डिसीजन इंटेलिजेंस कैसे आपके बीआई गेम को गंभीरता से बढ़ा सकता है

(छवि: गेट्टी)

हम में से अधिकांश के लिए, डेटा-संचालित व्यावसायिक निर्णय लेना चार चरणों वाली प्रक्रिया है।सबसे पहले, आप डेटा एकत्र करते हैं।इसके बाद, आप इसे "मेरा" करते हैं, जिसका अर्थ है कि उपकरण और डेटा वैज्ञानिकों के कुछ संयोजन विभिन्न प्रकार के डेटा के बीच पैटर्न और सहसंबंधों की तलाश करते हैं।तीसरा, उन खोजों को डैशबोर्ड और विज़ुअलाइज़ेशन में पंप किया जाता है जो प्रबंधकों को देखने को मिलते हैं।वहां से, यह प्रबंधक पर निर्भर करता है कि वह यह व्याख्या करे कि डैशबोर्ड उन्हें क्या बता रहा है और अपना निर्णय लें।

समस्या यह है कि आपने जो डेटा एकत्र किया है, और आपके उपकरण और डेटा वैज्ञानिकों ने जो पैटर्न खोजे हैं, वे अब आपके द्वारा लिए जाने वाले निर्णयों को परिभाषित करते हैं।एक सरल उदाहरण: मान लें कि PCMag डेटा का भार एकत्र करता है, जिस पर किसी विशेष लेख या लेखों के समूह को कितने क्लिक प्राप्त हुए हैं, इस मामले में लेखों ने सबसे अच्छा प्रदर्शन किया है।फिर हमारे डेटाबेस इंजन जीवन के लिए गड़गड़ाहट करते हैं, सबसे अच्छे लेखों को एक साथ समूहित करते हैं, और सुंदर विज़ुअलाइज़ेशन बनाते हैं ताकि हम समझ सकें कि क्या पाया गया था।हम जो देख रहे हैं, उससे हम उस बिंदु तक के सबसे सफल लेख देख सकते हैं।फिर हम किसी दिए गए डेटा पिवट, जैसे विषय, लेख का प्रकार, या यहां तक ​​कि लेखक पर इस तरह के और लेख लिखकर भविष्य में उस सफलता को दोहराने के लिए काम कर सकते हैं।इसलिए हम अपनी पिछली सफलताओं को दोहराने के लिए अपने डेटा का उपयोग कर रहे हैं।निश्चित रूप से एक प्रभावी अभ्यास।

लेकिन क्या होगा अगर हम इसे बदल दें?

हमारे द्वारा एकत्र किए गए डेटा द्वारा खुद को सीमित करने के बजाय, क्या होगा यदि हम केवल उस प्रश्न को पूछकर शुरू करते हैं जिसका हम वास्तव में उत्तर चाहते हैं: भविष्य में किस प्रकार के लेख हमारे लिए सबसे अच्छा काम करने जा रहे हैं?यदि हम वहां से शुरू करते हैं, तो हमें न केवल उन प्रश्नों की खोज करने के लिए एक प्रक्रिया की आवश्यकता है जो हमें उत्तर प्राप्त करने के लिए पूछने की आवश्यकता है, बल्कि उन प्रश्नों का समर्थन करने के लिए हमें जो डेटा एकत्र करने की आवश्यकता होगी।लेकिन हमें जो मिलेगा वह जवाबों का एक अधिक मूल्यवान सेट है जिसके साथ हम अपने संपादकीय निर्णय ले सकते हैं।

यह अगली पीढ़ी के बिजनेस एनालिटिक्स टूल में उभरने वाली अधिक रोमांचक नई पद्धतियों में से एक है, और इसे "डिसीजन इंटेलिजेंस" (डीआई) कहा जाता है। नीचे, हम DI का अधिक विस्तार से वर्णन करते हैं और चर्चा करते हैं कि इसे आपके संगठन के लिए काम करने के लिए आपको क्या जानना होगा।

निर्णय खुफिया क्या है?

