano in tali aree.
Analisi in azienda
174
Il procedimento è il seguente: si domanda al management quali “emergenze”
l’azienda presenti. Si chiede loro cosa produce (in senso lato) la loro azienda
come risultato dell ’ insieme sinergico di personale, mezzi e conoscenze inserite in
essa. Si chiede loro di individuare anche le potenzialità aggiunte al personale, ai
mezzi ed alle conoscenze dal fatto di essere parte dell ’azienda. Nel fare questo, si
limita l’ indagine alle emergenze che riguardano (o sembrano riguardare) il
campo di indagine definito. Quando sono rilevate un numero “soddisfacente” di
emergenze, quando sembra che non esistano altre emergenze in riguardo al
campo di indagine, si individuano i “ termini” del modello 3r. Si cercano cioè
quelle emergenze che risultano chiave nell ’analisi, e delle quali si vuole capire il
funzionamento. Si procede iterativamente fino a che si ritiene opportuno
continuare l’ indagine, per ogni termine trovato.
È comunque possibile che il management si sbagli; se così non fosse, il
numero di fall imenti e di acquisizioni sarebbe certamente minore rispetto a
quello osservabile. Tuttavia, è assai improbabile che in tutto il gruppo dirigente
nessuno abbia un idea che possa mettere l’ASC sulla giusta strada. Ma anche se
non fosse così, l’ASC non farebbe altro che dimostrare l’ infondatezza delle
ipotesi dei manager, e potrebbe indicare altri punti di forza, precedentemente non
considerati, o minacce non avvertite dall ’azienda in precedenza.
7.1.1.b) Studio di soluzioni alternative
È possibile tracciare una linea delle emergenze insite in un certo processo
studiando soluzioni analoghe adottate da altre imprese che si sono trovate in
situazioni simili, anche se magari il contesto settoriale presenta poche analogie.
Ad esempio, il caso People Express è un emblematico esempio di cosa succeda
se l’azienda sbaglia strategia e si focalizza in un segmento non difendibile, che
cioè può essere attaccato senza alcun costo dalle imprese despecializzate (Russo,
1995: 134). Il caso suggerisce di analizzare emergenze come la forza del
Analisi sistemica complessa
175
marchio, la soddisfazione della clientela, la fedeltà e la capacità di soddisfare
bisogni specifici nelle strategie di focalizzazione.
Si procede come per il metodo precedente: si richiede agli i ntervistati di
fornire un brainstorming per evidenziare le emergenze, si individuano quelli che
possono essere considerati termini del modello, e si descrivono iterativamente le
loro generanti. Stavolta, però, la realtà analizzata non è quella interna all 'impresa,
ma quella di un termine di paragone. Qui, l’ intervento degli studiosi sarà molto
più determinante che nel primo caso, vista l’ impossibilit à pratica di intervistare il
management di altre aziende.
7.1.1.c) Fattori critici di successo
Un metodo piuttosto rigoroso e che lascia poco spazio alla “ fantasia” dei
soggetti coinvolti è quello di partire dai FCS conclamati del settore, e di
“ tramutarli ” in emergenze prodotte dall ’azienda. In un certo senso i fattori critici
diventano dei “ termini artificiali ” o elementi sensori del modello 3r. Partendo da
questi, si procede iterativamente a ritroso, trovando emergenze, e loro generanti.
La capacità di soddisfare un particolare bisogno, piuttosto che la rapidità nel
servire i distributori sono tipici esempi di FCS che possono essere visti come
emergenze conseguite dall ’ impresa. Se ci stiamo concentrando su particolari
aspetti della strategia, possiamo scartare alcune di queste emergenze per
indirizzare gli sforzi della ricerca solo verso alcune aree di indagine.
Anche se questo modo di procedere è apparentemente molto forte dal punto di
vista metodologico e teorico, genera un problema di dimensioni non indifferenti:
molte imprese hanno vinto la lotta competitiva non "giocando meglio degli altri
al gioco del settore" (essendo migliori negli FCS), ma creando nuovi fattori di
successo; in pratica hanno cambiato le regole. Cercare gli FCS conclamati per
capire come essere più bravi degli altri può non sempre dare i risultati sperati: si
rischia di tralasciare gli FCS potenziali , cioè quelle capacità che nessuno sta
Analisi in azienda
176
sfruttando, ma che possono garantire prestazioni che il mercato è pronto a
premiare. Metodi più creativi possono essere molto più incisivi, se la domanda è
insoddisfatta o se, pur essendo soddisfatta, potrebbe esserlo molto di più.
7.1.1.d) Metodo dicotomico
Il metodo platonico di definizione di un qualsiasi elemento costituente la
nostra realtà consisteva nel metodo dicotomico. Platone definisce il pescatore
individuando due classi di persone, coloro che conoscono una tecnica e coloro
che non la conoscono, e quindi inserendolo nella prima classe. In questa, Platone
trova due tipi di persone: coloro che conoscono tecniche di produzione e coloro
che conoscono tecniche di acquisizione, ed inserisce il pescatore nella seconda2.
Un metodo simile può aiutare molto anche nell ’ASC. Si parte da un termine
artificiale, un elemento sensore che rappresenti la soluzione al nostro problema.
Se, ad esempio, dobbiamo creare un vantaggio competitivo, l’unico termine del
sistema sarà l’elemento sensore “vantaggio competitivo” . Ad esso collegheremo
due elementi: un’emergenza che ci sembra rilevante per definire il termine, ed un
elemento di riassunto chiamato “altro” . Nel nostro esempio i due elementi
potrebbero essere un’emergenza chiamata “soddisfazione del cliente” e
l’elemento artificiale “altre cause del vantaggio” ; definiamo altresì una forza che
collega l’emergenza al termine come x (compresa tra zero ed uno), quindi la
forza che connette il termine con l’altro elemento risulta essere 1-x. A questo
punto, individuiamo un’emergenza che faccia parte delle altre cause, ad esempio
“Produzione a bassi costi” . Collegheremo questa alle “altre cause”, e a fianco di
essa costruiremo un altro elemento artificiale chiamato “altro” . Anche a questa
daremo una forza di connessione x, e l’altra avrà una forza 1-x. Si procede così
creando una struttura a “pettine”, fino a che non siamo sicuri di aver individuato
2 cfr. Platone, Il Sofista.
Analisi sistemica complessa
177
tutte le emergenze rilevanti. A questo punto individueremo le generanti delle
emergenze in modo usuale, oppure replicando il metodo dicotomico.
7.1.1.e) Un metodo misto
Questi approcci sono tutt’altro che inconcili abili: sono anzi sinergici. Se preso
singolarmente ogni approccio all ’ individuazione delle prime emergenze da cui
iniziare l’analisi presenta grossi svantaggi, usati contemporaneamente ognuno di
essi rinforza gli altri, di modo che il metodo risultante è privo dei problemi che
aff liggono i singoli metodi.
7.1.2) I confini dell’analisi: gli elementi di riassunto
Nella maggior parte dei casi, l’analisi complessa non genera un modello
capace di spiegare tutta l’ impresa in osservazione, ma tenta di cogliere delle
realtà particolari che ne fanno parte. Al fine di rendere significativa l’analisi, è
necessario assumere la realtà analizzata come sistema, e ciò che è al di fuori di
essa come ambiente. Quindi, se analizziamo una determinata attività, o funzione,
o reparto o area aziendale, tutto ciò che è al di fuori di essa (incluso il resto
dell ’azienda) viene considerato come non modificabile.
Anche se prendiamo per valido questo assunto, non vogliamo introdurre
elementi di sempli ficazione nell ’analisi : sarebbe infatti un errore procedere
“approssimando” per poi “sempli ficare” il mondo esterno riducendolo ad una
semplice ipotesi.
Ciò che non desideriamo analizzare (e che noi consideriamo quindi esterno
all ’analisi) viene inserito comunque nel modello, tramite elementi artificiali
chiamati “di riassunto” . Li abbiamo già incontrati in precedenza, ed ora ne
vediamo nel dettaglio l’uso pratico.
Analisi in azienda
178
Gli elementi di riassunto (o resti dalla terminologia 3r) rappresentano tutto ciò
che non vogliamo analizzare, ma che riteniamo sia influente nella generazione di
un’emergenza. Il metodo dicotomico lavora proprio in questo modo:
un’emergenza viene ricondotta ad una generante e ad un resto; questi viene poi
diviso a sua volta. Alla fine del processo si ottengono una serie di generanti ed un
solo resto che rappresenta, in un certo senso, un’approssimazione dell ’ influenza
di tutto ciò che non è stato preso in analisi.
Questo sono i resti: approssimazioni del comportamento di ciò che non può
essere preso in analisi, per la limitazione che riconosciamo alla nostra capacità di
indagine.
Possiamo immaginare tutto l’universo come un sistema complesso, nel quale
ogni elemento è influenzato (in maniera infinitamente piccola, a volte) da tutti gli
altri elementi, e da se stesso tramite il riflesso del suo comportamento sugli altri.
Questo significa che qualsiasi cambiamento imponiamo ad un qualsiasi
elemento, questo influenzerà (in modo magari molto modesto) ciò che è stato
definito come ambiente. L’analisi complessa rifiuta i concetti di esogenità ed
endogenità assoluti. I confini di un sistema, il confine tra sistema ed ambiente,
sono unicamente definiti dall ’attore che lo analizza, sia questo il sistema stesso o
un osservatore terzo tra ambiente e sistema. Quando si definisce un resto non si
semplifi ca il sistema come avente un confine preciso, ma si approssima il
comportamento di ciò che non è analizzato.
Ritenendo che l’ influenza degli elementi analizzati sia relativamente piccola
su ciò che è stato definito come resto, approssimiamo tale influenza a zero,
considerando i resti come avente un valore costante e non modificabile. Ma
questa resta un’approssimazione che non potrà mai essere perfetta, ma solo molto
vicina alla realtà. Un resto che rappresenta elementi fortemente connessi con
quelli analizzati costituirà un’approssimazione molto grossolana, e porterà a
conclusioni di analisi molto distanti dalla realtà. Un resto che invece riassume
Analisi sistemica complessa
179
l’ influenza di elementi aventi connessione più debole con quelli i ndagati sarà
invece più preciso, e permetterà analisi più vicine al vero.
Questo è il significato degli elementi di riassunto, o resti, ed è compito
cruciale assicurarsi che l’ influenza degli elementi analizzati su ciò che viene
riassunto in essi sia trascurabile. Se così non fosse, otterremmo un modello nel
quale al variare di elementi, il valore del resto rimane costante, mentre nella
realtà tale valore subirebbe una variazione sensibile.
Tuttavia la crucialità della corretta individuazione degli elementi che
riassumono ciò che non è oggetto di analisi non è un limite dell ’ASC. È più
esatto definirla come una sua caratteristica, non un suo difetto: qualsiasi analisi
deve essere ben condotta per portare a risultati significativi, e l’ASC non può fare
eccezione. Individuare i resti correttamente fa parte della precisa conduzione
dell ’analisi.
Una volta conclusa l’ individuazione delle emergenze immediatamente
individuabili , il ricercatore dovrà individuare i resti che le influenzano, e nel farlo
dovrà chiedersi se tali resti non siano fortemente influenzati a loro volta dalle
emergenze analizzate. Se così fosse, sarà necessario scomporre il resto in altri
elementi, in modo da scorporare quelle sue parti che sono più fortemente
connesse alla parte rimanente del grafo.
Ammettiamo di dover compiere una semplice analisi: la società Alpha
individua al suo interno due emergenze principali: l a forza competitiva e la
capacità produttiva. Determina inoltre che la forza competitiva è generata dalla
capacità produttiva e da un resto chiamato “ forza competitiva/RST” . Però, alcuni
esperti di gestione strategica convocati per supervisionare l'analisi obbiettano che
la capacità produttiva ha forti influenze sul resto della forza competitiva. La
Alpha produce infatti con il metodo JIT, ed è l’unica nel mercato che riesce a
consegnare in due giorni. Altresì, alcuni elementi riassunti da forza
competitiva/RST influenzano la capacità produttiva. Infatti, la qualità dei
materiali (percepita come un plus, dalla clientela) permette processi produttivi
Analisi in azienda
180
più rapidi ed eff icienti. Il nuovo grafo risulta essere: forza competitiva, causata
da capacità produttiva, qualità dei materiali , consegna rapida ed un elemento di
resto. La capacità produttiva, a sua volta, è influenzata dalla qualità dei materiali ,
ed influenza la consegna rapida. Questo grafo è molto più preciso di quello di
partenza, perché l’elemento forza competitiva/RST è adesso molto meno
dipendente dall ’elemento capacità produttiva. Prima avevamo invece compiuto
un’approssimazione molto più grossolana ottenendo un modello formalmente
valido, ma molto impreciso.
7.1.3) Le leve di azione : gli elementi di controllo
Un grafo che potesse cogliere nella sua completezza l’ intera azienda,
conterrebbe sicuramente un qualche elemento che rappresenti la capacità
decisionale. Tale capacità può essere vista a pieno titolo come emergenza
sistemica, interagente con la capacità decisionale dei singoli elementi che
permettono il suo sviluppo. Sia l’emergenza del sistema (capacità decisionale) sia
quelle degli elementi (che possiamo definire “capacità di apporto al processo
decisionale”) sono immerse nel sistema impresa. La capacità decisionale
dipenderà anche dalle manovre disponibili , ad esempio in termini di capacità
finanziaria o di forza nelle pubbliche relazioni; vi può essere anche
un’emergenza che riguarda lo sviluppo della capacità decisionale. Campagne di
training su temi gestionali sono tipiche manifestazioni della “capacità di
accrescimento della capacità decisionale”.
La lista può continuare all ’ infinito, come spesso accade nelle relazioni di
logica complessa. Oltre ad essere complesso, il problema è anche complicato nel
senso della numerosità dei fattori che intervengono. Ad esempio, i decisori
aziendali fanno parte di altri sistemi (famiglia, ceto sociale, circoli ricreativi,
correnti di pensiero ecc...) e tutti questi sistemi influenzano la capacità di apporto
Analisi sistemica complessa
181
decisionale dei decisori, ed attraverso questa sono cause della capacità
decisionale aziendale.
Ci troviamo quindi di fronte ad un problema complesso e complicato.
Complesso perché la determinazione della capacità decisionale risulta
dall ’ iterazione virtualmente infinita tra alcuni elementi, complicato perché tali
elementi sono assai numerosi.
Il problema dell ’ influenza sulle decisioni è risolto con un metodo parallelo alla
riduzione dell ’effetto di alcuni elementi ad un solo elemento artificiale, come nel
caso degli elementi riassunto.
Definiremo dunque alcuni elementi che riassumono l’ influenza delle decisioni
aziendali sulle risorse analizzate: questo perché nella maggior parte dei casi non
è il sistema decisionale ad essere analizzato, ma solo parti dell ’azienda. In
pratica, approssimiamo le decisioni ad un dato esogeno, ambientale, come
abbiamo fatto per altri elementi nel caso di elementi di riassunto.
Se pensiamo di poter influenzare direttamente una data risorsa o emergenza,
aggiungeremo ad essa un elemento chiamato elemento di controllo, che altro non
è che un elemento di riassunto che racchiude il valore delle influenze decisionali .
Continuando a seguire l’esempio del paragrafo precedente, potremmo notare
Forza competitiva
Qualità deimateriali
Forza dipubblicherelazioni
Qualità deimateriali
/CNT
Capacitàproduttiva
Rapiditàdelle
consegne
Forzacompetitiva/RST
Analisi in azienda
182
che esiste un margine discrezionale nella qualità dei materiali acquistati. È
possibile infatti scegliere quale fornitore adottare. Inoltre, ammettiamo che esista
una capacità intrinseca dell ’ impresa di ottenere migliori forniture, grazie al suo
buon nome sul mercato. Quindi definiremo la “Capacità di ottenere materiali di
elevata qualità” come causata da un elemento di controllo, ed una nuova risorsa
chiamata “forza di pubbliche relazioni” .
Il grafico a pagina precedente ill ustra l 'esempio.
7.1.3.a) Limiti di applicazione degli elementi di controllo
Adesso abbiamo un’ idea precisa di ciò che è direttamente sotto il controllo
degli operatori interessati all ’analisi. È da notare che gli elementi di controllo
devono essere inseriti i n base alla capacità decisionale di chi è in grado di usare il
modello e di applicare delle pressioni aff inché i valori delle emergenze analizzate
cambino. Non avrebbe senso, infatti, per uno studioso esterno all ’azienda inserire
elementi di controllo in un’analisi con soli fini conoscitivi, che non venga resa
nota a nessun operatore dell ’azienda analizzata. Lo stesso vale anche per indagini
svolte a favore di un’area particolare di un’azienda. Gli elementi di controllo
vanno inseriti solo ove i destinatari dell ’analisi potranno intervenire, non su
emergenze la cui responsabilit à è a carico di altri operatori.
Un’ulteriore limite all ’ inserimento di elementi di controllo è dovuto alle così
dette risorse “esterne” all ’azienda. È chiaro che gli operatori non hanno controllo
diretto su risorse (e quindi emergenze) derivanti da soggetti esterni ad essa.
Quindi è incorretto applicare elementi di controllo a emergenze esterne.
Premesso che l’analisi complessa non fa alcuna distinzione tra “sistema”
ed “ambiente”, lasciando questa parte del problema ad una definizione caso per
caso, diversa per ogni differente analisi anche di uno stesso soggetto, ci è utile
affermare che le risorse determinate in qualche modo da attori esterni rispetto
alla nostra analisi, e solo in via mediata dal soggetto analizzato, non possono
Analisi sistemica complessa
183
essere aff iancate da elementi di controllo senza introdurre una approssimazione
assai rilevante. Certo è possibile assumere che i direttori del marketing di una
certa impresa abbiano un certo controllo sull ’emergenza/risorsa “ fama” ma
aff iancare alla fama un elemento di controllo sarebbe assai impreciso. Esistono
infatti sicuramente altre emergenze, queste sotto il diretto controllo dei
responsabili di marketing, che generano in via mediata l’emergenza “esterna”. Se
andiamo infatti a valutare gli elementi funzionali che generano la fama come
emergenza, troveremo gli organi direttivi dell ’ impresa, il pubblico, i media, le
agenzie pubblicitarie e molti altri “elementi” che con il l oro operare fanno
emergere la fama di un’ impresa. Sarebbe quindi assai impreciso affermare che
un’emergenza basata sulla fiducia di un pubblico (per definizione esterno
all ’oggetto di analisi) è direttamente controllabile.
In sintesi, l’applicazione di controlli su emergenze che possono essere
assimilate a risorse di fiducia è un’approssimazione grossolana, sicuramente
riducibile.
7.2) Utilizzo del modello
Dopo aver condotto la fase precedente dell ’analisi, il ricercatore ottiene un
grafo che rappresenta la configurazione delle emergenze nella realtà analizzata.
Ricordiamo ancora che la teoria dei sistemi complessi individua un sistema
formato da elementi funzionali , i cui risultati (emergenze) non sono prevedibili a
partire da un livello di analisi che studi tali elementi ed i rapporti tra essi.
Esemplificando, in impresa esistono delle funzioni, degli organi direttivi e di
staff , ed all ’ interno di questi delle persone. Con essa interagiscono altre persone,
altre organizzazioni, dunque altri sistemi complessi.
Analisi in azienda
184
Le emergenze sorgono dalle interazioni di tali elementi. Ne sono il risultato.
