Cos’è questa cosa chiamata Throughput Economics e come applicarla per prendere meglio le decisioni
PARTE 1 - INTRODUZIONE AL PROCESSO DECISIONALE
Tra i vari compiti del management – stimolare, guidare, coordinare, gestire – uno dei più importanti e impegnativi è sicuramente quello di prendere decisioni. Buone decisioni, possibilmente.
Per prendere buone decisioni è necessario svolgere un processo adeguato e disporre di buone informazioni.
Analizzeremo in breve il processo decisionale e metteremo a confronto le tecniche del Management Accounting tradizionale come strumento di supporto alla valutazione con il più recente modello chiamato Throughput Economics.
Il processo decisionale in azienda, soprattutto quando parliamo di decisioni che riguardano la sfera strategica e tattica, può essere complesso. Esso richiede lo svolgimento di una sequenza ben precisa di attività per raggiungere degli obiettivi intermedi fondamentali, senza i quali le fasi successive perdono di efficacia: la frenesia di “bruciare le tappe” ci pone spesso l’illusione di essere arrivati in fretta alla decisione, per poi ricevere continui push-back.
Con conseguenti ingenti perdite di tempo.
Veniamo alla sfera delle Informazioni. Nell’esecuzione del processo decisionale servono diversi tipi di informazioni: informazioni sulla domanda dai mercati, sui prodotti, sullo stato corrente della capacità produttiva, etc.
Alla fine, tutte queste informazioni vengono tradotte in rendiconti economico finanziari, che sintetizzano le diverse informazioni utilizzate ai livelli più bassi del processo in nuove informazioni per i vertici aziendali chiamati a prendere la decisione finale.
In merito alla trasformazione delle informazioni operative in informazioni economico-finanziarie per valutare le decisioni, metteremo a confronto le tecniche del Management Accounting tradizionale con il più recente modello chiamato Throughput Economics.
L’articolo è suddiviso complessivamente in due parti.
La Parte 1 - Analisi del processo decisionale - viene trattata in questo blog
La Parte 2 – Approfondimenti e confronto tra Management Accounting e Throughput Economics è disponibile scaricando l'articolo completo. Per chi ha voglia di approfondire il tema, l'articolo di 28 pagine offre una trattazione esaustiva con abbondanti esempi a supporto.
Buona lettura.
Introduzione al processo decisionale
Il processo decisionale scaturisce normalmente dalla necessità di risolvere un problema.
Per alcuni problemi estremamente ripetitivi e semplici, i processi decisionali sono così automatici da lasciare la sensazione che la decisione venga presa senza eseguire alcun processo.
Ho fame (il problema), mangio (la decisione)
Nonostante le apparenze, anche una decisione semplice come questa esegue un processo decisionale ben preciso.
Abbiamo una fase di raccolta dati: dei recettori cerebrali rilevano costantemente la concentrazione di glucosio nel sangue. Quando la glicemia scende al di sotto dei valori di guardia – metrica che segnala un problema - si innesca lo stimolo della fame. Quindi parte il processo valutativo che ci porta a decidere se mangiare o meno.
Anche in un processo così semplice si potrebbero insidiare dei conflitti: ad esempio il mio “io istintivo” che mi spinge a mangiare appena rilevo lo stimolo della fame, e il mio “io razionale” che invece mi frena perché “lo spuntino delle dieci” non è previsto dalla dieta che sto seguendo.
Il processo diventa sicuramente più complesso quando la decisione da prendere impatta non solo la sfera del decisore, ma anche altre sfere di influenza: è ciò che capita normalmente quando si devono prendere decisioni in azienda.
Volendo sintetizzare le fasi del processo, che la decisione sia ripetitiva, automatica o meno, il processo attuato è fondamentalmente il seguente.
1) Il primo passo consiste nell’identificare l’esistenza di un problema: i nostri recettori cerebrali che rilevano un basso tasso di glucosio.
2) Il secondo passo consiste nel concordare che il problema è meritevole di attenzione: un semplice languorino al quale posso resistere oppure devo assolutamente mangiare perché devo essere in forze per un esercizio fisico intenso che mi attende?
3) Il terzo passo è quello di qualificare i dettagli del problema, partendo dai sintomi, cercare di arrivare alla causa del problema stesso, raccogliendo dati per analizzarlo e renderlo oggettivo: mi è venuta fame perché sono passato davanti a una pasticceria con dolci fantastici esposti in vetrina, oppure perché sono effettivamente giorni che non mangio?
