A legtöbb sikeres szervezet elsődleges célként kezeli az adatvezérelt döntéshozatalt, és vallásos buzgalommal törekszik rá. Az adatvezérelt döntéshozatal, az ahhoz vezető lépések és az, hogy az AI hogyan változtatja meg azt, azonban nincsenek jól definiálva.

Egy AI-first vállalatnál az adatvezérelt döntéshozatal azt jelenti

• A stratégiai döntéseket egy sokszínű csoport hozza meg, beleértve a vezetőket is, amelyek kellően átfogó, jó minőségű információhalmazra támaszkodnak. Definíció szerint egy rossz stratégiai döntésnek elég fontosnak kell lennie ahhoz, hogy a vállalat csődjéhez vezessen.
• Lesznek olyan jelentős üzleti következményekkel járó operatív döntések, amelyeknél az out-of-the-box megoldások nem vezetnek kielégítő eredményre. Ezeket a személyre szabott gépi tanulási modellek generálják. Ezek a modellek építhetők adattudományi versenyek lefolytatásával, házon belüli csapatokkal vagy az iparág vezetőivel való együttműködéssel.
• A legtöbb más operatív döntést folyamatosan tanuló gépi tanulási modellekkel kezelik, amelyek megmagyarázható döntéseket hoznak. Az operatív döntések gyakoriak (hetente egyszer vagy gyakrabban) és nem kritikusak (egyetlen hiba valószínűleg nem vezet a vállalat csődjéhez).
• Azokat az operatív döntéseket, amelyeket nem lehet jó pontossággal automatizálni, emberekre bízzák.
  • Ha nincsenek adatok, véleményen alapuló döntések születnek.
  • Ha vannak adatok, és azokat már elemezték, a döntéshozó az elemzésre hagyatkozik.
  • Ha vannak adatok, de még nincsenek elemezve, az elemzés költsége határozza meg, hogy véleményen vagy adatokon alapuló döntés születik.

Mielőtt megállapodnánk a modern vállalatok döntéshozatali keretrendszerében, meg kell határoznunk, hogyan értékelhetjük a különböző döntéshozatali modelleket. Ha azonban szeretné, közvetlenül is átugorhatja az Önt érdeklő részeket:

Miért fontos?

Noha nyilvánvaló, hogy az adatvezérelt döntéshozatal fontos, kár lenne, ha nem lennénk adatvezéreltek a bizonyításban. Bár az adatvezérelt döntéshozatalra vonatkozó mennyiségi adatokat nehéz beszerezni, jelentős bizonyíték van arra, hogy

• a generált adatok mennyisége növekszik. A Domo 2017-es elemzése szerint naponta 2,5 kvintillió bájtnyi adatot hozunk létre. A világ mai adatainak 90%-át az elmúlt két évben hozták létre.
• a vállalatok egyre többet fektetnek be az adatokba és a gépi tanulási technológiákba, hogy betekintést nyerjenek ezekből az adatokból.

A New Vantage Partners készített egy vonatkozó felmérést, a vállalatok Big Data beruházásairól. Az eredmények rávilágítanak arra, hogy a vállalkozások a Big Data vállalaton belüli bevezetésével próbálnak előnyre szert tenni. Íme a felmérés adatai:

Hogyan értékeljük a különböző döntéshozatali modelleket?

A döntéshozatalnak 3 KPI-je van: Gyorsaság, minőség, ellenőrizhetőség. Ezek bármelyikének hiánya kritikus kudarcokhoz vezethet.

