Qualsevol empresa, empresa, campanya requereix certs riscos que puguin afectar el resultat final de la seva implementació. La implementació d’una estratègia empresarial implica un canvi en els drets, obligacions i obligacions dels empresaris, possibles ocurrències de processos no desitjats i no utilitzats anteriorment, així com d’altres conseqüències.
Per escollir el conjunt d’accions adequat per assolir el resultat d’una activitat, cal tenir en compte la possible influència dels efectes secundaris per tal que l’esdeveniment concebut no perdi el seu sentit. Qualsevol esquema tàctic (estratègic) ha de ser objecte d’anàlisi de riscos abans de l’ús per tal de minimitzar-los.
L’anàlisi del risc de l’empresa (empresa) comença amb la seva avaluació. Per a això, cal triar una metodologia d’avaluació que ha de satisfer els requisits de seguretat d’un determinat tipus d’activitat i els reguladors legals d’aquesta activitat.
L’anàlisi del risc requereix l’ús de la informació disponible per avaluar la probabilitat que es produeixin certs esdeveniments i la possible magnitud de les seves conseqüències.
Per regla general, els riscos s’entenen com a esdeveniments i circumstàncies negatives, per exemple, pèrdues durant l’empresa, desastres naturals amb greus conseqüències, etc. No obstant això, l’anàlisi del risc ajuda a identificar possibles conseqüències positives. És necessari detectar problemes futurs i valorar les perspectives de desenvolupament.
L’anàlisi del risc es realitza a nivell quantitatiu i qualitatiu (els mètodes d’anàlisi del risc es seleccionen individualment).
En una anàlisi quantitativa, als fenòmens estudiats s’assignen valors numèrics (quantitatius), s’utilitzen dades empíriques. A aquest nivell, l’anàlisi és de naturalesa extremadament objectiva i precisa (per aquest mètode).
L’anàlisi qualitativa inclou una avaluació interna (instintiva) de les circumstàncies. A aquest nivell, es permet la subjectivitat i els dubtes relacionats.
En comparació d’aquests dos nivells d’anàlisi, cal aprofundir més en quantitatiu. Es pot fer de moltes maneres.
L'enfocament determinista utilitza estimacions puntuals. Per entendre quin és el resultat en els casos individuals, s'assignen certs valors diferents esdeveniments. Per exemple, en el model financer, es poden considerar les opcions següents: la pitjor (pèrdues futures), la millor (benefici futur) i la més probable (benefici moderat, relatiu).
En aquest cas, el mètode té diversos inconvenients: no té en compte els nombrosos escenaris possibles, sinó que només es concentra en algunes versions bàsiques (totes considerades equivalents); factors insuficientment considerats que poden influir en el desenvolupament de la situació, la qual cosa condueix a una simplificació del model. Tot i això, moltes empreses utilitzen aquest enfocament, malgrat la fiabilitat relativament baixa dels resultats de tal anàlisi.
L’anàlisi del risc d’estocàstica (mètode Monte Carlo) és més fiable. Amb aquest enfocament, els paràmetres inicials es presenten com a rangs de valors (produeixen una distribució de probabilitats). A més, diferents variables tenen diferents probabilitats de conseqüències. Els valors es seleccionen aleatòriament en funció de possibles distribucions de probabilitats.
Les mostres s’anomenen iteracions. Els resultats de la mostra es registren. Per dur a terme la simulació, el procediment de mostreig es repeteix centenars de vegades, per tant, aquests resultats són molt més capaços de revelar la probabilitat dels esdeveniments previstos. Les dades d'aquest modelatge poden demostrar no només esdeveniments futurs, sinó que també mostren la probabilitat que es produeixin. Els resultats es poden representar gràficament, així com reflectir la seva sensibilitat, és a dir, mostrar quina de les variables ha afectat més el resultat. Amb aquest mètode, també és possible mostrar les relacions entre les variables originals.
El més convenient és fer una anàlisi de riscos quantitatiu sobre la base de fulls de càlcul Excel, ja que les eines d’aquest programa us permeten afegir noves funcions per poder distribuir probabilitats i obtenir resultats més precisos.
