Cum Decision Intelligence vă poate stimula serios jocul BI
Publicat: 2022-01-29Pentru majoritatea dintre noi, luarea deciziilor de afaceri bazate pe date este un proces în patru pași. În primul rând, colectați datele. Apoi, îl „exploatezi”, ceea ce înseamnă doar o combinație de instrumente și oamenii de știință de date caută modele și corelații între diferitele tipuri de date. În al treilea rând, acele descoperiri sunt introduse în tablourile de bord și vizualizările pe care managerii le pot vedea. De acolo, revine managerului să interpreteze ceea ce le spune tabloul de bord și să ia decizia lor.
Problema este că datele pe care le-ați colectat și tiparele pe care instrumentele dvs. și oamenii de știință le-au descoperit acum definesc deciziile pe care le puteți lua. Un exemplu simplificat: Să presupunem că PCMag colectează o mulțime de date despre articolele care au avut cele mai bune performanțe în ceea ce privește câte clicuri a primit un anumit articol sau grup de articole. Apoi motoarele noastre de baze de date prinde viață, grupează cele mai bune articole și construiesc vizualizări frumoase, astfel încât să putem înțelege ce a fost găsit. Ceea ce ne uităm ne permite să vedem cele mai de succes articole până în acel moment. Apoi putem lucra pentru a reproduce acel succes în viitor, scriind mai multe astfel de articole pe un anumit pivot de date, cum ar fi subiectul, tipul de articol sau chiar autorul. Deci ceea ce facem este să ne folosim datele pentru a reproduce succesele noastre din trecut. Cu siguranță o practică eficientă.
Dar dacă am întoarce asta?
În loc să ne limităm la datele pe care le-am colectat, ce se întâmplă dacă pur și simplu am începe prin a pune întrebarea la care dorim cu adevărat răspuns: Ce tipuri de articole ne vor face cel mai bine în viitor? Dacă începem de acolo, avem nevoie de un proces pentru a descoperi nu numai întrebările pe care trebuie să le punem pentru a obține răspunsul, ci și datele pe care va trebui să le adunăm pentru a susține acele întrebări. Dar ceea ce am obține este un set mult mai valoros de răspunsuri cu care să luăm deciziile editoriale.
Aceasta este una dintre cele mai interesante metodologii noi care apar în următoarea generație de instrumente de analiză de afaceri și se numește „decision intelligence” (DI). Mai jos, descriem DI mai detaliat și discutăm ce trebuie să știți pentru ca acesta să funcționeze pentru organizația dvs.
Ce este Decision Intelligence?
Cassie Kozyrkov, om de știință șef de decizie la Google, descrie DI ca pe o modalitate de a crește știința datelor cu științe sociale, teoria deciziei și științe manageriale. Această combinație este mai eficientă pentru a ajuta oamenii să folosească efectiv datele BI pentru a lua decizii mai bune. Ea descrie diferența dintre știința datelor și DI ca fiind diferența dintre cei care fac cuptoare cu microunde și bucătarii care le folosesc.
DI a apărut ca urmare a eforturilor de inginerie software pentru a construi decizii îmbunătățite privind cele mai bune practici și a face acest lucru la scară largă. Și, potrivit experților, este suficient de matur încât ar trebui să înceapă să afecteze chiar și întreprinderile mici și mijlocii (IMM-uri) în următoarea iterație a instrumentelor populare de cloud BI, cum ar fi Microsoft PowerBI sau Tableau.
„Inteligenta decizională conectează AI și luarea deciziilor umane pentru a forma concluzii mai inteligente, care conduc la rezultate mai favorabile”, spune Jack Zmudzinski, asociat senior la Future Processing, o companie de dezvoltare de software personalizat. „Deci, mai degrabă decât o decizie luată de un om sau o decizie luată de un computer, este cel mai bun din ambele lumi.”