• A lassú döntéshozatal megbénítja a szervezeteket, és lehetővé teszi a versenytársak számára, hogy piaci részesedést szerezzenek.
• A rossz döntések kudarchoz vezetnek. Egy rossz döntés, bármennyire is jól végrehajtott, nem valószínű, hogy értéket teremt. Például a Motorola döntése, hogy folytatja a több milliárd dollárba kerülő Iridium műholdakba való befektetést, nagy leírást eredményezett a vállalat számára. A nagyszerű végrehajtás nem tudta megváltoztatni az eredményt, mivel a mobilkommunikáció az Iridium-telefonok bevezetésének idejére már olcsóbb és jobb minőségű alternatívát nyújtott a műholdas telefonok helyett.
• Ha a döntések nem ellenőrizhetők, nehéz javítani rajtuk. A döntés minősége a döntés idején nehezen mérhető, de később más alternatívák és az aktuális piaci feltételek figyelembevételével megbecsülhető. Az ilyen utólagos elemzésnek jobb döntésekhez kell vezetnie

Mik a különböző döntéshozatali modellek?

A döntési modellek a legalacsonyabb fejlettségi szinttől kezdve a következők:

1- Véleményalapú

Míg gyors döntéseket biztosít, a döntés minősége alacsony lehet, ami veszélyes a stratégiai döntéseknél. Ugyanakkor alkalmazható a gyors döntéshozatalra olyan esetekben, amikor:

• Nem állnak rendelkezésre magas minőségű adatok
• Az elemzés költsége több, mint a jó döntés értéke

2- Korlátozott mennyiségű adat alapján

Az adatminőségi vagy rendelkezésre állási problémákkal küzdő szervezetek valószínűleg korlátozott mennyiségű adatra támaszkodnak a döntéshozatal során. Ez potenciálisan a legveszélyesebb döntéshozatali modell, mivel a döntéshozók korlátozott mennyiségű adatot használhatnak fel véleményük alátámasztására, ami széles körben támogatott, de véleményen alapuló döntésekhez vezethet.

A tanácsadói projektek jelentős része ebbe a kategóriába tartozik, ahol a tanácsadókat arra ösztönözhetik, hogy korlátozott mennyiségű adatpontokat találjanak a véleményen alapuló hipotézisek alátámasztására.

A döntések minősége jobb lehet, mint a véleményen alapuló döntéshozatalé, ha a döntéshozók nyitottak az új információkra, figyelembe veszik a pszichológiai elfogultságokat, variálják a megközelítésüket a jósláshoz (belső szemlélet vs. külső szemlélet) és inkább válaszokat keresnek, mint a véleményüket alátámasztó adatokat keresik.

3- Adatvezérelt döntéshozatal kézi elemzéssel

Ez a modellhez az adatoknak elérhetőnek és jó minőségűnek kell lenniük, és az adatok helyességéről konszenzusra van szükség. Ez a megközelítés olyan fontos döntéseknél előnyösebb, ahol az időzítés nem kritikus, és ahol az automatizálás költségei az előnyökhöz képest megfizethetetlenek.

Ezek lehetővé tételéhez a vállalatoknak a következőkre van szükségük:

• hatékonyan és eredményesen kezelik adataikat
• biztosítják az adataik minőségét
• nagy teljesítményű analitikai/üzleti intelligencia eszközökre támaszkodnak

4- Automatizált adatvezérelt döntéshozatal

Az adatok rendelkezésre állnak, jó minőségűek, az adatok helyességéről egyetértés van, és azokat feldolgozták, így a döntések automatikusan születnek. Az eredmények alapján a döntéshozatali modell idővel folyamatosan fejleszti magát. Az ellenőrzés azonban kihívást jelent, ha a döntések indoklása nem történik meg.

Eléréséhez a vállalatoknak a legújabb gépi tanulási és mesterséges intelligencia megközelítéseket kell alkalmazniuk, hogy az adataik alapján automatizált, működőképes modelleket hozzanak létre.

5- Automatizált adatvezérelt magyarázható döntéshozatal

Az automatizált adatvezérelt döntéshozatal mellett magyarázható gépi tanulási modelleket használnak a döntéshozatalhoz. A magyarázatok segítenek a döntések ellenőrzésében és a mögöttes modell folyamatos javításában az automatizált folyamatos tanuláson felüli manuális beavatkozások révén.

Miért írtam ezt?