Ogni risultato è però un risultato parziale, ed è il presupposto per l’ottenimento di
altri risultati da parte di altri elementi del sistema. Ad esempio, uno degli scopi
della funzione Acquisti è quello di fornire tempestivamente materiali di buona
qualità per la funzione di produzione. Così, a partire da materiali consegnati
puntualmente e di alta qualità, la funzione di produzione può generare le sue
emergenze.
L’ASC non prende in considerazione le relazioni a livello funzionale, ma
cerca di esplicare le relazioni esistenti tra i vari risultati parziali (emergenze) del
sistema. Usare l’ASC significa analizzare l’azienda seguendo le modali tà che
abbiamo descritto fino ad ora, e quindi metterne in pratica le direttive.
A questo punto si pone dunque il problema di determinare quali siano le
direttive derivanti dall ’analisi ; una volta comprese le linee guida dettate dal
modello, sarà necessario ill ustrare alcune modalità su come realizzarle in pratica.
7.2.1) Risultati preliminari
Il primo e più consistente risultato dell ’ASC è quello di formalizzare una
conoscenza contenuta nell ’ impresa ma spesso ignorata, o lasciata a livello latente
e non esplicito.
L’esplicitazione delle modalità tramite le quali l ’ impresa ottiene i propri
risultati è già di per sé un punto assai rilevante ; la formalizzazione compiuta
dall ’ASC può essere usata dagli organi decisionali per valutare l’ impatto delle
proprie scelte, almeno a livello qualitativo. Inoltre, diffondere tale conoscenza
significa permettere a tutti i quadri aziendali esistenti in una data impresa di
comprendere il l oro reale valore, e di dirigere i propri sforzi nella direzione più
utile al sistema aziendale. Un modello 3r o un qualsiasi altro modo di esplicitare
l’ASC è sicuramente un potente collante organizzativo, e permette di definire i
Analisi sistemica complessa
185
compiti e le mansioni in base ai risultati che il sistema si aspetta, e che riutili zza
in altre parti.
7.2.2) Massimizzazione dell’impatto sul grafo
Ottenuto un grafo in forma 3r, che rappresenta le iterazioni tra le emergenze,
si può tentare di migliorare lo stato dell ’ intero grafo con il minor sforzo
possibile. Se sommiamo il valore di tutti gli elementi, in un certo grafo,
otterremo un numero che possiamo chiamare “valore somma”. Il valore somma
di un grafo non è un indice di potenzialità competitiva di una data azienda: grafi
con pochi elementi ma a valore alto avranno valori somma minori di grandi grafi
ove ogni elemento ha basso valore. Ma il valore somma di un certo grafo può
essere confrontato con un altro valore somma, ottenuto variando il valore delle
proprie fonti.
In alcuni casi, è possibile che il management decida di massimizzare l’effetto
sull ’ intero grafo di una data decisione. Questo è il caso di situazioni nelle quali
sia necessario migliorare diffusamente il clima aziendale, distaccare
definitivamente i concorrenti o riordinare la situazione interna dell ’azienda.
Questo tipo di interventi generali permettono un’evoluzione globale del sistema.
Tale approccio non va sicuramente usato in situazioni che richiedano interventi
rapidi o mirati, ma può essere argomento di decisioni con effetti a lungo ed a
lunghissimo termine.
Per massimizzare l’ impatto di una decisione su tutto il grafo, quindi sul suo
valore somma, bisogna intervenire sulle fonti a maggiore centralità. Queste sono
infatti le fonti il cui aumento unitario genera il massimo impatto sul grafo. Il
capitolo 6 ill ustra come condurre un’analisi di centralità su un dato grafo; una
volta ottenute le fonti del grafo che presentano questa caratteristica in forma
forte, andremo ad operare su di esse seguendo un ordine dato dalla loro
Analisi in azienda
186
centralità: prima opereremo sulla più centrale, poi su quella a centralità
immediatamente inferiore e così via, fino ad ottenere il risultato voluto, o ad
esaurimento delle risorse disponibili .
7.2.3) Minimizzazione degli effetti sul grafo
In alcuni casi, si può presentare la necessità opposta a quella presentata nel
precedente paragrafo: può rendersi necessario minimizzare l’ impatto di una
decisione sul grafo. Questo può avvenire quando è necessaria una riduzione
generalizzata dei costi, tentando di preservare al massimo le potenzialità e le
emergenze dell ’ impresa. Una razionalizzazione di questo tipo deve essere
compiuta con ottica di lungo termine. Nel caso si voglia ridurre le risorse
disponibili all ’ impresa, principalmente per tentare di li mitare i costi o di
razionalizzare la struttura, l’ impatto minore sulla totalità del grafo è ottenuto
intervenendo sulle risorse a centralità minore. Anche qui, partendo dalla fonte a
minore centralità si interviene poi sulle fonti con centralità appena maggiore fino
ad ottenere il risultato voluto.
7.2.4) Massimizzazione degli effetti su date emergenze
Nella maggior parte dei casi, gli i nterventi sulla struttura delle risorse sono
mirati all ’ottenimento di particolari effetti solo su determinate aree di impresa.
Interventi di questo genere hanno lo scopo di eliminare carenze dell ’ impresa o di
ridurre la distanza con i concorrenti. Quando si vuole massimizzare l’ impatto di
una decisione su di una data emergenza, è suff iciente un’analisi di centralità
inversa della stessa. Dal capitolo precedente, sappiamo che un’analisi di
centralità inversa è una lista di fonti ordinata per influenza decrescente su di un
certo elemento del grafo. Procedendo con tale analisi, si ottiene un “piano di
Analisi sistemica complessa
187
azione”, che permette di intervenire prima sulle risorse critiche per il
raggiungimento dello scopo desiderato.
Possono insorgere delle complicazioni nel momento in cui si ha la necessità di
migliorare il valore di diverse emergenze, dando ad ognuna di esse una priorità
diversa. Questo è il caso, ad esempio, di un’azienda che stia cercando di
massimizzare la soddisfazione del proprio cliente, ed abbia individuato diverse
aree di intervento, diverse leve attraverso le quali il cliente può venire
soddisfatto. Una tale azienda condurrà l’analisi in modo da evidenziare quelle
caratteristiche della propria offerta che rientrano nella definizione di “mezzo per
soddisfare la clientela”. Se si ritiene che tale variabile sia determinata dalla
rapidità della consegna in una certa parte, dalla sua puntualità in maniera più
pesante e dall ’assenza di difetti come causante principale, l’analisi delle
emergenze per tale azienda presenterà tre emergenze, chiamate rispettivamente
“Capacità di pronta consegna”, “Puntualità” e “Capacità di produrre senza
difetti” . Queste tre saranno collegate ad un così detto “elemento sensore” con
peso pari alla loro importanza nella determinazione del risultato voluto.
L’elemento sensore (o semplicemente “sensore”) è stato introdotto nel
capitolo precedente. Si tratta di un elemento artificiale, ma al contrario dei
controlli e dei riassunti non rappresenta una parte del grafo non analizzata e
quindi approssimata. Si tratta solo di un artificio matematico, grazie al quale
possiamo valutare sinteticamente la situazione di alcune emergenze. Infatti, il
valore di un sensore corrisponde alla media ponderata delle emergenze alle quali
è collegato, è può essere usato per valutare situazioni alternative. Risponde a
domande come “È meglio essere molto puntuali , ma presentando prodotti con
qualche difetto o presentare meno difetti a scapito della puntualità?”.
Una volta inserito il sensore, per determinare quali l eve di azione manovrare
per migliorare il l ivello di un gruppo di emergenze è suff iciente condurre
un’analisi di centralità inversa. Da questa otteniamo le risorse più influenti nei
confronti della situazione che vogliamo modificare.
Analisi in azienda
188
I sensori sono termini del grafo (non possono generare nulla), questo per
definizione. Essendo non un’emergenza, ma una mera media matematica, devono
essere ben evidenziati aggiungendo al loro nome la dicitura “SEN”. Così, la
soddisfazione del cliente misurata in base alle tre emergenze sopra dette, diventa
“Soddisfazione del cliente/SEN”.
È da notare che nella maggior parte dei casi, sarebbe possibile approfondire
l’analisi e sostituire il sensore con un’emergenza o un dato gruppo di emergenze.
Oltre alle considerazioni di aumento del costo dell ’analisi, valide anche per gli
altri elementi artificiali , va però detto che il sensore ha il compito di esprimere
una valutazione sintetica nei confronti dei l ivelli delle emergenze in una certa
parte del grafo. Il sensore esprime il “gradimento” o la “preferenza” di un certo
stato di alcune emergenze rispetto ad altri.
Nel capitolo precedente abbiamo introdotto un sensore molto interessante,
chiamato “fattore di successo risultante”. Collegando le emergenze che
permettono di raggiungere (uno per uno) i vari fattori critici di successo per
l’ambiente di riferimento dell ’ impresa, viene alla luce un indicatore sintetico di
capacità competitiva che abbiamo appunto chiamato “fattore di successo
risultante/SEN”. È possibile supporre che aziende con ottimanza maggiore siano
più competitive di quelle con ottimanza minore, sempre ammesso che :
• I fattori critici di successo siano realmente conosciuti.
• Sia conosciuto l’ordine di importanza di tali fattori per il successo nel
settore.
• Non esistano vuoti di domanda, (o fattori sconosciuti).
Vorrei far notare che queste non sono ipotesi sempli ficative, ma solo
condizioni di applicabilit à del modello 3r basato sull ’ottimanza. Un’ ipotesi
sempli ficativa riduce la complessità della realtà, le condizioni citate prima sono
invece i vincoli per una definizione di una precisa finestra di comprensibilit à
nella quale è applicabile l’ottimanza parziale. In finestre differenti da quella
Analisi sistemica complessa
189
indicata dalle tre condizioni, l’ottimanza parziale non da risultati approssimati,
bensì fornisce previsioni che possono essere imprevedibilmente errate.
Proprio perché possono esistere comportamenti “ fuori dagli schemi” capaci di
attrarre la domanda e di determinare un vantaggio competitivo, abbiamo
prudentemente chiamato questo sensore con il nome di “Ottimanza parziale”; in
alcuni settori, in alcuni ambienti di riferimento, giocare su nuovi fattori
competitivi si rivela una buona strategia. In alcuni è l’unico modo di
sopravvivere: cambiare le regole è la regola.
Le realtà estremamente dinamiche sono inquadrate nel prossimo paragrafo
(“Scenari alternativi” ), per adesso ci li mitiamo ad analizzare il grafo supponendo
che la struttura delle emergenze non cambi.
7.2.5) Minimizzare gli effetti su precise emergenze
Può rendersi necessaria la riduzione del valore di alcune risorse, a fronte di
razionalizzazioni interne, o per altri motivi. Al contrario dell ’analisi sull ’ intero
grafo, se si perviene ad un’ indagine di questo tipo è perché il problema da
affrontare ha termini più stringenti, e si ritiene che gli effetti delle decisioni da
prendere debbano propagarsi all ’ intera struttura in tempi brevi.
Le soluzioni da adottare in questi casi sono speculari a quelle appena
enunciate : un’analisi di centralità inversa porterà in evidenza le risorse che sono
meno influenti rispetto a determinate emergenze (o sensori), e sulle quali si potrà
intervenire perdendo il minor valore possibile.
7.2.6) Considerazioni sui costi
Durante tutto il paragrafo, la grandezza presa in considerazione è stato il
valore delle risorse (o delle emergenze), così come definito nel capitolo
Analisi in azienda
190
precedente. Ma purtroppo, questo non dà alcuna stima dei costi di una data
operazione. Un’analisi di centralità o di centralità inversa ci dà una lista di risorse
ordinata in termini di “valore”, non di costo di intervento. Questo trova riscontro
nella logica del modello: l’analisi per emergenze pura non ci dice nulla rispetto ai
costi o ai vantaggi economici che offre una certa politi ca, ma ci dice qual è la
politi ca migliore in termini di valore strategico. Spiega quale sia il modo migliore
per risolvere il proprio problema, a prescindere dall 'entità delle risorse
finanziarie.
Nella realtà può capitare di non avere risorse finanziarie suff icienti ad
intraprendere un progetto di risanamento o di miglioramento aziendale. In questo
caso è utile ponderare il valore delle fonti sulle quali si intende operare per il l oro
costo unitario. È cioè necessario rispondere a domande del tipo “Per portare la
forza di pubbliche relazioni da buona a ottima, quanti bisogna spendere ?”
La risposta a questa domanda è tutt’altro che agevole. Prima però è necessario
scoprire come aumentare il l ivello di una data emergenza. Nella fase di
definizione dei parametri per la valutazione delle fonti, come abbiamo visto,
vengono utili zzati dei criteri di vario genere. Se valutiamo una fonte in base a
risultati simili dei concorrenti, o di altre aziende in altri settori, , avremo un buon
riferimento su come migliorare le fonti. In questo caso, le attività che portano una
fonte ad emergere sono note, ed è già stata eseguita su di esse una valutazione.
Ad esempio, la “ forza di pubbliche relazioni” nell ’azienda dell ’esempio può
essere valutata buona in base all ’attività dell ’uff icio di pubbliche relazioni. Far
crescere da buona ad ottima l’emergenza in analisi implica il miglioramento degli
strumenti a disposizione di tale uff icio; se non possiamo calcolare il costo del
miglioramento della fonte, dovremmo essere in grado di valutare il costo del
potenziamento delle attività.
Analisi sistemica complessa
191
7.3) Scenari alternativi
Concettualmente, l’ individuazione di scenari alternativi fa parte dell ’utili zzo
del modello, descritto nel paragrafo precedente, ma, vista la particolarità di
questa modalità di operare, abbiamo ritenuto utile inserirla in un paragrafo
distinto.
Può accadere che la manovra sul valore delle risorse non sia suff iciente a
raggiungere gli scopi prefissi. La soluzione del problema può essere
semplicemente fuori dalla portata di una ridefinizione dei valori in gioco, specie
quando è necessario rispettare vincoli su certe emergenze, o quando sono
presenti numerosi resti.
In questo caso esiste una sola soluzione: modificare la struttura del grafo.
Questo può avvenire secondo tre modalità, a contenuto di innovatività crescente:
tramite la ridefinizione delle forze che collegano gli elementi, tramite l’aggiunta
di risorse o di elementi di controllo, o tramite l’eliminazione di elementi.
Naturalmente, è possibile combinare le tre modalità di intervento.
Ogni variazione alla struttura, sia sotto forma di alterazione delle forze delle
relazioni, sia come aggiunta di elementi o come eliminazione di nodi prende il
nome di scenario alternativo, o semplicemente scenario.
È innanzitutto necessario comprendere che la realizzazione delle condizioni
ipotizzate nello scenario presuppone una variazione notevole nella struttura
complessa del sistema. Ad esempio, inserire un controllo ove prima non si era
ritenuto opportuno significa predisporre procedure, strutture aziendali ,
organigrammi che consentano al management (o a chi è incaricato del controllo)
di gestire realtà prima ritenute lontane da tale possibilit à. Inserire una nuova
risorsa significa creare una nuova emergenza, e sappiamo che le emergenze
nascono da relazioni ricorsive nella struttura complessa del sistema. Significa
Analisi in azienda
192
dunque arricchire il sistema con nuovi elementi e intessere una fitta rete di
relazioni ricorsive, oltre ad approntare nuovi processi aziendali .
Tuttavia, è possibile che chi si occupa della gestione dei risultati del modello
si senta sicuro della propria capacità di variare la struttura delle emergenze
esistenti in azienda. La certezza può dipendere da analisi compiute su realtà
simili che hanno adottato soluzioni differenti al problema del quale si occupa
l’analisi. Così, se il grafo di emergenze di un concorrente viene trovato differente
da quello presente in azienda, e si conoscono i motivi di tale differenza, il
management può aspettarsi di essere in grado di modificare il proprio sistema di
emergenze in base alle osservazioni effettuate.
Oltre a questa motivazione, è possibile che i responsabili abbiano idee per lo
sviluppo aziendale capaci di far sorgere nuove emergenze. L’apertura di un
centro di ricerca e sviluppo, o l’occupazione di una nuova area di mercato,
generano sicuramente emergenze prima inesistenti. Gli analisti devono essere in
grado di approntare un analisi di scenario che rappresenti lo stato finale, dopo
l’ inserimento delle nuove attività. In questo modo, il modello 3r è in grado di
prevedere il risultato di nuove attività sulla struttura delle emergenze. Questa
seconda prospettiva di ipotesi di scenario è decisamente più semplice da trattare
della prima: in questo momento, l’analisi per emergenze è pensata per estrarre
dall ’azienda i suoi risultati. Passare da un risultato auspicabile alla struttura che
dovrebbe generarlo è sicuramente più diff icile che non passare da una struttura
esistente (o ipotetica) ai risultati che questa riesce ad ottenere.
In ambo i casi (variazione in base a progetti di struttura o osservazione di altre
soluzioni simili), le ipotesi di scenario devono essere ben distinte; la variazione
di rapporti di forza, così come l’ inserimento di controlli o di risorse, così come la
rimozione di elementi devono essere indicati, e corredati da un commento che
spieghi il motivo della decisione, che individui le basi sulle quali si pensa di
poter alterare la struttura delle emergenze. Ciò è importante per il seguente
motivo: quando si esegue un’analisi 3r senza variare la struttura del grafo, si
Analisi sistemica complessa
193
fanno congetture sulla possibilit à di controllare le emergenze attualmente
riconosciute; tendenzialmente, queste assunzioni sono prese in base ad una
capacità obbiettiva di variare il li vello dei valori in analisi. Le rilevazioni di
struttura proposte dall ’analisi per emergenze e sintetizzate nel modello 3r sono
estratte da una realtà ben consolidata, e che l'impresa stessa è stata in grado di
analizzare. Non è fuori da ogni realtà supporre che, in un’ impresa che funziona
da tempo non breve ad un certo regime, la conoscenza di se stessa sia
internalizzata in essa (Vicari, 1991). L’analisi per emergenze esplicita questa
conoscenza, e la formalizza. Una cosa è però studiare una realtà che conosce se
stessa, un’altra è supporre di conoscere una realtà che ancora non esiste.
Normalmente, il modello 3r lavora su analisi consuntive di processi già
stabili zzati, mentre in ipotesi di scenario, si passa ad analisi preventive di realtà
che non esistono. Anche quando si prendono a modello soluzioni applicate ad
altre aziende, non si può essere certi che la propria impresa risponda in maniera
perfettamente identica a variazioni strutturali: cultura differente, differenti assetti
in altre parti strutturali , differenti procedure, differenti persone possono innescare
relazioni ricorsive non facilmente prevedibili con le nuove attività/strutture
inserite, portando ad emergere risultati diversi da quelli previsti.
In breve, le analisi di scenario possono essere approssimazioni elevate. In
questo caso, le approssimazioni sono prevedibili a priori unicamente in base ad
un’analisi approfondita e completa della realtà strutturale alternativa, cosa che
spesso può essere più costosa della stessa analisi per emergenze. Tuttavia, se il
management ritiene di dover modificare la struttura dell ’ impresa gestita, è chiaro
che dovrà dare avvio a studi progettuali preventivi indipendentemente
dall ’utili zzo di un modello 3r. Purtroppo, se non corredato da un’analisi
completa, uno scenario può generare approssimazioni di entità non facilmente
prevedibile, quasi come una semplificazione. In effetti, analisi di scenario
scorrette o non fondate su basi solide sempli ficano le trasformazioni che
Analisi in azienda
194
l’ impresa può intraprendere, questo è il motivo per il quale le ipotesi di scenario
devono essere ben esplicitate.
