VYUŽITÍ TEORIE CHAOSU PŘI MĚŘENÍ INTERAKCÍ SUBJEKTŮ OBCHODNÍ SFÉRY CHAOS THEORY USAGE IN SUBJECTS OF TRADING SPHERE INTERACTION MEASUREMENT Naděžda Chalupová Mendelova zemědělská a lesnická univerzita v Brně Provozně ekonomická fakulta, Ústav informatiky, ui@pef.mendelu.cz Abstrakt Příspěvek představuje jednu z moderních teorií mající potenciál uplatnit se při sledování a hodnocení vztahu spotřebitele a poskytovatele teorii chaosu. V poslední době je pokládána za jakousi revoluci překonávající omezený pohled současné vědy a rozšiřující její omezené obzory. Abstract The contribution presents one of the modern theories having potential to apply in the consumer and provider relation monitoring and evaluating Chaos Theory. It is thought as a revolution exceeding the limited contemporary science view and extending its limited scope recently. Kľúčové slová poskytovatel, spotřebitel, sledování vztahu, teorie chaosu, zákazník Keywords provider, consumer, relation monitoring, chaos theory, customer 1 Úvod Zákazník představuje pro organizaci zdroj jejích příjmů, je vlastně jakýmsi hnacím motorem veškerých jejích aktivit a příčinou jejího úspěchu či neúspěchu nebo existence či neexistence na trhu. Vlivem dnešní síly konkurence a, jak uvádí Kout (2006), zejména díky nasycenému trhu přicházejí nově získaní zákazníci převážně od konkurence, a proto je udržení stávajících zákazníků měřítkem úspěchu a konkurenční výhodou. Odchod stávajících zákazníků přináší jak snížení zisků, tak ztrátu pozice na trhu a zároveň narůstající náklady na získání nových klientů. Z této skutečnosti vyplývá mnohdy podceňovaná důležitost sledování zákazníka, jeho chování, preferencí, vyřčených i nevyřčených přání a dalších souvisejících faktorů směřující k následné možnosti vztah ovlivňovat či dokonce řídit. 64
2 Vztah zákazníka a poskytovatele Při sledování a hodnocení interakce poskytovatel spotřebitel je důležité chápat jej z různých pohledů a zvážit všechny faktory, které ji ovlivňují. Aby bylo možné uvedený vztah do budoucna nějak korigovat je nutné nejprve konkrétněji identifikovat problém, který má být řešen. Podle Parr Rud (2001) je jedním ze způsobů ujasnění si, čeho má být vlastně dosaženo, zamyšlení se nad následujícími otázkami: Chcete přilákat nové zákazníky? Chcete, aby tito noví zákazníci byli profitabilní? Chcete se vyhnout vysoce rizikovým zákazníkům? Chcete pochopit charakter vašich stávajících zákazníků? Chcete ze svých neprofitabilních zákazníků učinit více profitabilní? Chcete si udržet své profitabilní zákazníky? Chcete získat zpět své ztracené zákazníky? Chcete zlepšit spokojenost zákazníků? Chcete zvýšit tržby? Chcete snížit výdaje? Při hledání odpovědí na některé z uvedených otázek je obvykle využíváno klasických statistických metod, jejichž použití ale není vždy zcela vhodné a přesné. V posledních letech dochází k rozvoji moderních metod, které přistupují k datovým analýzám zcela odlišným způsobem než statistika. Jedním z reprezentantů této kategorie metod je teorie chaosu. 3 Teorie chaosu Kořeny teorie chaosu lze nalézt již v roce 1900, ve studiích Henri Poincarého o problému drah pohybu tří objektů se vzájemnou gravitační silou, tzv. problému tří těles. Poincaré objevil, že mohou existovat orbity, které jsou neperiodické, a které nejsou ani neustále vzrůstající ani se neblíží k pevnému bodu. Navazovaly studie dalších vědců a postupem času bylo zřejmé, že převažující teorie systémů v tomto období (lineární teorie) prostě nemůže vysvětlit pozorované chování v určitých experimentech. Výrazný podíl na vývoji teorie chaosu měl vznik elektronického počítače. Edward Lorenz jej použil v roce 1961 k výpočtu svého modelu simulujícího počasí. Chtěl vidět opět svou sekvenci a aby ušetřil čas, začal simulaci zprostředka. Měl totiž vytištěna data z minulé simulace a tak je zadal jako vstupní data do svého modelu. K jeho překvapení bylo předpovídané počasí zcela jiné, než na jeho původním modelu. Lorenz zkoumal, proč tomu tak je, a příčinu objevil ve své sestavě. Sestava zaokrouhlovala proměnné na 3 desetinná místa, zatímco počítač pracoval s 5 desetinnými místy. Tento rozdíl je malý a neměl by mít prakticky na řešení vliv. Avšak Lorenz objevil, že malé změny v počátečních podmínkách vedou k velkým změnám na výstupu z dlouhodobého hlediska. 