As organizações mais bem sucedidas tratam a tomada de decisões baseada em dados como um objectivo principal e perseguem-na com zelo religioso. Entretanto, a tomada de decisão orientada por dados, os passos que levam a ela e como a IA está mudando não estão bem definidos.

Em uma empresa com AI-first, a tomada de decisão orientada por dados significa

• Decisões estratégicas são tomadas por um grupo diversificado, incluindo executivos que confiam em um conjunto de informações suficientemente abrangente e de alta qualidade. Por definição, uma má decisão estratégica deve ser suficientemente importante para levar ao fracasso da empresa.
• Haverá decisões operacionais com implicações comerciais significativas onde as soluções out-of-the-box não produzem resultados satisfatórios. Estas são geradas por modelos de aprendizagem de máquinas construídos à medida. Estes modelos podem ser construídos através de competições de ciência de dados, equipes internas ou trabalhando com líderes da indústria.
• A maioria das outras decisões operacionais são tratadas através da aprendizagem contínua de modelos de aprendizagem de máquinas que produzem decisões explicáveis. As decisões operacionais são frequentes (uma vez por semana ou mais frequentemente) e não críticas (um único erro é improvável que leve ao fracasso da empresa).
• Decisões operacionais que não podem ser automatizadas com boa precisão são delegadas aos humanos.
  • Se faltam dados, decisões baseadas em opiniões são tomadas.
  • Se os dados existem e foram analisados, o tomador de decisão depende da análise.
  • Se os dados existem mas ainda não foram analisados, o custo da análise determina se uma opinião ou decisão baseada em dados será tomada.

Antes de nos fixarmos nesta estrutura para a tomada de decisão das corporações modernas, precisamos identificar como podemos avaliar diferentes modelos de tomada de decisão. No entanto, se quiser pode saltar directamente para as secções que lhe interessam:

Porque é importante?

Even embora seja óbvio que a tomada de decisão orientada por dados é importante, seria uma pena se não estivéssemos a ser orientados por dados para provar isso. Embora dados quantitativos sobre a tomada de decisão baseada em dados sejam difíceis de obter, há evidências significativas de que

• volume de dados gerados está aumentando. Todos os dias criamos 2,5 quintilhões de bytes de dados de acordo com a análise do Domo em 2017. 90% dos dados do mundo de hoje foram criados nos últimos dois anos.
• as empresas estão investindo mais em tecnologia de aprendizagem de dados e máquinas para obter insights a partir desses dados.

uma pesquisa relevante, foi realizada pela New Vantage Partners sobre os investimentos das empresas em Grandes Dados. Os resultados destacam que as empresas estão tentando obter vantagem umas sobre as outras, implementando Big Data em toda a empresa. Aqui estão os números da pesquisa:

Como avaliar diferentes modelos de tomada de decisão?

A tomada de decisão tem 3 KPIs: Velocidade, qualidade, auditabilidade. A falta de qualquer um destes pode levar a falhas críticas.

• A lentidão na tomada de decisões paralisa as organizações e permite aos concorrentes ganhar quota de mercado.
• Más decisões levam ao fracasso. Uma má decisão, não importa quão bem executada, é pouco provável que gere valor. Por exemplo, a decisão da Motorola de continuar investindo nos satélites Iridium, que custaram bilhões de dólares, resultou em um grande write-off para a empresa. Uma grande execução não poderia mudar o resultado, já que a comunicação móvel estava oferecendo uma alternativa mais barata e de maior qualidade aos telefones via satélite quando os telefones Iridium foram lançados.
• Se as decisões não podem ser auditadas, são difíceis de melhorar. A qualidade da decisão é difícil de medir no momento da decisão, mas pode ser estimada mais tarde, considerando outras alternativas e as condições atuais do mercado. Tal análise post-mortem deve levar a melhores decisões

Quais são os diferentes modelos de tomada de decisão?

Modelos de tomada de decisão a partir do nível mais baixo de sofisticação são:

1- Opinião baseada em

Embora proporcione decisões rápidas, a qualidade da decisão pode ser baixa, o que é perigoso para decisões estratégicas. Contudo, pode ser aplicada para a tomada de decisões rápidas nos casos em que:

• Dados de alta qualidade não estão disponíveis
• O custo da análise é mais do que o valor de uma boa decisão

2- Impulsionada por uma quantidade limitada de dados

As organizações com problemas de qualidade ou disponibilidade de dados provavelmente dependem de quantidades limitadas de dados para tomar decisões. Este é potencialmente o modelo de tomada de decisão mais perigoso, pois os tomadores de decisão poderiam usar dados limitados para apoiar suas opiniões, levando a decisões baseadas em opiniões amplamente apoiadas.

Uma parcela significativa de projetos de consultoria se enquadra nesta categoria onde os consultores poderiam ser incentivados a encontrar pontos de dados limitados para apoiar hipóteses baseadas em opiniões.