Szakmai pályafutásom nagy részét a McKinsey-nél töltöttem, ahol az adatvezérelt döntéshozatal az egyik alapelv. Ez egy nagyszerű elv volt, de elég nagy kihívás volt tanácsadóként megvalósítani belső adatokhoz való hozzáférés nélkül. Tekintettel az AI-val kapcsolatos jelenlegi tapasztalataimra, el akartam gondolkodni azon, hogyan lehetne jobban meghatározni az adatvezérelt döntéshozatalt.

Hogyan válhat az Ön cége adatvezérelt vállalkozássá az AI korában?

1. A vállalatoknak digitális átalakulást kell megvalósítaniuk ahhoz, hogy digitális folyamatokkal rendelkezzenek. Van például egy részletes útmutatónk az RPA alkalmazásáról az ismétlődő folyamatok digitalizálására és automatizálására. A digitális átalakulás lehetővé teszi a vállalat számára, hogy adatokat generáljon, amelyeket modellek építéséhez és a döntéshozatal operacionalizálásához használ fel. Az adatoknak jó minőségűnek és hozzáférhetőnek kell lenniük, hogy lehetővé tegyék a további átalakulást.
2. Az AI átalakulás a folyamatok digitalizálásával kezdődhet. A magas értékű folyamatok, ahol léteznek kiforrott out-of-the-box megoldások, az AI átalakítás első területei.
3. Amint a vállalatok egyre több gépi tanuláson/AI-alapú megoldást alkalmaznak, lesznek olyan területek, ahol a out-of-the-box megoldások nem megfelelőek. A vállalatoknak el kell kezdeniük egyedi AI-megoldások telepítését, hogy automatizálják a döntéshozatalt ezeken a területeken.
4. Mivel a modelleket egyre gyakrabban használják a döntéshozatalban, a vállalatoknak biztosítaniuk kell, hogy azok megmagyarázhatóak és elfogultságtól mentesek legyenek.
5. Az út mentén a vezetésnek is el kell fogadnia az adatvezérelt döntéshozatalt. Tudatos kompromisszumokat kell kötni az adatelemzésre fordított erőfeszítések és a döntés minősége között. Ez a kulturális változás nem egy különálló lépés, hanem a vállalat analitikai képességeinek érésével párhuzamosan kell kialakulnia. Egy érett digitális folyamatokkal rendelkező vállalat megengedheti magának, hogy több döntését adatvezérelt módon hozza meg, mint egy offline folyamatokkal rendelkező vállalat, mivel az ilyen folyamatok eredményeinek részletes elemzése jelentős erőfeszítést igényel.

Ezek a lépések után a vállalat elérte a cikk elején leírt érettségi szintet. Az odáig vezető pontos lépések a vállalat jelenlegi érettségi szintjétől függnek. A vállalatok különböző partnerekkel dolgozhatnak együtt, hogy támogatást kapjanak ezen az úton:

• digitális átalakulással foglalkozó tanácsadó cégek a dx-útiterv meghatározásához és a kulcsfontosságú kezdeményezések megvalósításához
• analitikai tanácsadók a vállalat analitikai keretrendszerének felállításához, amely lehetővé teszi, hogy a kritikus döntések az automatizált és manuális elemzések keverékével készüljenek el
• adattudományi / AI-tanácsadók a vállalat adatainak operacionalizálásához az alábbiakkal. egyedi modellek építése, amelyek önállóan hozzák meg az üzleti döntéseket, például a hitelek vagy követelések feldolgozását
• adattudományi verseny szervezői, hogy segítsenek a vállalatoknak a tömegek bölcsességét kihasználva hatékony modelleket építeni korlátozott költséggel

Ha releváns adatokkal rendelkezik a gépi tanulási problémák megoldásához, de szüksége van partnerek támogatására a gépi tanulási modellek építésében, mi segíthetünk:

Egyedi AI-megoldások építéséhez szükséges partnerek azonosítása

Ha további kérdései vannak, szívesen segítünk:

Megtaláljuk a megfelelő szállítót az Ön vállalkozása számára.