Google के मुख्य निर्णय वैज्ञानिक कैसी कोज़ीरकोव, DI को सामाजिक विज्ञान, निर्णय सिद्धांत और प्रबंधकीय विज्ञान के साथ डेटा विज्ञान को बढ़ाने के तरीके के रूप में वर्णित करते हैं।यह संयोजन बेहतर निर्णय लेने के लिए लोगों को वास्तव में बीआई डेटा का उपयोग करने में मदद करने के लिए अधिक प्रभावी है।वह डेटा साइंस और DI के बीच के अंतर को माइक्रोवेव ओवन बनाने वालों और उनका उपयोग करने वाले रसोइयों के बीच के अंतर के रूप में वर्णित करती है।

DI बेहतर सर्वोत्तम-अभ्यास निर्णय लेने और बड़े पैमाने पर ऐसा करने के लिए सॉफ़्टवेयर इंजीनियरिंग प्रयासों से विकसित हुआ।और विशेषज्ञों के अनुसार, यह इतना परिपक्व हो गया है कि यह Microsoft PowerBI या झांकी जैसे लोकप्रिय क्लाउड BI टूल के अगले पुनरावृत्ति में छोटे से लेकर मध्यम आकार के व्यवसायों (SMBs) को भी प्रभावित करना शुरू कर दे।

कस्टम सॉफ्टवेयर डेवलपमेंट कंपनी फ्यूचर प्रोसेसिंग (एक नई विंडो में खुलता है) के एक वरिष्ठ सहयोगी जैक ज़मुडज़िंस्की कहते हैं, "डिसीजन इंटेलिजेंस एआई और मानव निर्णय लेने को अधिक बुद्धिमान निष्कर्ष बनाने के लिए जोड़ता है, जिससे अधिक अनुकूल परिणाम प्राप्त होते हैं।" "इसलिए, मानव द्वारा किए गए निर्णय या कंप्यूटर द्वारा किए गए निर्णय के बजाय, यह दोनों दुनिया में सबसे अच्छा है।"

(स्रोत: क्वांटेलिया)

निर्णय खुफिया यह बताता है कि व्यवसाय आमतौर पर अपने डेटा के साथ क्या कर रहे हैं।एक बड़े डेटा दृष्टिकोण में, विश्लेषण उपकरण और प्रश्नों को आम तौर पर डेटा फिट करने के लिए चुना जाता है।डीआई के साथ, यह निर्णय मांगा जा रहा है जो पहली प्राथमिकता लेता है; तब क्वेरी का निर्माण किया जाता है, और डेटा को प्रश्न के लिए इसकी प्रासंगिकता के आधार पर चुना जाता है।इसलिए डेटा-संचालित निर्णय लेते समय डेटा अभिनीत भूमिका के बजाय सहायक भूमिका निभाता है।

विशेषज्ञ निर्णय बुद्धि को एक कार्यप्रणाली के रूप में परिभाषित करते हैं, लेकिन यह एक ऐसा नहीं है जिसमें एक ही छत्र प्रक्रिया होती है।आप DI के बारे में कैसे जाते हैं यह आपके व्यवसाय, आपके द्वारा एकत्रित किए जा रहे डेटा और आपके एनालिटिक्स टूल सेट की क्षमताओं पर निर्भर करेगा।हालांकि, मूल विचार हमेशा समान रहेगा: एक दृश्य दृष्टिकोण का उपयोग करना जो आवश्यक निर्णय से शुरू होता है और फिर यह निर्धारित करने के लिए पीछे की ओर काम करता है कि किस डेटा की आवश्यकता है और इसे प्राप्त करने के बारे में कैसे जाना है।

आपको DI . की आवश्यकता क्यों है

अगर आपको लगता है कि यह सब एक बड़े व्यवसाय या उद्यम की समस्या की तरह लगता है, तो फिर से सोचें।यहां तक ​​​​कि छोटे व्यवसाय और "सोलोप्रीनर्स" भी जल्द ही इन तकनीकों का इस्तेमाल करेंगे, और वे उन्हें बहुत कम प्रयास के साथ, उचित लागत पर, और अपने स्वयं के ज्ञान और प्रतिभा के आधार पर सफलता के साथ प्रबंधित करने में सक्षम होंगे।निचला रेखा: यहां तक ​​​​कि छोटे व्यवसाय के नेता भी इन दिनों परिष्कृत क्लाउड डेटाबेस का उपयोग करते हैं जो बहुत सारे डेटा और ठोस विश्लेषण रखते हैं।वास्तविक दुनिया के निर्णय लेने के लिए उस जानकारी का उपयोग कैसे करें, इस पर उनके पास कोई वास्तविक मार्गदर्शन नहीं है।यह छोटी कंपनियों के लिए विशेष रूप से सच है, और ठीक यही डीआई संबोधित कर रहा है।

