意思決定インテリジェンスがBIゲームを真剣に後押しする方法
公開: 2022-01-29私たちのほとんどにとって、データ主導のビジネス上の意思決定は4つのステップのプロセスです。 まず、データを収集します。 次に、それを「マイニング」します。これは、ツールとデータサイエンティストの組み合わせが、さまざまな種類のデータ間のパターンと相関関係を探すことを意味します。 第三に、それらの発見は、マネージャーが見ることができるダッシュボードと視覚化に送り込まれます。 そこから、ダッシュボードが彼らに伝えていることを解釈し、彼らの決定を下すのはマネージャー次第です。
問題は、収集したデータ、およびツールとデータサイエンティストが発見したパターンによって、実行できる決定が定義されることです。 簡単な例：PCMagは、特定の記事または記事のグループが受けたクリック数に関して、どの記事が最高のパフォーマンスを示したかに関する大量のデータを収集するとします。 次に、データベースエンジンが動き出し、最高の記事をグループ化し、きれいな視覚化を構築して、何が見つかったかを理解できるようにします。 私たちが見ているものは、その時点までに最も成功した記事を見ることができます。 次に、トピック、記事の種類、さらには著者など、特定のデータピボットにそのような記事をさらに書き込むことで、将来その成功を再現するように取り組むことができます。 つまり、私たちが行っているのは、過去の成功を再現するためにデータを使用することです。 確かに効果的な練習。
しかし、それを好転させたらどうなるでしょうか。
収集したデータに制限されるのではなく、本当に答えたい質問をすることから始めたらどうなるでしょうか。将来、どのような記事が私たちに最善を尽くすのでしょうか。 そこから始める場合、答えを得るために尋ねる必要のある質問だけでなく、それらの質問をサポートするために収集する必要のあるデータも発見するプロセスが必要です。 しかし、私たちが得るのは、編集上の決定を下すためのはるかに価値のある一連の回答です。
これは、次世代のビジネス分析ツールで登場する、よりエキサイティングな新しい方法論の1つであり、「意思決定インテリジェンス」（DI）と呼ばれます。 以下では、DIについて詳しく説明し、組織で機能させるために知っておく必要のあることについて説明します。
意思決定インテリジェンスとは何ですか？
GoogleのチーフデシジョンサイエンティストであるCassieKozyrkovは、DIを、社会科学、決定理論、および管理科学でデータサイエンスを強化する方法として説明しています。 この組み合わせは、人々が実際にBIデータを使用してより良い意思決定を行うのを支援する上でより効果的です。 彼女は、データサイエンスとDIの違いを、電子レンジを作る人とそれを使う料理人の違いとして説明しています。
DIは、改善されたベストプラクティスの決定を構築し、それを大規模に行うためのソフトウェアエンジニアリングの取り組みから生まれました。 専門家によると、Microsoft PowerBIやTableauなどの人気のあるクラウドBIツールの次のイテレーションで、中小企業（SMB）にも影響を与え始めるほど成熟しているとのことです。
「意思決定インテリジェンスは、AIと人間の意思決定を結び付けて、よりインテリジェントな結論を形成します。これにより、より好ましい結果が得られます」と、カスタムソフトウェア開発会社であるFutureProcessingのシニアアソシエイトであるJackZmudzinskiは述べています。 「つまり、人間による決定やコンピューターによる決定ではなく、両方の長所があります。」
意思決定インテリジェンスは、企業がデータを使用して通常行っていることを覆します。 ビッグデータアプローチでは、分析ツールとクエリは通常、データに合うように選択されます。 DIの場合、最優先されるのは求められている決定です。 次に、クエリが作成され、質問との関連性によってデータが選択されます。 したがって、データ主導の意思決定を行う際には、データは主役ではなく脇役を務めます。
専門家は意思決定インテリジェンスを方法論として定義していますが、それは単一の包括的なプロセスを持っているものではありません。 DIをどのように進めるかは、ビジネス、収集するデータ、および分析ツールセットの機能によって異なります。 ただし、基本的な考え方は常に同じです。必要な決定から始まり、逆方向に機能して、必要なデータとその取得方法を決定する視覚的なアプローチを使用します。
DIが必要な理由
これがすべて大企業または企業の問題のように聞こえると思う場合は、もう一度考えてみてください。 中小企業や「孤独な人」でさえ、すぐにこれらのテクノロジーを利用するようになり、彼らは非常に少ない労力で、リーズナブルなコストで、そして彼ら自身の知識と才能に基づいて成功を収めてそれらを管理できるようになります。 結論：最近の中小企業のリーダーでさえ、大量のデータと確かな分析を保持する洗練されたクラウドデータベースを使用しています。 彼らに欠けているのは、その情報を使用して実際の意思決定を行う方法に関する実際のガイダンスです。 これは特に中小企業に当てはまり、まさにDIが取り組んでいることです。