A qualidade da decisão pode ser melhor do que a tomada de decisão baseada em opiniões se os decisores estiverem abertos a novas informações, levarem em conta preconceitos psicológicos, variarem sua abordagem para fazer previsões (visão interna versus visão externa) e procurarem respostas ao invés de procurar dados para apoiar suas opiniões.

3- Tomada de decisão baseada em dados via análise manual

Para este modelo, os dados precisam estar disponíveis, de alta qualidade e precisa haver consenso sobre a exatidão dos dados. É a abordagem preferível para decisões importantes onde o timing não é crítico e onde o custo da automação é proibitivo em comparação com os seus benefícios.

Para que isto seja possível, as empresas precisam de o fazer:

• gerir os seus dados de forma eficiente e eficaz
• garantir a qualidade dos seus dados
• rely on powerful analytics/business intelligence tools

4- Automated datadriven decision making

Data is available and high quality and there is consensus about the correctness of data and it has been processed so decisions are made automatically. Com base nos resultados, o modelo de tomada de decisão se melhora continuamente ao longo do tempo. Contudo, a auditoria é um desafio quando os motivos para as decisões não são fornecidos.

Para alcançar isso, as empresas precisam aplicar as mais recentes abordagens de aprendizagem de máquina e IA para construir modelos automatizados e operacionais baseados em seus dados.

5- A tomada de decisão automatizada orientada por dados explicáveis

Além da tomada de decisão automatizada orientada por dados, modelos explicáveis de aprendizagem de máquina são usados para tomar decisões. Explicações ajudam a auditar decisões e melhorar continuamente o modelo subjacente através de intervenções manuais em cima da aprendizagem contínua automatizada.

Porque escrevi isto?

Passei a maior parte da minha carreira profissional na McKinsey, onde a tomada de decisões baseada em dados é um dos princípios fundamentais. Foi um grande princípio, mas bastante desafiador de se alcançar como consultor sem acesso a dados internos. Dada a minha experiência atual com IA, eu queria pensar como podemos definir melhor a tomada de decisão orientada a dados.

Como sua empresa pode se tornar uma empresa orientada a dados na era da IA?

1. As empresas precisam alcançar a transformação digital para garantir que elas tenham processos digitais. Por exemplo, temos um guia detalhado sobre o uso da RPA para digitalizar e automatizar processos repetitivos. A transformação digital permite à empresa gerar dados que serão usados para construir modelos e operacionalizar a tomada de decisões. Os dados precisam ser de alta qualidade e acessíveis para permitir transformações posteriores.
2. A transformação de IA pode começar à medida que os processos são digitalizados. Processos de alto valor onde existem soluções maduras out-0f-the-box são as primeiras áreas para transformação de IA.
3. As empresas implantam mais soluções baseadas em aprendizagem de máquina/ IA, haverá áreas onde as soluções out-of-thebox são inadequadas. As empresas precisam começar a implantar soluções de IA personalizadas para automatizar a tomada de decisão nessas áreas.
4. Como os modelos são mais freqüentemente usados na tomada de decisão, as empresas precisam garantir que eles sejam explicáveis e livres de preconceitos.
5. Ao longo dessa jornada, a gerência precisa abraçar também a tomada de decisão baseada em dados. É preciso fazer concessões conscientes sobre o esforço de análise de dados versus a qualidade da decisão. Esta mudança cultural não é um passo à parte, mas deve ser desenvolvida à medida que as capacidades analíticas da empresa amadurecem. Uma empresa com processos digitais maduros pode se dar ao luxo de tomar mais de suas decisões de forma orientada a dados versus uma empresa com processos offline, uma vez que é necessário um esforço significativo para analisar os resultados de tais processos em detalhes.

Após estes passos, a empresa terá atingido o nível de maturidade descrito no início do artigo. Os passos exatos para chegar lá dependerão do grau de maturidade atual da empresa. As empresas podem trabalhar com vários parceiros para obter apoio nesta jornada:

• empresas de consultoria em transformação digital para identificar o roadmap dx e implementar iniciativas-chave
• consultores de análise para estabelecer a estrutura analítica da empresa que permite completar decisões críticas com uma mistura de análise automática e manual
• consultores de ciência dos dados / IA para operacionalizar os dados da empresa por construindo modelos personalizados que tomam decisões de negócios autonomamente, tais como processar empréstimos ou reclamações
• Organizadores da competição de ciência de dados para ajudar as empresas a alavancar a sabedoria das multidões para construir modelos eficazes a um custo limitado

Se você tem dados relevantes para resolver seus problemas de aprendizagem de máquinas mas precisa do apoio de parceiros na construção de modelos de aprendizagem de máquinas, nós podemos ajudar:

Identificar parceiros para construir soluções AI personalizadas

Se você tiver mais perguntas, ficaremos felizes em ajudar:

Deixe-nos encontrar o fornecedor certo para o seu negócio