Nei primi tre passi siamo giunti a descrivere la situazione corrente. Trattandosi, tuttavia, di un problema aziendale che tocca verosimilmente diverse sfere di interesse, la sua rappresentazione non è condizione sufficiente affinché da essa scaturisca la volontà di risolverlo.
Per portare avanti il processo occorre ottenere il consenso che il problema esiste ed è meritevole di essere risolto.
Solo ottenuto il consenso, si può passare allo stadio successivo per identificare come risolvere il problema. In questa fase si sfrutta il lavoro degli step 2 e 3, arricchendolo con eventuali informazioni aggiuntive raccolte nella fase di condivisione.
Il primo passo è quello di formulare la direzione della soluzione per eliminare il problema centrale. Talvolta, ci possono essere diverse alternative per risolvere il problema: 1) mangio una barretta energetica; 2) mi fermo al bar e mangio un panino; 3) mi fermo ad un ristorante e faccio un pranzo completo.
In azienda, le diverse opzioni possono avere ricadute significativamente diverse, e quindi è opportuno formulare scenari per valutare le diverse opzioni, valutando per ognuno costi e benefici. Per farlo è necessario definire i dettagli delle soluzioni, al fine di poter arrivare ad una loro valutazione costi-benefici: 1) ho la barretta energetica nello zaino e se scelgo questa opzione non perdo tempo per le mie commissioni; 2) ho 5 euro in tasca e ho dimenticato il bancomat.
Eliminando le opzioni meno vantaggiose o “non affordable” (non posso andare al ristorante con soli 5 euro) si arriva a stilare una short-list delle possibili soluzioni da implementare, che nel nostro esempio si limitano a due: 1) mangio la barretta; 2) vado al bar e mangio un panino.
Nella sfera aziendale, per decisioni particolarmente complesse, per arrivare a questo punto saranno stati necessari diversi meeting di consenso sulle diverse opzioni, in quanto la costruzione dei dettagli delle possibili soluzioni da sottoporre a decisione richiede una interazione e un processo in team, e perché spesso la decisione viene presa da un terzo rispetto a chi ha definito la soluzione. Raggiunto il consenso all’interno del gruppo di lavoro, si arriva a presentare e discutere le proposte con il management intitolato a prendere la decisione finale – i decision-maker.
Decisa la soluzione al problema, si entra nella fase attuativa ed esecutiva per implementarla.
Il processo illustrato vale sia per decisioni complesse che per decisioni aziendali più ripetitive, che in alcuni casi possono essere delegate ai software gestionali.
Prendiamo per esempio il processo di Material Requirements Planning (MRP).
Si tratta del processo che genera ordini di supply pianificati al fine di soddisfare i fabbisogni di materiali generati dalla domanda e dai piani di produzione. Il processo avviene quasi del tutto automaticamente, lasciando al material planner sostanzialmente il solo compito di confermare le decisioni (gli ordini proposti dal sistema) e di gestire le eccezioni.
1) Il software di MRP identifica l'esistenza di un problema: un materiale raggiungerà il punto di riordino ad una certa data e deve essere approvvigionato per non andare in rottura di stock.
2) Il software raccoglie i dati nel sistema e qualifica il problema: entro quando si deve ripristinare lo stock per non andare in stock-out.
3) Il consenso che il problema esiste è già presente implicitamente nel sistema: il punto di riordino è stato definito dentro il sistema tramite una policy.
4) La risoluzione del problema consiste nel decidere quanto, quando e a chi ordinare i materiali necessari per ripristinare lo stock: la decisione è già indirizzata nel sistema con dei parametri quali le quote di fornitura, i lotti di riordino, i lead times, etc.
5) I software di MRP lavorano a capacità infinita per cui non sono idonei per costruire scenari simulativi realistici. Per lavorare per scenari le aziende si avvalgono di sistemi di APS (Advanced Planning & Scheduling) che tengono in considerazione il carico sui vincoli.
6) Pertanto, l’ultimo step è la verifica della fattibilità delle proposte e delle eccezioni.
7) Il processo si conclude con la generazione di ordini pianificati che vengono approvati dal material planner e rilasciati come ordini effettivi.
