Részvénypiaci Tudatos KisBefektetőként, ha hajlandó vagy tanulni, hamar megismered, meg kell ismerned a kockázatokat. Ha ezt elmulasztottad volna, akkor javaslom Prof. Aswath Damodaran Vállalati Pénzügyek online képzésének legalább a Chapter 3 és Chapter 4 részeit átfutni. Vedd figyelembe azonban, hogy a tőzsdei befektetésekkel kapcsolatosan a kockázat fogalmáról komoly szakmai vita folyt és folyik. Ennek megértéséhez érdemes elolvasni David Dreman könyvét is. Jobb helyeken hallasz olyanokról is, mint a bróker- és országkockázat. Ahogy azonban a saját utamat jártam, szembesültem egy olyan rizikóval, amiről korábban nem hallottam. Ezt magamnak „módszertani” kockázatnak kereszteltem el.
A legtöbb Tudatos KisBefektető követ valamilyen elemzői szolgáltatót. Ezek többsége (és itt most kizárólag a valamire való, valóban értéket adókról beszélek) kínál valamilyen bizonyítottan eredményes metódust. Sokan ezt vakon követik. Ezt nem javaslom, még akkor se, ha úgy tűnik, a módszer működik. Kevesekben felmerül annak az igénye is, hogy akár sok évnyi tanulás árán, de mélységeiben megértsék, mit is művel a szolgáltató elemzés címszó alatt. Ezt már a tudatosság egy magasabb fokának tartom.
Én azonban az „ultrakonzervatívok” azon táborába tartozom, akik felteszik maguknak a kérdést: Mi történik a portfóliómmal, a családi megtakarításom adott esetben komoly részével, ha holnaptól akármilyen okból nem jutok hozzá a kiválasztott szolgáltatáshoz? Tudom-e folytatni magamtól az elemzést, a portfólióm monitorozását? Tudom-e a gyakorlatban reprodukálni, amit a szolgáltatóm csinált?
Megpróbáltam, és arra jutottam, hogy Tudatos KisBefektetőként nem sok esélyem van. Hiába a sok évnyi tanulás, hiába, hogy okosan el tudom magyarázni bárkinek, hogyan működik a tőzsde és a részvényelemzés, de mikor a gyakorlatra kerül a sor, elvérzek. Részben azért, mert a gyakorlatnak ezen a szintjén már egy másik „liga”, a Data Science arénájában találtam magam. Másrészt egyszerűen a KisBefektetői létem, tipikusan a fájdalmasan korlátozott időm és pénzem okán. Tudatos KisBefektetőként nincs dollárban ötszámjegyű összegem évente a minőségi adatokra. És még ha így vagy úgy, de hozzáférek a nyers adatokhoz, azoknak a tisztítására, előkészítésére, elemzésre alkalmassá tételére, majd magára az elemzésre pedig időm nincs. És akkor még csak a kvantitatív elemzésről beszéltünk. Hol van még a kvalitatív elemzés része? Itt vesd össze a lehetőségeidet egy Warren Buffettel, aki ötven éven át napi 8-10 órát olvasott pénzügyi jelentéseket.
Ez tehát egy kockázat, amit, ha kezelni szeretnél, bajban vagy. Pontosabban voltál 
.
Az AI átlagemberek részére is elérhetővé válásával a játék szabályai változóban vannak. Felcsillant annak a lehetősége, hogy az erőforrásbeli hátrányod, mint az idő, vagy bizonyos szaktudás (tipikusan a kódolás, adatbázis-kezelés, matematikai statisztika, stb.) ne jelentsenek többé gátat. Gondolj úgy az AI-ra, mintha már nem egyedül dolgoznál az elemzéseden, hanem a világ legokosabb szakembereiből álló szakembergárda lenne melletted. Ugyanakkor ez nem jelentheti az AI-ra való kritika nélküli támaszkodást, nem válthat ki téged, mint felelős döntéshozót és a Data Science bizonyos alapvetéseinek az elsajátítását sem úszhatod meg. Ám olyan lehetőségek nyílhatnak meg előtted, melyekre korábban még csak nem is gondolhattál.
Az AI (pontosabban az AI által támogatott adatelemzés) egy eszközrendszer, melynek megtanulásába (ideértve a Data Science alapjait is) ugyanúgy időt és energiát kell fektetned, mint magába a részvényelemzésbe, de ha erre hajlandó vagy, akkor tudod kezelni a módszertani kockázatot is.
Az adatvezérelt döntéshozásról ma már minden cég beszél, de jóval kevesebben csinálják jól. Hárombetűs rövidítések (KPI, OKR, ERP, CRM) lepik el a prezentációkat, miközben a valódi kérdés az lenne: tényleg azt mérjük, ami a tulajdonosok számára értéket teremt? Vagy csak kipipáljuk az „adatvezéreltség” és a „digitalizáció” buzzwordjeit, miközben csendben égetjük a tőkét.
Az adatvezérelt döntéstámogatás folyamatának egyik kritikus lépése a megfelelő metrikák megválasztása.
Tudtad, hogy a rosszul meghatározott KPI ok és ösztönzők alapján simán el lehet vezetni egy vállalatot hatalmas bónuszokért úgy, hogy valójában a menedzsment nem tesz le valódi hozzáadott értéket az asztalra?
Tudtad, hogy még ha a vezetés jóhiszemű és hozzáértő is, akkor is tud tulajdonosi értéket rombolni egyszerűen a rosszul megválasztott metrikák eredményeként?
Tudtad, hogy külön irodalma van annak, hogyan lehet a klasszikus számviteli mutatókat törvényes keretek között – akár akaratlanul, akár szándékosan – manipulálni a vezetés érdekében, a tulajdonosok rovására? Olvass tovább a részletekért!
