Majoritatea organizațiilor de succes tratează procesul decizional bazat pe date ca pe un obiectiv principal și îl urmăresc cu zel religios. Cu toate acestea, procesul decizional bazat pe date, etapele care duc la acesta și modul în care IA îl schimbă nu sunt bine definite.

Într-o companie care se bazează pe IA, procesul decizional bazat pe date înseamnă

• Deciziile strategice sunt luate de un grup divers, inclusiv de directori, care se bazează pe un set de informații suficient de cuprinzător și de înaltă calitate. Prin definiție, o decizie strategică proastă ar trebui să fie suficient de importantă pentru a duce la eșecul companiei.
• Vor exista decizii operaționale cu implicații comerciale semnificative în cazul în care soluțiile out-of-the-box nu produc rezultate satisfăcătoare. Acestea sunt generate de modele de învățare automată construite la comandă. Aceste modele pot fi construite prin organizarea de concursuri de știință a datelor, prin echipe interne sau prin colaborarea cu lideri din industrie.
• Majoritatea celorlalte decizii operaționale sunt gestionate de modele de învățare automată cu învățare continuă care produc decizii explicabile. Deciziile operaționale sunt frecvente (o dată pe săptămână sau mai des) și nu sunt critice (este puțin probabil ca o singură greșeală să ducă la eșecul companiei).
• Deciziile operaționale care nu pot fi automatizate cu o bună acuratețe sunt delegate oamenilor.
  • Dacă lipsesc datele, se iau decizii bazate pe opinii.
  • Dacă datele există și au fost analizate, decidentul se bazează pe analiză.
  • Dacă datele există, dar nu sunt încă analizate, costul analizei determină dacă se va lua o decizie bazată pe opinii sau pe date.

Înainte de a ne așeza pe acest cadru de luare a deciziilor pentru corporațiile moderne, trebuie să identificăm modul în care putem evalua diferite modele de luare a deciziilor. Totuși, dacă doriți, puteți trece direct la secțiunile care vă interesează:

De ce este important?

Chiar dacă este evident că procesul decizional bazat pe date este important, ar fi păcat dacă nu am fi orientați către date pentru a-l dovedi. Deși datele cantitative despre procesul decizional bazat pe date sunt greu de obținut, există dovezi semnificative că

• volumul de date generate este în creștere. În fiecare zi creăm 2,5 quintilioane de octeți de date, conform analizei Domo din 2017. 90% din datele existente astăzi în lume au fost create în ultimii doi ani.
• companiile investesc mai mult în date și în tehnologia de învățare automată pentru a obține informații din aceste date.

Un studiu relevant, a fost realizat de New Vantage Partners despre investițiile în Big Data ale companiilor. Rezultatele evidențiază faptul că întreprinderile încearcă să obțină un avantaj unul față de celălalt prin implementarea Big Data în întreaga companie. Iată care sunt cifrele din sondaj:

Cum se evaluează diferite modele de luare a deciziilor?

Procesul de luare a deciziilor are 3 KPI: Viteză, calitate, auditabilitate. Lipsa oricăruia dintre acestea poate duce la eșecuri critice.

• Luarea lentă a deciziilor paralizează organizațiile și permite concurenților să câștige cotă de piață.
• Deciziile proaste duc la eșec. O decizie proastă, indiferent cât de bine executată, este puțin probabil să genereze valoare. De exemplu, decizia Motorola de a continua să investească în sateliții Iridium, care au costat miliarde de dolari, a dus la o mare pierdere de valoare pentru companie. O execuție excelentă nu a putut schimba rezultatul, deoarece comunicațiile mobile ofereau o alternativă mai ieftină și de mai bună calitate la telefoanele prin satelit în momentul în care au fost lansate telefoanele Iridium.
• Dacă deciziile nu pot fi auditate, ele sunt greu de îmbunătățit. Calitatea deciziei este dificil de măsurat la momentul luării deciziei, dar poate fi estimată ulterior prin luarea în considerare a altor alternative și a condițiilor curente de piață. O astfel de analiză post-mortem ar trebui să conducă la decizii mai bune

Care sunt diferitele modele de luare a deciziilor?

Modelele de luare a deciziilor pornind de la cel mai scăzut nivel de sofisticare sunt:

1- Bazat pe opinie

În timp ce oferă decizii rapide, calitatea deciziilor poate fi scăzută, ceea ce este periculos pentru deciziile strategice. Cu toate acestea, poate fi aplicat pentru luarea rapidă a deciziilor în cazurile în care:

• Nu sunt disponibile date de înaltă calitate
• Costul analizei este mai mare decât valoarea unei decizii bune

2- Bazat pe o cantitate limitată de date

Organizațiile cu probleme de calitate sau de disponibilitate a datelor sunt susceptibile să se bazeze pe cantități limitate de date pentru a lua decizii. Acesta este, potențial, cel mai periculos model de luare a deciziilor, deoarece factorii de decizie ar putea utiliza date limitate pentru a-și susține opiniile, ceea ce ar duce la decizii cu un sprijin larg, dar bazate pe opinii.

O parte semnificativă a proiectelor de consultanță se încadrează în această categorie, în care consultanții ar putea fi stimulați să găsească puncte de date limitate pentru a susține ipoteze bazate pe opinii.