8) Il processo di approvazione manageriale risulta necessario per la gestione delle eccezioni.
Ci sono altre decisioni che non possono essere delegate totalmente ai sistemi, in quanto richiedono una certa quantità di “giudizio manageriale” e allo stesso tempo assume maggior rilevanza anche la sfera dell’intuito. Per citarne alcune:
Decisioni di make or buy.
Decisioni di investimento.
Decisioni di pricing.
Decisioni di mix produttivo.
In questi casi una Business Control Tower evoluta potrebbe fornire delle indicazioni, proporre possibili azioni di risoluzione del problema, ma in genere la decisione richiede l’intervento manageriale per essere avvallata. Stiamo parlando di business control tower che oltre allo strato “passivo” (ossia reporting) hanno uno strato “reattivo” e “proattivo”, a seconda degli eventi e dei livelli di intelligenza “cablata” nel software.
La Business Control Tower può suggerire azioni di protezione: ad esempio in caso di over-load su un centro di lavoro, e conseguente analisi del potenziale impatto sul service level ai clienti, la Control Tower potrebbe formulare una proposta di shift di risorse da un altro centro di lavoro che ha le skills necessarie e non ha un eccessivo load.
Un esempio di informazione proattiva potrebbe essere il seguente: analizzando un aggiornamento dei prezzi dei prodotti dei competitors sul mercato, ed avendo determinate informazioni di marginalità interna, la Control Tower potrebbe formulare scenari di riduzione del prezzo per acquisire quote di mercato ed il conseguente impatto sulla marginalità e conto economico.
Qualunque sia la decisione da prendere, automatizzabile o meno, per prendere una buona decisione è necessario avere un modello di valutazione e un sistema di metriche efficace: in primis nei paradigmi che guidano il management e successivamente “cablati” nella Business Control Tower
La qualità della decisione: informazioni, modello di valutazione, metriche e dati
La qualità di una decisione razionale dipende da diversi elementi. In primis dalla qualità e completezza delle informazioni necessarie e sufficienti per valutare la decisione stessa, più una componente di intuito quando alcune informazioni non sono disponibili e certe, ma devono essere derivate da analisi di contesto.
Siamo tutti d’accordo che le informazioni giocano un ruolo fondamentale. Ma cosa è realmente una informazione?
“Information is the answer to the question” (E. Goldratt – The Haystack Syndrome)
Il punto che vogliamo evidenziare è il seguente: non esiste informazione se non esiste una domanda. In assenza di domanda ed in assenza di uno scopo, ciò che rimane sono solamente dei dati.
Per validare questa affermazione, è sufficiente un semplice esempio: siamo nell’azienda ABC ed immaginiamo di avere a disposizione il database con l’indirizzo dei nostri clienti. Prendiamo l’indirizzo del cliente XYZ.
Che cosa rappresenterebbe per noi questo indirizzo se fossimo nei panni del CFO? A meno che non si debba andare a fare una visita al cliente e si chieda alla segretaria come raggiungerlo, il più delle volte l’indirizzo del cliente sarà per il nostro CFO semplicemente un dato.
Mettiamoci ora nei panni dell’addetto alle spedizioni: che cosa rappresenterebbe in questo caso l’indirizzo del cliente? Se al momento non devo spedire nulla al cliente, esso rimane per noi ancora un semplice dato.
Ma se dinanzi a me trovo un pacco con scritto “Da spedire al cliente XYZ il 20/12/2022”, la prossima domanda che dovrei fare è “a quale indirizzo devo spedire il pacco?”
Ecco che con uno scopo ed una risposta ad una precisa domanda, ciò che era un semplice dato è diventata informazione.
In altri termini possiamo qualificare:
Dati = una striga di caratteri che descrive la realtà corrente;
Informazione =la risposta ad una domanda.
Nell’esempio precedente, come in ogni processo informativo, per trasformare il dato in informazione è avvenuto un processo deduttivo: avendo davanti a me un pacco che dice “da spedire al cliente XYZ” ed essendo l’addetto alle spedizioni devo preoccuparmi di fare arrivare il pacco a destinazione; quindi, l’informazione di cui ho bisogno è l’indirizzo al quale inviare la spedizione per pianificarla e organizzarla
All’interno del processo informativo e decisionale il modello deduttivo e le metriche sono il motore che fanno funzionare l’intero processo in quanto definiscono i paradigmi applicati nei diversi step di processo. I dati sono la benzina che utilizziamo per muovere il motore.