जेडएस एसोसिएट्स के एक एसोसिएट प्रिंसिपल गोपी विक्रांत ने कहा, "एल्गोरिदम और डेटा हमें यह बताने में अच्छे हैं कि 'यहां अवलोकन या डेटा हैं और क्या निष्कर्ष निकाला जा सकता है। वे हमें यह बताने में अच्छे नहीं हैं कि क्या निर्णय लेने की जरूरत है।" वैश्विक परामर्श और पेशेवर सेवा फर्म।2019 में ZS में शामिल होने से पहले, उन्होंने मेल्को रिसॉर्ट्स एंड एंटरटेनमेंट के लिए बिग डेटा और मार्केटिंग एनालिटिक्स के उपाध्यक्ष और कैसर एंटरटेनमेंट में मार्केटिंग एनालिटिक्स के उपाध्यक्ष के रूप में भूमिकाएँ निभाईं।

"दूसरी ओर, निर्णय खुफिया, उत्तर [प्रश्न] 'यदि आप कार्रवाई एक्स करते हैं, तो वास्तविक दुनिया में परिणाम क्या होगा?' यह व्यवसायों के लिए महत्वपूर्ण है क्योंकि शायद ही कभी सही जानकारी वाली स्थिति होती है," विक्रांत ने कहा।

वह एक विशिष्ट उदाहरण के रूप में एक मध्यम आकार के व्यवसाय का वर्णन करता है।मान लें कि इस कंपनी का ग्राहक वफादारी कार्यक्रम है।एक एआई को व्यावसायिक लाभ में सुधार करने का काम सौंपा जाता है, इसलिए यह गणितीय रूप से ग्राहक भत्तों को बदलने या हटाने या उस लाभ को अनुकूलित करने के लिए कीमतें बढ़ाने के तरीके खोज सकता है।लेकिन जब वे निष्कर्ष निष्पक्ष रूप से "सही" होते हैं, तो इस तरह के निर्णय से ग्राहकों और प्रभावितों के साथ एक महंगी प्रतिक्रिया हो सकती है, अंततः वफादारी का दीर्घकालिक नुकसान और इसलिए राजस्व पैदा हो सकता है।

सॉफ्टवेयर स्टूडियो माईप्लानेट के सीईओ जेसन कॉटरेल, निर्णय खुफिया के लिए संभावित उपयोग के मामलों के रूप में निम्नलिखित का हवाला देते हैं:

• सॉफ़्टवेयर के फ्रंट-एंड घटकों (अनुकूली UI) को निजीकृत करना।

• उत्पाद सिफारिशें।

• ग्राहक मंथन रोकथाम।

• लेन-देन-भारी व्यवसायों, जैसे एयरलाइंस या फार्मास्यूटिकल्स के लिए मूल्य अनुकूलन।

"यह कहने के बजाय कि 'यह निर्णय लेने के लिए मुझे किस डेटा की आवश्यकता है?' कहें 'मैं यह निर्णय कैसे ले सकता हूं? "डिजिटल डिसीजनिंग: यूजिंग डिसीजन मैनेजमेंट टू डिलीवर बिजनेस इम्पैक्ट फ्रॉम एआई" पुस्तक के लेखक जेम्स टेलर बताते हैं कि किन टुकड़ों को डेटा विश्लेषण की आवश्यकता है और मैं किन टुकड़ों को स्वचालित कर सकता हूं?' इस तरह, आप अपने विश्लेषण और स्वचालन का बेहतर लाभ उठाएंगे। निर्णय प्रबंधन समाधान के सीईओ।