L’applicazione di tali i potesi, come nel caso dell ’ inserimento di un sensore di
ottimanza, individua una finestra di comprensibilit à, al di fuori della quale il
comportamento del sistema risulta non prevedibile. L’applicazione di finestre di
comprensibilit à non valide per la realtà analizzata, come abbiamo visto per il
problema del tempo, è una sempli ficazione e porta a risultati imprevedibilmente
errati; quindi è necessario definire con precisione la finestra che permette di
cogliere l’evoluzione futura del sistema complesso, ed accettare il fatto che se il
comportamento del sistema, o eventi indipendenti da esso, spostano il sistema
oltre la finestra, la previsione effettuata non è più valida.
Per questo è importante preparare numerose ipotesi di scenario, che colgano
l’evoluzione della struttura del sistema complesso in tutte le proprie dimensioni
di complessità. Ad esempio, se cambia un rapporto istituzionale in base ad una
legge che entrerà in vigore nel tempo di riferimento, è importante generare un
modello 3r che accolga tale cambiamento; se però si ritiene che tale legge possa
non venire ratificata, è consistente generare due scenari alternativi, ed
abbandonare le soluzioni mostrate dallo scenario che non si è verificato. Nel caso
che poi si verifichi un terzo caso intermedio non previsto (ad esempio la ratifica
della legge ma solo in alcune sue parti) è necessario abbandonare entrambe le
soluzioni, e sapere che l’adozione dello scenario che “più si avvicina” alla
situazione ipotizzata può contenere errori imprevedibili: l ’adozione di una certa
finestra per sistemi che esistono al di fuori di essa è una sempli ficazione, con
tutto ciò che questo comporta.
Analisi sistemica complessa
195
7.4) Attuazione pratica
Comunque vengano prese le decisioni di variazione delle emergenze-fonti,
dopo la fase di studio del problema deve seguire la fase di attuazione. Studiare a
fondo questa parte del problema va oltre lo scopo della tesi, che introduce
unicamente una modalità di analisi ed un modello utili a dirigere le scelte
strategiche dell ’ impresa. Tuttavia, è necessario almeno accennare alla
problematica dell ’attuazione delle decisioni prese.
Veniamo qui incontro ad un problema teorico. Abbiamo studiato i sistemi
complessi, in particolare le imprese, in base alle loro emergenze. Sappiamo che
per migliorare il valore delle emergenze in certe aree del sistema dobbiamo
migliorare date “risorse” o fonti. Come si ricorderà dal capitolo dedicato
all ’analisi sistemica complessa, qualsiasi definizione di struttura porta a
previsioni sul comportamento del sistema inesatte. Adesso, nella fase di
attuazione, i decisori aziendali devono operare sulla struttura del loro sistema.
Per tradurre in pratica i suggerimenti del modello 3r, è necessario operare su una
struttura che l’analisi complessa ritiene inconoscibile nella sua interezza e sulla
quale non elabora alcuna informazione.
Purtroppo, allo stato attuale delle ricerche sulla complessità non è possibile
fornire una soluzione completa a questo problema. Possiamo unicamente
suggerire un metodo di lavoro che permetta di applicare nella pratica del
cambiamento il modello. È però da sottolineare che il modello 3r ha una sua
validità intrinseca nell ’esplicitare conoscenze tacite sul funzionamento
dell ’azienda, sui rapporti che esistono tra i risultati parziali ottenuti e le risorse
esistenti. Consente di dare al management una linea di guida certa nella misura in
cui sono certe le cognizioni possedute dall ’ impresa sull ’ impresa.
È compito dei dirigenti decidere come aumentare una certa emergenza, come
portare il sistema complesso “ impresa” da uno stato ad un altro.
Analisi in azienda
196
7.4.1) Gestione per controlli
Quando nel modello 3r vengono inseriti i cosiddetti elementi di controllo (o
controlli ), è perché il management ritiene di avere un diretto controllo su di essi.
Chi pianifica le decisioni ritiene di poter agevolmente aumentare o ridurre il
li vello di alcune risorse, e di conoscere l’effetto di decisioni che le riguardano. È
possibile costruire un modello 3r adatto alla soluzione di un problema aziendale
sistemando gli elementi di controllo in base alle certezze dei decisori aziendali .
Se i decisori ritengono di poter influenzare solo in parte alcune emergenze/fonti,
il modello 3r scomporrà tali emergenze in due parti, una di controllo (la parte
gestibile) ed una di “riassunto” (la parte che i decisori ritengono di non poter
influenzare). Eseguendo tale operazione su tutti gli elementi fonte del grafo, o su
quelli sui quali si intende operare, si ottiene un nuovo modello. Dato che tale
modello è stato generato in base alle possibilit à di intervento dei decisori, questi
devono essere in grado di tradurre gli aumenti di valore delle emergenze richieste
in azioni pratiche. Se così non fosse, si può procedere ad una nuova
scomposizione delle emergenze in parti controllabili e parti non controllabili ,
fino ad ottenere un idea chiara delle possibilit à di intervento.
Questo metodo ha il pregio di essere di semplice ed immediata applicazione, e
di fornire al management una visione chiara sugli i nterventi da eseguire. È
particolarmente eff icace nell ’aiutare il management a decidere per il breve
termine, dato che approssima l’azienda in elementi facilmente controllabili ed
elementi sui quali l ’ intervento è più diff icile: i manager individueranno nei
controlli solo ciò che ritengono di poter agevolmente gestire. Ovviamente, questa
elevata approssimazione risulta più grossolana ove si debba gestire nel lungo
periodo, dove è in genere possibile intervenire su tutta la struttura aziendale, e
quindi su tutte le emergenze.
Analisi sistemica complessa
- 197 -
8. Il caso Beta
A questo punto della nostro lavoro, si rende necessario dimostrare che il
modello 3r è realmente in grado di fornire utili i ndicazioni per la gestione di
impresa. A questo scopo analizzeremo un’ impresa che si muove in un ambiente
dinamico nel quale è indispensabile mantenere un alto livello di competitività.
Siccome è impossibile per noi applicare una soluzione che può essere dedotta
dal modello 3r direttamente all ’ impresa, dovremo agire in senso contrario. Sarà
necessario cioè analizzare la storia dell ’ impresa; partendo da una situazione
iniziale e da decisioni prese in un dato contesto, costruiremo un modello che
spieghi le conseguenze di tali decisioni. Confronteremo poi il risultato del modello
con ciò che realmente successe all ’ impresa. In questo modo saremo in grado di
stabili re se il modello è in grado di spiegare l’evoluzione di una data situazione
dato lo stato iniziale delle emergenze di impresa e le decisioni prese.
L’ impresa analizzata è la Beta, Informazioni Commerciali . Ovviamente, il
nome reale dell 'impresa non può essere rivelato per motivi di riservatezza.
L’ impresa opera nel settore delle informazioni commerciali , una forma di servizio
sul credito che negli ultimi anni ha visto crescere costantemente il proprio
fatturato di settore.
L’ impresa è stata scelta per le sue caratteristiche: si tratta di un’ impresa di
medie dimensioni, con circa cento dipendenti, immobili per circa sei mili ardi e un
fatturato annuo che si aggira tra i quindici ed i venti mili ardi. Un’azienda
estremamente dinamica, quindi un terreno adatto all ’analisi complessa. Inoltre, la
Alfa ha attraversato una profonda crisi culminata nel periodo ‘93-‘94, e risolta
grazie alla sostituzione del management. La nostra analisi si concentrerà sugli
eventi e sui motivi che hanno condotto alla crisi.
Il caso Beta
- 198 -
8.1) Problemi metodologici
Prima di procedere con l’analisi è necessario mettere in luce i problemi
metodologici che sono sorti durante l’ indagine.
Primo fra tutti è necessario citare un problema di linguaggio intervenuto tra il
management intervistato ed il ricercatore. L’ idea di analizzare le emergenze di un
sistema complesso per cercare di comprendere come questo reagirà a certi
cambiamenti è assai nuova. Inoltre i dirigenti della Beta, pur avendo acquisito un
notevole livello di esperienza pratica, spesso non sono in possesso di una
preparazione teorica elevata (cosa che non influisce necessariamente sulla qualità
della gestione). È stato dunque necessario intervenire in tal senso “guidando” le
considerazioni espresse dai manager della Beta informazioni commerciali in modo
da individuare le emergenze chiave.
Il secondo è un problema storico. La Beta cambiò i dirigenti che ebbero un
ruolo chiave nel processo di crisi. Le impressioni raccolte sono quelle dei
“sopravvissuti” alla crisi e dei “nuovi arrivati” dopo il cambiamento di gestione.
Tuttavia, essendo la competenza degli uni e degli altri fuori discussione, non si
vede il motivo di dubitare delle valutazioni condotte sia dai primi che dai secondi.
Anche se le decisioni che hanno portato alla crisi sono state prese da persone
purtroppo irreperibili al momento della stesura di questo lavoro, non c’è motivo di
dubitare delle valutazioni espresse in tal senso da dirigenti che vissero l’evento in
prima persona, o che raccolsero l’eredità lasciata dai loro predecessori.
L’ultimo problema è il problema temporale. L’analisi si svolge su eventi
passati, l’esito dei quali è ben noto. Per verificare la qualità del modello 3r come
modello analiti co, l’analisi di eventi passati è suff iciente; ma per valutarne la
bontà come strumento previsivo, e quindi come supporto decisionale, è necessario
dimostrare come il modello sia in grado di prevedere il risultato di certe azioni
data una situazione iniziale. Per questo motivo, dovremo procedere con una logica
blindfold. Dovremo cioè porci nella stessa condizione in cui si trovarono i decisori
Analisi sistemica complessa
- 199 -
dell ’ impresa nel momento in cui l ’analisi viene calata, immaginando di ignorare
quali sarebbero stati gli eventi futuri. Al massimo potranno essere utili zzate le
ipotesi formulate dai decisori dell ’azienda sul possibile andamento futuro, a
prescindere dall ’eventuale correttezza di tali considerazioni.
8.2) Metodo di indagine
Il metodo di indagine adottato per rilevare le realtà empiriche è stato scelto
seguendo le in parte le necessità dell ’analisi ed in parte la disponibilit à dei gestori
della Beta. È stato impossibile organizzare incontri formali , o richiedere la
compilazione di questionari; si è dovuto largamente ricorrere allo strumento delle
interviste per far emergere gli elementi utili all ’analisi. Si è poi reso necessario
razionalizzare e sistematizzare il risultato delle interviste. Inoltre, l’esperienza di
lavoro diretto del ricercatore all ’ interno dell ’ impresa ha avuto un ruolo importante
nell ’esplicitare e formalizzare i concetti espressi dai dirigenti.
Se vogliamo, la situazione è del tutto simile a quella che potrebbe affrontare
una società di consulenza che si impegni nel definire i termini del modello 3r per
una data impresa. I consulenti potrebbero essere costretti ad usare solo il metodo
del brainstorming. Starebbe poi a questi ultimi il compito di disegnare un modello
sulla base delle loro impressioni e dei risultati delle interviste.
È lampante che il grado di precisione del modello presentato in questo capitolo
non può essere particolarmente elevato. La collaborazione dei manager intervistati
non può essere garantita, visto che il risultato del lavoro non li i nteressa
direttamente. Inoltre è possibile che vi siano stati degli errori di valutazione dei
personaggi intervistati, magari commessi in buona fede.
Tuttavia, riteniamo che le informazioni ottenute e l’esperienza diretta di lavoro
nell 'impresa considerata siano suff icienti per il raggiungimento di due obbiettivi:
Il caso Beta
- 200 -
• L’ottenimento di un modello che spieghi cosa è avvenuto in momenti
cruciali delle realtà analizzate.
• La dimostrazione che il modello 3r è in grado di fornire informazioni utili
anche senza disporre di dati precisi.
8.3) Beta informazioni commerciali
Nel trattare questo caso, procederemo come se ci trovassimo nel periodo anteriore
all ’accadimento degli eventi chiave che hanno condizionato la vita dell ’ impresa.
Supporremo di non conoscere nulla di ciò che realmente è avvenuto. Così se
supponiamo di creare un modello valido ad una certa data (un certo anno, mese e
giorno), giustificheremo il nostro operato a partire da considerazioni sul passato e
sul presente dell ’azienda in quel periodo. Sarebbe infatti troppo facile descrivere
“come sono andate le cose”, per poi costruire un modello analiti co che ricalchi ciò
che è avvenuto realmente. Per questo motivo descriveremo la situazione
dell ’azienda in un dato momento e costruiremo il modello 3r solo in base alle
considerazioni possibili i n base a quei dati. Spiegheremo cosa sia avvenuto
realmente solo dopo aver studiato il modello generato ed i risultati diagnosticati da
esso. Così sarà possibile dimostrare come il modello 3r possa prevedere situazioni
future a partire da dati incerti. Una volta completata l’analisi, potremo vedere
come il modello abbia anche una valenza esplicativa, oltre che previsiva, che
consente di capire le dinamiche che hanno condotto ad una data situazione.
Entrambe queste capacità del modello sono importanti. Capire gli errori (o i
successi) del passato è essenziale per migliorare il modo di gestire le imprese; allo
stesso modo è importante avere strumenti capaci di dare informazioni su un futuro
incerto.
Analisi sistemica complessa
- 201 -
È poi necessario specificare che la nostra analisi non prenderà in
considerazione il settore nel quale opera Beta. Per motivi di possibilit à oggettive,
è stato necessario focalizzare l’analisi sulle sole dinamiche interne. Come
vedremo, questo angolo di visuale consente comunque di cogliere ciò che accadde
alla Beta e le conseguenze che tali eventi ebbero sulla capacità di competere
dell ’ impresa.
8.3.1) La situazione iniziale
Nel 1991, la Beta Informazioni Commerciali era riuscita ad acquisire una
notevole quota di mercato nel settore delle informazioni commerciali . Il suo unico
prodotto era (ed è ancora) un’ informazione. L’attività consiste nel raccogliere
informazioni su una certa impresa per conto di terzi interessati. Le informazioni
consistono primariamente in indicatori economici, estratti dai bilanci, dal registro
pubblico degli effetti protestati, oltre a considerazioni generali sull ’aff idabilit à
degli amministratori e degli elementi di spicco delle imprese. In pratica, i clienti
Beta chiedono informazioni su imprese con le quale intendono avere rapporti
commerciali; così possono venire a sapere se un loro cliente, fornitore o partner,
ha celato uno stato di insolvenza, un passivo di bilancio, o una situazione
patrimoniale poco chiara.
Le agenzie di informazioni commerciali adottano metodi di indagine facilmente
imitabili anche dai loro stessi clienti: analisi di bilancio, interrogazioni agli archivi
pubblici, ed operazioni simili . Il vantaggio di rivolgersi alle agenzie è nelle
considerazioni di make or buy. Esistono infatti forti economie di scala nel gestire
le informazioni: una volta prodotta un’ informazione questa può essere venduta a
chiunque ne faccia richiesta. Inoltre, il trattamento informatico delle informazioni
ha un bassissimo costo marginale. Infine, la competenza di coloro che si occupano
di raccogliere le informazioni e di esprimere un giudizio sui dati, è fortemente
dipendente dal numero di informazioni trattate (e di errori commessi). Per questi
Il caso Beta
- 202 -
motivi, in generale è conveniente esternalizzare il servizio di informazioni
commerciali .
La Beta aveva iniziato la sua attività nel 1984, con una dimensione ed un giro
di affari tipico di una piccola impresa. Il suo bilancio nel 1985 evidenziò un
fatturato appena superiore al mili ardo. Negli anni successivi, il fatturato aumentò
mediamente del 40% ad ogni esercizio. L’agenzia Beta aveva adottato una
strategia di differenziazione basata sulla qualità del rapporto informativo, ossia
del prodotto finito. In base ad una qualità superiore ad ogni altro concorrente
presente sul mercato, la Beta era stata in grado di ottenere un premium price che
ammontava a circa 40% in più del prezzo medio del settore. Questo la posizionava
in un segmento di domanda esigente, disposto a pagare il premium price pur di
ottenere un prodotto qualitativamente superiore.
Dunque, nel 1989, a chiusura dell ’esercizio 1988, la Beta aveva registrato un
fatturato di circa cinque mili ardi e trecento mili oni. L’andamento delle vendite nei
primi mesi dell ’anno faceva pensare che il 1989 si sarebbe chiuso con un fatturato
di quasi nove miliardi. È verso aprile che avvenne l’evento che condizionò
negativamente il futuro dell ’ impresa (il mese è stato cambiato per non consentire
una facile individuazione dell ’ impresa).
Il direttore generale, nonché proprietario e fondatore, aveva gestito l’azienda
con una capacità imprenditoriale notevole durante gli anni precedenti. In aprile
ricevette una comunicazione da parte di alcuni colleghi che lo avvisava del fatto
che un’ importante concorrente, la Delta, era disposta a vendere. Anch’essa era
un’azienda di medie dimensioni che operava nel ramo delle informazioni
commerciali , e che fatturava circa cinque mili ardi all ’anno. Tuttavia, in un settore
in forte crescita, i conti della Delta erano rimasti stagnanti per diversi esercizi. Era
inoltre risaputo che la Delta aveva incontrato notevoli problemi di gestione
recentemente che erano culminati in una perdita di poche decine di mili oni
nell ’ultimo esercizio (1988). Per questi motivi, i proprietari della Delta erano
Analisi sistemica complessa
- 203 -
disposti a vendere ad un prezzo molto inferiore al valore effettivo dell ’azienda:
circa quattro mili ardi e mezzo.
Il direttore era interessato all ’affare per diversi motivi:
• La Delta era una concorrente diretta; anche se stava perdendo la lotta con
la Beta, l’acquisizione avrebbe rappresentato un buon modo di conquistare
rapidamente quota di mercato invece che strapparla lentamente all ’azienda
ormai destinata a scomparire.
• La fusione sarebbe stata motivo di prestigio sul mercato.
• Il direttore era convinto di poter applicare i propri metodi di lavoro alla
Delta, che sarebbe stata completamente inglobata. In questo modo avrebbe
potuto risanarne il bilancio e ricavarne degli utili fin dal primo esercizio.
• Il fatturato della Delta era comunque stabili zzato sui quattro mili ardi. In
ogni caso, anche se le cose fossero andate male, l’acquisto della società si
sarebbe ripagato da solo; al li mite avrebbe “girato” i contratti ed i clienti
della Delta alla Beta, ed avrebbe quindi chiuso la società.
L’unico inconveniente era che i proprietari erano disposti ad accettare solo un
pagamento in contanti. La Beta aveva quella cifra; per via dei suoi metodi
operativi, la Beta era (ed è tuttora) costretta a detenere grandi riserve di li quidità
(come vedremo tra poco). Quindi, l'impresa disponeva della cifra richiesta.
Tuttavia è noto che privare un’azienda della propria liquidità operativa non è una
prassi raccomandabile.
Al fine di affrontare la situazione di scarsa liquidità che sarebbe derivata
dall ’acquisizione, il direttore della Beta decise che, nel caso l’affare si fosse
concluso, avrebbe temporaneamente ridotto il li vello delle provvigioni e dei
premi di produzione agli operativi. Essendo la qualità del prodotto vitale per la
Beta, visto che questa era parte integrante e dominante della strategia con la quale
l’ impresa operava nel mercato, Rossi decise che avrebbe ridotto i premi di
produzione e gli altri incentivi al personale operativo il meno possibile. Come
Il caso Beta
- 204 -
ovvia conseguenza, sarebbero stati i premi riservati ai venditori a risentire
maggiormente della mancanza di li quidità.
Fingeremo di trovarci in quei giorni nei quali avvenne la transazione.