「アルゴリズムとデータは、「ここに観察またはデータと結論を出すことができるものがあります」と私たちに伝えるのが得意です。 彼らは、どのような決定を下す必要があるかを私たちに伝えるのが得意ではありません」と、グローバルなコンサルティングおよび専門サービス会社であるZSAssociatesのアソシエイトプリンシパルであるGopiVikranthは述べています。 2019年にZSに入社する前は、Melco Resorts and Entertainmentのビッグデータおよびマーケティング分析の副社長、およびCaesarsEntertainmentのマーケティング分析の副社長を務めていました。
「一方、意思決定インテリジェンスは、[質問]に答えます。「アクションXを実行した場合、現実の世界ではどのような結果になりますか？」 完全な情報を持つ状況はめったにないため、これは企業にとって重要です」とVikranth氏は述べています。
彼は典型的な例として中堅企業について説明しています。 この会社には顧客ロイヤルティプログラムがあるとします。 AIはビジネスの利益を改善する役割を担っているため、顧客の特典を変更または削除したり、価格を上げてその利益を最適化する方法を数学的に見つけることができます。 しかし、これらの結論は客観的に「正しい」ものですが、そのような決定は、顧客やインフルエンサーとのコストのかかる反発を引き起こし、最終的には長期的な忠誠心、ひいては収益の損失をもたらす可能性があります。
ソフトウェアスタジオMyplanetのCEOであるJasonCotrellは、意思決定インテリジェンスの潜在的なユースケースとして次のことを挙げています。
ソフトウェアのフロントエンドコンポーネントのパーソナライズ（アダプティブUI）。
製品の推奨事項。
顧客の解約防止。
航空会社や製薬会社など、取引量の多いビジネス向けの価格最適化。
「 『この決定を下すためにどのようなデータが必要ですか？』と言う代わりに「どうすればこの決定を下すことができますか？ データ分析が必要な部分と自動化できる部分はどれですか？」 そうすれば、分析と自動化をより有効に活用できます」と、本「デジタル意思決定：意思決定管理を使用してAIからビジネスへの影響をもたらす」の著者であり、意思決定管理ソリューションのCEOであるJamesTaylor氏は説明します。
近日公開：意思決定インテリジェンスツール
ビッグデータに足を踏み入れている中小企業の場合、現在のプラットフォームには、DIの使用を開始するために必要なツールがすでに備わっている可能性があります。 専門家はあなたがそれさえ必要としないかもしれないと言います。
「鉛筆と紙だけでDI手法を使用できます。または、最近、Lucidsparkアプリを使用して、アクションから結果への図（CDD）を共同で描画します」と、機械の転移学習の発明者であり、意思決定インテリジェンスのパイオニアであるLorienPratt氏は述べています。 、機械学習および意思決定インテリジェンス企業であるQuantelliaのチーフサイエンティスト兼共同創設者。 彼女は、DIが急速に成熟しており、まもなくこのタイプのデータモデリングがあらゆる規模の企業で利用できるようになると考えています。
プラットによると、一般的なビジネスインテリジェンスプラットフォームの今後のイテレーションはDIをサポートします。 「次のレベルの洗練度では、[Microsoft] ExcelやPowerBIなどの既存のツール内にDIモデルを埋め込むことができるようになります」と彼女は言います。 ただし、それほど洗練されていないツールの場合、これらのユーザーはモデルをその場で変更できないため、このプロセスは制限される可能性があります。
しかし、中小企業はクラウド内の簡素化されたDIプラットフォームを期待できますが、企業はより多くの火力を必要とします。
「最大の問題は投資アプローチです」とプラット氏は言います。つまり、大企業は意思決定を最前線に置く必要があります。これは大規模な組織では複雑になる可能性があります。どのような種類の意思決定を行う必要があるかだけでなく、把握する必要があります。 、だけでなく、それらの要件をキャプチャする方法。
「いくつかの決定については、既存のBIスタックで十分です。しかし、他の人にとっては、[企業]は、予測分析や機械学習ツールなどのより高度なテクノロジーに投資する必要があると考えるでしょう。」さらに、彼はアドバイスします。企業が頻繁にまたは迅速に行う必要のある意思決定のために、AgiloftやIBMのようなビジネスルール管理システムを導入すると、プロセスを自動化し、機械学習アルゴリズムをより有効に活用できます。
中小企業にとって、それはおそらくやり過ぎです。 特に、次世代のクラウド分析サービスは、展開と学習の頭痛の種を減らして、SMBが必要とするすべてのDIマッスルを提供する必要があるためです。 しかし、それでもDIでDIYをしたい場合は、テイラーが一般的な企業に必要だと言っていることは次のとおりです。
