Beslutsunderrättelser

Ramverk för beslutsunderrättelser

Decision intelligence är en ingenjörsdisciplin som kompletterar datavetenskap med teori från samhällsvetenskap , beslutsteori och ledningsvetenskap . Dess tillämpning ger ett ramverk för bästa praxis i organisatoriskt beslutsfattande och processer för att tillämpa maskininlärning i stor skala. Grundtanken är att beslut baseras på vår förståelse för hur handlingar leder till resultat. Beslutsintelligens är en disciplin för att analysera denna kedja av orsak och verkan , och beslutsmodellering är ett visuellt språk för att representera dessa kedjor.

Ett närliggande område, beslutsteknik , undersöker också förbättringen av beslutsprocesser men är inte alltid lika nära knuten till datavetenskap.

Ursprung och teknologier

Beslutsintelligens bygger på insikten om att beslutsfattandet i många organisationer skulle kunna förbättras om ett mer strukturerat tillvägagångssätt användes. Beslutsintelligens strävar efter att övervinna ett beslutsfattande "komplexitetstak", som kännetecknas av en bristande överensstämmelse mellan sofistikerade organisatoriska beslutspraxis och komplexiteten i situationer där dessa beslut måste fattas. Som sådan försöker den lösa några av de problem som identifierats kring komplexitetsteori och organisationer .

I denna mening representerar beslutsintelligens en praktisk tillämpning av området komplexa system , vilket hjälper organisationer att navigera i de komplexa system där de befinner sig. Beslutsintelligens kan också ses som ett ramverk som tar med avancerad analys och maskininlärningstekniker till skrivbordet hos den icke-experterade beslutsfattaren, såväl som som införlivar, och sedan utökar, datavetenskap för att övervinna problemen som artikuleras i black swan-teorin . [ citat behövs ]

Decision Intelligence-förespråkare tror att många organisationer fortsätter att fatta dåliga beslut. Som svar försöker beslutsunderrättelser förena ett antal bästa praxis för beslutsfattande , som beskrivs mer i detalj nedan.

Beslutsintelligens bygger på insikten att det är möjligt att utforma själva beslutet med hjälp av principer som tidigare använts för att designa mer påtagliga föremål som broar och byggnader.

Användningen av ett visuellt formspråk som representerar beslut (se § Visuell beslutsdesign ) är en viktig del av beslutsintelligens, eftersom det ger ett intuitivt gemensamt språk som lätt kan förstås av alla beslutsdeltagare. En visuell metafor förbättrar förmågan att resonera kring komplexa system samt att förbättra samarbetet .

Förutom visuell beslutsdesign, finns det andra två aspekter av ingenjörsdiscipliner som hjälper till att adoptera massvis. Dessa är:

  1. skapandet av ett gemensamt språk av designelement och
  2. användningen av en vanlig metod eller process, som illustreras i diagrammet ovan.

Motivering

Behovet av en enhetlig metodik för beslutsfattande drivs av ett antal faktorer som organisationer möter när de fattar svåra beslut i en komplex intern och extern miljö.

Erkännandet av den breda oförmågan hos nuvarande metoder för att lösa beslutsfattande frågor i praktiken kommer från flera källor, inklusive statliga källor och industrier som telekommunikation , media , fordonsindustrin och läkemedel .

Exempel:

  • Resultaten av beslut blir mer komplexa och går långt utöver nästa kvartals intäkter eller andra påtagliga resultat till flera mål som måste uppfyllas tillsammans, av vilka några ofta är immateriella :

Bilen håller på att bli ett uttryck för identitet, värderingar och personlig kontroll på sätt som går långt bortom traditionell segmentering och varumärke. Till exempel kommer bränsleeffektivitet bara att vara en faktor för ett socialt ansvarsfullt fordon (SRV). Hur många procent av delarna är återvinningsbara? Vilket är fordonets totala koldioxidavtryck? Finns det insatser för barnarbete? Giftiga färger, lim eller plast? Hur transparent är leveranskedjan? Är säljaren ansvarig för återvinning? Vilka metoder används? Används rättvisa arbetsmetoder?

— Shoshana Zuboff , "The GM Solution: Life Boats, Not Life Support", Business Week , 18 november 2008
  • Global ökning av komplexitet:

Vi lever i en dynamisk värld där förändringens takt, omfattning och komplexitet ökar. Globaliseringens fortsatta frammarsch, det växande antalet oberoende aktörer och avancerad teknik har ökat globala anslutningsmöjligheter, ömsesidigt beroende och komplexitet, vilket skapar större osäkerheter, systemrisker och en mindre förutsägbar framtid. Dessa förändringar har lett till minskade varningstider och komprimerade beslutscykler.

