Większość odnoszących sukcesy organizacji traktuje podejmowanie decyzji w oparciu o dane jako cel nadrzędny i dąży do niego z religijnym zapałem. Jednak proces decyzyjny oparty na danych, kroki prowadzące do niego oraz sposób, w jaki AI go zmienia, nie są dobrze zdefiniowane.

W firmie AI-first proces decyzyjny oparty na danych oznacza, że

• decyzje strategiczne są podejmowane przez zróżnicowaną grupę, w tym kadrę kierowniczą, która opiera się na wystarczająco kompleksowym, wysokiej jakości zestawie informacji. Z definicji zła decyzja strategiczna powinna być na tyle ważna, aby doprowadzić do upadku firmy.
• Będą decyzje operacyjne o znaczących implikacjach biznesowych, w przypadku których rozwiązania out-of-the-box nie przynoszą zadowalających rezultatów. Są one generowane przez zbudowane na zamówienie modele uczenia maszynowego. Modele te mogą być budowane poprzez prowadzenie konkursów data science, zespoły wewnętrzne lub współpracę z liderami branży.
• Większość innych decyzji operacyjnych jest obsługiwana przez stale uczące się modele uczenia maszynowego, które produkują wytłumaczalne decyzje. Decyzje operacyjne są częste (raz w tygodniu lub częściej) i nie są krytyczne (pojedynczy błąd raczej nie doprowadzi do upadku firmy).
• Decyzje operacyjne, których nie da się zautomatyzować z dobrą dokładnością, są delegowane do ludzi.
  • Jeśli brakuje danych, podejmowane są decyzje oparte na opinii.
  • Jeśli dane istnieją i zostały przeanalizowane, decydent polega na analizie.
  • Jeśli dane istnieją, ale nie zostały jeszcze przeanalizowane, koszt analizy decyduje o tym, czy zostanie podjęta decyzja oparta na opinii czy na danych.

Przed ustaleniem tych ram dla podejmowania decyzji dla współczesnych korporacji, musimy określić, jak możemy ocenić różne modele podejmowania decyzji. Jednakże, jeśli chcesz, możesz bezpośrednio przejść do sekcji, które Cię interesują:

Dlaczego to jest ważne?

Nawet jeśli oczywiste jest, że podejmowanie decyzji w oparciu o dane jest ważne, szkoda by było, gdybyśmy nie kierowali się danymi przy udowadnianiu tego. Chociaż dane ilościowe dotyczące podejmowania decyzji w oparciu o dane są trudne do zdobycia, istnieją znaczące dowody na to, że

• ilość generowanych danych rośnie. Każdego dnia tworzymy 2,5 kwintilliona bajtów danych według analizy Domo w 2017 roku. 90% danych na dzisiejszym świecie powstało w ciągu ostatnich dwóch lat.
• firmy inwestują więcej w dane i technologię uczenia maszynowego, aby uzyskać spostrzeżenia z tych danych.

Właściwe badanie, zostało przeprowadzone przez New Vantage Partners na temat inwestycji Big Data firm. Wyniki podkreślają, że przedsiębiorstwa starają się uzyskać przewagę nad innymi poprzez wdrożenie Big Data w całej firmie. Oto dane z ankiety:

Jak ocenić różne modele podejmowania decyzji?

Podejmowanie decyzji ma 3 KPI: Szybkość, jakość, audytowalność. Brak któregokolwiek z nich może prowadzić do krytycznych porażek.