Immagineremo che si sia verificata la seguente situazione: il direttore generale
della Beta chiese ad una società di consulenza di analizzare la sua azienda e di
determinare quale impatto avrebbe avuto sulle sue capacità competitive e di
generazione del reddito prospettiche l’acquisizione della Delta. L’ impatto della
perdita di li quidità sarebbe stato compensato dai vantaggi evidenziati?
8.3.2) Finestra di comprensibilità
Preliminare alla stesura di un modello 3r è la definizione della finestra di
comprensibilit à utili zzata.
Innanzi tutto, notiamo che l’analisi è atemporale. Non ci interessa sapere in
quale momento si verificheranno gli effetti dell ’acquisizione. Vogliamo sapere
solo se le capacità prospettiche di generazione di reddito saranno incrementate o
diminuite. Quindi le emergenze che estrarremo, ed i rapporti tra di esse, non
avranno alcun legame con il fattore tempo: dovranno essere valide in generale.
Inoltre necessitiamo di un modello globale di funzionamento dell ’azienda. Non
siamo interessati ad una sua parte specifica, ma ad un modello che consideri il
funzionamento dell ’azienda nella sua totalità. A questo scopo assumeremo come
sistema complesso l’ impresa, e come elemento il suo personale.
Il problema che l’analisi deve risolvere è generico. Ci interessa sapere se
l’operazione è strategicamente valida o no; per questo motivo, la finestra sarà
piuttosto sfuocata. In altre parole, useremo emergenze generiche e descrizioni
approssimative dei fenomeni. Come vedremo, il risultato approssimato ottenuto in
questo modo sarà più che suff iciente a determinare la validità strategica
dell ’operazione. Siccome siamo di fronte ad una domanda generica, una risposta
generica (ma certa) non solo è adeguata, ma è l’unico modo economicamente
Analisi sistemica complessa
- 205 -
valido di procedere. Analisi più dettagliate aggiungerebbero solo ulteriori costi al
procedimento, rivelando informazioni più precise ma non necessarie.
Infine, la nostra finestra non conterrà alcuna emergenza riguardante l’ambiente
competitivo della Beta né emergenze presenti nella Delta. Il motivo di ciò è che
stiamo cercando di capire se un certo evento potrà influire positivamente sul
“metabolismo” interno della Beta, quindi la reazione dei competitori non ci
interessa. Inoltre, quando il direttore della Beta dovette prendere la decisione
riguardo all ’acquisizione dell Delta, egli era conscio dell ’ inesistenza di
competenze o emergenze di rili evo nella struttura dell ’ impresa in vendita. Anche
se fossero esistite, il direttore non sarebbe stato intenzionato a sfruttarle, quindi i l
modello deve escluderle.
8.3.3) Il modello di partenza
Definita la finestra di analisi, possiamo cominciare a creare un modello di
emergenze interrelate che risolva il problema dato.
Come suggerito a suo tempo (par. 7.1) adotteremo un modello di analisi
iterativa, scoprendo le emergenze mano a mano che procediamo nell ’analisi.
Comunque, uno schema grafico è presente alla fine del paragrafo. Siccome la
descrizione delle relazioni tra le emergenze individuate sarà molto sintetica, potrà
capitare che il l ettore perda il filo dell ’analisi: lo schema grafico dovrebbe essere
di aiuto a visualizzare le relazioni.
L'analisi prende inizialmente in considerazione due emergenze che dovrebbero
apparire con una certa frequenza in modelli 3r basati su finestre di comprensibilit à
ampie: il reddito1 e la *competitività2. È stato evidenziato dalle interviste svolte
1 Per reddito, intendiamo la capacità reddituale concreta, come rilevata dagli indici di redditività (ROE, ROI) e dal flusso
economico positivo generato dalla gestione caratteristica. Si tratta quindi di una “capacità” di generare reddito, ma misurabile
e concreta. Da ciò discende la valenza di emergenza materiale attribuita al reddito. Nel seguito della trattazione, si
Il caso Beta
- 206 -
che la competitività è causa diretta del reddito con forza sei (la massima
disponibile). Chiaramente il reddito dipende anche dalla *capacità di gestione
costi, ossia dalla abilit à della struttura di gestire le risorse economiche in maniera
eff icace ed eff iciente. La forza di questo collegamento è pari a quattro.
Il nostro interesse è focalizzato su come si forma la competitività a partire dal
reddito. A detta degli i ntervistati, la competitività della Beta si fonda su quattro
emergenze (che corrispondo ai quattro fattori critici di successo fondamentali ).
Essendo tutte molto importanti, per descrivere il l oro impatto sulla competitività
abbiamo usato il metodo della percentuale invece dell ’usuale votazione (cfr. par.
7.2).
• rapidità di evasione, con forza 30%. Si tratta del tempo che passa dal
ricevimento di una richiesta di informazione ed il recapito del rapporto al
cliente. Il tempo considerato “eccellente” dipende dal tipo di servizio
acquistato dal cliente, che può a sua scelta ricevere i rapporti via computer,
via fax o per posta. Inoltre per informazioni particolari o richieste di
rapporti aggiornati il tempo necessario è maggiore
• Affidabilit à dei rapporti, con forza 20%. Si tratta del rapporto esistente tra
informazioni erogate e “successi” . I successi sono i casi in cui il rapporto è
corretto, e cioè diagnostica una situazione (estrapolata dai dati pubblici)
che corrisponde al vero. Sembrerebbe a prima vista una caratteristica
essenziale, ma in realtà è meno importante di altri aspetti, visto che il
cliente delle informazioni commerciali non basa su di esse la propria
politi ca: le usa unicamente come ulteriore fonte di informazioni per le
proprie decisioni.
utili zzeranno indifferentemente i termini reddito e redditività per indicare l’emergenza aziendale “capacità concreta (e
misurata) di generare flussi economici positivi tramite la gestione caratteristica”. Si noti che è possibile ricostruire il modello
3r usando altre definizioni di reddito, senza che i risultati dell ’analisi vengano alterati.
2 L’asterisco segnala un’emergenza immateriale, come definito nel capitolo 6.
Analisi sistemica complessa
- 207 -
• Qualità del rapporto, con forza 10%. La qualità è una misura della
limpidezza con la quale il rapporto viene scritto; è un’emergenza materiale
(la forma del rapporto è ben visibile e rappresentata su carta) che nasce sia
dalle disposizioni della dirigenza (che indica come impostare il rapporto)
che dai “redattori” che stendono il testo. Un’analisi più approfondita
avrebbe dunque rilevato questa emergenza come formata da un’emergenza
sistemica ed una elementare generalizzata a tutto il settore operativo, ma
per la nostra analisi questo grado di dettaglio è suff iciente. Viene dato a
questo aspetto un’ importanza marginale in base al fatto che nel settore è
prerequisito disporre della capacità di stendere rapporti di elevata qualità
“grafica” per competere.
• Presenza sul mercato, con forza 40%. Si tratta della misura
dell ’aggressività dei venditori e dei loro risultati. La presenza sul mercato
può essere ben rappresentata dal numero di aziende potenziali clienti
contattate dai venditori, dalla fama acquisita dall ’ impresa, dalla decisione
con la quale i venditori tentano di “strappare clienti” ai concorrenti;
assume in se anche la somma degli effetti delle politi che di vendita. È in
modo indiscusso il fattore principale generante la competitività nel settore,
più della qualità in generale dell ’offerta.
Continuando a risali re dalla competitività al reddito, incontriamo le emergenze
che generano la rapidità di evasione:
• *Competenze informatiche, con forza cinque. Le capacità e conoscenze
dell ’ impresa nel campo dell ’ informatica permettono l’automazione di
operazioni, essenziale allo svolgimento del processo di formazione del
rapporto in tempi brevi.
• *Competenze specifiche, con forza due. Intendiamo con questo termine la
capacità degli operativi (redattori dei rapporti) di svolgere il proprio
lavoro. Si tratta di quell ’ insieme di conoscenze ed abilit à che consentono di
svolgere dil igentemente la redazione di un rapporto. Nel caso specifico
Il caso Beta
- 208 -
della rapidità di evasione, queste non sono molto importanti, dato che il
grosso del lavoro ripetitivo e time consuming è delegato ai sistemi
informatici.
• Dimensione banca dati, con forza cinque. Intendiamo definire con questa
emergenza la massa di dati raccolti durante l’attività dell ’ impresa.
Maggiori sono questi dati, migliore è la loro sistemazione, minori sono i
tempi necessari per preparare un nuovo rapporto, ossia per evadere una
nuova richiesta.
Anche l’affidabilità dei rapporti deve dipendere dalle *competenze specifiche
(con forza pari a cinque) ed in minima parte dalle *competenze informatiche
(forza due). Infatti l ’aff idabilit à dipende sia dalla competenza dei redattori che, dai
dati disponibili i n tempi brevi tramite procedure e software semplici. Qui il
software consente ai redattori migliorare le loro prestazioni per quanto riguarda
l’aff idabilit à del risultato; infatti, ricerche manuali potrebbero far sfuggire anche al
più esperto redattore un dato essenziale. Il sistema informatico invece, se funziona
bene, permette ai redattori di avere tutte le informazioni disponibili su una certa
impresa in pochi istanti.
Per quanto riguarda la qualità dei rapporti, esse sono causate dalle
*competenze specifiche con forza cinque, e dalle *competenze di marketing con
forza tre. Queste ultime esprimono infatti il grado di conoscenza da parte
dell ’ impresa delle problematiche legate al marketing. La qualità di un rapporto è
fortemente legata alle esigenze dei clienti: infatti è in base ad esse che lo stesso
rapporto può risultare interessante per alcuni ed inutile per altri. Le informazioni
contenute e lo spazio dedicato ad ognuna di esse devono dipendere dalle necessità
dei clienti, rilevate tramite le competenze di marketing.
Tratteremo le *competenze informatiche e le *competenze di marketing come
fonti, dato che non hanno a che vedere con il processo di acquisizione, ed era ben
Analisi sistemica complessa
- 209 -
noto ai dirigenti della Beta che tali emergenze non avrebbero risentito
dell 'eventuale cambiamento strutturale3.
Invece, la dimensione della banca dati è innegabilmente causata dalle
*competenze informatiche con forza cinque e dalla presenza sul mercato con forza
quattro. Il primo rapporto è ovvio; solo tramite competenze informatiche robuste è
possibile gestire masse di dati dell ’ordine di decine di mili oni di record. Il secondo
rapporto è invece meno palese. Il fatto è che la fonte dei dati è nel mercato, e la
presenza sul mercato permette di raccogliere i dati. Un’analisi meno granulare,
ossia una finestra di comprensibilit à meno sfuocata, permetterebbe di scoprire le
emergenze che fanno da tramite tra la presenza sul mercato e la dimensione della
banca dati, ma questa riduzione dell ’approssimazione non apporterebbe alcun
contributo significativo alla comprensione del fenomeno. Conoscere ciò che allora
stava tra queste due emergenze non ci aiuta a comprendere se l’acquisizione fu
vantaggiosa.
Il grado di approssimazione dell ’analisi non ci permette nemmeno di scendere
nel dettaglio delle generanti delle *competenze specifiche. Ci li miteremo ad
associare ad esse un elemento di resto con forza tre, ed un li vello di stipendio con
forza quattro. È infatti ovvio che stipendi maggiori attirano i migliori redattori
presenti sul mercato dell ’offerta di lavoro. Non esistendo programmi di training o
altri sistemi di formazione interna, non assoceremo a questa emergenza alcun
elemento di controllo.
Il li vello di stipendio va inteso come la parte delle retribuzioni eccedenti lo
stipendio netto da contratto. Così tale emergenza include i frindge benefits, gli
incentivi ed i premi. Venendo alle generanti, dovremo essere approssimativi anche
in questo caso: dato che durante l’operazione di acquisizione tale livello venne
ritoccato tramite l’eliminazione di alcuni incentivi, inseriremo un elemento di
3 In realtà ogni emergenza è relazionata ad altre; in questo caso, è possibile approssimare a zero l’ influenza delle altre
emergenze su queste, senza commettere errori grossolani.
Il caso Beta
- 210 -
controllo collegato con forza cinque da una parte, ed un collegamento con la
capacità finanziaria sempre con forza cinque. È infatti molto facile vedere come
tale livello sia impostato dalla dirigenza in base a considerazioni di tipo
finanziario da una parte e di tipo strategico dall ’altra. Le considerazioni estranee
alle capacità finanziarie sono riassunte dall ’elemento di controllo.
Veniamo adesso alle generanti della presenza sul mercato. Tra le emergenze
che abbiamo già rilevato è evidente che le *competenze di marketing devono
giocare un qualche ruolo. Siccome però abbiamo definito la presenza sul mercato
in base al comportamento dei venditori, più che alle caratteristiche del prodotto, è
chiaro che questo aspetto dovrà essere tenuto in maggiore considerazione. Così
colleghiamo la presenza sul mercato alla generante *competenze di marketing con
forza due, ed a una nuova emergenza chiamata “ * (competenze di vendita)” con
forza cinque. Tale emergenza è indicata tra parentesi in quanto deve essere
considerata esterna. Infatti, il sistema da noi considerato è l’azienda, mentre gli
elementi sono il suo personale. L’emergenza * (competenze di vendita) nasce dal
rapporto tra i venditori e la funzione di vendita, quindi non può essere considerata
né elementare né sistemica nella finestra di comprensibilit à da noi adottata. Poco
importa che la funzione di vendita sia un sistema complesso appartenente
all ’ impresa; seguendo questa logica saremmo costretti a considerare (ad esempio)
le emergenze che nascono tra l’ impresa ed i suoi clienti come interne all ’azienda.
Dobbiamo rimanere coerenti all ’ottica usata, alla finestra di comprensibilit à scelta:
le * (competenze di vendita) devono essere considerate esterne, quindi non
modificabili direttamente tramite elementi di controllo.
Le * (competenze di vendita) sono quell ’ insieme di abilit à, capacità ed
esperienze che consentono di distinguere l’adeguatezza dei venditori al compito
loro aff idato, e che la funzione “vendite” riesce a far emergere nei suoi
componenti. A loro volta, tali competenze sono generate dal li vello di stipendio
con forza uno e dal li vello di provvigioni con forza cinque. I motivi di tale
sperequazione dovrebbero essere evidenti: i piccoli vantaggi legati alla definizione
Analisi sistemica complessa
- 211 -
di “ li vello di stipendio” che abbiamo impiegato interessano poco i venditori, che
sono invece molto attratti da un elevato livello di provvigioni. Oltre a questo
possiamo pensare che le * (competenze di vendita) siano in parte anche alla
*competenza del capo vendite, che è un’emergenza elementare. È possibile
supporre che l’azione dei venditori sia più eff icace sotto l’azione di un
responsabile capace. Assumeremo la forza di tale collegamento essere pari a tre.
*Competitività
Affidabilitàdei rapporti
Rapidità dievasione
*Competenzedi marketing
Presenzasul mercato
20%30%
10%
40%
40%
Qualità deirapporti
3 2
DimensioneBanca dati
*Competenzeinformatiche
*Competenzespecifiche
CNT
52
52 4
5
1
5
5
*(Competenzavendita)
*Competenzacapo vendite
LivelloStipendi
Capacitàfinanziarie
LivelloProvvigioni
RST3
RST
2
CNT
5
Redditività
*Competenzagestionale
costi
6 55
5
4
3
6
CNT
4
5
54
6
Il caso Beta
- 212 -
Infine, è da aggiungere che come per le *competenze specifiche, anche per le
* (competenze di vendita) dovrebbe essere inserito un elemento di resto; ma la
maggiore sensibilit à dei venditori rispetto ai fattori economici della loro
professione, e la loro maggiore mobilit à contrattuale, ci consente di trascurare il
resto senza commettere un’approssimazione troppo grossolana.
Dobbiamo ora vedere come si genera il li vello delle provvigioni. Così come per
il li vello degli stipendi, avremo un elemento di controllo ed un collegamento alla
capacità finanziaria, rispettivamente con forza cinque.
Infine, dobbiamo studiare come è generata la capacità finanziaria. La sua
prima generante è il reddito (con forza cinque), al quale andrà aggiunto un
elemento di controllo con forza quattro. L’elemento è aggiunto in quanto i
dirigenti della Beta decisero di sottrarre liquidità (quindi capacità finanziaria) per
portare a termine l’acquisizione della Delta. In ogni caso è ragionevole supporre
che i dirigenti di un’ impresa abbiano una notevole voce in capitolo riguardo alle
decisioni afferenti la capacità finanziaria, soprattutto se l’ impresa è sana. Per
ridurre il grado di approssimazione dell ’analisi, inseriremo un elemento di resto
con forza due, che indica la parte di capacità finanziaria generata dall ’ interazione
con istituti di credito, o da riserve di immobili zzi facilmente liquidabili .
8.3.3.a) Dov’è la fiducia?
I lettori più attenti avranno sicuramente notato che nel nostro modello non
abbiamo accennato a nessuna emergenza come la fiducia, la fedeltà dei clienti o la
capacità di creare fedeltà. Questo è dovuto principalmente a due motivi, entrambi
legati alla finestra di comprensibilit à adottata.
Innanzi tutto, abbiamo stabilit o che la finestra deve essere atemporale; ebbene, i
dirigenti di Beta ritenevano (e ritengono) che i fenomeni di fidelizzazione della
clientela siano strettamente dipendenti dal fattore tempo, nel loro settore. Nel
settore delle informazioni commerciali , nessun concorrente può vantare clienti
Analisi sistemica complessa
- 213 -
particolarmente fedeli i n termini generali: è prassi comune per i clienti delle
agenzie di informazioni acquistare lo stesso rapporto da fonti diverse. È infatti
impossibile proporre contratti “ in esclusiva” . La fedeltà verso un’agenzia non si
concretizza nell ’esclusione di altri informatori; può essere intesa solo nel senso di
“perseveranza” nell ’acquistare informazioni da una data agenzia anche se queste
si sono rivelate non corrette, o se vi sono stati dei ritardi nel fornire il servizio. In
questo senso, la fedeltà dei clienti nelle agenzie di informazione può essere intesa
come “ inerzia” nel cambiare definitivamente l’ insieme degli i nformatori consultati
stabilmente. Tale inerzia deriva dalla fiducia riposta da ogni cliente verso le
agenzie alle quali si rivolge correntemente. Clienti che ripongono una maggiore
fiducia in una certa agenzia attenderanno che questa commetta diversi errori
sequenziali prima di escluderla dai propri fornitori di informazioni. Dato che gli
errori si distribuiscono nel tempo a intervalli mediamente regolari, non è azzardato
supporre che, di fronte allo scadimento qualitativo dei servizi offerti, i clienti
attendano un certo periodo prima di escluderla; ed è sensato supporre che tale
periodo dipenda dalla fiducia riposta nell ’agenzia fornitrice.
Essendo un fattore inerziale, possiamo vedere la fedeltà dei clienti come un
emergenza strettamente dipendente dal tempo; una finestra atemporale non può
cogliere correttamente i fenomeni della fedeltà e della fiducia senza compiere
indebite sempli ficazioni.
