La maggior parte delle organizzazioni di successo trattano il processo decisionale basato sui dati come un obiettivo primario e lo perseguono con zelo religioso. Tuttavia, il processo decisionale guidato dai dati, i passi che portano ad esso e come l’IA lo sta cambiando non sono ben definiti.

In un’azienda AI-first, il processo decisionale guidato dai dati significa

• Le decisioni strategiche sono prese da un gruppo diversificato che include dirigenti che si basano su un insieme di informazioni sufficientemente completo e di alta qualità. Per definizione, una cattiva decisione strategica dovrebbe essere abbastanza importante da portare al fallimento dell’azienda.
• Ci saranno decisioni operative con implicazioni commerciali significative in cui le soluzioni out-of-the-box non producono risultati soddisfacenti. Questi sono generati da modelli di apprendimento automatico costruiti su misura. Questi modelli possono essere costruiti attraverso concorsi di data science, team interni o lavorando con i leader del settore.
• La maggior parte delle altre decisioni operative sono gestite da modelli di apprendimento automatico continuo che producono decisioni spiegabili. Le decisioni operative sono frequenti (una volta alla settimana o più spesso) e non critiche (un singolo errore è improbabile che porti al fallimento dell’azienda).
• Le decisioni operative che non possono essere automatizzate con buona precisione sono delegate agli umani.
  • Se mancano i dati, si prendono decisioni basate sull’opinione.
  • Se i dati esistono e sono stati analizzati, il decisore si affida all’analisi.
  • Se i dati esistono ma non sono ancora analizzati, il costo dell’analisi determina se sarà presa una decisione basata sull’opinione o sui dati.

Prima di stabilirsi su questo quadro per il processo decisionale per le aziende moderne, dobbiamo identificare come possiamo valutare diversi modelli decisionali. Tuttavia, se volete potete passare direttamente alle sezioni che vi interessano:

Perché è importante?

Anche se è ovvio che il processo decisionale guidato dai dati è importante, sarebbe un peccato se non fossimo guidati dai dati nel dimostrarlo. Anche se i dati quantitativi sul processo decisionale guidato dai dati sono difficili da ottenere, ci sono prove significative che

• il volume dei dati generati sta aumentando. Ogni giorno creiamo 2,5 quintilioni di byte di dati secondo l’analisi di Domo nel 2017. Il 90% dei dati presenti oggi nel mondo è stato creato negli ultimi due anni.
• le aziende stanno investendo di più nei dati e nella tecnologia di apprendimento automatico per ottenere intuizioni da quei dati.

Un sondaggio rilevante, è stato condotto da New Vantage Partners sugli investimenti in Big Data delle aziende. I risultati evidenziano che le aziende stanno cercando di ottenere un vantaggio l’una sull’altra implementando Big Data in tutta l’azienda. Ecco i dati del sondaggio:

Come valutare i diversi modelli decisionali?

Il processo decisionale ha 3 KPI: Velocità, qualità, verificabilità. La mancanza di uno di questi può portare a fallimenti critici.

• Un processo decisionale lento paralizza le organizzazioni e permette ai concorrenti di guadagnare quote di mercato.
• Le cattive decisioni portano al fallimento. Una cattiva decisione, non importa quanto ben eseguita, è improbabile che generi valore. Per esempio, la decisione di Motorola di continuare ad investire nei satelliti Iridium, che costano miliardi di dollari, ha portato ad una grande perdita di valore per l’azienda. Una grande esecuzione non poteva cambiare il risultato, dato che la comunicazione mobile stava fornendo un’alternativa più economica e di qualità superiore ai telefoni satellitari quando i telefoni Iridium furono lanciati.
• Se le decisioni non possono essere controllate, sono difficili da migliorare. La qualità della decisione è difficile da misurare al momento della decisione, ma può essere stimata in seguito considerando altre alternative e le condizioni attuali del mercato. Tale analisi post mortem dovrebbe portare a decisioni migliori

Quali sono i diversi modelli decisionali?

I modelli decisionali che partono dal livello più basso di sofisticazione sono:

1- Basati sull’opinione

Mentre fornisce decisioni veloci, la qualità della decisione può essere bassa, il che è pericoloso per le decisioni strategiche. Tuttavia, può essere applicato per prendere decisioni veloci nei casi in cui:

• I dati di alta qualità non sono disponibili
• Il costo dell’analisi è più del valore di una buona decisione

2- Guidato da una quantità limitata di dati

Le organizzazioni con problemi di qualità o disponibilità dei dati probabilmente si basano su una quantità limitata di dati per prendere decisioni. Questo è potenzialmente il modello decisionale più pericoloso in quanto i decisori potrebbero utilizzare dati limitati per sostenere le loro opinioni, portando a decisioni ampiamente supportate ma basate sulle opinioni.

Una quota significativa di progetti di consulenza rientra in questa categoria in cui i consulenti potrebbero essere incentivati a trovare punti di dati limitati per sostenere ipotesi basate sulle opinioni.