— Director of National Intelligence , Vision 2015: A Globally Networked and Integrated Intelligence Enterprise, juli 2008

Överföra tekniska principer

Till skillnad från andra verktyg och metoder för beslutsfattande , strävar beslutsintelligens efter att förverkliga ett antal tekniska praxis i processen att skapa ett beslut. Dessa inkluderar kravanalys , specifikation , scenarieplanering , kvalitetssäkring , säkerhet och användning av designprinciper enligt ovan. Under beslutsverkningsfasen kan utdata som produceras under designfasen användas på ett antal sätt; övervakningsmetoder som affärsinstrumentpaneler och antagandebaserad planering används för att spåra resultatet av ett beslut och för att utlösa omplanering vid behov (en bild av hur några av dessa element kombineras visas i diagrammet i början av denna artikel).

Beslutsintelligens har potential att förbättra kvaliteten på fattade beslut, förmågan att fatta dem snabbare, förmågan att anpassa organisationsresurser mer effektivt kring en förändring i beslut och minskar riskerna i samband med beslut. Vidare kan ett utformat beslut återanvändas och modifieras allt eftersom ny information erhålls.

Ta med numeriska metoder till skrivbordet

Även om många delar av beslutsintelligens, såsom känslighetsanalys och analys , är mogna discipliner, är de inte i stor användning av beslutsfattare. Decision intelligence strävar efter att skapa ett visuellt språk som tjänar till att underlätta kommunikationen mellan dem och kvantitativa experter, vilket möjliggör ett bredare utnyttjande av dessa och andra numeriska och tekniska tillvägagångssätt.

I synnerhet representerar beroendelänkar i en beslutsmodell orsak och verkan (som i ett kausal loopdiagram ), dataflöde (som i ett dataflödesdiagram ) eller andra samband. Som ett exempel kan en länk representera sambandet mellan "medeltid för att reparera ett problem med telefonservice" och "kundnöjdhet", där en kort reparationstid förmodligen skulle öka kundnöjdheten. Den funktionella formen av dessa beroenden kan bestämmas genom ett antal tillvägagångssätt. Numeriska metoder, som analyserar data för att bestämma dessa funktioner, inkluderar maskininlärning och analysalgoritmer (inklusive artificiella neurala nätverk ), såväl som mer traditionell regressionsanalys . Resultat från operationsforskning och många andra kvantitativa tillvägagångssätt har en liknande roll att spela.

När data inte är tillgänglig (eller är för bullrig , osäker eller ofullständig) kan dessa beroendelänkar ta formen av regler som kan hittas i ett expertsystem eller regelbaserat system , och kan därför erhållas genom kunskapsteknik .

På så sätt representerar en beslutsmodell en mekanism för att kombinera flera relationer, såväl som symboliska och subsymboliska resonemang, till en komplett lösning för att bestämma resultatet av ett praktiskt beslut.

Relation till artificiell intelligens och maskininlärning

Som beskrivits ovan kan beroendelänkar för beslutsmodeller modelleras med hjälp av maskininlärning . I detta avseende kan beslutsintelligens ses som en "multi-link"-utvidgning till artificiell intelligens , som används mest för enkellänksanalys. Ur denna synvinkel maskininlärning ses som ett svar på frågan "Om jag vet/ser/hör X, vad kan jag dra slutsatsen?", medan beslutsunderrättelser svarar: "Om jag vidtar åtgärd X, vad blir resultatet? ". Den senare frågan involverar vanligtvis händelsekedjor, ibland inklusive komplex dynamik som återkopplingsslingor. På detta sätt förenar beslutsintelligens komplexa system , maskininlärning och beslutsanalys .

Ursprung

Trots årtionden av utveckling av beslutsstödssystem och metoder (som beslutsanalys ) är dessa fortfarande mindre populära än kalkylblad som primära verktyg för beslutsfattande. Beslutsintelligens strävar efter att överbrygga denna klyfta och skapa en kritisk massa av användare av en gemensam metod och ett gemensamt språk för de centrala enheter som ingår i ett beslut, såsom antaganden, externa värderingar, fakta, data och slutsatser. Om ett mönster från tidigare branscher håller, kommer en sådan metod också att underlätta teknikantagande, genom att förtydliga gemensamma mognadsmodeller och färdplaner som kan delas från en organisation till en annan.

Tillvägagångssättet för beslutsintelligens är multidisciplinärt och förenar resultat om kognitiv fördom och beslutsfattande, situationsmedvetenhet , kritiskt och kreativt tänkande , samarbete och organisationsdesign, med ingenjörsteknik.

Beslutsintelligens anses vara en förbättring jämfört med nuvarande organisatoriska beslutspraxis, som inkluderar användningen av kalkylblad , text (sekventiell till sin natur, så det passar inte bra för hur information flödar genom en beslutsstruktur) och verbala argument. Förflyttningen från dessa till stor del informella strukturer till en där ett beslut dokumenteras i ett välförstått, visuellt språk, återspeglar skapandet av gemensamma ritningsmetoder inom konstruktion, med löfte om liknande fördelar.