編集者からの推薦
要件収集とデータモデリングを行うための意思決定モデリングソフトウェア。
決定ルールを開発するためのビジネスルール管理ソフトウェア（長い結果時間を考慮して比較的少数の決定を行っている場合を除く）。
必要なアルゴリズムを開発するためのある種の機械学習スタック。
アルゴリズムの作成と、できればリアルタイムでのトランザクションデータ配信の管理の両方を可能にするデータプラットフォーム。
データ視覚化ツール。特に、最終決定に重要な人的要素が含まれる場合はなおさらです。
パターンと直感
マシンは、問題とパターンを明確に定義されたものとして認識します：黒と白。 一方、人々は、ニュアンス、潜在的な代替の意味、オプション、および他の考えへの架け橋を目にします。 問題の明確さは、多くの場合、学術的なトレーニングではなく、直感的なインテリジェンスの機能です。 人間は両方を使用でき、DIはそれらの能力を拡張することを目的としています。
「意思決定インテリジェンスは、人間のような意思決定を模倣する現実的なアプローチを取り入れようとするこのアイデアに基づいています」と、ピッツバーグ大学スワンソン工科大学の電気およびコンピューター工学とインテリジェントシステムの准教授であるErvinSejdicは述べています。 AI、基本的には機械学習のルールを設定するだけです。赤の場合はこれで、青の場合はそれです。」
Sejdicは、例として自動車の購入を挙げています。 「車を購入していて、ガロンあたりのマイル数や特定のメーカーなどの特定の基準を設定すると、アルゴリズムによって車が検出されます。 しかし、私たちは車を試乗して、それがどのように感じられ、運転されるかを確認します。これらは、ハードコーディングするのが難しいソフト入力です」と彼は説明します。 「これらの理由から、意思決定インテリジェンスは、私たちが行うより柔軟な意思決定をエンコードしようとします。これらのことは、通常のAIとは異なります。」
Sejdicは、成功すれば、DIは何にでも適用できると述べています。 どこで使用するかを決める方法は、どのような行動を取るのが最善かを知りたい領域を見つけることです。
「分析とビジネスインテリジェンスのほとんどは記述的です。 何が起こったかを記録してから、グラフに数値をプロットします。 それはあなたが理解しようとすることができるようにあなたにちょうど起こったことを教えてくれます。 他の形式は予測です。 彼らは天気予報のようなものです。 彼らはあなたに何が起きようとしているのかを教えてくれます。」 産業運営とサプライチェーンを対象とするAI企業であるPathmindのCEOであるChrisNicholsonは説明しました。
「意思決定インテリジェンスには定量的および定性的な側面があり、企業は両方を考慮に入れる必要があります」とZSAssociatesのVikranthは述べています。 量的な側面では、データ収集、三角測量とエンジニアリング、AIとデータサイエンスのインフラストラクチャ、プログラミングの才能があると彼は説明します。 こちら側の鍵は正確なデータです。 あらゆる規模の企業は、パフォーマンスインジケーターを定義し、適切なデータを収集し、DIスタックで使用できる方法でデータを保存するために時間と労力を費やす必要があります。
定性的な側面では、Vikranthは、企業には洞察、結論、または成果を意思決定や行動に変換するための適切な人材が必要であると述べています。 これらは、ビジネスのためにコンテキスト化する必要があります。 What-ifおよびtest-and-learnツールは、このプロセスに大いに役立ちます。
「両方の側面が組み合わさって意思決定インテリジェンスになります。このように、AIは人間を方程式から外すことはありません。」数学アルゴリズムは、特に不完全なデータを処理している場合はできないため、これは重要であるとVikranthは考えています。あらゆる種類の最適な決定を下します。
データサイエンティストの進化
昔のデータベース管理者は、ビジネスインテリジェンスアナリストと従来のデータサイエンスを生み出しました。 DIは、その分野を新しく、はるかに効果的な役割、つまりデータサイエンス翻訳者の役割に進化させるのに役立っています。 Vikranthのような専門家によると、これらの人々はDIを使用してビジネスのwhat-ifシナリオを実行し、AIスタックを介してそれらを処理して、ビジネスが実行する必要のあるアクションとそれらのアクションが提供できる結果の種類を理解します。
意思決定インテリジェンスにより、テクノロジーと人々はそれぞれ自分が最も得意とすることを行うことができます。 分析やAIなどのテクノロジーは、膨大なデータプール内の接続とパターンをすばやく見つけますが、それは道のりの半分にすぎません。 DIはその情報を使用して、直感的な知性、創造性、経験、ニュアンスをうまくナビゲートする能力など、より無形の人的要因を適用するのに役立ちます。 そのため、DIは小規模な組織にとっても強力な新しいハイブリッド分析モデルであり、大規模な場合に特に効果的です。