3.1 Základy teorie Teorie chaosu popisuje chování nelineárních (nelze je přesně vystihnout lineárním modelem) dynamických (v čase se mění) systémů, které mají nějaký vnitřní skrytý řád, ale přesto se jeví 65
jako systémy řízené náhodnými jevy. Chaos 1 je jev charakterizovaný vysokou citlivostí na počáteční podmínky. V souvislosti s takovou citlivostí se hovoří o, snad nejčastěji citovaném principu chaosu projevujícím se v meteorologii, tzv. motýlím efektu 2 vyjadřujícím citlivou závislost vývoje systému na počátečních podmínkách, jejichž malé změny mohou mít za následek velké variace v delším průběhu. V důsledku této citlivosti se chování těchto systémů, vykazujících chaos, jeví jako náhodné, i když model systému je deterministický v tom smyslu, že je dobře definovaný a neobsahuje žádné náhodné parametry (Wikipedie, 2007). Je-li vytvořen nějaký lineární model nějakého systému, pak tento model popisuje skutečný systém pouze v případě, že je tento systém lineární. Není-li tomu tak, pak modely budou představovat skutečný systém pouze za ideálních podmínek a po krátkou dobu. Je-li v systému přítomná nelineární dynamika, může deterministický systém generovat náhodně vyhlížející výsledky, které ale mohou zahrnovat trvalejší trendy a cykly (Dostál, Rais, Sojka, 2005). Systémy, které vykazují chaos, jsou v jistém smyslu složitě uspořádané. Chování systému směřuje k rovnováze definované tzv. atraktorem. Ten může být (Dostál, Rais, Sojka, 2005): bodový rovnováha je představována bodem, tzn. systém se ustálil v nějakém stabilním stavu a v podstatě už nejde o dynamický systém (např. vychýlené kyvadlo se ustálí v jednom bodě), cyklický rovnováha je představována limitním cyklem, tzn. systém osciluje mezi několika stavy (např. kyvadlo se stále dodávanou energií se bude pohybovat okolo rovnovážného bodu), chaotický jedná se o tzv. dynamickou rovnováhu, rovnováha je oblastí, v níž je dosahováno dynamické rovnováhy (např. kyvadlo s nepravidelně dodávanou energií se pohybuje ve stejné oblasti). 3.2 Aplikace teorie Tato poměrně mladá teorie nachází uplatnění v mnoha oborech lidské činnosti. Mezi systémy vykazující chaos lze zahrnout kromě atmosféry (chování počasí), turbulence tekutin, biomedicíny (průběh biologických signálů EKG, EEG) atd. také vývoj populace, ekonomii, finančnictví (fungování burzovního trhu) apod. Z výše uvedeného vymezení úrovní chaotického chování je zřejmé, že trh je neperiodický, je tedy definován chaotickým neboli fraktálním atraktorem (Dostál, Rais, Sojka, 2005). Stejné chování je samozřejmě typické i pro zákazníka, který je součástí trhu. Vstupními daty pro analýzu pomocí teorie chaosu jsou jednorozměrné časové řady o co řádově stovkách hodnot (čím více, tím lépe). Použitím teorie chaosu je možné zjistit, zda mají data nějakou vnitřní strukturu nebo zda se jedná o data náhodná. Již tento výsledek může znamenat cíl celého výpočtu. Pokud data nemají vnitřní strukturu pak nemá smysl se zabývat vlivy, které by mohly na data působit. Tyto vlivy jsou náhodné nebo prostě vůbec neexistují. 1 Tradičně je tento pojem vnímán jako stav neuspořádanosti, zmatku, stav kde vládne nepředvídatelnost, neuchopitelnost jakýchkoli struktur, stav blízký nicotě, stav neexistence řádu. 2 Název se vztahuje k myšlence, že i něco tak nepatrného jako mávnutí motýlích křídel zvíří vzduch v Pekingu, v konečném důsledku může vyvolat tajfun na polovině světa. 66