• Powolne podejmowanie decyzji paraliżuje organizacje i pozwala konkurentom zdobywać udział w rynku.
• Złe decyzje prowadzą do porażki. Zła decyzja, bez względu na to, jak dobrze wykonana, jest mało prawdopodobne, aby wygenerować wartość. Na przykład, decyzja Motoroli o kontynuowaniu inwestycji w satelity Iridium, które kosztowały miliardy dolarów, spowodowała duży odpis dla firmy. Świetne wykonanie nie mogło zmienić wyniku, ponieważ komunikacja mobilna zapewniała tańszą i wyższej jakości alternatywę dla telefonów satelitarnych do czasu uruchomienia telefonów Iridium.
• Jeśli decyzji nie można skontrolować, trudno je poprawić. Decyzja jakość być trudny w czasie decyzja ale móc szacować opóźniony rozważanie inny alternatywa i aktualny rynek warunek. Taka pośmiertna analiza powinna prowadzić do lepszych decyzji

Jakie są różne modele podejmowania decyzji?

Modele podejmowania decyzji począwszy od najniższego poziomu zaawansowania są:

1- Opinia oparta

Chociaż zapewnia szybkie decyzje, jakość decyzji może być niska, co jest niebezpieczne dla decyzji strategicznych. Jednakże, może być stosowany do szybkiego podejmowania decyzji w przypadkach, gdy:

• Wysokiej jakości dane nie są dostępne
• Koszt analizy jest większy niż wartość dobrej decyzji

2- Kierowane przez ograniczoną ilość danych

Organizacje z jakością danych lub problemami z dostępnością prawdopodobnie będą polegać na ograniczonej ilości danych do podejmowania decyzji. Jest to potencjalnie najbardziej niebezpieczny model podejmowania decyzji, ponieważ decydenci mogą wykorzystywać ograniczone dane do wspierania swoich opinii, co prowadzi do szeroko popieranych, ale opartych na opiniach decyzji.

Znaczna część projektów konsultingowych należy do tej kategorii, w której konsultanci mogą być zachęcani do znajdowania ograniczonych punktów danych w celu wspierania hipotez opartych na opiniach.

Jakość decyzji może być lepsza niż podejmowanie decyzji na podstawie opinii, jeśli decydenci są otwarci na nowe informacje, biorą pod uwagę uprzedzenia psychologiczne, różnicują swoje podejście do tworzenia przewidywań (widok wewnętrzny vs widok zewnętrzny) i szukają odpowiedzi, a nie szukają danych na poparcie swojej opinii.

3- Podejmowanie decyzji na podstawie danych poprzez analizę ręczną

Dla tego modelu dane muszą być dostępne, wysokiej jakości i musi istnieć konsensus co do poprawności danych. Jest to preferowane podejście dla ważnych decyzji, gdzie czas nie jest krytyczny i gdzie koszt automatyzacji jest zaporowy w porównaniu do korzyści.

Aby to umożliwić, firmy muszą:

• zarządzać swoimi danymi wydajnie i skutecznie
• zapewnić jakość swoich danych
• polegać na potężnych narzędziach analitycznych/business intelligence

4- Zautomatyzowane podejmowanie decyzji w oparciu o dane

Dane są dostępne i wysokiej jakości, istnieje konsensus co do poprawności danych i zostały one przetworzone, więc decyzje są podejmowane automatycznie. W oparciu o wyniki, model decyzyjny stale się doskonali w czasie. Jednak audyt stanowi wyzwanie, gdy powody decyzji nie są dostarczane.

Aby to osiągnąć, firmy muszą zastosować najnowsze podejście do uczenia maszynowego i AI w celu zbudowania zautomatyzowanych, operacyjnych modeli opartych na ich danych.

5- Zautomatyzowane podejmowanie decyzji oparte na danych z wyjaśnieniami

Oprócz zautomatyzowanego podejmowania decyzji opartego na danych, do podejmowania decyzji wykorzystywane są modele uczenia maszynowego z wyjaśnieniami. Wyjaśnienia pomagają kontrolować decyzje i stale ulepszać model bazowy poprzez ręczne interwencje na wierzchu zautomatyzowanego ciągłego uczenia się.

Dlaczego to napisałem?