Il secondo motivo riguarda il fuoco dell ’analisi. Abbiamo stabilit o che la nostra
finestra di comprensibili tà prescinda dai dettagli; questo principalmente per
favorire la chiarezza espositiva. Anche estraendo delle controparti atemporali dei
fenomeni che portano ad emergere la fiducia e la fedeltà dei clienti, questi sono
marginali rispetto al problema che stiamo trattando. Adesso infatti siamo
interessati a comprendere quali effetti può avere una riduzione delle risorse
finanziare nel funzionamento interno della Beta. Più precisamente, stiamo
cercando di capire quale effetto abbia avuto tale calo in un preciso momento
storico della sua esistenza. L’ inclusione di emergenze marginali in questo contesto
Il caso Beta
- 214 -
può certo arricchire l’analisi di ulteriori dettagli , ma non migliora il grado di
esattezza della risposta alla domanda che ci siamo posti. In altre parole, indagare
oltre porterebbe un costo aggiuntivo inutile dal punto di vista della comprensione
del fenomeno specifico che stiamo analizzando.
Il modello 3r funziona bene anche in presenza di dati approssimati; il modello
estratto per la Beta è certamente molto approssimato, ma la risposta alla questione
della validità della fusione non richiede grande dettaglio. Anzi, gli stessi risultati
che otterremo nel proseguo della nostra analisi si potrebbero evincere anche da un
modello più “snello” , quindi più approssimato.
8.3.4) Il modello in azione
Definita la struttura del modello, è necessario assegnare un valore a tutte le
fonti, quindi calcolare il valore di tutti gli elementi. Osserveremo poi il valore
della *competitività e del reddito. Questi saranno i valori di partenza, ed
indicheranno il li vello delle emergenze detenute dalla Beta prima dell ’operazione
di acquisizione.
Fatto questo, modificheremo il valore di capacità finanziaria/CNT, di li vello di
stipendi/CNT e li vello di provvigioni/CNT seguendo il progetto del dott. Rossi ed
evidenzieremo quali sarebbero i risultati in caso di fusione.
Analizzando il grafo scopriamo che tutti gli elementi, tranne le fonti,
costituiscono una grande ricorsione. Ciò non è casuale: il nostro modello è visto
attraverso una finestra di comprensibilit à globale, che considera i meccanismi di
funzionamento dell ’ intera azienda, anche se in maniera approssimativa. Come
sappiamo, i sistemi complessi usano le proprie emergenze per creare altre
emergenze, che permettono di crearne altre ancora fino a che il ciclo non si
chiude. È dunque ovvio che in un modello che cerca di abbracciare l’attività di un
sistema complesso con uno sguardo d’ insieme sia presente una grande ricorsione
che comprende quasi tutti gli elementi. Gli elementi fonte sono solo nostre
Analisi sistemica complessa
- 215 -
approssimazioni, che riassumono catene di emergenze in un effetto finale che si
suppone essere valutabile direttamente, senza il ricorso a metodi di apprezzamento
mediato. Così, anche le *competenze informatiche fanno parte di quella grande
ricorsione di emergenze che costituisce l’esistenza della Beta, ma stiamo
supponendo che i cambiamenti che introdurremo nel modello non retroagirebbero
in maniera forte sulle *competenze informatiche, anche se sviluppassimo l’analisi
fino ai massimi dettagli possibili . Così, mantenere fisso il valore delle
*competenze informatiche al variare delle capacità finanziarie è certo
un’approssimazione, ma si tratta di un’approssimazione non grossolana, che non
altererà i risultati della nostra analisi.
Chiarito questo punto, resta il problema dell ’assegnamento di un valore alle
fonti del modello, che in particolare sono:
• *Competenza del capo vendite: secondo i dirigenti intervistati, il direttore
della funzione Vendite aveva competenze perfettamente adeguate al
proprio lavoro. Può essere assegnato il valore tre a questa emergenza.
• *Competenza gestionale costi: bai bilanci e dai rendiconti finanziari
disponibili , risulta che nel periodo considerato la gestione dei costi è
sempre stata più che soddisfacente. Il valore assegnato è quattro.
• *Competenze informatiche: oggi come allora, la Beta detiene un
patrimonio di competenze informatiche notevoli . Sicuramente merita un
cinque in questa emergenza.
• *Competenze di marketing: pur non essendo particolarmente curato
l’aspetto del marketing, il direttore della Beta conosceva perfettamente le
esigenze dei suoi clienti. Alle lacune dovute all ’assenza di una ben definita
cultura di marketing sopperivano le esperienze sul mercato e le
competenze di alcuni dei dirigenti Beta. Nel complesso, questa competenza
era ben dimensionata rispetto ai propri scopi. Il valore è tre.
• *Competenze specifiche/RST: il prodotto Beta era conosciuto allora come
fra i migliori del mercato, almeno come contenuti. I redattori avevano
Il caso Beta
- 216 -
notevoli capacità ed esperienza nel loro lavoro. Il valore di questa
emergenza può essere considerato pari a quatt ro.
• Capacità finanziaria/CNT: quasi sei mili ardi di li quidità, per un’azienda
che fattura circa otto mili ardi, costituisce decisamente una notevole forza
finanziaria. Indubbiamente il valore di questa emergenza è cinque.
• Capacità finanziaria/RST: il buon rapporto con gli operatori finanziari, ci
autorizza ad assegnare a questa emergenza un valore di tre.
• Livello stipendi/CNT: il dott. Rossi aveva sempre impostato la propria
politi ca del personale su condizioni particolarmente favorevoli per i
dipendenti. Era convinto che il risultato dell ’ impresa dipendesse dal buon
gioco di squadra, e per questo era favorevole a remunerare generosamente i
propri dipendenti. Sicuramente, il li vello degli stipendi era leggermente
sovradimensionato rispetto alla norma, quindi questa emergenza assume
valore quatt ro.
• Livello provvigioni/CNT: Per gli stessi motivi del punto precedente, ma per
un trattamento particolarmente favorevole riservato alla forza vendita dai
dirigenti della Beta, questa emergenza ha valore cinque.
Assegnati i valori alle emergenze, il risultato dei calcoli applicati al modello 3r
della Beta è il seguente:
*Competenza capo vendite (F) : 3.00000*Competenza gestionale costi(F) : 4.00000*Competenze informatiche(F) : 5.00000*Competenze di marketing(F) : 3.00000*Competenze specifiche/RST(F) : 4.00000Capacità finanziaria/CNT(F) : 5.00000Capacità finanziaria/RST(F) : 3.00000Livello stipendi/CNT(F) : 4.00000Livello provvigioni/CNT(F) : 5.00000
*(Competenza vendita)(r 1) : 4.01600*Competenze specifiche(r 1) : 4.06100*Competitività(r 1) : 4.12100Affidabilità rapporti(r 1) : 4 .33000Capacita’ finanziaria(r 1) : 4.21500Dimensione Banca Dati(r 1) : 4.45000
Analisi sistemica complessa
- 217 -
Livello provvigioni(r 1) : 4.60700Livello stipendi(r 1) : 4.10700Presenza sul mercato(r 1) : 3.76200Reddito(r 1) : 4.07300Qualità rapporti(r 1) : 3.66300Rapidità di evasione(r 1) : 4.61400
In grassetto sono evidenziate le emergenze che più ci interessano. I calcoli
evidenziano che nel momento nel quale stiamo analizzando l’azienda, sia la sua
redditività che la sua capacità competitiva possono essere valutate come più che
suff icienti all ’ottenimento degli scopi prefissi. Vediamo ora cosa succede se il
direttore della Beta dà il via all ’acquisizione della Delta.
Innanzitutto, sappiamo che l’acquisto in contanti della Delta costituisce un
totale depauperamento della parte controllata delle risorse finanziarie. Quindi il
suo livello scende a zero. Per far fronte alla situazione economica creatasi, Rossi
dovrà limitare i premi di produzione e di vendita. La scelta è quasi obbligata: la
qualità del rapporto è una delle condizioni distintive dell ’offerta Beta, quindi il
maggior sacrificio sarà richiesto alla forza vendita, che vedrà i suoi premi
diminuire notevolmente. La situazione ad acquisizione compiuta è la seguente:
*Competenza capo vendite(F) : 3.00000*Competenza gestionale costi(F) : 4.00000*Competenze Informatiche(F) : 5.00000*Competenze di marketing(F) : 3.00000*Competenze specifiche/RST(F) : 4.00000Capacità finanziaria/CNT(F) : 0.00000Capacità finanziaria/RST(F) : 3.00000Livello provvigioni/CNT(F) : 1.00000Livello stipendi/CNT(F) : 3.00000
*(Competenza vendita)(r 1) : 2.16600*Competenze specifiche(r 1) : 3.19000*Competitività(r 1) : 3.26700Affidabilità rapporti(r 1) : 3.70700Capacita’ finanziaria(r 1) : 2.16400Dimensione Banca Dati(r 1) : 3.83300Livello provvigioni(r 1) : 1.58200Livello stipendi(r 1) : 2.58200Presenza sul mercato(r 1) : 2.37400Reddito(r 1) : 3.56000Qualità rapporti(r 1) : 3.11800Rapidità di evasione(r 1) : 4.21200
Il caso Beta
- 218 -
Si può vedere immediatamente che la *Competitività cala di quasi un punto. Il
reddito cala meno sensibilmente grazie al l ivello inalterato della *competenza
gestionale costi. Il significato di questo risultato è immediato: in linea di massima,
l’acquisizione della Delta in questo contesto causa una riduzione delle potenzialità
della forza vendita (dovute ad una forte riduzione delle disponibilit à finanziarie).
Ciò si ripercuote sensibilmente sulla presenza sul mercato (che è primariamente
costituita dall ’aggressività dei venditori), che è la generante prima delle
potenzialità competitive di un’azienda in questo settore. L’analisi di centralità
della capacità finanziaria/CNT spiega questo meccanismo:
Correlazione tra “Capacità finanziaria/CNT” e glielementi...*(Competenza vendita) ---> 0.12772*Competenze specifiche ---> 0.10947*Competitività ---> 0.07159Affidabilità rapporti ---> 0.07820Capacità finanziaria ---> 0.38316Dimensione Banca Dati ---> 0.04257Livello provvigioni ---> 0.19158Livello stipendi ---> 0.19158Presenza sul mercato ---> 0.09579Reddito ---> 0.04296Qualità rapporti ---> 0.06842Rapidità di evasione ---> 0.03598
Centralità: 1.43903
La centralità di questa emergenza è molto alta relativamente agli altri elementi
del grafo; in particolare, la correlazione con la *competitività è di circa 0,07 punti.
Questo significa che la diminuzione di cinque punti di capacità finanziaria/CNT
causa una riduzione nella competitività di più di 0,35 punti. Ma questo dato da
solo è poco indicativo, se non integrato con il fatto che a causa di tale riduzione, si
è costretti ad abbassare il li vello delle provvigioni/CNT, che ha un effetto leva
sulla competitività ancora maggiore:
Correlazione tra “Livello provvigioni/CNT” e glielementi...
Analisi sistemica complessa
- 219 -
*(Competenza vendita) ---> 0.28687*Competenze specifiche ---> 0.00779*Competitività ---> 0.10000Affidabilità rapporti ---> 0.00557Capacità finanziaria ---> 0.02727Dimensione Banca Dati ---> 0.09562Livello provvigioni ---> 0.51364Livello stipendi ---> 0.01364Presenza sul mercato ---> 0.21515Reddito ---> 0.06000Qualità rapporti ---> 0.00487Rapidità di evasione ---> 0.04114
Centralità: 1.37157
Come è facilmente visibile, una riduzione di quattro punti del li vello delle
provvigioni/CNT causa una riduzione di 0,4 punti nella *competitività. Aggiunti al
punto sottratto dal li vello dello stipendio/CNT che causa una riduzione di 0,096
punti, ecco spiegati i circa otto decimali e cinque centesimi di scarto nella
*competitività tra la situazione iniziale e la situazione finale.
Ora, è legittimamente possibile domandarsi se di fronte a questa riduzione di
emergenze cruciali non vi sia una contropartita in termini di aumento del valore di
qualche altra emergenza non considerata. Se l’acquisizione può apparire
vantaggiosa, questo deve essere riflesso dalla situazione di alcune emergenze che
devono migliorare.
Purtroppo, è la stessa definizione del caso che nega la possibilit à dell ’aumento
di emergenze non considerate: il direttore non aveva intenzione di sfruttare le
conoscenze dell ’ impresa che stava acquisendo; in ogni caso era sicuro che il suo
“modo di lavorare” fosse superiore a quello della Delta, ed i fatti gli davano
pienamente ragione. L’unica emergenza influenzata dall ’acquisizione poteva
essere la presenza sul mercato, che include la quota di mercato detenuta. Tuttavia,
la quota di mercato gioca una parte molto marginale nella formazione della
*competitività; l’aver trascurato il meccanismo di formazione della presenza sul
mercato è un’approssimazione leggera, visto che in realtà, la quota di mercato già
Il caso Beta
- 220 -
detenuta non aiuta molto le aziende del settore a concludere nuovi contratti,
almeno secondo i dirigenti della Beta e di altre agenzie di informazioni
commerciali .
Quindi, l’acquisizione della Delta da parte della Beta sembra portare notevoli
svantaggi sul versante della competitività, e di conseguenza sulla capacità
prospettica di generare reddito. Questo senza offr ire alcuna contropartita concreta
tale da bilanciare lo svantaggio.
8.3.5) Conseguenze dell’analisi
La finestra di comprensibilit à è sfuocata e atemporale; ciò significa che i
risultati appena delineati sono approssimativi e tendenziali . Sappiamo che
l’acquisizione porterà degli svantaggi, ma il modello non da alcuna indicazione
quando questo accadrà. Inoltre, se qualcuna delle condizioni imposte dal “ telaio”
della finestra dovesse cadere, l’analisi non sarebbe più valida. Così, se il mercato
cambiasse imprevedibilmente il proprio modo di recepire l’offerta, cominciando
ad esempio a dare maggior peso alla qualità dei rapporti, gli effetti diagnosticati
dal modello sarebbero ridimensionati. Nulla vieta che prima che si manifestino i
primi effetti descritti dal modello, le emergenze che sono state depauperate
vengano reintegrate grazie a meccanismi esterni non (come ad esempio
l’ intervento di un nuovo socio finanziatore).
Anche con queste pesanti l imitazioni, il modello 3r rimane valido in generale
per i seguenti motivi:
• Il modello permette di individuare quali eventi metterebbero in crisi
l’analisi e quali sono neutrali rispetto ad essa.
• Dà anche un’ indicazione di massima su come si evolverebbe la situazione
anche in presenza di tutti quegli eventi imprevisti che non stravolgono gli
assunti del modello, ma cambiano solo alcune considerazioni. Così, ad
esempio, sappiamo che un lieve spostamento del peso dei fattori critici di
Analisi sistemica complessa
- 221 -
successo verso la qualità del prodotto ridurrebbe gli effetti descritti dal
modello meno di uno spostamento più deciso.
• Definendo a nostro piacere il “ fuoco” della finestra di comprensibilit à,
possiamo rendere più o meno sensibile il modello ad eventi imprevisti.
• Diagnostica con precisione il problema, quindi aiuta a focalizzare le
possibili soluzioni.
Ciò che il modello determina in questo caso specifico è il concreto rischio di far
cadere le capacità competitive dell ’azienda da una valutazione pari a quattro (che
significa “risorsa abbondante”) a poco più di tre (“risorsa suff iciente”). Un salto di
questo tipo è segno di una riduzione del vantaggio competitivo dell ’azienda.
Mentre la Beta mostrava un vantaggio competitivo di un certo spessore prima
dell ’acquisizione della Delta, secondo il modello 3r dopo l’acquisizione il
vantaggio dovrebbe ridursi. Qundi, se prima la Beta mostrava una forte crescita
del fatturato e della quota di mercato, dopo l’acqusizione il tasso di crescita
dovrebbe ridursi sensibilmente.
8.3.6) Ciò che realmente successe
Veniamo adesso alla storia della Beta dopo l’aprile del 1989. Il proprietario
della Beta, nonché direttore generale di essa, decise di acquisire la Delta. Per far
fronte alla mancanza di li quidità susseguente, introdusse gradatamente un clima di
austerity a tutti i li velli aziendali , ma che pesò principalmente sui venditori.
Ovviamente, il direttore tentò di dilazionare il più possibile gli effetti nel tempo; il
primo segno del cambiamento delle emergenze aziendali si ebbe alla fine
dell ’anno. Tutti gli anni, in dicembre, veniva indetta una manifestazione per
premiare il miglior venditore della Beta; quell ’anno non si ebbe alcuna
manifestazione.
Il bilancio del 1989 fu comunque lusinghiero. Il gruppo chiuse l’esercizio con
un fatturato di quattordici mili ardi e mezzo, nove dei quali realizzati dalla sola
Il caso Beta
- 222 -
Beta. Il trend di forte crescita dell ’azienda era proseguito, e non c’era motivo di
ritenere che ci fossero dei problemi all ’orizzonte.
L’anno successivo passò senza che si manifestassero cambiamenti tali da
invalidare la finestra di comprensibilit à del modello 3r. Normalmente, una
qualsiasi azienda capace di sviluppare un fatturato sopra ai quindici mili ardi,
avrebbe ricostituito le proprie riserve di li quidità; ma in un’agenzia di
informazioni commerciali agiscono dei meccanismi economici che non
consentono un’agevole ricostituzione delle riserve liquide. I clienti pagano in
anticipo ed in contanti un “abbonamento” che è costituito da un certo numero di
richieste di informazioni disponibili . La liquidità della quale si entra in possesso in
questo modo deve essere parzialmente accantonata per coprire i costi della
produzione dei rapporti che prima o poi il cliente chiederà. Il contante ricavato
dalle vendite non è interamente disponibile immediatamente, a meno che non si
disponga di qualche forma di finanziamento a basso costo alternativo. Questo è il
motivo che ci ha autorizzato ad inserire la capacità di finanziamento tra le
emergenze non influenzate dal tempo: nell ’attività di produzione delle
informazioni commerciali , carenze di li quidità in un esercizio si trascinano negli
esercizi successivi.
Le attività della Delta non potevano essere di alcun aiuto. L’azienda acquisita
era chiaramente priva di li quidi, e non possedeva attività finanziare se non i crediti
a breve con la clientela. Al problema interno alla Beta si sommò quindi quello
della Delta.
Il direttore della Beta aveva usato il fondo di li quidità destinato a coprire i costi
di produzione, nella certezza di potersi finanziare altrove, essendo inoltre sicuro
che i sistemi informatici dei quali disponeva avrebbero garantito un notevole
risparmio. Accanto a queste considerazioni, c’era l’esperienza di una forte crescita
del fatturato: la liquidità ottenuta con i nuovi contratti eccedente la copertura dei
costi avrebbe finanziato la produzione delle informazioni.
Analisi sistemica complessa
- 223 -
La situazione venutasi a creare comportò una frenata delle vendite, soprattutto
del rinnovo degli abbonamenti. I venditori meno motivati furono infatti i primi
colpiti dall ’austerity imposta. Questo portò ad un rallentamento nelle vendite, che
ridusse la liquidità disponibile per la produzione delle informazioni.
Il bilancio del 1990 si chiuse con un fatturato di circa diciotto mili ardi; una
crescita sensibile rispetto ai quattordici mili ardi dell ’anno prima. La maggior parte
della liquidità incassata serviva a coprire i nuovi contratti, o il rinnovo degli
abbonamenti. Dopo le spese commerciali e quelle correnti, rimaneva poco per
ricostituire la riserva di li quidità precedente; per ovviare a questo problema si
tentò di ridurre al minimo i costi di produzione delle informazioni, cosa che si
traduceva in pratica nella minor frequenza di aggiornamento dei rapporti. In
pratica, si tentava di sfruttare lo stesso rapporto più volte possibile.
L’austerity si fece più aspra, soprattutto verso i venditori. Era infatti
impossibile ridurre i li velli di produzione al di sotto di un certo minimo, dato che
le informazioni erano state acquistate anticipatamente dai clienti.