Calitatea deciziilor poate fi mai bună decât cea a deciziilor bazate pe opinii dacă factorii de decizie sunt deschiși la informații noi, iau în considerare prejudecățile psihologice, variază abordarea lor de a face predicții (vedere din interior vs. vedere din exterior) și caută răspunsuri mai degrabă decât să caute date care să le susțină opinia.

3- Luarea deciziilor bazate pe date prin analiză manuală

Pentru acest model, datele trebuie să fie disponibile, de înaltă calitate și trebuie să existe un consens cu privire la corectitudinea datelor. Este abordarea preferabilă pentru deciziile importante în care momentul nu este critic și în care costul automatizării este prohibitiv în comparație cu beneficiile sale.

Pentru a permite acest lucru, companiile trebuie să:

• să-și gestioneze datele în mod eficient și eficace
• să asigure calitatea datelor
• să se bazeze pe instrumente puternice de analiză/cunoștințe de afaceri

4- Procesul decizional automatizat bazat pe date

Datele sunt disponibile și de înaltă calitate și există un consens cu privire la corectitudinea datelor și au fost procesate, astfel încât deciziile să fie luate automat. Pe baza rezultatelor, modelul de luare a deciziilor se îmbunătățește continuu în timp. Cu toate acestea, auditul este o provocare atunci când nu sunt furnizate motivele deciziilor.

Pentru a realiza acest lucru, companiile trebuie să aplice cele mai recente abordări de învățare automată și de inteligență artificială pentru a construi modele automate și operaționale pe baza datelor lor.

5- Luarea automată a deciziilor explicabile bazate pe date

În plus față de luarea automată a deciziilor bazate pe date, modelele de învățare automată explicabile sunt utilizate pentru a lua decizii. Explicațiile ajută la auditarea deciziilor și la îmbunătățirea continuă a modelului de bază prin intervenții manuale pe lângă învățarea continuă automatizată.

De ce am scris asta?

Am petrecut cea mai mare parte a carierei mele profesionale la McKinsey, unde luarea deciziilor bazate pe date este unul dintre principiile de bază. A fost un principiu grozav, dar destul de dificil de realizat în calitate de consultant fără acces la datele interne. Având în vedere experiența mea actuală cu IA, am vrut să mă gândesc cum putem defini mai bine procesul decizional bazat pe date.

Cum poate deveni compania dvs. o întreprindere bazată pe date în era IA?

1. Companiile trebuie să realizeze transformarea digitală pentru a se asigura că au procese digitale. De exemplu, avem un ghid detaliat privind utilizarea RPA pentru a digitaliza și automatiza procesele repetitive. Transformarea digitală permite companiei să genereze date care vor fi folosite pentru a construi modele și a operaționaliza procesul de luare a deciziilor. Datele trebuie să fie de înaltă calitate și accesibile pentru a permite continuarea transformării.
2. Transformarea IA poate începe pe măsură ce procesele sunt digitalizate. Procesele cu valoare ridicată în care există soluții out-0f-the-box mature sunt primele domenii pentru transformarea AI.
3. Pe măsură ce companiile implementează mai multe soluții bazate pe învățare automată/AI, vor exista domenii în care soluțiile out-0f-the-box sunt inadecvate. Companiile trebuie să înceapă să implementeze soluții AI personalizate pentru a automatiza procesul de luare a deciziilor în astfel de domenii.
4. Pe măsură ce modelele sunt utilizate mai frecvent în procesul de luare a deciziilor, companiile trebuie să se asigure că acestea sunt explicabile și lipsite de prejudecăți.
5. De-a lungul acestei călătorii, conducerea trebuie să adopte, de asemenea, procesul de luare a deciziilor bazat pe date. Trebuie să se facă compromisuri conștiente cu privire la efortul pentru analiza datelor vs. calitatea deciziei. Această schimbare culturală nu este un pas separat, ci ar trebui să fie dezvoltată pe măsură ce capacitățile analitice ale companiei se maturizează. O companie cu procese digitale mature își poate permite să ia mai multe decizii în funcție de date față de o companie cu procese offline, deoarece este nevoie de un efort semnificativ pentru a analiza în detaliu rezultatele unor astfel de procese.

După acești pași, compania va fi atins nivelul de maturitate descris la începutul articolului. Pașii exacți pentru a ajunge acolo vor depinde de maturitatea actuală a companiei. Companiile pot lucra cu diverși parteneri pentru a obține sprijin în această călătorie:

• companii de consultanță în domeniul transformării digitale pentru a identifica foaia de parcurs dx și pentru a implementa inițiativele cheie
• consultanți în domeniul analizei pentru a configura cadrul analitic al întreprinderii care să permită finalizarea deciziilor critice cu un mix de analiză automată și manuală
• consultanți în domeniul științei datelor / IA pentru a operaționaliza datele companiei prin construirea unor modele personalizate care să ia în mod autonom decizii de afaceri, cum ar fi procesarea împrumuturilor sau a cererilor de rambursare
• organizatori de competiții de știință a datelor pentru a ajuta companiile să valorifice înțelepciunea mulțimilor pentru a construi modele eficiente la costuri limitate

Dacă aveți date relevante pentru a vă rezolva problemele de învățare automată, dar aveți nevoie de sprijin din partea partenerilor în construirea modelelor de învățare automată, noi vă putem ajuta:

Identificați parteneri pentru a construi soluții personalizate de inteligență artificială

Dacă aveți mai multe întrebări, suntem bucuroși să vă ajutăm:

Lăsați-ne să găsim furnizorul potrivit pentru afacerea dvs.