जल्द आ रहा है: निर्णय खुफिया उपकरण

यदि आप एक छोटा व्यवसाय हैं जो बड़े डेटा में पैर की अंगुली डुबो रहा है, तो आपके वर्तमान प्लेटफ़ॉर्म में पहले से ही वे उपकरण हो सकते हैं जिनकी आपको DI के साथ शुरुआत करने की आवश्यकता है।विशेषज्ञों का कहना है कि आपको इसकी आवश्यकता भी नहीं हो सकती है।

ट्रांसफर लर्निंग के आविष्कारक लोरियन प्रैट कहते हैं, "आप सिर्फ पेंसिल और पेपर के साथ एक डीआई पद्धति का उपयोग कर सकते हैं, या हाल ही में मैं ल्यूसिडपार्क (एक नई विंडो में खुलता है) ऐप का उपयोग सहयोगी रूप से एक्शन-टू-आउटकम डायग्राम (सीडीडी) बनाने के लिए करता हूं।" मशीनों के लिए, एक निर्णय खुफिया अग्रणी, और मुख्य वैज्ञानिक और क्वांटेलिया में सह-संस्थापक, एक मशीन सीखने और निर्णय खुफिया कंपनी।उनका मानना ​​है कि DI तेजी से परिपक्व हो रहा है और जल्द ही इस प्रकार का डेटा मॉडलिंग किसी भी आकार के व्यवसाय के लिए उपलब्ध होगा।

प्रैट के अनुसार, आम व्यापार खुफिया प्लेटफार्मों के आगामी पुनरावृत्तियों डीआई का समर्थन करेंगे। "अगले स्तर के परिष्कार पर, आप मौजूदा टूल, जैसे [Microsoft] Excel या PowerBI के अंदर DI मॉडल एम्बेड करने में सक्षम होंगे," वह कहती हैं।हालांकि, कम परिष्कृत उपकरणों के लिए, यह प्रक्रिया सीमित होने की संभावना है, क्योंकि वे उपयोगकर्ता तुरंत अपने मॉडल को बदलने में सक्षम नहीं होंगे।

लेकिन जब छोटे व्यवसाय क्लाउड में सरलीकृत DI प्लेटफॉर्म की उम्मीद कर सकते हैं, तो उद्यमों को बहुत अधिक मारक क्षमता की आवश्यकता होगी।

"सबसे बड़ा मुद्दा एक निवेश दृष्टिकोण है," प्रैट कहते हैं, जिसका अर्थ है कि बड़े व्यवसायों को निर्णय सामने और केंद्र में रखने की आवश्यकता होती है। यह बड़े संगठनों में जटिल हो सकता है। आपको न केवल यह पता लगाने की आवश्यकता होगी कि किस प्रकार के निर्णय लेने की आवश्यकता है , लेकिन यह भी कि उन आवश्यकताओं को कैसे पूरा किया जाए।

"कुछ निर्णयों के लिए, मौजूदा बीआई स्टैक पर्याप्त होगा," टेलर कहते हैं। "लेकिन दूसरों के लिए, [उद्यमों] को संभवतः अधिक उन्नत तकनीकों में निवेश करने की आवश्यकता होगी, जैसे कि भविष्य कहनेवाला विश्लेषण और मशीन सीखने के उपकरण।" इसके अतिरिक्त, वह सलाह देते हैं निर्णय लेने के लिए कंपनियों को अक्सर या तेजी से करने की आवश्यकता होती है, एक व्यवसाय नियम प्रबंधन प्रणाली को तैनात करना, जैसे कि एगिलॉफ्ट (एक नई विंडो में खुलता है) या आईबीएम (एक नई विंडो में खुलता है), प्रक्रिया को स्वचालित कर सकता है और आपकी मशीन सीखने का बेहतर लाभ उठा सकता है। एल्गोरिदम

छोटे व्यवसायों के लिए, यह शायद अधिक है।विशेष रूप से चूंकि अगली पीढ़ी की क्लाउड एनालिटिक्स सेवाओं को सभी डीआई मांसपेशी एसएमबी की जरूरत प्रदान करनी चाहिए, बस कम तैनाती और सीखने के सिरदर्द के साथ।लेकिन अगर आप अभी भी DI पर DIY जाना चाहते हैं, तो टेलर का कहना है कि एक विशिष्ट उद्यम की आवश्यकता होगी:

• आवश्यकताओं को इकट्ठा करने और डेटा मॉडलिंग करने के लिए निर्णय मॉडलिंग सॉफ्टवेयर।

• व्यवसाय नियम प्रबंधन सॉफ़्टवेयर आपके निर्णय नियमों को विकसित करने के लिए (जब तक कि आप लंबे परिणाम समय के लिए भत्ते के साथ अपेक्षाकृत कुछ निर्णय नहीं ले रहे हैं)।

• किसी प्रकार का मशीन लर्निंग स्टैक जिसके साथ आपको आवश्यक एल्गोरिदम विकसित करना होगा।

• एक डेटा प्लेटफ़ॉर्म जो आप दोनों को अपने एल्गोरिदम बनाने और लेन-देन संबंधी डेटा वितरण का प्रबंधन करने देगा, अधिमानतः वास्तविक समय में।

• एक डेटा विज़ुअलाइज़ेशन टूल, खासकर यदि आपके अंतिम निर्णयों में अभी भी एक महत्वपूर्ण मानवीय तत्व होगा।

पैटर्न बनाम।अंतर्ज्ञान

मशीनें समस्याओं और पैटर्न को स्पष्ट रूप से परिभाषित करती हैं: काला बनाम सफेद।दूसरी ओर, लोग अन्य विचारों की बारीकियों, संभावित वैकल्पिक अर्थों, विकल्पों और सेतुओं को देखते हैं।किसी भी मुद्दे पर स्पष्टता अक्सर अकादमिक प्रशिक्षण के बजाय सहज ज्ञान युक्त बुद्धि का कार्य होता है।मनुष्य दोनों का उपयोग कर सकते हैं, और DI का उद्देश्य उन क्षमताओं को मापना है।

यूनिवर्सिटी ऑफ पिट्सबर्ग स्वानसन स्कूल ऑफ इंजीनियरिंग में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग और इंटेलिजेंट सिस्टम के एसोसिएट प्रोफेसर एर्विन सेजडिक कहते हैं, "निर्णय इंटेलिजेंस यथार्थवादी दृष्टिकोणों को शामिल करने की कोशिश करने के इस विचार पर आधारित है जो मानव जैसे निर्णयों की नकल करते हैं।" "जबकि सामान्य रूप से एआई, आपने मूल रूप से मशीन सीखने के लिए नियम निर्धारित किए हैं: यदि यह लाल है, तो यह है, और यदि यह नीला है, तो यह है।

Sejdic एक उदाहरण के रूप में एक कार खरीद का हवाला देता है। "यदि आप एक कार खरीद रहे हैं, और आप मील प्रति गैलन या एक निश्चित मेक जैसे कुछ मानदंड निर्धारित करते हैं, तो एक एल्गोरिदम आपके लिए एक कार ढूंढेगा। लेकिन हम कार को टेस्ट ड्राइव करते हैं और देखते हैं कि यह कैसा लगता है और ड्राइव करता है, और वे सॉफ्ट इनपुट हैं जिन्हें हार्ड कोड करना मुश्किल है, ”वे बताते हैं। "उन कारणों से, निर्णय खुफिया हमारे द्वारा किए गए नरम निर्णयों को एन्कोड करने का प्रयास करता है, और वे चीजें आपके सामान्य एआई से अलग होती हैं।"

Sejdic नोट करता है कि यदि यह सफल होता है, तो DI को किसी भी चीज़ पर लागू किया जा सकता है।इसका उपयोग कहां करना है, यह तय करने का तरीका उन क्षेत्रों को ढूंढना है जहां आप जानना चाहते हैं कि आपके लिए कौन सी कार्रवाई करना सबसे अच्छा होगा।