La qualità della decisione può essere migliore di quella basata sulle opinioni se i decisori sono aperti a nuove informazioni, tengono conto dei pregiudizi psicologici, variano il loro approccio per fare previsioni (vista interna vs vista esterna) e cercano risposte piuttosto che cercare dati per sostenere la loro opinione.

3- Decisione guidata dai dati tramite analisi manuale

Per questo modello, i dati devono essere disponibili, di alta qualità e ci deve essere consenso sulla correttezza dei dati. È l’approccio preferibile per le decisioni importanti in cui la tempistica non è critica e dove il costo dell’automazione è proibitivo rispetto ai suoi benefici.

Per permettere questo, le aziende devono:

• gestire i loro dati in modo efficiente ed efficace
• garantire la qualità dei loro dati
• contare su potenti strumenti di analisi/business intelligence

4- Processo decisionale automatizzato guidato dai dati

I dati sono disponibili e di alta qualità e c’è consenso sulla correttezza dei dati e sono stati elaborati in modo da prendere le decisioni automaticamente. Sulla base dei risultati, il modello decisionale si migliora continuamente nel tempo. Tuttavia, l’audit è impegnativo quando non vengono fornite ragioni per le decisioni.

Per raggiungere questo obiettivo, le aziende devono applicare i più recenti approcci di apprendimento automatico e AI per costruire modelli automatici e operativi basati sui loro dati.

5- Processo decisionale spiegabile automatizzato guidato dai dati

In aggiunta al processo decisionale automatizzato guidato dai dati, vengono utilizzati modelli di apprendimento automatico spiegabili per prendere decisioni. Le spiegazioni aiutano a controllare le decisioni e a migliorare continuamente il modello sottostante attraverso interventi manuali sopra l’apprendimento continuo automatizzato.

Perché ho scritto questo?

Ho trascorso la maggior parte della mia carriera professionale alla McKinsey dove il processo decisionale basato sui dati è uno dei principi fondamentali. Era un grande principio, ma piuttosto impegnativo da realizzare come consulente senza accesso ai dati interni. Data la mia attuale esperienza con l’IA, volevo pensare a come possiamo definire meglio il processo decisionale guidato dai dati.

Come può la tua azienda diventare un’impresa guidata dai dati nell’era dell’IA?

1. Le aziende devono realizzare la trasformazione digitale per assicurarsi di avere processi digitali. Per esempio, abbiamo una guida dettagliata sull’uso di RPA per digitalizzare e automatizzare i processi ripetitivi. La trasformazione digitale permette all’azienda di generare dati che saranno utilizzati per costruire modelli e rendere operativo il processo decisionale. I dati devono essere di alta qualità e accessibili per consentire un’ulteriore trasformazione.
2. La trasformazione AI può iniziare con la digitalizzazione dei processi. I processi ad alto valore dove esistono soluzioni out-of-the-box mature sono le prime aree per la trasformazione dell’AI.
3. Come le aziende distribuiscono più soluzioni basate su machine learning/AI, ci saranno aree dove le soluzioni out-of-the-box sono inadeguate. Le aziende devono iniziare a distribuire soluzioni AI personalizzate per automatizzare il processo decisionale in tali aree.
4. Quando i modelli vengono utilizzati più frequentemente nel processo decisionale, le aziende devono assicurarsi che siano spiegabili e privi di pregiudizi.
5. In questo viaggio, anche il management deve abbracciare il processo decisionale guidato dai dati. Devono essere fatti dei compromessi consapevoli sullo sforzo per l’analisi dei dati rispetto alla qualità della decisione. Questo cambiamento culturale non è un passo separato, ma dovrebbe essere sviluppato man mano che le capacità analitiche dell’azienda maturano. Un’azienda con processi digitali maturi può permettersi di prendere più decisioni in modo guidato dai dati rispetto ad un’azienda con processi offline, poiché ci vuole uno sforzo significativo per analizzare i risultati di tali processi in dettaglio.

Dopo questi passi, l’azienda avrà raggiunto il livello di maturità descritto all’inizio dell’articolo. I passi esatti per arrivarci dipenderanno dalla maturità attuale dell’azienda. Le aziende possono lavorare con vari partner per ottenere supporto in questo viaggio:

• società di consulenza per la trasformazione digitale per identificare la roadmap dx e implementare le iniziative chiave
• consulenti di analisi per impostare il quadro di analisi dell’impresa che consente di completare le decisioni critiche con un mix di analisi automatizzate e manuali
• consulenti di data science / AI per rendere operativi i dati dell’azienda attraverso costruendo modelli personalizzati che autonomamente prendono decisioni aziendali come l’elaborazione di prestiti o reclami
• Organizzatori di concorsi di scienza dei dati per aiutare le aziende a sfruttare la saggezza delle folle per costruire modelli efficaci a costi limitati

Se hai dati rilevanti per risolvere i tuoi problemi di apprendimento automatico ma hai bisogno del supporto di partner per costruire modelli di apprendimento automatico, noi possiamo aiutarti:

Identificare i partner per costruire soluzioni AI personalizzate

Se hai altre domande, siamo felici di aiutarti:

Facci trovare il fornitore giusto per il tuo business