To může přinést mnohým firmám a analytikům velmi cennou informaci. Jestliže však je v datech nalezena nějaká struktura, pak má smysl tato data dále analyzovat s cílem zjistit, co je ovlivňuje. Následně pak lze vypracovat systém závislosti. (Hestley, 2005). Data v časové řadě lze vyhodnotit pomocí Hurstova esponentu, který určuje míru chaotičnosti časové řady. Dokáže rozlišit chaotickou (fraktální) časovou řadu od skutečně náhodné a nalézt dlouhodobý paměťový cyklus u chaotické časové řady. Hurstův exponent měří také rozeklanost časové řady a fraktální (neceločíselnou) dimenzi. Výpočet Ljapunovova exponentu kvantifikujícího citlivost k počátečním podmínkám umožňuje vyhodnotit spolehlivost predikce měřeného jevu. Vyjadřuje průměrný růst nekonečně malé chyby v počátečním bodě. Převrácená hodnota Ljapunovova exponentu pak udává prediktabilitu časové řady. Jestliže Hurstův exponent potvrdí, že časová řada má paměťový efekt a Ljapunovův exponent ohodnotí spolehlivost predikce, pak by predikce měla být kvalitní (Dostál, Rais, Sojka, 2005). 4 Výsledky Vztah zákazníka a poskytovatele je bez pochyby velmi složitým problémem právě proto, že je ovlivňován mnoha vlivy. Některé jsou člověku známé a dovede s nimi přesně kalkulovat, některé známé vlivy naprosto přesně kvantifikovat zatím nedokáže. Existují pak také síly neznámé ty které jev ovlivňují (třeba jen nepatrně), ale díky nízké úrovni lidského chápání nejsou brány v úvahu, neboť zdánlivě se zkoumaným jevem vůbec nesouvisí (např. vliv zvolení nové hlavy státu na spotřebu energií). V současné době člověk není schopen do předpovědi tak složitého jevu zahrnout všechny působící parametry. I kdyby tyto všechny vlivy zcela znal, nikdy nebude moci znát všechny počáteční podmínky s dostatečnou přesností tak, aby bylo možné přesně vypočítat dlouhodobou předpověď. Přesto v určitém časovém rozmezí (které se postupem doby stále prodlužuje) je možné s určitou pravděpodobností další vývoj odhadnout. Skutečnost, že dlouhodobé předpovědi nebývají příliš úspěšné, není tedy jednoznačně způsobena neschopností prognostických týmů, ale do určité míry je způsobena neodstranitelnou vnitřní vlastností vztahu zákazníka a poskytovatele, kterou je vyšší řád složitosti (jehož detailní poznání je omezeno současnými znalostmi). 5 Závěr V současné době i nadále dochází k rozvoji teorie chaosu. Její uplatnění se prolíná napříč všemi vědními obory. Nelze ji však chápat jako všezahrnující, schopnou beze zbytku popsat chování zákazníků na trhu a lidí ve společnosti vůbec. Nicméně již dnes dokáže poskytnout odpovědi na řadu otázek, které dříve byly spíše předmětem dohadů. Tím, že odtajňuje některé zažité zvyklosti, kterými se společnost řídí, potenciálně může posunout rozhodování člověka o krok dále blíže k reálné skutečnosti. Teprve v budoucnu se ale ukáže, jakou roli bude tato teorie skutečně hrát při zkoumání procesů odehrávajících se na trhu. 67
Literatura Dostál, P., Rais, K., Sojka, Z. Pokročilé metody manažerského rozhodování. 1. vyd. Praha: Grada Publishing, 2005, 168 s. ISBN 80-247-1338-1. Hestley a.s. Teorie chaosu [on-line] [2005] [cit. 2007-09-05] Dostupné na internetu: <http://analyzy.hestley.com/teorie-chaosu.htm>. Kout, J. Prevence odchodu zákazníka pomocí metod dataminingu. In IT Systems. roč. 8, č. 6, Brno: CCB, 2006, s. 28 30. ISSN 1802-002X. Parr Rud, O. Data Mining Praktický průvodce dolováním dat pro efektivní prodej, cílený marketing a podporu zákazníků (CRM). 1. vyd. Praha: Computer Press, 2001, 329 s. ISBN 80-7226-577-6 Přispěvatelé Wikipedie Teorie chaosu. Wikipedie: Otevřená encyklopedie. [on-line] [cit. 2007-09-09] [Datum poslední revize: 8. 9. 2007, 23:56 UTC] Dostupné na internetu: <http://cs.wikipedia.org/wiki/teorie_chaosu>. O autorovi Ing. Naděžda Chalupová, Ústav informatiky, PEF MZLU v Brně, Zemědělská 1, 613 00 Brno. nadule@pef.mendelu.cz Příspěvek vznikl v rámci řešení VZ MSM 6215648904/03/03/02. 68