"अधिकांश एनालिटिक्स और बिजनेस इंटेलिजेंस वर्णनात्मक हैं। आप रिकॉर्ड करते हैं कि क्या होता है और फिर आप चार्ट में संख्याओं को प्लॉट करते हैं। यह आपको बताता है कि अभी क्या हुआ ताकि आप समझने की कोशिश कर सकें। अन्य रूप भविष्य कहनेवाला हैं। वे मौसम की भविष्यवाणी की तरह हैं। वे आपको बताते हैं कि क्या होने वाला है।" पाथमाइंड (एक नई विंडो में खुलता है) के सीईओ क्रिस निकोलसन ने समझाया, एक एआई कंपनी जो औद्योगिक संचालन और आपूर्ति श्रृंखलाओं को लक्षित करती है।

जेडएस एसोसिएट्स के विक्रांत कहते हैं, "डिसीजन इंटेलिजेंस का एक मात्रात्मक और गुणात्मक पक्ष होता है, और व्यवसायों को दोनों को ध्यान में रखना चाहिए।"मात्रात्मक पक्ष पर, वे बताते हैं, डेटा संग्रह, त्रिभुज और इंजीनियरिंग, एआई और डेटा विज्ञान बुनियादी ढांचा, और प्रोग्रामिंग प्रतिभा है।इस तरफ की कुंजी सटीक डेटा है।किसी भी आकार के व्यवसायों को प्रदर्शन संकेतकों को परिभाषित करने के लिए समय और प्रयास का निवेश करने की आवश्यकता होगी और यह सुनिश्चित करना होगा कि वे सही डेटा एकत्र कर रहे हैं और यह इस तरह से संग्रहीत है जो उनके DI स्टैक द्वारा उपयोग करने योग्य है।

गुणात्मक पक्ष पर, विक्रांत कहते हैं कि व्यवसायों को अंतर्दृष्टि, निष्कर्ष, या आउटपुट को निर्णयों और कार्यों में बदलने के लिए सही प्रतिभा की आवश्यकता होती है।इन्हें अपने व्यवसाय के लिए प्रासंगिक बनाने की आवश्यकता है।क्या-अगर और परीक्षण-और-सीखने के उपकरण इस प्रक्रिया में बहुत मदद कर सकते हैं।

विक्रांत कहते हैं, "दोनों पक्ष संयुक्त निर्णय बुद्धि है। इस तरह, एआई मनुष्यों को समीकरण से बाहर नहीं ले जाता है।" विक्रांत का मानना ​​​​है कि यह महत्वपूर्ण है क्योंकि गणितीय एल्गोरिदम, खासकर यदि वे अपूर्ण डेटा पर काम कर रहे हैं, नहीं कर सकते किसी भी प्रकार के इष्टतम निर्णय पर आएं।

डेटा वैज्ञानिक विकास

पुराने के डेटाबेस प्रशासकों ने व्यापार खुफिया विश्लेषकों और पारंपरिक डेटा विज्ञान को जन्म दिया।DI उस अनुशासन को एक नई और अधिक प्रभावी भूमिका में विकसित करने में मदद कर रहा है, अर्थात् डेटा विज्ञान अनुवादक।विक्रांत जैसे विशेषज्ञों के अनुसार, ये लोग DI का उपयोग व्यवसाय के 'क्या-क्या परिदृश्य' लेने के लिए करेंगे और उन्हें AI स्टैक के माध्यम से यह समझने के लिए काम करेंगे कि व्यवसाय को क्या कार्रवाई करने की आवश्यकता है और उन कार्यों के परिणाम किस प्रकार प्रदान कर सकते हैं।

डिसीजन इंटेलिजेंस तकनीक और लोगों को वह करने देता है जो वे सबसे अच्छा करते हैं।एनालिटिक्स और एआई जैसी प्रौद्योगिकियां, डेटा के विशाल पूल में तेजी से कनेक्शन और पैटर्न ढूंढती हैं, लेकिन यह केवल आधी यात्रा है।DI उस जानकारी का उपयोग कर सकता है और आपको अधिक अमूर्त मानवीय कारकों को लागू करने में मदद कर सकता है, जैसे कि सहज बुद्धि, रचनात्मकता, अनुभव और बारीकियों के माध्यम से सफलतापूर्वक नेविगेट करने की क्षमता।यह DI को छोटे संगठनों के लिए भी एक शक्तिशाली नया हाइब्रिड विश्लेषण मॉडल बनाता है, और एक जो विशेष रूप से बड़े पैमाने पर प्रभावी है।