私たちのほとんどにとって、データ駆動型のビジネス上の意思決定は 4 つのステップからなるプロセスです。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 サイエンティストを組み合わせて、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 3 に、これらの発見は、管理者が確認できるダッシュボードとビジュアライゼーションに反映されます。そこから、ダッシュボードが伝えていることを解釈して決定を下すのはマネージャー次第です。
ここでの問題は、収集したデータと、ツールやデータ サイエンティストが発見したパターンによって、下すことができる決定が定義されることです。簡単な例: PCMag が、特定の記事または記事のグループが受け取っ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という大量のデータを収集するとします。次に、データベース エンジンが動作し、最良の記事をグループ化し、見栄えの良い視覚化を構築して、見つかった内容を理解できるようにします。私たちが見ているものは、その時点までで最も成功した記事を見ることができます.その後、トピック、記事の種類、さらには著者など、特定のデータ ピボットに関する記事をさらに書くことで、将来的にその成功を再現することができます。つまり、私たちが行っているのは、データを使用して過去の成功を再現することです。確かに効果的な練習法です。
しかし、それをひっくり返したらどうなるでしょうか？
収集したデータによって自分自身を制限するのではなく、本当に答えてもらいたい質問をすることから始めたらどうなるでしょうか。そこから始めると、答えを得るために必要な質問を発見するだけでなく、それらの質問をサポートするために収集する必要があるデータを発見するプロセスが必要になります。しかし、私たちが得られるのは、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に登場する最も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)」と呼ばれています。以下では、DI について詳しく説明し、DI を組織で機能させるために知っておくべきことについて説明します。
デシジョン インテリジェンスとは
Google のチーフ デシジョン サイエンティストである Cassie Kozyrkov は、DI を、社会科学、意思決定理論、経営科学でデータ サイエンスを補強する方法であると説明しています。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適切な意思決定を行うのに、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だと説明しています。
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 などの一般的なクラウド BI ツールの次の反復では、小規模から中規模の企業 (SMB) にも影響を与え始めるほど十分に成熟しています。
カスタム ソフトウェア開発会社である Future Processing(Opens in a new window) のシニア アソシエイトである Jack Zmudzinski は、次のように述べています。 「つまり、人間が下した決定やコンピューターが下した決定ではなく、両方の世界のベストなのです。」
（出典：クォンテリア）
デシジョン インテリジェンスは、企業がデータを使っ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、データに適合するように選択されます。DI では、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。そのため、データに基づいた意思決定を行う際、データは主役ではなく補助的な役割を果たします。
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、単一の包括的なプロセスを持つものではありません。DI をどのように行うかは、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。視覚的なアプローチを使用して、必要な決定から始め、逆方向に作業して必要なデータとその取得方法を決定します。
DIが必要な理由
これがすべて大きなビジネスまたは企業の問題のように聞こえると思われる場合は、もう一度考えてみてください。中小企業や「個人起業家」でさえ、すぐにこれらのテクノロジーを活用し、わずかな労力で、合理的なコストで、自分の知識と才能に基づいて成功を収めることが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、『これが観測またはデータであり、結論を下すことができるものです』と私たちに伝えるのが得意です。彼らは、どのような決定を行う必要があるかを私たちに伝えるのは得意ではありません」グローバルなコンサルティングおよびプロフェッショナル サービス会社です。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担当副社長、Caesars Entertainment のマーケティング分析担当副社長を務めていました。
「一方、デシジョン インテリジェンスは [質問] に答えます。『行動 X を実行した場合、現実の世界ではどのような結果になるでしょうか?』完全な情報が存在する状況はめったにないため、これはビジネスにとって重要です。」ヴィクラントは言った。
彼は典型的な例として中堅企業を説明しています。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任務を負っているため、顧客特典を変更または削除したり、価格を引き上げたりして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は「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にコストのかかる反発を引き起こし、最終的にはロイヤルティと収益の長期的な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 Jason Cotrell 氏は、意思決定インテリジェンスの潜在的な使用例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 (アダプティブ UI) のパーソナライズ。
製品の推奨事項。
顧客離れ防止。
航空会社や製薬会社など、トランザクションの多いビジネス向けの価格の最適化。
「『この決定を下すにはどのようなデータが必要ですか?』と言う代わりに、『この決定を下すにはどうすればよいですか?どの部分がデータ分析を必要とし、どの部分を自動化できますか? そうすれば、分析と自動化をより有効に活用できます」と、書籍「デジタル意思決定: 意思決定管理を使用して AI からビジネスに影響を与える」の著者である James Taylor 氏は説明します。意思決定管理ソリューションの CEO。
近日公開: デシジョン 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 を開始するために必要なツールが既に備わっている可能性があります。専門家は、それさえ必要ないかもしれないと言います。