L’anno 1991 si chiuse con venti mili ardi di fatturato. Ad un osservatore esterno
sarebbe potuto sembrare un arresto fisiologico, dovuto unicamente all ’ incapacità
di superare un certo livello di quota di mercato. Infatti fu proprio in questo periodo
che la Sigma Informazioni Commerciali , leader di mercato, iniziò ad interessarsi
alla Beta. La Simga era ed è un branch di una multinazionale che opera nel settore
delle informazioni; la crescita esponenziale della (prima) piccola Beta aveva
destato il suo interesse. In quel periodo la Sigma Italia fatturava circa settanta
mili ardi all ’anno, ma nonostante questo non otteneva utili rilevanti. Verso la fine
del 1991, la Sigma si offr ì di acquistare la Beta per ventidue mili ardi (in contanti).
Il proprietario della Beta aveva sempre avuto l’ intenzione di vendere una volta
raggiunto un certo livello, per poi riti rarsi con quanto guadagnato; ma quello non
gli parve il momento giusto: era sicuro che la sua “momentanea” crisi di li quidità
si sarebbe presto risolta. Allora la Sigma avrebbe dovuto pagare molto di più di
ventidue mili ardi!
Il caso Beta
- 224 -
Purtroppo, nonostante le ottimistiche considerazioni del direttore, anche il 1992
si chiuse con venti mili ardi di fatturato. Cosa era successo in quest’anno che segnò
il definitivo blocco della crescita di Beta?
La risposta è nei fattori di inerzia che abbiamo escluso dal modello 3r: la
fiducia e la fedeltà dei clienti. Il susseguirsi di eventi come la defezione dei
venditori marginali (che avrebbero dovuto seguire i clienti consolidati) o la
presentazione di rapporti non aggiornati avevano minato lentamente le basi di
fiducia dei clienti della Beta. Inizialmente, questo problema era stato poco
avvertito, dato che la fedeltà dei clienti nel settore è ovunque bassa. Quindi i
clienti avevano continuato a comprare le informazioni Beta, ma chi già non lo
faceva, aveva iniziato a comprare le informazioni anche da altri fornitori. Dopo, i
clienti meno affezionati avevano deciso di non rinnovare abbonamenti con Beta. Il
rallentamento delle vendite (e soprattutto dei rinnovi) aveva ridotto la liquidità
disponibile per i premi ai venditori dalle prestazioni marginali, ed il criterio di
“prestazione marginale” andò espandendosi continuamente.
Mano a mano che la fiducia si consumava e che si rendeva impossibile
dilazionare gli effetti dell ’austerity sulla forza vendita, gli eventi descritti dal
modello 3r si manifestavano con sempre più evidenza.
Alla fine del 1993 era chiaro che la situazione era diventata insostenibile. Il
calo di competitività si manifestò con tutta la sua forza: le vendite si fermarono, e
l’azienda fatturò di nuovo venti miliardi. Ciò non sarebbe stato preoccupante, se
l’aumento delle vendite non fosse servito a ricostituire le riserve di li quidità.
Se ci preoccupassimo di costruire un modello 3r per questa nuova situazione,
partendo da una situazione iniziale molto simile alla diagnosi ottenuta nel
precedente paragrafo, sarebbe necessario ridurre ulteriormente i controlli del
li vello degli stipendi e del li vello delle provvigioni. Avendo dato fondo a tutte le
possibilit à disponibili , anche il resto della capacità finanziaria si sarebbe azzerato.
Inoltre, e più grave di tutto, in un clima pesante come quello che si era venuto a
creare, era facile supporre che i redattori capaci di scrivere i migliori rapporti del
Analisi sistemica complessa
- 225 -
mercato avrebbero cambiato lavoro, o non avrebbero sfruttato al massimo le loro
capacità; ciò avrebbe causato una riduzione notevole di competenze
specifiche/RST. Le conseguenze sulla redditività e sulle capacità competitive
sarebbero state drammatiche. E questa volta non ci sarebbero stati fattori di inerzia
a ritardare notevolmente i risultati del modello 3r: patrimoni di fedeltà e
possibilit à di dilazionare l’ impatto sulla struttura erano ormai azzerati.
Agli i nizi del 1994 il proprietario della Beta vendette la sua società alla Sigma
per quattordici mili ardi. Il pieno riconoscimento delle ridotte prospettive di
redditività aveva fatto scendere la valutazione dell ’azienda di ben otto mili ardi.
Il motivo di questo insuccesso è da ricercare nella mancata individuazione delle
sue cause. Sarebbe stato possibile intervenire dopo l’acquisto della Delta sulla
liquidità, magari cercando un socio finanziatore, oppure chiedendo un mutuo ad
un istituto di credito. Ciò avrebbe evitato le conseguenze che abbiamo visto.
Inoltre, è pensabile che il direttore generale della Beta sperasse che la domanda
sarebbe maturata, chiedendo prodotti di qualità superiore. Sperava cioè che la
forza tra *competitività e presenza sul mercato si riducesse ben al di sotto del 40%
prima che la fiducia della clientela si esaurisse e prima di essere costretto a ridurre
drasticamente le provvigioni ai venditori. Sperava inoltre che l’aumento di quota
di mercato fosse un modo per aumentare esogenamente la presenza sul mercato,
ma anche quest’assunzione si rivelò errata.
Il direttore ed i suoi collaboratori conoscevano le relazioni che sono state
esposte nel modello, ma non erano mai riusciti ad esplicitarle ed a ragionare su di
esse in modo organico. Una simile conoscenza avrebbe salvato l’azienda, che
avrebbe evitato di acquisire la Delta, o avrebbe potuto preparare una strategia
alternativa che permettesse un consumo meno brusco delle risorse finanziarie
dell ’ impresa. La preparazione di un piano finanziario avrebbe consentito di
valutare tutti i costi economici derivanti dall ’acquisizione, e di confrontarli poi
con i vantaggi.
Il caso Beta
- 226 -
Quindi l ’errore commesso dal gruppo dirigente di Beta fu quello di
sottovalutare l’ impatto dell ’effetto leva delle risorse finanziarie e della forza
vendita sulla competitività nel loro settore (ed in particolare nella loro impresa).
8.4) Conclusioni del caso
Il modello 3r si è dimostrato capace di predire ciò che sarebbe accaduto nel
futuro di un’ impresa immersa in un settore altamente turbolento. Oltre a questo
abbiamo potuto vedere come lo stesso modello sia valido a posteriori come
sostegno all ’analisi degli eventi passati. Tutto questo è stato ottenuto disponendo
di dati approssimativi e parziali , così come era stato più volte affermato nei
capitoli precedenti
La metodologia impiegata nell ’analisi non è certo ferrea, ma ha consentito
comunque di rilevare i meccanismi di funzionamento che costituiscono il cuore
dell ’operatività della Beta; è stato possibile comprendere quali emergenze
includere nel modello senza compiere indagini approfondite (e costose).
La domanda che ci siamo posti, ossia la convenienza di un’acquisizione, è
generica e non richiede livelli di dettaglio dell ’analisi elevati.
Analisi sistemica complessa
- 227 -
9. Conclusione
Siamo giunti al termine di questo nostro lavoro. Abbiamo tracciato un lungo
percorso all ’ interno della scienza della complessità, cercando di comprenderla e di
spiegarla, al fine di trarne un insegnamento utile. Abbiamo applicato questa nuova
conoscenza all ’ impresa, nel tentativo di sviluppare uno strumento analiti co in
grado di supportare le decisioni strategiche. All ’ inizio del nostro cammino,
eravamo incerti dei risultati che avremmo potuto ottenere dai nostri studi. Non
sapevamo fino a che punto la scienza della complessità potesse essere usata per
spiegare fenomeni reali . Non sapevamo se questo nuovo tipo di approccio avrebbe
potuto essere di qualche utilit à alla definizione di una strategia, o in qualsiasi altro
modo. Eravamo ancora più incerti sulla validità del modello di relazione tra
risorse e risultati, ossia su quel modo di interpretare le problematiche aziendali
così “stravagante” da non poter essere chiaramente situato in questa o quella
corrente di pensiero riguardante la teoria di gestione dell ’ impresa. Eravamo infine
ancora più dubbiosi sulla validità delle scoperte nell ’ambito della matematica dei
grafi.
Ora che il l avoro è completo, e che si sono avuti da più parti riscontri della
validità delle proposte qui avanzate, possiamo affermare che la nostra tesi è
verificata.
In chiusura di questo lavoro è necessario segnalare che questo è solo un piccolo
passo verso quello che potrà essere in futuro l'analisi dei sistemi complessi. Il
modello 3r è uno dei più semplici modi di interpretare l'ASC. Un'interessante
estensione del modello 3r potrebbe essere quello di sostituire i valori dei nodi e
degli archi con delle variabili fuzzy. Si è affermato infatti che le valutazioni
espresse sulle emergenze e sulle relazioni tra di esse non sono valori certi; si tratta
di un dato approssimato. Si è lasciato che l'approssimazione insita nel modello
Conclusione
- 228 -
fosse valutata in maniera non rigorosa dal ricercatore: una buona idea
sull 'approssimazione insita nell 'analisi è meglio di niente. Le variabili fuzzy
includono invece una accurata stima dell 'approssimazione alla quale sono
soggette. Mentre il modello qui presentato può generare risultati letti, ad esempio,
come "la competitività di Beta è in questo momento (circa) 4.3" un modello 3r
basato sulle variabili fuzzy sarebbe in grado di stabili re che "la competitività di
Beta è quasi certamente 4.3", oppure "la competitività di Beta è poco
probabilmente 4.3 ma ancora meno probabilmente 4.2 o 4.4". Ciò darebbe una
certa misura dell 'approssimazione del processo, bassa nel primo caso, elevata nel
secondo.
Un'altra estensione possibile è trasformazione del modello 3r in un modello
dinamico. Per compiere questo passo sarebbe necessario reintrodurre i vincoli e
gli antivincoli , nella loro valenza di operatori capaci di rallentare o velocizzare la
trasmissione degli stimoli , ossia delle variazioni esogene di una data emergenza.
Una terza interessante estensione può essere l'inserimento di relazioni non
lineari tra i nodi del grafo. I nodi del grafo numerico dipendono linearmente dai
loro predecessori; potrebbe essere interessante generalizzare la funzione del valore
del nodo e la funzione di correlazione in modo che possano gestire anche grafi in
cui le relazioni non sono lineari, ma hanno una forma funzionale qualsiasi. Anche
se questo può avere una bassa utilit à in un modello basato sulla valutazione delle
risorse, visto che sembra plausibile che il giudizio espresso su di una data
emergenza dipenda linearmente dal giudizio delle emergenze che la precedono,
può essere molto importante per lo studio di modelli dove il valore dei nodi
rappresenti il valore economico delle risorse. Quando la teoria economica
aziendale avrà sviluppato strumenti a basso costo per la rilevazione del valore
economico delle risorse, un modello che possa basarsi su tali valori sarebbe di
grande utilit à; ad una prima indagine intellettuale di superficie, sembra palese che
il valore economico delle risorse non dipenda linearmente da quello delle altre
risorse che servono alla sua generazione. Ciò può facilmente essere derivato dalla
Analisi sistemica complessa
- 229 -
teoria della creazione del valore; se è vero che il valore del prodotto è superiore
alla somma dei valori delle risorse impiegate, e se è vero che il prodotto, come il
suo valore, è un'emergenza di sistema, ne deriva che il valore delle emergenze a
valle dipende in maniera non lineare dalle emergenze a monte; anzi si può
ipotizzare che questo meccanismo di incremento del valore sia esso stesso
un'emergenza.
In conclusione, la scienza della complessità, che è ancora un'idea embrionale,
può essere eff icacemente utili zzata per studiare problemi concreti, problemi di
importanza cruciale come la definizione di scelte strategiche.
Analisi sistemica complessa
- 231 -
Appendice A – Il programma 3r
Al fine di utili zzare le nozioni sviluppate durante questo lavoro, è stato scritto
un programma che gestisce i modelli 3r. Tale programma è stato impiegato nel
calcolo dei dati numerici riguardanti le emergenze nel capitolo 9. Quest’appendice
ha lo scopo di spiegare il funzionamento di tale programma, di descrivere gli
algoritmi utili zzati per risolvere i problemi posti dalla necessità di “risolvere” un
modello 3r tratto dalla pratica.
L’appendice ha altresì lo scopo di mettere chiunque in condizione di sviluppare
un software capace di gestire modelli 3r. Senza uno strumento adeguato, infatti, è
inutile sviluppare una teoria interpretativa. Nel momento in cui si gettano le basi
per una nuova metodologia di indagine è necessario fornire anche gli strumenti
accessori in grado di facilit are (o consentire) l’uso di tale metodologia.
L’appendice è per forza di cose dedicata a chi abbia una qualche conoscenza di
programmazione; termini di uso comune nella letteratura informatica come
algoritmo, linguaggio di programmazione, implementazione, codice esecutivo ecc.
non verranno esplicitati.
Nonostante questo, il presente testo si rivelerà utile anche per chi non deve
scrivere un software per la gestione dei modelli 3r; la descrizione del how to dei
calcoli i mpiegati nei modelli 3r consentirà a chiunque di comprendere
maggiormente come utili zzarli , e come affrontare con metodo un modello di
dimensioni non modeste.
Appendice A
- 232 -
A.1) La scelta del linguaggio
Il li nguaggio adottato per scrivere il programma “3r” è il Clipper. Si tratta di un
linguaggio orientato alla gestione delle banche dati, con uno stampo prettamente
commerciale. I motivi che hanno spinto alla scelta di un linguaggio diverso da
quelli usualmente adoperati in ambiente scientifico (come il C o il FORTRAN)
sono da ricercare nella semplicità della gestione delle strutture su file. Dovendo
registrare una struttura a grafo su di un file sequenziale, è necessario compiere un
pesante lavoro concettuale che adatti le “due dimensioni” della struttura del grafo
all ’unica dimensione (sequenziale) del file. Ciò è tutt’altro che impossibile, anzi è
un esercizio comune e ben noto a chi studia informatica; il problema non deriva
tanto dal procedimento di scrittura sequenziale, quanto dalle eccezioni. Prevedere
ogni possibile malfunzionamento del programma o del sistema operativo nella
gestione dei file è un’operazione laboriosa, che avrebbe distratto dallo scopo
principale di avere un robusto programma in grado di gestire i modelli 3r. Al
contrario, la gestione delle banche dati del Clipper è robustissima, e consente al
programmatore di astrarre qualsiasi forma di interazione con il sistema operativo.
Le banche dati (forme evolute di file) vengono trattate come variabili i n memoria
dinamica, e non dati su disco fisso che è necessario leggere e tradurre.
Il Clipper permette lo sviluppo di programmi solo in ambiente MS-DOS. Al
momento della scrittura del programma, MS-DOS era ancora il sistema operativo
più diffuso su personal computer; inoltre programmi scritti i n MS-DOS possono
essere eseguiti anche sotto sistemi operativi più evoluti, come il Windows 95 e
l’OS/21. Quindi, per il Clipper, il poter sviluppare programmi per ambiente MS-
DOS non costituisce una seria limitazione alla diffusione del codice operativo.
1 MS-DOS, Windows 95 sono marchi registrati da Microsoft corp. OS/2 è un marchio registrato da IBM corp.
Analisi sistemica complessa
- 233 -
Altri li nguaggi adatti a trattare il problema sono i li nguaggi orientati gli oggetti
come Java, C++ o Visual Object (quest’ultimo, tra l’altro, discende dal Clipper),
oppure linguaggi di intelli genza artificiale come Lisp e Prolog, che trattano molto
bene strutture ricorsive. In particolare, il Prolog ha un’ottima gestione delle basi
dati di conoscenza, e consente di scrivere le regole di appartenenza agli i nsiemi (la
parte più complessa degli algoritmi qui presentati) con enorme semplicità.
A.2) Le funzionalità del programma
È necessario che un programma che gestisce i modelli 3r abbia alcune
caratteristiche di funzionalità.
• Innanzi tutto deve essere in grado di gestire più modelli , e per ogni
modello deve essere predisposto per gestire più scenari.
• Deve permettere di calcolare (e visualizzare i risultati) dell ’analisi del
carattere degli elementi. Deve cioè essere in grado di determinare le
ricorsioni, le fonti ed i termini grafo.
• Deve essere in grado di calcolare il valore numerico delle emergenze dato
il valore delle fonti.
• Deve poter calcolare la correlazione tra due elementi, nonché la centralità e
la centralità inversa di un qualsiasi elemento.
• Infine deve permettere la stampa dei risultati, possibilmente sia su carta
che su file.
Ovviamente, tutte queste funzionalità sono state realizzate nel programma
allegato a questa tesi.
Appendice A
- 234 -
A.3) Struttura dei dati
La struttura adottata è quella chiamata in genere “ lista doppia”. Si tratta di una
struttura in grado di gestire elementi collegati tra di loro in maniera non
predeterminata; è la maniera più semplice per implementare i grafi. Per
rappresentare le emergenze (gli elementi del grafo) sono stati utili zzati dei record
composti dal nome del nodo, dal suo valore e dal suo carattere (in termini di
analisi di ricorsività). Siccome, per semplicità, è utile in Clipper mantenere tutti i
dati in un solo data base, oltre a questi dati essenziali i record degli elementi
includono un codice che individua univocamente un certo nodo ed un numero che
indica il modello (o lo scenario) al quale appartengono.
Un’altra base di dati contiene le informazioni che riguardano i collegamenti tra
i nodi, ossia gli archi del grafo. I suoi record sono composti da un campo “causa”
che individua il nodo di partenza, un campo “effetto” che individua il nodo di
arrivo ed un numero che rappresenta il peso dell ’arco.
Una terza base di dati mantiene l’elenco dei modelli e degli scenari costruiti . In
essa troviamo i codici che individuano quali elementi appartengono ad un dato
modello.
A.4) Algoritmi principali
A.4.1) Analisi del grafo
L’analisi del grafo viene condotta come descritto nel capitolo 5. Il seguente
algoritmo consente di determinare il carattere degli elementi di un grafo:
Procedura AnalizzaGrafo( G)
Analisi sistemica complessa
- 235 -
per ogni nodo v del grafo Gse il v.carattere non è definito
se non ha predecessoriassegna a v.carattere := fonte
fine sese v non ha successori
se v.carattere = fonteassegna a v.carattere := non
connessoaltrimenti
assegna a v.carattere := terminefine se
fine sese non è ne fonte ne termine
trova l’insieme causa ( v )trova l’insieme effetto ( v )insec := Interseca (causa( v ), effetto( v ))se insec è vuoto
v.carattere := medianoaltrimenti
assegna ric := nuova ricorsioneper ogni v1 appartenente a insec
v1.carattere := ricorsivov1 . ricorsione := ric
fine perfine se
fine sefine se
fine peresegui AnalizzaCircoli
fine procedura
La procedura “AnalizzaCircoli ” sarà descritta più avanti. È ora necessario
definire l’ insieme causa e l’ insieme effetto. Qui è necessario usare le funzioni
ricorsive; l’ insieme causa di un nodo è l’unione dell ’ insieme causa di tutti i suoi
predecessori. L’algoritmo è il seguente:
procedura InsiemeCausa( nodo , per riferimento insieme )aggiungi nodo ad insiemeper ogni predecessore pred di nodo
se pred fa parte di insiemetorna al chiamante
fine sese pred non è ancora definito
esegui InsiemeCausa( pred , insieme )
Appendice A
- 236 -
fine sefine pertorna al chiamante
fine procedura
Una breve spiegazione: la procedura viene chiamata con due parametri.