Decision intelligence är både en mycket ny och också en mycket gammal disciplin. Många av dess element - som språket för att bedöma antaganden, använda logik för att stödja ett argument, nödvändigheten av kritiskt tänkande för att utvärdera ett beslut och förstå effekterna av partiskhet - är urgamla. Ändå är insikten att dessa element kan bilda en sammanhängande helhet som ger betydande fördelar för organisationer genom att fokusera på en gemensam metodik relativt ny.

Under 2018 döptes Googles processer och utbildningsprogram inom tillämpad datavetenskap till "beslutsintelligence" för att indikera den centrala rollen för åtgärder och beslut i tillämpningen av datavetenskap. I vilken utsträckning de teoretiska ramarna drog på lednings- och samhällsvetenskap utöver datavetenskap var ytterligare en motivation för att förena beslutsintelligens till ett studieområde som är skilt från datavetenskap.

Modern beslutsintelligens är mycket tvärvetenskaplig och akademiskt inkluderande. Forskning som fokuserar på beslut, brett definierad som biologiskt och icke-biologiskt handlingsurval , anses vara en del av disciplinen. Beslutsintelligens är dock inte ett samlingsbegrepp för datavetenskap och samhällsvetenskap, eftersom det inte omfattar komponenter som inte bryr sig om beslut.

Visuell beslutsdesign

Eftersom det synliggör de annars osynliga resonemangsstrukturerna som används i komplexa beslut, drar designaspekten av beslutsintelligens från andra konceptuella representationsteknologier som mindmapping , konceptuella grafer och semantiska nätverk .

Grundidén är att en visuell metafor förbättrar intuitivt tänkande , induktivt resonemang och mönsterigenkänning - viktiga kognitiva färdigheter som vanligtvis är mindre tillgängliga i en verbal eller textdiskussion. En affärsbeslutskarta kan ses som ett tillvägagångssätt till ett formellt beslutsspråk för att stödja beslutsintelligens.

Explicit representation av immateriella tillgångar

Beslutsintelligens inser att många aspekter av beslutsfattande är baserade på immateriella element, inklusive alternativkostnader , anställdas moral, intellektuellt kapital, varumärkeskännedom och andra former av affärsvärde som inte fångas i traditionella kvantitativa eller finansiella modeller. Värdenätverksanalys – framför allt värdenätverkskartor – är därför relevanta här.

Se även

Anteckningar

^ Notera följande semantiska variationer:

  • Enterprise decision management (EDM) är en närbesläktad disciplin som fokuserar på att automatisera beslut i ett företag. Beslutsintelligens är ur denna synvinkel en superuppsättning av EDM, eftersom den omfattar både manuella och automatiserade beslutsprocesser, och förenar dem till en gemensam metod som, när den är effektiv, bryter ner barriärer mellan kvantitativ analys/analysverktyg och avdelningar och de med ett mer kvalitativt/strategiskt/ledningsfokus.
  • Den relaterade termen "decision engineering" används i flera branscher. Var och en av dessa har en betydelse som skiljer sig från vad som diskuteras i den här artikeln.
  • Många år efter den utbredda användningen av termen varumärkesskyddade Mastercard namnet "Decision Intelligence" för sin AI/maskininlärningsprodukt. [ icke-primär källa behövs ]
  • Inom beteendeekonomi kan den relaterade termen "decision engineering" betyda avsiktlig manipulation av konsumenternas val. I denna användning av termen är beslutsintelligens ungefär analogt med mjuk paternalism - en helt annan innebörd än vad som tas upp i denna artikel, och hänvisar som den gör till konstruktionen av beslut fattade av konsumenter, snarare än användningen av tekniska principer för att hjälpa i komplext beslutsfattande. Även om den är tydligt annorlunda bygger denna praxis på mycket av samma beslutsfattande forskning som beslutsintelligens gör (som till exempel beteendeekonomen Richard Thalers arbete) .
  • Kostnadsteknik mäter kostnaderna för ingenjörsprojekt. Kostnadsteknik grupperas ibland i produktutveckling och designoptimering som beslutsteknik. Detta kan särskiljas från den bredare ramen för denna artikel, som går bortom arenan för tekniska beslut till alla beslut som organisationer står inför.
  • Operationsforskning är en till stor del kvantitativ metod för beslutsfattande som försöker identifiera optimala eller nästan optimala lösningar på beslutsfattande problem.

Bibliografi

externa länkar

Hämtad från " https://en.wikipedia.org/w/index.php?title=Decision_intelligence&oldid=1140402161 "