Modello deduttivo e metriche ci influenzano nel formulare le domande necessarie a identificare e qualificare il problema, nel decidere come misurare il problema e nel valutare le diverse possibili soluzioni per fare la scelta.
Il modello deduttivo è il processo che, a partire dall’osservazione della realtà e dei dati che la descrivono, applica dei filtri cognitivi che ci portano a fare le domande per tradurre i dati in informazioni, dalle quali scaturiscono le azioni (o le non azioni) come, ad esempio, rilevare che esiste un problema o non rilevarlo come tale, oppure i criteri per scegliere l’opzione più adatta per risolverlo, e così via.
Ad esempio, il sistema di inventory management potrebbe essere istruito a riordinare un certo materiale solo al raggiungimento del punto di riordino: il sistema produrrebbe gli ordini pianificati al raggiungimento di tale punto e prima non farebbe assolutamente nulla. In alternativa, il sistema potrebbe essere istruito a produrre ordini di replenishment quotidianamente, in base alle quantità consumate, ottenendo un comportamento totalmente diverso.
Le metriche rappresentano i fattori in base ai quali misurare, confrontare e fare un ranking tra diverse opzioni decisionali. Le metriche possono essere impiegate in tutte le fasi:
Per rilevare che esiste un problema: un crollo della metrica di Service Level al cliente ci segnala che abbiamo probabilmente un problema nella supply chain
La stessa metrica, combinata con altre metriche, può essere utilizzata per valutare l’impatto di una possibile azione di miglioramento.
Per limitare il più possibile la soggettività, è necessario che il sistema di metriche sia ampiamente condiviso.
Quali requisiti devono soddisfare il modello di valutazione e il sistema di metriche quando devono essere applicati al processo decisionale?
Tra le diverse opzioni disponibili, devono permettere di identificare quella più produttiva, ossia quella che avvicina di più l’azienda al proprio obiettivo.
Come decidere se una metrica è efficace o meno a tale scopo?
Una metrica è efficace se e solo se è in grado di rappresentare una relazione di causa-effetto tra la decisione e il goal. Se il goal dell’azienda è quello di fare profitti, è oltremodo necessario utilizzare metriche in grado di valutare l’impatto finanziario della decisione.
La struttura gerarchica delle informazioni
Abbiamo spiegato la differenza tra dati e informazioni, identificando la discriminante trai due nell’esistenza di uno scopo e di una domanda necessaria per derivare l’informazione necessaria per raggiungere lo scopo.
Ora spieghiamo il concetto di struttura gerarchica dell’informazione.
Immaginiamo la seguente situazione in cui il direttore di stabilimento chiede al proprio controller industriale “Quanto è costato il prodotto C questo mese?”
La prima osservazione che dovremmo fare è che la domanda è mal posta, perché ci sono infiniti modi per rispondere alla domanda (Costo variabile, costo ultimo, costo diretto, costo pieno industriale, etc.). Questo ci mostra come la qualità della domanda è correlata con la qualità dell’informazione.
Quindi il nostro controller o fa la domanda diretta al proprio direttore di stabilimento “quale configurazione di costo vorresti conoscere?”, oppure potrebbe chiedere “per quale scopo?” E di qui dedurre la risposta più adatta da fornire.
Ipotizziamo che si sia concordato che l’informazione di costo ricercata sia il costo pieno industriale.
Se il nostro controller fornisse al suo direttore un report con la BOM del prodotto C, le routings del prodotto e le tariffe actual orarie: avrebbe fornito una informazione al suo direttore di stabilimento? No, avrebbe fornito solo dati.
Allo stesso tempo, BOM, Routings e Tariffe sono invece informazioni per il controller che deve rispondere al direttore di stabilimento quanto è costato C.
Informazioni per il controller, dati per il direttore di stabilimento: la struttura gerarchica dell’informazione inizia a delinearsi.
Diciamo che subito dopo il CEO chieda in riunione ai suoi manager “è ancora conveniente produrre e vendere il prodotto C?” Il direttore di stabilimento risponde: “il prodotto C ci costa 27€ al pezzo”. Ha risposto alla domanda?