Inizialmente questi sono il nodo del quale si vuole conoscere l’ insieme causa ed
una struttura di registrazione vuota (un vettore a dimensione variabile, ad
esempio). Il nodo passato come parametro viene aggiunto alla struttura di
registrazione, quindi viene chiamata la funzione ricorsivamente per ogni nodo
predecessore del parametro. Il processo ha termine quando un nodo passato come
parametro è fonte, quindi non ha predecessori, oppure quando il parametro è già
presente nell ’ insieme. In questo caso siamo infatti di fronte ad una ricorsione,
anche se per il momento non possiamo stabili re quali elementi siano inclusi in
essa, dobbiamo interrompere la ricerca; non farlo porterebbe ad una ricorsione
infinita.
Per ottenere l’ insieme effetto è suff iciente sostituire la parola predecessore con
la parola successore nell ’algoritmo precedente.
Calcolare l’ intersezione di due insiemi è relativamente semplice:
funzione Intersezione( insieme1 , insieme2 )assegna insieme3 := nuovo insiemeper ogni elemento i di insieme1
per ogni elemento j di insieme2se i = j aggiungi i ad insieme3
fine perfine perritorna al chiamante col valore insieme3
fine funzione
Svolgere in questo momento la procedura di analisi dei circoli è necessario per
velocizzare il calcolo della funzione di correlazione. Infatti, la struttura dei circoli
all ’ interno delle ricorsioni può essere rilevata al momento della valutazione del
carattere degli elementi. Così, registrando la struttura dei circoli i n anticipo, si
risparmierà un tempo notevole al momento del calcolo della correlazione tra due
Analisi sistemica complessa
- 237 -
elementi, o in ipotesi di analisi di centralità. Rimandiamo però la discussione di
questa funzione al paragrafo A.4.3, dove si discute il calcolo della correlazione tra
due elementi, vista l’attinenza con quell ’argomento.
A.4.2) Calcolo della numerica
Ci occupiamo adesso di come individuare il valore dei nodi, dato quello delle
fonti del grafo. È possibile calcolare il valore dei nodi procedendo come descritto
nel capitolo 5, cioè calcolando il valore degli elementi che hanno per predecessori
solo le fonti, quindi procedere calcolando il valore di quegli elementi causati
unicamente da elementi già calcolati. Quando incontrassimo una ricorsione,
saremmo costretti ad accertarci di avere calcolato il valore di tutti i predecessori
degli elementi in essa.
Questo è il metodo che seguirebbe un risolutore se fosse costretto ad eseguire i
calcoli manualmente; ma il fatto di avere un calcolatore a disposizione cambia la
prospettiva. Infatti, un calcolatore è molto adatto ad eseguire una serie ripetitiva di
calcoli , ma è particolarmente inadatto a svolgere lavori che richiedono capacità
decisionale come ad esempio stabili re se sia giunto il momento di calcolare una
certa ricorsione o se sia opportuno attendere.
A questo fine useremo un algoritmo che ragiona al contrario: partendo dai
termini calcoleremo ricorsivamente il valore dei predecessori, fino ad incontrare
elementi il cui valore è definito (ossia, le fonti):
procedura NumericaGrafo( G)per ogni termine t di G
Calcola(t)fine per
fine procedura
procedura Calcola( nodo )se nodo.carattere = ricorsivo
CalcolaRicorsione( nodo )torna al chiamate
Appendice A
- 238 -
fine seassegna somma := 0per ogni predecessore pred di nodo
se pred non è calcolatoCalcola( pred )
fine sesomma := somma+(pred.valore
*arco(pred,nodo).peso) 2 fine perfine procedura
procedura CalcolaRicorsione( nodo )assegna noti := vettore vuotoassegna coeff := matrice vuotaper ogni elemento e di nodo.ricorsione
assegna somma := 0per ogni pre decessore pred di e
se pred.ricorsiono <> nodo.ricorsioneCalcola(pred)somma := somma+(pred.valore;
*arco( pred , nodo ). peso )fine se
fine peraggiungi somma a notiassegna riga := vettore vuotoper ogni elemento e1 di nodo . ricorsionese e = e1
aggiungi 1 a rigaaltrimenti, se e1 è predecessore di e
aggiungi il arco( e1 , e). peso a rigaaltrimenti
aggiungi 0 a rigafine se
fine peraggiungi riga a matrice
fine percalcola il sistema determinato dalla matrice dei ;coefficienti “ matrice” e dal vettore dei termini ;noti “ noti” , e metti i risultati nel vettore ;delle soluzioni sol.assegna i valori agli elementi della ricorsione in ;
base a sol.fine procedura
2 Si può leggere come “somma è incrementata del valore del nodo pred moltipli cato il del peso dell ’arco esistente tra
pred e nodo” .
Analisi sistemica complessa
- 239 -
Si tratta di un algoritmo piuttosto semplice; si calcola il valore di tutti gli
elementi eseguendo la somma pesata dei valori dei suoi predecessori. Nel caso che
questi non siano ancora stati calcolati (e non siano fonti) viene sospeso il calcolo
in corso per eseguire il calcolo del predecessore. Se l’elemento fa parte di una
ricorsione, bisogna cambiare modo di procedere: prima si calcola il valore di tutti i
predecessori degli elementi appartenenti alla stessa ricorsione, quindi si costruisce
un sistema in forma di matrice, ove il vettore dei termini noti è determinato dalla
somma pesata dei predecessori della ricorsione, mentre la matrice dei coeff icienti
è data dai pesi degli archi tra i vari elementi.
L’algoritmo che svolge un sistema in forma di matrice è ben noto: si crea un
vettore di soluzioni dove ogni elemento corrisponde al valore di una variabile.
Tale valore è calcolato tramite una frazione; al denominatore appare il
determinante della matrice dei coeff icienti. Al nominatore appare il determinante
di una matrice costruita sostituendo una colonna (in corrispondenza della riga del
vettore delle soluzioni attualmente calcolata) con il vettore dei termini noti.
Esistono molti algoritmi per calcolare il determinante delle matrici; è essenziale
ottimizzare questa parte del programma, che racchiude alcune fra le operazioni
che richiedono più risorse. Il programma da noi sviluppato costruisce il
determinante sulla colonna o sulla riga con il maggior numero di zeri; si tratta di
una piccola ottimizzazione, che però dà ottimi risultati quando applicata ad un
normale modello 3r.
A.4.3) Funzione di correlazione
Si tratta dell ’algoritmo più complesso del programma. È necessario individuare
i percorsi esistenti tra due nodi, e stabili re come i cicli che appaiono nelle
ricorsioni del grafo interagiscano con essi. Quindi bisogna individuare gli i nsiemi
zeta, ossia gli i nsiemi di circoli non adiacenti per una data ricorsione. Dobbiamo
avere quindi tre insiemi di insiemi: l’ insieme dei percorsi (che è un’ insieme di
Appendice A
- 240 -
nodi ed archi), l’ insieme dei circoli e gli i nsieme degli i nsiemi zeta (che sono
insiemi di circoli )3.
Il calcolo della funzione in sé non è un procedimento complicato; è suff iciente
tradurre le sommatorie e le produttorie enunciate nel capitolo 5. Per quanto
riguarda l’ individuazione dei percorsi e dei circoli , ciò è fattibile tramite un
algoritmo abbastanza simile a quello usato nella determinazione dell ’ insieme
causa. Siccome gli archi sono univocamente individuati da coppie di nodi,
useremo una definizione di “percorso” più ristretta. Verranno registrate solo le
sequenze di nodi presenti nel percorso; nulla vieta però di inserire anche gli archi4.
Dato un insieme vuoto IS che sarà riempito con i percorsi, un “percorso di
lavoro” inizialmente contenente solo l’elemento di partenza V, e l’elemento finale
W, possiamo dare il seguente algoritmo:
Funzione TrovaSentieri(per riferimento IS, Plav , W)assegna a V := ultimo elemento di Plavse V = W allora
Fine procedura. Torna il valore vero.fine sese V è tra i primi n-1 elementi di Plav
Fine procedura. Torna il valore falso .fine se
3 Esiste un altro metodo per ottenere lo stesso risultato. È possibile estrarre l’ insieme di percorso, cioè tutti quei nodi e
quegli archi che giacciono tra i due elementi v e w fra i quali si intende scoprire la correlazione. Si costruisce quindi un
sottografo che corrisponde all ’ insieme di percorso, escludendo però gli archi che hanno come successore v (l’unica “ fonte” del
nostro nuovo sottografo). A questo punto si calcola il sottografo ponendo il valore di v a uno. Il valore assunto dall ’elemento
w è pari alla correlazione tra v e w. Questo metodo è in genere più semplice da implementare rispetto alla risoluzione della
funzione di correlazione, ma perde il vantaggio fondamentale di questa: tramite la funzione è possibile calcolare la
correlazione senza essere costretti a calcolare un determinante.
4 Un percorso è una sequenza { V0, e1, V1, e2,…, en, Vn} dove Vk indica un generico vertice, ed ek indica l'arco che
connette V(k-1) con Vk. Siccome nei modell i 3r non esistono archi paralleli, la coppia <V(k-1), Vk> può essere connessa da
un solo arco; possiamo quindi sempli ficare gli algoritmi di ricerca dei percorsi escludendo gli archi (ek) dalla sequenza.
Questo è un modo semplice di procedere se il linguaggio usato permette di individuare l'arco che connette i due nodi in
maniera particolarmente eff iciente. Se così non fosse, è utile adattare gli algoritmi del paragrafo in modo da inserire tra due
nodi l'arco che li connette. Alternativamente è possibile creare due insiemi, uno per i nodi ed uno per gli archi, e registrare la
sequenza di archi del percorso separatamente.
Analisi sistemica complessa
- 241 -
per ogni successore e di Vcrea un nuovo vettore pnuovoassegna a pnuovo := copia di Plav.aggiungi e a pnuovo.se TrovaSentieri( IS , pnuovo , W) è vero
aggiungi pnuovo a ISfine se
fin e pertorna il valore falso
fine procedura.
È necessario ill ustrare il funzionamento dell ’algoritmo. Innanzi tutto va notato
che i due “filt ri” del meccanismo ricorsivo della funzione. Il primo indica quando
si è rilevato un percorso che conduce da un elemento V ad una destinazione W: ciò
accade quando l’ultimo elemento del percorso che stiamo “sperimentando” è il
nodo di destinazione. In questo caso la funzione torna “vero” , per indicare che ha
trovato un percorso, e che questo può essere registrato nell ’ insieme dei percorsi.
La seconda clausola filt ra i circoli . In questo momento i percorsi circolari non
ci interessano, così se in un percorso abbiamo già incontrato l’elemento che si
trova alla fine di esso (l’ultimo che è stato aggiunto), vuole dire che stiamo
seguendo un ciclo. Visto che attualmente siamo interessati solo a registrare i
percorsi, scartiamo il ciclo.
Dopo le clausole che servono a porre fine al meccanismo ricorsivo
dell ’algoritmo, troviamo il ciclo che anima il processo: per ogni successore
dell ’ultimo elemento del percorso che stiamo verificando, costruiamo una nuova
“ipotesi” di percorso aggiungendo l’effetto in coda. Verifichiamo quindi se tale
ipotesi è valida sottoponendola al giudizio della funzione stessa; se il giudizio è
positivo, il percorso viene aggiunto all ’ insieme dei percorsi.
Se l’ultimo elemento del percorso in analisi non ha effetti, ossia se è stato
incontrato un termine prima che si sia raggiunto l’elemento cercato, il loop viene
saltato e la funzione torna “falso” , quindi il percorso viene rifiutato.
Il valore di ritorno non ha alcun significato per il chiamante originario della
funzione, che invece si vede modificato il contenuto del vettore IS; serve solo ai
Appendice A
- 242 -
precedenti li velli del meccanismo ricorsivo per stabili re se inserire un sentiero
nell ’ insieme.
A.4.3/a) L’insieme dei circoli
È ora giunto il momento di riprendere l’algoritmo per la costruzione
dell ’ insieme dei circoli per una data ricorsione. Anche se la preparazione
dell ’ insieme dei circoli avviene prima del calcolo della correlazione, è stato
necessario attendere fino a questo momento per ill ustrare prima il semplice
algoritmo della produzione dell ’ insieme dei sentieri. Infatti, la produzione
dell ’ insieme dei circoli è più complicata, come stiamo per vedere; conoscere il
metodo usato per generare l’ insieme dei sentieri permette di capire il problema
attuale più agevolmente.
Innanzi tutto, qui abbiamo un insieme di circoli per ogni ricorsione presente nel
grafo. Sarà necessario registrare il tutto in una variabile facilmente accessibile da
qualsiasi punto del programma5. Useremo quindi una variabile globale chiamata
ICs, che è un insieme di insiemi di circoli; il primo elemento di ICs sarà l’ insieme
dei circoli della ricorsione 1, il secondo sarà l’ insieme della ricorsione 2 e così via.
Variabile Globale ICs : vettore di vettore di vettoreprocedura AnalizzaCircoli
per ogni ricorsione R del grafoIC := InsiemeCircoli(R)aggiungi IC a ICs
fine perfine procedura
5 Vi possono essere più tipi di variabil i “globali” . I linguaggi fortemente strutturati scoraggiano l’uso di questo stile di
programmazione, e si può ovviare mantenendo in una parte del programma un’ immagine locale della variabile che deve
essere conosciuta, e passando tale variabile come parametro a qualsiasi funzione lo necessiti. Più elegante è creare una
funzione che mantiene al suo interno una variabile statica, che restituisce come valore di ritorno quando gliene viene fatta
richiesta. Nei linguaggi di programmazione orientata agli oggetti esistono tecniche ancora più eleganti.
Analisi sistemica complessa
- 243 -
InsiemeCircoli sarà la funzione preposta a impostare i dati e chiamare
TrovaCircoli , che è sostanzialemente simile a TrovaSentieri. Il punto è che si
incontrano diversi problemi quando si tenta di scoprire quali circoli siano presenti
in una ricorsione. Innanzi tutto, si ha il problema dei circoli equivalenti. Una
sequenza identica di elementi ed archi, ad esclusione dell ’elemento iniziale (che
deve essere identico all ’elemento finale) ma permutata nelle posizioni dà origine
ad un circolo sostanzialmente identico rispetto ad un originale. Due circoli con la
stessa sequenza di nodi ed archi, anche se i rispettivi punti di partenza/arrivo sono
differenti, sottintendono lo stesso gruppo di elementi. Un procedimento di
“scansione” dei percorsi simile a quello usato in TrovaSentieri troverà tutti i
circoli che possono essere costruiti i n una ricorsione, molti dei quali sono
equivalenti.
Il secondo problema, fortunatamente più semplice da gestire, sta nel fatto che in
il risultato delle operazioni ricorsive di TrovaSentieri non è un circolo, ma un
sentiero: non troveremo necessariamente di elementi ed archi ove il primo nodo
sia identico all ’ultimo. L’algoritmo è in grado di individuare catene di elementi
nelle quali l ’ultimo nodo è già stato inserito precedentemente, non
necessariamente in prima posizione. Sarà dunque nostro compito rimuovere gli
elementi iniziali che non fanno parte del ciclo.
Per per poterci meglio concentrare in seguito su I nsiemeCircoli , ora daremo la
definizione di TrovaCircoli , che non differisce molto da TrovaSentieri:
Funzione TrovaCircoli(per riferimento IC, clav , Ricorsione )assegna a V := ultimo elemento di clavse V è tra i primi n-1 elementi di clav
Fine procedura. Torna il valore vero .fine sese V. ricorsione <> Ricorsione 6
Fine procedura. Torna il valore falso .
6 Per velocizzare l’algoritmo, escludiamo quei nodi che non fanno parte della ricorsione dalla quale vogliamo estrarre i
circoli .
Appendice A
- 244 -
fine s eper ogni successore e di V
crea un nuovo vettore cnuovoassegna a cnuovo := copia di clav.aggiungi e a cnuovose TrovaCircoli( IC , cnuovo , W) è vero
aggiungi cnuovo a ISfine se
fine pertorna il valore falso
fine procedura.
Mentre in precedenza erano stati esclusi quei percorsi che contenevano circoli
(ossia sentieri che “tornavano” su elementi già visitati), ora sono proprio questi
che ci interessano.
Adesso è possibile concentrare l’attenzione sul problema principale della
rilevazione dei circoli .
Procedura InsiemeCircoli( Ricorsione )assegna a IC := vettore di vettoriassegna a clav := vettoreassegna a e1 := primo elemento di Ricorsioneaggiungi e1 a clavTrovaCircoli ( IC , clav , Ricorsione )
per ogni circolo C in ICassegna a c1 := primo elemento di Cfinché c1 <> ultimo elemento di C
rimuovi il primo elemento di Cc1 := primo elemento di C
fine finchéfine perper ogni circolo C in IC
per ogni circolo C2 in ICse C <> C2 e ArchiUguali ( C, C2) è vera
rimuovi C2 da ICfine se
fine perfine pertorna IC
fine procedura
Analisi sistemica complessa
- 245 -
I tre blocchi ben evidenziati corrispondono nell ’ordine all ’acquisizione dei dati
“grezzi” sui circoli di una data ricorsione, alla prima eliminazione degli elementi
che non fanno parte dei circoli , ed alla successiva eliminazione dei circoli
equivalenti. Questa parte merita un approfondimento: un circolo è considerato
equivalente ad un altro precedentemente esistente, e quindi rimosso, se sono
identici gli archi che i due circoli contengono, indipendentemente dalla loro
posizione. Vediamo come questo viene realizzato.
funzione ArchiUguali( Perc1 , Perc2 )se lunnghezza( Perc1 ) <> lunghezza( Perc2 )
fine funzione. Ritorna falsofine seassegna a archi1 := vettore vuotoassegna a archi2 := vettore vuotoper i := da 1 a lunghezza( Perc1 )-1
assegna c := nodo i di Perc1assegna c1 := nodo i +1 di Perc1aggiungi arco( c , c1 ) ad archi1
fine perper i := da 1 a lunghezza( Perc2 )-1
assegna c := nodo i di Perc2assegna c1 := nodo i +1 di Perc2aggiungi ( c , c1 ) ad archi2
fine perse lunghezza(Intersezione(archi1,archi2))<> ;
lunghezza( archi1 )fine funzione. Ritorna falso
fine seTorna vero
fine funzione
Se la lunghezza dei due percorsi (o cicli ) analizzati è differente, è ovvio che
questi non possono avere gli stessi archi; quindi possiamo interrompere
l’elaborazione dichiarando che i due percorsi sono differenti. Altrimenti, si
continua creando due vettori che contengono solo gli archi. Fatto ciò, se
l’ intersezione dei due nuovi insiemi non coincide con uno dei due, possiamo
Appendice A
- 246 -
affermare che i due percorsi sono diversi. Altrimenti, i percorsi sono equivalenti,
ossia contengono gli stessi nodi e gli stessi archi7.