Większość mojej kariery zawodowej spędziłem w McKinsey, gdzie podejmowanie decyzji w oparciu o dane jest jedną z podstawowych zasad. Była to wspaniała zasada, ale dość trudna do osiągnięcia jako konsultant bez dostępu do wewnętrznych danych. Biorąc pod uwagę moje obecne doświadczenia z AI, chciałem się zastanowić, jak możemy lepiej zdefiniować podejmowanie decyzji w oparciu o dane.

Jak Twoja firma może stać się przedsiębiorstwem opartym na danych w dobie AI?

1. Firmy muszą osiągnąć transformację cyfrową, aby zapewnić sobie cyfrowe procesy. Na przykład, mamy szczegółowy przewodnik na temat wykorzystania RPA do digitalizacji i automatyzacji powtarzalnych procesów. Cyfrowa transformacja umożliwia firmie generowanie danych, które będą wykorzystywane do budowania modeli i operacjonalizacji procesu podejmowania decyzji. Dane muszą być wysokiej jakości i dostępne, aby umożliwić dalszą transformację.
2. Transformacja AI może rozpocząć się wraz z digitalizacją procesów. Procesy o wysokiej wartości, w których istnieją dojrzałe rozwiązania out-of-the-box, to pierwsze obszary transformacji AI.
3. W miarę jak firmy będą wdrażać więcej rozwiązań opartych na uczeniu maszynowym/AI, pojawią się obszary, w których rozwiązania out-of-the-box będą nieodpowiednie. Firmy muszą zacząć wdrażać niestandardowe rozwiązania AI, aby zautomatyzować podejmowanie decyzji w takich obszarach.
4. Jako że modele są coraz częściej wykorzystywane w procesie podejmowania decyzji, firmy muszą zapewnić, że są one wytłumaczalne i wolne od stronniczości.
5. Podczas tej podróży kierownictwo musi również objąć proces podejmowania decyzji w oparciu o dane. Należy dokonać świadomego kompromisu pomiędzy wysiłkiem włożonym w analizę danych a jakością decyzji. Ta zmiana kulturowa nie jest osobnym krokiem, ale powinna być rozwijana w miarę dojrzewania możliwości analitycznych firmy. Firma z dojrzałymi procesami cyfrowymi może pozwolić sobie na podejmowanie większej liczby decyzji w sposób oparty na danych niż firma z procesami offline, ponieważ szczegółowa analiza wyników takich procesów wymaga znacznego wysiłku.

Po wykonaniu tych kroków firma osiągnie poziom dojrzałości opisany na początku artykułu. Dokładne kroki do osiągnięcia tego poziomu będą zależeć od aktualnej dojrzałości firmy. Firmy mogą współpracować z różnymi partnerami, aby uzyskać wsparcie w tej podróży:

• firmy konsultingowe zajmujące się transformacją cyfrową w celu zidentyfikowania mapy drogowej dx i wdrożenia kluczowych inicjatyw
• konsultanci ds. analityki w celu skonfigurowania ram analitycznych przedsiębiorstwa, które umożliwiają podejmowanie krytycznych decyzji z wykorzystaniem mieszanki analizy automatycznej i ręcznej
• konsultanci ds. nauki o danych / AI w celu operacjonalizacji danych firmy poprzez. budowanie niestandardowych modeli, które autonomicznie podejmują decyzje biznesowe, takie jak przetwarzanie pożyczek lub roszczeń
• Data science organizatorzy konkursów, aby pomóc firmom wykorzystać mądrość tłumów do budowania skutecznych modeli przy ograniczonych kosztach

Jeśli masz odpowiednie dane do rozwiązania problemów uczenia maszynowego, ale potrzebujesz wsparcia od partnerów w budowaniu modeli uczenia maszynowego, możemy pomóc:

Zidentyfikować partnerów do budowania niestandardowych rozwiązań AI

Jeśli masz więcej pytań, chętnie pomożemy:

Pozwól nam znaleźć odpowiedniego sprzedawcę dla Twojej firmy.