Inteligența decizională schimbă ceea ce fac de obicei companiile cu datele lor. Într-o abordare a datelor mari, instrumentele de analiză și interogările sunt de obicei alese pentru a se potrivi cu datele. Cu DI, decizia care se caută este cea care are prima prioritate; interogarea este apoi construită, iar datele sunt selectate în funcție de relevanța lor pentru întrebare. Deci, atunci când iau decizii bazate pe date, datele ocupă un rol de sprijin, mai degrabă decât rolul principal.
Experții definesc inteligența deciziei ca pe o metodologie, dar nu este una care are un singur proces umbrelă. Modul în care procedați cu DI va depinde de afacerea dvs., de datele pe care le colectați și, de asemenea, de capacitățile setului dvs. de instrumente de analiză. Cu toate acestea, ideea de bază va fi întotdeauna aceeași: folosirea unei abordări vizuale care începe cu decizia necesară și apoi lucrează înapoi pentru a determina ce date sunt necesare și cum se procedează pentru a le obține.
De ce ai nevoie de DI
Dacă credeți că toate acestea sună ca o mare problemă de afaceri sau de întreprindere, gândiți-vă din nou. Chiar și întreprinderile mici și „soloprenorii” vor folosi în curând aceste tehnologii și le vor putea gestiona cu foarte puțin efort, la un cost rezonabil și cu succes bazat pe propriile cunoștințe și talent. Concluzie: chiar și liderii de afaceri mici din zilele noastre folosesc baze de date sofisticate în cloud care dețin o mulțime de date și analize solide. Ceea ce le lipsește este orice îndrumare reală cu privire la modul de utilizare a acestor informații pentru a lua decizii în lumea reală. Acest lucru este valabil mai ales pentru companiile mici și tocmai asta se adresează DI.
„Algoritmii și datele sunt bune pentru a ne spune „Aici sunt observațiile sau datele și ce se poate concluziona”. Nu sunt buni să ne spună ce decizie trebuie să se întâmple”, a spus Gopi Vikranth, director asociat la ZS Associates, o firmă globală de consultanță și servicii profesionale. Înainte de a se alătura ZS în 2019, a ocupat funcții de vicepreședinte al Big Data și analiză de marketing pentru Melco Resorts and Entertainment și vicepreședinte al analizei de marketing la Caesars Entertainment.
„Inteligenta decizională, pe de altă parte, răspunde [la întrebarea] „Dacă ar fi să luați măsuri X, care va fi rezultatul în lumea reală?” Acest lucru este esențial pentru companii, deoarece rareori există o situație cu informații perfecte”, a spus Vikranth.
El descrie o afacere mijlocie ca exemplu tipic. Să presupunem că această companie are un program de fidelizare a clienților. O IA are sarcina de a îmbunătăți profitul afacerii, astfel încât să găsească matematic modalități de a modifica sau elimina avantajele clienților sau de a crește prețurile pentru a optimiza acel profit. Dar, în timp ce aceste concluzii sunt în mod obiectiv „corecte”, o astfel de decizie ar putea provoca o reacție costisitoare în rândul clienților și influențelor, creând în cele din urmă o pierdere pe termen lung a loialității și, prin urmare, a veniturilor.
Jason Cotrell, CEO al studioului de software Myplanet, citează următoarele drept posibile cazuri de utilizare pentru informațiile decizionale:
Personalizarea componentelor front-end ale software-ului (interfață de utilizare adaptivă).
Recomandări de produse.
Prevenirea abandonului clienților.
Optimizarea prețurilor pentru companiile cu tranzacții grele, cum ar fi companiile aeriene sau produsele farmaceutice.
„În loc să spun „De ce date am nevoie pentru a lua această decizie?” spune „Cum iau această decizie? Ce piese necesită analiză de date și ce piese pot automatiza?' În acest fel, îți vei folosi mai bine analiza și automatizarea”, explică James Taylor, autorul cărții „ Digital Decisioning: Using Decision Management to Deliver Business Impact From AI” și CEO al Decision Management Solutions.