Quella che per lui era una informazione è diventato un semplice dato rispetto alla domanda posta dal CEO. Solo unendo questo dato con il prezzo di vendita e applicando un modello deduttivo (Management Accounting), il dato si può trasformare in informazione per il CEO.
“Il prodotto C lo vendiamo a 25€, riporta il direttore commerciale, e se come afferma John, ci costa 27€ al pezzo, forse ci conviene smettere di produrlo e venderlo”.
Questa è l’informazione per il CEO: forse corretta o forse no. Lo scopriremo dopo.
Modelli Deduttivi e Metriche Finanziarie
Poiché il Goal di una azienda for profit dovrebbe essere quello di fare profitti ora e in futuro, siete d’accordo che sarebbe preferibile utilizzare metriche che abbiano il segno dei “dollari”? Ossia in grado di misurare l’impatto finanziario di una decisione?
Va benissimo utilizzare metriche operative, metriche che misurano il clima aziendale, metriche che misurano la soddisfazione del cliente, ma convenite sul fatto che avere tali indicatori in uno stato di perfezione, è di scarsa utilità se l’azienda perde denaro quotidianamente? Significa che esiste un problema centrale più grave da risolvere. E peraltro, difficilmente una azienda non profittevole sarà in grado di prestare nel tempo la stessa attenzione alla sostenibilità ambientale e alla felicità dei propri dipendenti: essa si troverà verosimilmente costretta a spegnere incendi tutti i giorni per combattere per la propria sopravvivenza, a meno che non riesca a risolvere il proprio problema centrale.
“Three necessary conditions for success: 1) Make money now as well as in the future; 2) Provide satisfaction to the market now as well as in the future; 3) Provide a secure and satisfying environment to employees now as well as in the future” (E. Goldratt).
Le metriche finanziarie aiutano peraltro a “disambiguare” certe metriche operative.
Prendiamo una metrica operativa che molti addetti ai lavori conoscono: l’OTIF, ossia On Time – In Full, che misura la capacità dell’azienda di soddisfare gli ordini dei propri clienti alla data richiesta, consegnando esattamente le cose richieste e l’esatta quantità ordinata. L’indicatore si misura come percentuale degli ordini evasi completamente entro la data promessa al cliente.
Ipotizziamo che per 3 mesi consecutivi l’azienda abbia raccolto 100 ordini al mese, ed ogni mese ne abbia consegnati in full 98. Significa che l’azienda ha raggiunto un OTIF costante del 98% per tre mesi di fila. Se venissimo chiamati a commentare la performance sulla base di tale indicatore, forniremo un commento più o meno di questo tipo:
“l’azienda ha saputo mantenere risultati eccellenti di risposta al mercato con continuità negli ultimi tre mesi”.
Aggiungiamo ora il segno dei dollari alla metrica e proviamo a riformulare il giudizio. Per farlo, ipotizziamo che gli ordini raccolti in ogni mese abbiano un valore costante di $1.000.000, che i due ordini inevasi nel primo mese valgono 1.000$; i due ordini inevasi nel secondo mese ne valgano 10.000$ e che i due ordini inevasi nel terzo mese ne valgano 200.000$.
Ce la sentiamo ancora di commentare con lo stesso compiacente entusiasmo la performance conseguita misurata tramite il solo OTIF?
Parlando di modelli deduttivi e di metriche economico finanziare, abbiamo fondamentalmente due modelli tra cui scegliere.
Il Management Accounting, il modello più conosciuto ed ancora oggi in uso presso le aziende. Un modello deduttivo di tipo finanziario che si basa sui dati prodotti dal Cost Accounting. L’accelerazione per arrivare alle nozioni ancora attualmente utilizzate del cost accounting, si ebbe tra il 1880 e i primi anni del 1900. Fondamentale per la sua diffusione sono il lavoro messo a punto da Jerome Lee Nicholson[i] e Frank Donaldson Brown[ii].
Il Throughput Economics[iii], il modello deduttivo sviluppato dalla Theory of Constraints per l’analisi finanziaria, le cui fondamenta sono state gettate ai primi degli anni ’80 partendo dalle logiche del Throughput Accounting[iv], per trovare ulteriore spinta in anni recenti, frutto dell’incessante lavoro dei “Practitioner” della TOC.
Parliamo di circa cento anni di differenza tra le due metodologie.