「鉛筆と紙だけで DI 方法論を使用できます。最近では、Lucidspark(新しいウィンドウで開きます) アプリを使用して、行動から結果への図 (CDD) を共同で描画しています」と、転移学習の発明者である Lorien Pratt 氏は言います。意思決定インテリジェンスのパイオニアであり、機械学習と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設立者です。彼女は、DI は急速に成熟しており、この種のデータ モデリングがあらゆる規模の企業ですぐに利用できるようになると考えています。
Pratt 氏によると、共通のビジネス 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で DI がサポートされる予定です。 「高度化の次のレベルでは、[Microsoft] Excel や PowerBI などの既存のツールに DI モデルを埋め込むことができます」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、ユーザーはその場でモデルを変更できないため、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で簡素化された DI プラットフォームを期待できますが、企業はさらに強力な機能を必要とします。
「最大の問題は投資アプローチです」と Pratt 氏は言います。つまり、大企業は意思決定を最前線で行う必要があります。大規模な組織では、これ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、だけでなく、それらの要件を把握する方法についても説明します。
「一部の決定については、既存の BI スタックで十分です。しかし、他の決定については、[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に投資する必要があることに気付くでしょう。」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がある意思決定のために、Agiloft(新しいウィンドウで開きます) や IBM(新しいウィンドウで開きます) のようなビジネス ルール管理システムを導入することで、プロセスを自動化し、機械学習をより有効に活用できます。アルゴリズム。
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、SMB が必要とするすべての DI 機能を提供する必要があるため、展開と学習の頭痛の種が少なくなります。しかし、それでも DI で DIY を行いたい場合は、一般的な企業が必要とするものを Taylor 氏は次のように述べています。
編集者のおすすめ
要件の収集とデータ モデリングを行う意思決定モデリング ソフトウェア。
意思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 (結果に時間がかかることを考慮して、比較的少数の意思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。
アルゴリズムを作成し、できればリアルタイムでトランザクション データ配信を管理できるデータ プラットフォーム。
データ視覚化ツール。特に、最終決定に依然として重要な人的要素が含まれる場合。
パターン vs.直感
機械は、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。つまり、黒と白です。一方、人々は、ニュアンス、潜在的な別の意味、オプション、および他の考えへの架け橋を認識します。あらゆる問題を明確にすることは、多くの場合、学術的なトレーニングではなく、直感的な知性の機能です。人間は両方を使うことができ、DI はそれらの能力を拡張することを目指しています。
「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考えに基づいています。 AI は基本的に、機械学習のルールを設定するだけです。赤ならこれ、青ならあれです」
Sejdic 氏は、車の購入を例に挙げています。 「車を購入する際に、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、アルゴリズムが車を見つけてくれます。しかし、私たちは車を試乗して、それがどのように感じ、どのように運転するかを確認します。これらは、ハードコーディングが困難なソフト入力です」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決定をエンコードしようとしますが、それらは通常の AI とは異なります。」
Sejdic 氏は、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定する方法は、どのアクションを実行するのが最善かを知りたい領域を見つけることです。
「ほとんどの分析とビジネス インテリジェンスは記述的です。何が起こったかを記録してから、数値をグラフにプロットします。何が起こったのかを教えてくれるので、理解しようとすることができます。他の形式は予測的です。それらは天気予報のようなものです。彼らはこれから何が起こるかを教えてくれます。」産業オペレーションとサプライ チェーンを対象とする AI 企業である Pathmind(Opens in a new window) の CEO である Chris Nicholson 氏は、次のように説明しています。
「意思決定インテリジェンスには量的側面と質的側面があり、企業は両方を考慮する必要があります」と ZS Associates の Vikranth 氏は言います。量的な面では、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、時間と労力を費やして業績指標を定義し、適切なデータを収集し、DI スタックで使用できる方法で保存する必要があります。
定性的な面では、ビクランス氏は、企業は洞察、結論、またはアウトプットを意思決定と行動に変換する適切な才能を必要としていると述べています。これらは、ビジネスに合わせて文脈化する必要があります。What-if およびテストと学習のツールは、このプロセスに大いに役立ちます。
「両方を組み合わせたものが意思決定インテリジェンスです」と Vikranth は言います。「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。」あらゆる種類の最適な決定に到達します。
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、その規律を新しい、より効果的な役割、つまりデータ サイエンスの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 シナリオを取り上げ、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があるアクションと、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。
デシジョン インテリジェンスにより、テクノロジと人々はそれぞれ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 プールから関連性やパターンをすばやく見つけ出しますが、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、より目に見えない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となり、特に大規模な組織では効果的です。