În curând: instrumente de informare a deciziilor
Dacă sunteți o companie mai mică, care se îndepărtează de big data, platforma dvs. actuală poate avea deja instrumentele de care aveți nevoie pentru a începe cu DI. Experții spun că s-ar putea să nu ai nici măcar nevoie de asta.
„Puteți folosi o metodologie DI doar cu creion și hârtie, sau în ultima vreme folosesc aplicația Lucidspark pentru a desena în colaborare diagrame dintre acțiune și rezultat (CDD)”, spune Lorien Pratt, inventatorul învățării prin transfer pentru mașini, un pionier al informațiilor decizionale. , și om de știință șef și cofondator la Quantellia, o companie de învățare automată și informații decizionale. Ea crede că DI se maturizează rapid și că în curând acest tip de modelare a datelor va fi disponibil pentru orice companie de dimensiune.
Potrivit lui Pratt, viitoarele iterații ale platformelor comune de business intelligence vor sprijini DI. „La următorul nivel de sofisticare, veți putea încorpora modele DI în instrumentele existente, cum ar fi [Microsoft] Excel sau PowerBI”, spune ea. Cu toate acestea, pentru instrumentele mai puțin sofisticate, acest proces va fi probabil limitat, deoarece acei utilizatori nu își vor putea schimba modelele din mers.
Dar, în timp ce întreprinderile mici pot aștepta cu nerăbdare platformele DI simplificate în cloud, întreprinderile vor avea nevoie de mult mai multă putere de foc.
„Cea mai mare problemă este abordarea investițională”, spune Pratt, ceea ce înseamnă că întreprinderile mari trebuie să pună deciziile în prim-plan. Acest lucru se poate complica în organizațiile mari. Va trebui să vă dați seama nu numai ce tipuri de decizii trebuie luate. , dar și cum să captezi aceste cerințe.
„Pentru unele decizii, stiva existentă de BI va fi suficientă”, spune Taylor. „Dar pentru altele, [întreprinderile] probabil vor descoperi că trebuie să investească în tehnologii mai avansate, cum ar fi analiza predictivă și instrumente de învățare automată.” În plus, sfătuiește el. pentru deciziile pe care companiile trebuie să le ia des sau rapid, implementarea unui sistem de management al regulilor de afaceri, precum cele de la Agiloft sau IBM, poate automatiza procesul și poate utiliza mai bine algoritmii de învățare automată.
Pentru întreprinderile mai mici, probabil că este exagerat. Mai ales că serviciile de analiză cloud de ultimă generație ar trebui să ofere toate IMM-urile musculare DI de care au nevoie, doar cu mai puține dureri de cap de implementare și de învățare. Dar dacă tot vrei să faci DIY pe DI, iată ce spune Taylor va avea nevoie de o întreprindere tipică:
Recomandat de editorii noștri
Software de modelare a deciziilor pentru colectarea cerințelor și modelarea datelor.
Software de management al regulilor de afaceri pentru a vă dezvolta regulile de decizie (cu excepția cazului în care luați relativ puține decizii cu alocații pentru perioade lungi de rezultat).
Un fel de stivă de învățare automată cu care să dezvoltați algoritmii de care aveți nevoie.
O platformă de date care vă va permite atât să vă creați algoritmii, cât și să gestionați livrarea datelor tranzacționale, de preferință în timp real.
Un instrument de vizualizare a datelor, mai ales dacă deciziile tale finale vor avea totuși un element uman semnificativ.
Modele vs. Intuiție
Mașinile văd problemele și modelele ca fiind definite distinct: negru vs alb. Oamenii, pe de altă parte, văd nuanțe, potențiale semnificații alternative, opțiuni și punți către alte gânduri. Claritatea cu privire la orice problemă este adesea o funcție a inteligenței intuitive, mai degrabă decât a pregătirii academice. Oamenii le pot folosi pe ambele, iar DI își propune să extindă aceste abilități.