Una piccola disquisizione per addetti ai lavori: Throughput Economics sta al Throughput Accounting come il Management Accounting sta al Cost Accounting. Gli antecedenti della proporzione sono gli strumenti che definiscono il modello deduttivo; i termini conseguenti declinano le tecniche di rilevazione e classificazione dei dati contabili per alimentare il modello deduttivo.
Entreremo nei dettagli delle due metodologie nella seconda parte dell’articolo. Per ora ci limitiamo a riepilogare le implicazioni e i vantaggi del Throughput Accounting e Throughput Economics.
I curiosi che vorranno approfondire possono cimentarsi con la seconda parte dell’articolo.
Implicazioni e vantaggi di Throughput Economics
Nella seguente tabella valutiamo le due metodologie in termini di efficacia su diversi aspetti di valutazione delle decisioni e con riferimento alla loro utilizzabilità all’interno di processi di simulazione per scenari.
Spunti di Riflessione a chiusura di questa prima parte
Abbiamo spiegato come il processo decisionale sia fortemente impattato dalla scelta dei modelli di valutazione e delle metriche
Abbiamo spiegato che, dal momento che il goal delle aziende è fare profitti, metriche e modello di valutazione devono essere di tipo finanziario ed essere coerenti con tale obiettivo.
Infine abbiamo introdotto brutalmente il Throughput Economics sostenendone la superiorità da tutti i punti di vista rispetto ai modelli tradizionali di Management e Cost Accounting
Nella seconda parte dell’articolo scaricabile qui spiegheremo in quale modo Throughput Economics sia superiore al entrando nei dettagli delle diverse aree di valutazione.
Per ora ciò che vogliamo lasciare sono alcuni spunti di riflessione ai quali invitiamo il lettore curioso a provare a dare una risposta.
Perché si continua a trascurare nei sistemi di controllo del management accounting un effetto importante come la variabilità?
Possiamo ancora permetterci di basare le valutazioni su un sistema che non distingue la criticità delle diverse risorse ed ignora i vincoli?
Quali sono gli effetti negativi di un modello di metriche che incentiva gli ottimi locali?
Il management accounting è realmente efficace a spiegare i fenomeni e ad ottenere l’attenzione del management?
Ed un breve questionario
È prioritaria la ricerca dell’efficienza del flusso o dell’efficienza di risorsa?
Efficienza del flusso
Efficienza delle risorse
Non so
Un’ora di tempo persa ad un vincolo è paragonabile ad un’ora di tempo persa da un’altra risorsa non vincolo?
Dipende dal costo orario delle due risorse
No, perché un ora persa dal vincolo è persa per sempre
Non saprei
Perdiamo realmente capacità informativa se non calcoliamo il costo pieno dei prodotti rinunciando all’allocazione dei costi per fini manageriali?
No, anzi è meglio non allocare i costi fissi
Si, perchè avrei difficoltà a fissare i prezzi di vendita
Non saprei
CONTATTACI PER SCOPRIRE DI PIÙ
Con la nostra esperienza trentennale sulla Theory of Constraints, Lean e Six Sigma, APICS e best practice della Supply Chain, in Real Throughput potrai trovare una squadra di consulenti esperti per indirizzare con successo i tuoi programmi di Business Transformation."
Aiutiamo aziende leader in diversi settori ad attuare con successo programmi di trasformazione articolati e trasversali a tutta l’organizzazione – Sales, Operations, Supply Chain e Finance - raggiungendo incrementi di profittabilità a double digit e migliorando sostanzialmente il ROI del capitale investito.
Collaboriamo con la squadra internazionale ASCM che ha ridefinito il framework mondiale di riferimento della supply chain (ASCM SCOR DS®), promuovendo ulteriormente l’adozione della Theory of Constraints e Throughput Economics tra le best practice di riferimento.
Per informazioni:
© 2022 – Real Throughput – All Rights Reserved
Note e Bibliografia
[i] “Nicholson in Factory Organization and Costs” – 1909 [ii] Financial executive e corporate director in DuPont e General Motors Corporation. È l’ideatore del metodo chiamato DuPont Analysis [iii] “Throughput Economics – Making Good Management Decisions” – E. Schragenheim, H. Camp, R. Surace - Rutledge, Taylor & Francis Group, 2019 [iv] “The Haystack Syndrome. Sifting information out of the data ocean”, E. Goldratt – North River Press, 1991
Comments