A.4.3.b) La rilevazione degli insiemi Z
Adesso è necessario sviluppare l’algoritmo più complesso del programma: la
definizione dell ’ insieme degli zeta. Dal capitolo 5, sappiamo che gli zeta sono
insiemi di circoli non adiacenti tra di loro; inoltre un ciclo, per essere ammesso in
un insieme zeta, deve essere non adiacente ad un terzo insieme, chiamato “ insieme
di controllo” . Vi è però una considerazione di ordine pratico che è necessario
specificare. Le formule che danno vita alla funzione di correlazione, sono
concepite per essere utili zzate in maniera non ripetitiva: si hanno due nodi e si
calcola la correlazione tra di loro. Il programma che stiamo sviluppando deve
invece essere in grado di calcolare funzioni di correlazione in modo ripetitivo, così
da permettere di eseguire velocemente le analisi di centralità e di centralità
inversa. Per fare ciò, gli i nsiemi dei cicli di tutte le ricorsioni del grafo sono stati
calcolati preventivamente; in questo modo non è possibile escludere dall ’ insieme
di ciclo quei circoli “ filt rati” dal nodo di controllo8. Dovremo quindi spostare il
7 Abbiamo supposto di usare i percorsi “sempli ficati” , ossia privi di archi al loro interno; per questo è necessario costruire
l’ insieme degli archi dei due percorsi. Se si vuole implementare la definizione piena di percorso, ossia sequenza di nodi e di
archi, si possono intersecare direttamente i percorsi. Se i percorsi sono equivalenti, la numerosità dell’ intersezione sarà pari a
quella dei percorsi originari meno uno (il nodo ripetuto all ’ inizio ed alla fine dei cicli).
8 Riportiamo la definizione di insieme dei circoli e dell ’ insieme degli zeta:
( ) { }{ }Θ∈′∈≠==Θ VavaeaeaCvIC kn 1221 ,,...,,,,
( ) { }jikjiCCSCICCCCSkICZ ijiik ≠≤≤∀∅=∩∅=∩∈= ,,1,,,...,,, 1
Non potendo applicare l’elemento di “ filtro” v all’ insieme dei circoli , visto che sono stati preventivamente calcolati senza
considerare il percorso al quale vanno applicati, dovremo spostare l’elemento di filtro nella definizione dell’ insieme degli
zeta, in modo che questa diventi:
Analisi sistemica complessa
- 247 -
criterio di esclusione dei circoli nella definizione degli zeta; mentre in precedenza
gli i nsiemi zeta erano costruiti su insiemi di circoli filt rati, adesso sarà la
definizione stessa di insieme zeta a filt rare i circoli che retroagiscono sul nodo
iniziale del percorso. Questo perché abbiamo trovato tutti i circoli possibili
preventivamente, senza preoccuparci di sapere quale elemento sarebbe poi stato
inserito nella funzione di correlazione.
L’approccio utili zzato per consentire l’ individuazione degli i nsiemi zeta è di
tipo tentativo/errore. Prima si tenta di costruire tutti gli zeta possibili , poi si
verifica se l’ insieme costruito segue realmente le regole definite per gli zeta. Se
ciò si verifica, si aggiunge l’aggregato trovato all ’ insieme degli zeta, altrimenti lo
si ignora. Gli zeta saranno implementati come vettori a dimensione variabile di
numeri interi; ogni numero rappresenta l’ indice del circolo nel corrispondente
insieme dei circoli per una data ricorsione. Così è possibile velocizzare e
razionalizzare la funzione che determina quali siano gli zeta possibili; senza
questo stratagemma, saremmo costretti ad usare una funzione ricorsiva che estrae
tutti gli i nsiemi zeta, per poi filt rare quelli “giusti” . Il problema è che gli zeta
possibili salgono in rapporto esponenziale rispetto alla quantità di circoli di una
ricorsione; usando le funzioni ricorsive (che richiedono grandi risorse-macchina)
si correrebbe il rischio di sovraccaricare il sistema. Inoltre, dato che gli i nsiemi dei
circoli non variano durante l’elaborazione della funzione di correlazione, usare
l’ indice per individuare un certo elemento in un insieme è una prassi corretta.
Dato un insieme di circoli IC, un sentiero di controllo S, ed un elemento di
esclusione dei circoli exc, l’algoritmo che estrae gli i nsiemi zeta è il seguente:
Funzione InsiemeDegliZeta ( IC , S, exc )assegna IZ := nuovo vettoreassegna k := 1assegna possibili := vero
( ) ( ){ }jikjiCCSCCvICCCCvSkZ ijiiik ≠≤≤∀∅=∩∅=∩∉Θ∈=Θ ,,1,,,,...,,,, 1
Appendice A
- 248 -
finché possibili è veropossibili := falsoassegna Z := nuovo vettorefinché CreaZeta ( Z, k, lunghezza( IC ))
se ValutaZeta ( Z, IC , S, exc)possibili := veroaggiungi copia 9 di Z ad IZ
fine sefine finchék := k+1
fine finchéTorna IZ
fine funzione
L’algoritmo funziona così: entra in un ciclo che viene ripetuto fino al momento
in cui non si sono stati trovati insiemi Z di lunghezza k. Se tutti gli insiemi creati
con lunghezza k non rispondono alla definizione di insieme zeta (ossia, se non
sono validi zeta), ciò significa che l’ insieme Z di massima lunghezza in IC
contiene solo k-1 circoli . Il loop si può interrompere; abbiamo completato
l’ insieme degli i nsiemi zeta.
La funzione CreaZeta genera in sequenza tutte le combinazioni di indici
possibili per una data lunghezza di Z e dell ’ insieme dei circoli (ai quali si
riferiscono gli i ndici). Questo è il suo funzionamento:
Funzione CreaZeta(per riferimento Z, k , n)assegna altri := verose lunghezza( Z) == 0
per i := 1 a kaggiungi i a Z
fine peraltrimenti
altri := Permuta ( Z, n)fine setorna altri
fine funzioneFunzione Permuta(per riferimento Z, n)
assegna pos := lunghezza( Z)
9 È necessario copiare Z perché tale variabile viene usata nuovamente dal programma. Se non se ne facesse la copia, al
termine del processo IZ conterrebbe un certo numero di riferimenti, tutti indicanti lo stesso insieme.
Analisi sistemica complessa
- 249 -
finché pos > 0se pos == lunghezza( Z)
se Z[ pos ] < nZ[ pos ] := Z[ pos ]+1esci dal ciclo
fine sealtrimenti
se Z[ pos ] < Z[ pos +1]-1Z[ pos ] := Z[ pos ]+1per i := da pos+1 a lunghezza( Z)
Z[ i ] := Z[ i-1 ]+1fine peresci dal ciclo
fine sefine se
fine finchése pos > 0
torna veroaltrimenti
torna falsofine se
fine funzione
CreaZeta controlla se è stato chiamato con un insieme vuoto al posto di Z. In
quel caso genera un primo insieme possibile, composto da una sequenza di numeri
da 1 a k. Altrimenti, chiama Permuta, che prima prova ad aumentare l’ultimo
indice della sequenza e poi “sposta” gli altri indici dietro di lui. Se ad esempio si
ha un numero di circoli pari a 5 e stiamo valutando gli zeta di lunghezza tre, in
prima istanza CreaZeta tornerà l’ insieme { 1,2,3} . Quindi, Permuta aumenterà per
due volte consecutive l’ultimo indice: prima tornerà la sequenza { 1,2,4} e poi
{ 1,2,5} . Siccome non esistono sei circoli , adesso Permuta è costretta a cambiare il
penultimo indice, aumentandolo di uno. Quindi riscriverà una sequenza crescente
degli altri indici: { 1,3,4} . Adesso l’ultimo elemento è di nuovo minore di cinque,
così alla chiamata successiva, Permuta torna { 1,3,5} . È di nuovo il turno di
incrementare il penultimo elemento; la sequenza diventerà { 1,4,5} . Adesso
Permuta si accorge che non è possibile incrementare l’ultimo elemento perché non
ci sono più circoli , e non è possibile incrementare il penultimo perché quello
successivo (l’ultimo) corrisponde a 4+1. Permuta scende ancora di un indice,
Appendice A
- 250 -
incrementando quest’ultimo e creando la sequenza { 2,3,4} . Quando il processo si
ripete fino ad ottenere la sequenza { 3,4,5} , Permuta si accorge di non poter variare
nemmeno il primo elemento (perché il secondo è pari al primo più uno), quindi
segnala al chiamante che non ci sono altre sequenze disponibili t ornando “falso” .
A questo punto InsiemeDeiCircoli aumenterà il valore di k, e passerà a CreaZeta
un insieme zeta vuoto, per segnalare l’ inizio di una nuova iterazione.
Resta ancora da scoprire come vengono valutati gli i nsiemi zeta; si tratta una
questione più semplice:
funzione ValutaZeta( Z, IC , S, exc )assegna k := lunghezza( Z)per nk := da 1 a k
se exc è in IC [ Z[ nk ]] o (lunghezza(S)> 0 e; lunghezza( Intersezione ( IC [ Z[ nk ]], S) <> 0)
fine funzione. Torna falsoaltrimenti
per j := da nk +1 a kse lunghezza( Intersezione ( IC [ Z[ nk ]], ;
IC [ Z[ j ]])) >0fine funzione. Torna falso
fine sefine per
fi ne sefine per
fine funzione
Molto semplicemente, per ogni circolo si verifica se l’elemento discriminante
exc è presente, o, nel caso esista un sentiero di controllo, se il circolo sia adiacente
a tale sentiero. In questo caso, lo zeta proposto non è valido, e questo viene
segnalato alla funzione chiamante, interrompendo (inutili ) ulteriori elaborazioni.
Nel caso che lo zeta passi questo controllo preliminare, bisogna controllare che i
circoli i n esso non siano adiacenti. Questo può essere ottenuto in due modi; creare
un ciclo separato che verifichi l ’adiacenza di ogni circolo con ogni altro, o
sfruttare il primo ciclo di controllo e verificare l’adiacenza solo con i circoli
Analisi sistemica complessa
- 251 -
successivi; questo secondo metodo permette di risparmiare la metà delle
iterazioni.
A.5) Ultime note
Questo chiude la discussione sugli algoritmi necessari al calcolo della funzione
di correlazione. Per calcolare la funzione, dati questi algoritmi, è suff iciente
tradurre le espressioni matematiche presentate nel capitolo 5, che si sostanziano
principalmente in una lunga sequenza di sommatorie e di produttorie. Sono
necessarie solo due precisazioni: nel calcolo della funzione di ricorsione è
necessario stabili re quali ricorsioni intersechino il sentiero, estrarre il
corrispondente insieme dei circoli precedentemente calcolato e l’elemento
discriminante (che corrisponde al primo elemento del sentiero sul quale si sta
operando). Quindi si passa il tutto alle funzioni di individuazione dell ’ insieme
degli Zeta, come specificato, prima per il numeratore della frazione della fr, poi
per il denominatore. Inoltre, nel calcolo della funzione degli zeta, bisogna tenere
conto del fatto che, nel programma, tali i nsiemi contengono non circoli , ma indici
all ’ insieme dei circoli di una data ricorsione.
Analisi sistemica complessa
- 253 -
Bibliografia
Aaker David A., Myers Jhon G. (1996): Il management della pubblicità, Milano, Franco angeli,II ed. Trad. it. di Advertising Management, Engelwoods Cli ff , Prentice-Hall, 1987, IIIed. (I ed. 1982).
Ansoff , Igor H. (1965): Corporate Strategy, an analytical approach to business policy for growth,Mcgraw-Hill .
Arthur Brian W., Durlauf Steven N., Lane David A., a cura di (1997): The economy as anevolving complex system II . A proceeding volume of the Santa Fe Institute in thescience of complexity, Reading, Addison-Wesley.
Ardigò Achill e, Mazzoli Graziella, a cura di (1990): Complessità e ipercomplessità trasociosistemica e cibernetica, Milano, Franco Angeli.
Bocchi, Gianluca e Ceruti, Mauro, a cura di (1997): La sfida della complessità, Milano,Feltrinell i, X ed. (I ed. 1985).
Busacca, Bruno (1994): Le risorse di fiducia dell ’ impresa, Torino, Utet.
Casari, Ettore (1995): Logica, Milano, Tea.
Casti, Jhon L. (1995): Complexifi cation. Exploring a paradoxical world through the science ofsurprise, New York, Harper Coll ins, II ed. (I ed. 1994).
Casti, Jhon L. (1997): Would-be Worlds. How simulation is changing the frontier of science, NewYork, Wiley.
Castronovo, Valerio (1995): Storia economica d’I talia, Torino, Einaudi.
Ceruti, Mauro (1989): La danza che crea, Milano, Feltrinell i.
Coon, Carleton S. (1994): "Man" in Compton's Interactive Encyclopedia, New York,Encyclopaedia Britannica Inc. (edito su Cd Rom).
Colombo, Gianluca (1991): "La complessità nelle aziende e nelle discipline manageriali ", inComplessità e Managerialità, Milano, Egea.
Comboni, Giovanni (1991): "Semplicità e complessità nel sapere: un approccio critico", inComplessità e Managerialità, Milano, Egea.
Coventry, Peter e Highfield Roger (1995): Frontiers of complexity. The search for order in achaotic world, New York, Ballantine Books.
Einstein, Albert (1997): Il significato della relatività, Roma, Newton. Trad. it. della V ed. orig.The meaning of relativity, Princeton, Princeton University Press, 1937. I ed. 1922.
Bibliografia
- 254 -
Elster, Jon (1985): Negazione attiva e negazione passiva: un saggio di sociologia ibanese. InWaltzlawick (1992).
Foerster, Heinz von, Zopf, G.W. (1962) Principles of self organization, New York, PergamonPress.
Foerster, Heinz von (1973) “ Costruire una realtà” , in Watzlawick (1992).
Foerster, Heinz von (1987) Sistemi che osservano, Roma, Astrolabio. Trad. it. Observingsystems, Seaside, Intersystems, 1984.
Forrester, Jay W. (1974): Principi dei sistemi, Milano, Etas. Trad. It. di Principles of systems,Cambridge, Wright-Allen, 1968.
Glaserfeld, Ernst von (1985): Il complesso di semplicità, in Bocchi & Ceruti 1997.
Holland , John Henry (1995): Hidden Order, how adaption builds complexity, Reading, All ison-Wesley
Kauffman, Stuart (1995): At home in universe, London, Viking.
Keizer Willem & Tieben Bert (1997): Introduction in “Austrian economics in debate”, a cura diKeizer W., Tieben B., van Zijp R., London, Routledge.
Kirzner, Israel M. (1993): Classics in austrian economics, London, Pickering & Chatto.
Kosko, Bart (1995): Il fuzzy-pensiero. Teoria e applicazioni della logica fuzzy. Milano, Baldini &Castoldi. Ed. orig. Fuzzy thinking. The new science of fuzzy logic, New York, Hyperion,1993
Maturana Humberto, Varela Francisco (1972): Autopoietic systems, Santiago, ciclostiledell’Università di Santiago.
Maturana Humberto, Varela Francisco (1987): L’albero della conoscenza, Milano, Garzanti.Trad. it. di El árbol del conocimiento, 1984
McNeil l, David e Freiberger, Paul (1993): Fuzzy logic, New York, Simon & Shuster.
Mintzberg, Henry (1994): The rise and fall of strategic planning, New York, Prentice Hall
Moinge, Jean-Louis Le (1985): Progettazione della complessità e complessità dellaprogettazione, in Bocchi & Ceruti (1997).
Morin Edgar (1987): La vita della vita, Milano Feltrinell i. Trad. it. parziale di La Méthode II . Lavie de la vie, Paris, Seuil, 1980.
Morin Edgar (1989): La conoscenza della conoscenza, Milano, Feltrinelli. Trad. it. parziale di LaMéthode III . La connaissance de la connaissance/1, Paris, Seuil, 1986.
Morin Edgar (1993): Introduzione al pensiero complesso, Milano, Sperling & Kupfer. Trad. it. diIntroduction à la pensée complexe, 1990
Analisi sistemica complessa
- 255 -
Morin Edgar (1994): Il Metodo. Ordine, disordine, organizzazione, Milano, Feltrinell i, VIII ed.. Ied. 1983. Trad. it. parziale di La Méthode I. La nature de la nature, Paris, Seuil, 1977.
Piaget, Jean (1983): Biologia e conoscenza, saggio sui rapporti tra regolazioni organiche eprocessi cognitivi, Torino, Einaudi. Trad. it. di Biologie et connaissance, Paris,Gallimard, 1967.
Porter, Michael E. (1982): La strategia competiti va. Analisi per le decisioni, Bologna,edizionidella tipografia compositori. Trad. it. di Competiti ve strategy, New York, Free Press,1980.
Porter, Michael E. (1995): Il vantaggio competitivo, Milano, Comunità, V ed. (I ed. 1987). Trad.it. di Competiti ve advantadge, New York, Free Press, 1985.
Predetti, Alberto (1995): Problemi Metodologici della Politi ca economica, Bologna, Cisalpino (Ied 1992).
Pribram, Karl H (1996): “ Interfacing complexity at a boundary between the natural and socialsciences” , in Evolution Order and complexity, Khalil Elias L (a cura di), London,Routledge, 1996.
Prigogine Ilya (1986): Dall ’essere al divenire, Torino, Einaudi. Trad. it. di From being tobecoming, 1978.
Prigogine Ilya (1991): La complessità, Torino, Einaudi. Trad. it. di Exploring complexity, NewYork, Freeman, 1989.
Prigogine Ilya (1993): Le leggi del caos, Roma, Laterza.
Riedl, Rupert (1981): “Le conseguenze del pensiero causale” , in P. Watzlawick, 1991.
Russo, Paolo, a cura di (1995): Materiali per il corso di strategia e politica aziendale. Volume I.Milano, Unicopli.
Schumpeter, Joseph (1971): Teoria dello sviluppo economico, Firenze, Sansoni; traduzione dellaquarta edizione originale “Theorie der wirtshaft hichen Entwicklung” , 1934 (I ed.1911).
Sinatra, Alessandro (1994): Architettura strategica d’ impresa. Modelli , comportamentifondamentali e capacità di rinnovamento, Milano, Egea.
Serra Roberto, Zanarini Gianni et al. (1984): Introduzione alla fisica dei sistemi complessi,Bologna, Culeb.
Serra Roberto, Zanarini Gianni (1986): Tra ordine e caos, auto-organizzazione ed imprevedibilitànei sistemi complessi, Bologna, Culeb.
Serra Roberto, Zanarini Gianni (1995): Sistemi complessi e processi cognitivi, Bologna,Calderini. Trad. it. di Complex systems and cognitive processes, Berlin, Springer, 1990.
Stacey, Ralph D. (1993a): The chaos frontier, Oxford, Butterworth-Heinemann. I ed. 1991
Bibliografia
- 256 -
Stacey, Ralph D. (1993b): Strategic Management and Organizational dynamics, London, Pitman,1993.
Stengers, Isabelle (1985) Perché non può esserci un paradigma della complessità, in Bocchi &Ceruti (1997)
Vicari Salvatore (1991): L’ impresa vivente, Milano, Etas.
Walldrop, M. Mitchel (1993): Complexity. The emerging science at the edge of order and chaos,New York, Touchstone.
Watzlawick, Paul, a cura di (1992): La realtà inventata. Contributi al costruttivismo a cura diPaul Watzlawick, Milano, Feltrinelli, III ed.. I ed. 1988. Trad. it. di Die ErfundeneWirklichkeit, München, Piper & co., 1981.
Wernerfelt, Birger (1984): “A resource based view of the firm” , in Strategic ManagementJournal, april -june 1984 (vol. 5/2).
Zanarini Gianni (1990): Diario di viaggio: auto-organizzazione e li vell i di realtà, Milano,Guerini e Associati.
Zanarini Gianni (1990b): “Complessità, Auto-organizzazione, Signifi cato” in Ardigò (1990).
Zanarini Gianni (1995): Finestre sulla complessità, Editoriale Scienza, Trieste.
Zanarini Gianni (1996): “La complessità di pensare il mondo” , in Complessità, Napoli , Cuen.