„Inteligenta decizională se bazează pe această idee de a încerca să încorporeze abordări realiste care imită deciziile umane”, spune Ervin Sejdic, profesor asociat de inginerie electrică și computerizată și sisteme inteligente la Universitatea din Pittsburgh Swanson School of Engineering. „În timp ce, în mod tipic, AI, practic, ai stabilit regulile pentru învățarea automată: dacă este roșu, asta este, iar dacă este albastru, asta este.”
Sejdic citează ca exemplu achiziția unei mașini. „Dacă cumperi o mașină și stabilești anumite criterii, cum ar fi mile pe galon sau o anumită marcă, un algoritm ar găsi o mașină pentru tine. Dar testăm mașina și vedem cum se simte și cum se conduce, iar acestea sunt intrările soft care sunt greu de codificat”, explică el. „Din aceste motive, inteligența decizională încearcă să codifice deciziile mai blânde pe care le luăm, iar acele lucruri sunt diferite de AI-ul tău tipic.”
Sejdic notează că, dacă are succes, DI poate fi aplicat la orice. Modul de a decide unde să-l folosești este să găsești zone în care vrei să știi ce acțiune ar fi cel mai bine să faci.
„Majoritatea analizelor și a informațiilor de afaceri sunt descriptive. Înregistrați ceea ce se întâmplă și apoi trasați numerele într-o diagramă. Îți spune ce tocmai s-a întâmplat, ca să poți încerca să înțelegi. Alte forme sunt predictive. Sunt ca prognozele meteo. Îți spun ce urmează să se întâmple.” a explicat Chris Nicholson, CEO al Pathmind, o companie AI care vizează operațiunile industriale și lanțurile de aprovizionare.
„Există o latură cantitativă și calitativă a informațiilor decizionale, iar companiile trebuie să le țină cont de ambele”, spune Vikranth de la ZS Associates. Pe partea cantitativă, explică el, este colectarea datelor, triangularea și inginerie, infrastructura AI și știința datelor și talentul de programare. Cheia pe această parte sunt datele exacte. Companiile de orice dimensiune vor trebui să investească timp și efort pentru a defini indicatorii de performanță și pentru a se asigura că colectează datele potrivite și că sunt stocate într-un mod care poate fi utilizat de stiva lor DI.
Din punct de vedere calitativ, Vikranth spune că afacerile au nevoie de talentul potrivit pentru a transforma perspectivele, concluziile sau rezultatele în decizii și acțiuni. Acestea trebuie să fie contextualizate pentru afacerea lor. Instrumentele ce se întâmplă dacă și de testare și învățare pot ajuta foarte mult acest proces.
„Ambele părți combinate este inteligența deciziei”, spune Vikranth. „În acest fel, AI nu scoate oamenii din ecuație.” Vikranth consideră că acest lucru este important, deoarece algoritmii matematici, mai ales dacă lucrează pe date imperfecte, nu pot. ajunge la orice fel de decizie optimă.
Evoluția Data Scientist
Administratorii de baze de date de odinioară au dat naștere analiștilor de business intelligence și științei tradiționale a datelor. DI ajută la evoluția acestei discipline într-un rol nou și mult mai eficient, și anume cel al traducătorilor din știința datelor. Potrivit experților precum Vikranth, acești oameni vor folosi DI pentru a lua scenarii ce ar fi o afacere și le vor lucra printr-o stivă AI pentru a înțelege ce acțiuni trebuie să întreprindă afacerea și tipul de rezultate pe care le pot oferi acele acțiuni.
Inteligența decizională permite tehnologiei și oamenilor să facă fiecare ceea ce fac cel mai bine. Tehnologiile, cum ar fi analytics și AI, găsesc rapid conexiunile și tiparele în bazine uriașe de date, dar aceasta este doar jumătate din călătorie. DI poate folosi acele informații și vă poate ajuta să aplicați factorii umani mai intangibili, cum ar fi inteligența intuitivă, creativitatea, experiența și capacitatea de a naviga cu succes printre nuanțe. Acest lucru face din DI un nou model de analiză hibrid puternic chiar și pentru organizațiile mici și unul care este deosebit de eficient la scară.