Đối với hầu hết chúng ta, việc đưa ra các quyết định kinh doanh dựa trên dữ liệu là một quá trình gồm bốn bước.Đầu tiên, bạn thu thập dữ liệu.Tiếp theo, bạn "khai thác" nó, điều này có nghĩa là một số kết hợp giữa các công cụ và các nhà khoa học dữ liệu tìm kiếm các mẫu và mối tương quan giữa các loại dữ liệu khác nhau.Thứ ba, những khám phá đó được đưa vào bảng điều khiển và hình ảnh trực quan mà người quản lý có thể xem.Từ đó, người quản lý phải giải thích những gì trang tổng quan đang cho họ biết và đưa ra quyết định của họ.
Vấn đề ở đây là dữ liệu bạn đã thu thập và các mẫu mà các công cụ và nhà khoa học dữ liệu của bạn đã khám phá, giờ sẽ xác định các quyết định bạn có thể đưa ra.Một ví dụ đơn giản: Giả sử PCMag thu thập vô số dữ liệu về những bài viết nào hoạt động tốt nhất về số lượng nhấp chuột mà một bài viết hoặc nhóm bài viết cụ thể đã nhận được.Sau đó, các công cụ cơ sở dữ liệu của chúng tôi hoạt động mạnh mẽ, nhóm các bài báo hay nhất lại với nhau và xây dựng các hình ảnh trực quan đẹp mắt để chúng tôi có thể hiểu những gì được tìm thấy.Những gì chúng tôi đang xem cho phép chúng tôi xem các bài báo thành công nhất cho đến thời điểm đó.Sau đó, chúng tôi có thể làm việc để nhân rộng thành công đó trong tương lai bằng cách viết nhiều bài báo như vậy hơn trên một trục dữ liệu nhất định, như chủ đề, loại bài báo hoặc thậm chí là tác giả.Vì vậy, những gì chúng tôi đang làm là sử dụng dữ liệu của mình để tái tạo những thành công trong quá khứ của chúng tôi.Chắc chắn là một cách luyện tập hiệu quả.
Nhưng điều gì sẽ xảy ra nếu chúng ta xoay chuyển tình thế?
Thay vì giới hạn bản thân bởi dữ liệu chúng tôi đã thu thập, điều gì sẽ xảy ra nếu chúng tôi bắt đầu bằng cách đặt câu hỏi mà chúng tôi thực sự muốn được trả lời: Loại bài báo nào sẽ làm tốt nhất cho chúng tôi trong tương lai?Nếu chúng ta bắt đầu ở đó, chúng ta cần một quá trình để không chỉ khám phá các câu hỏi chúng ta cần hỏi để có câu trả lời mà còn cả dữ liệu chúng ta cần thu thập để hỗ trợ các truy vấn đó.Nhưng những gì chúng tôi nhận được là một bộ câu trả lời có giá trị hơn nhiều để đưa ra quyết định biên tập của chúng tôi.
Đó là một trong những phương pháp luận mới thú vị hơn xuất hiện trong thế hệ công cụ phân tích kinh doanh tiếp theo và nó được gọi là "trí thông minh quyết định" (DI). Dưới đây, chúng tôi mô tả DI chi tiết hơn và thảo luận những điều bạn cần biết để làm cho DI hoạt động cho tổ chức của bạn.
Trí thông minh Quyết định là gì?
Cassie Kozyrkov, nhà khoa học quyết định chính tại Google, mô tả DI là một cách để tăng cường khoa học dữ liệu với khoa học xã hội, lý thuyết quyết định và khoa học quản lý.Sự kết hợp này hiệu quả hơn trong việc giúp mọi người thực sự sử dụng dữ liệu BI để đưa ra quyết định tốt hơn.Cô mô tả sự khác biệt giữa khoa học dữ liệu và DI là sự khác biệt giữa những người sản xuất lò vi sóng và những người đầu bếp sử dụng chúng.
DI đã phát triển nhờ nỗ lực kỹ thuật phần mềm nhằm xây dựng các quyết định thực tiễn tốt nhất được cải thiện và làm như vậy trên quy mô lớn.Và theo các chuyên gia, nó đủ trưởng thành để bắt đầu tác động đến các doanh nghiệp vừa và nhỏ (SMB) trong lần lặp lại tiếp theo của các công cụ BI đám mây phổ biến, như Microsoft PowerBI hoặc Tableau.
Jack Zmudzinski, một cộng sự cấp cao tại Future Processing (Mở cửa sổ mới), một công ty phát triển phần mềm tùy chỉnh cho biết: “Trí thông minh quyết định kết nối AI và con người để tạo ra các kết luận thông minh hơn, dẫn đến kết quả thuận lợi hơn. “Vì vậy, thay vì một quyết định do con người đưa ra hoặc một quyết định do máy tính đưa ra, đó là quyết định tốt nhất cho cả hai thế giới”.
(Nguồn: Quantellia)
Trí tuệ quyết định phụ thuộc vào những gì doanh nghiệp thường làm với dữ liệu của họ.Trong cách tiếp cận dữ liệu lớn, các công cụ phân tích và truy vấn thường được chọn để phù hợp với dữ liệu.Với DI, quyết định đang được tìm kiếm được ưu tiên hàng đầu; sau đó truy vấn được xây dựng và dữ liệu được chọn theo mức độ liên quan của nó với câu hỏi.Vì vậy, dữ liệu đóng vai trò hỗ trợ hơn là đóng vai trò chính khi đưa ra các quyết định theo hướng dữ liệu.
Các chuyên gia định nghĩa trí thông minh quyết định là một phương pháp luận, nhưng nó không phải là một phương pháp có một quy trình bảo vệ duy nhất.Cách bạn thực hiện DI sẽ phụ thuộc vào doanh nghiệp của bạn, dữ liệu bạn đang thu thập và cũng như khả năng của bộ công cụ phân tích của bạn.Tuy nhiên, ý tưởng cơ bản sẽ luôn giống nhau: sử dụng phương pháp tiếp cận trực quan bắt đầu với quyết định được yêu cầu và sau đó hoạt động ngược lại để xác định dữ liệu nào được yêu cầu và cách tiếp tục lấy nó.
Tại sao bạn cần DI
Nếu bạn nghĩ rằng tất cả điều này nghe có vẻ như là một vấn đề lớn của doanh nghiệp hoặc doanh nghiệp, hãy suy nghĩ lại.Ngay cả các doanh nghiệp nhỏ và "những người làm nghề tự do" sẽ sớm sử dụng những công nghệ này và họ sẽ có thể quản lý chúng với rất ít nỗ lực, với chi phí hợp lý và thành công dựa trên kiến thức và tài năng của chính họ.Điểm mấu chốt: ngay cả các nhà lãnh đạo doanh nghiệp nhỏ ngày nay cũng sử dụng cơ sở dữ liệu đám mây phức tạp chứa nhiều dữ liệu và phân tích vững chắc.Những gì họ thiếu là bất kỳ hướng dẫn thực sự nào về cách sử dụng thông tin đó để đưa ra các quyết định trong thế giới thực.Điều đó đặc biệt đúng đối với các công ty nhỏ và đó chính xác là những gì DI đang giải quyết.
“Các thuật toán và dữ liệu rất tốt trong việc cho chúng tôi biết“ Đây là những quan sát hoặc dữ liệu và những gì có thể được kết luận. ”Chúng không giỏi trong việc cho chúng tôi biết quyết định nào cần xảy ra”, Gopi Vikranth, một hiệu trưởng của ZS Associates, cho biết. công ty tư vấn toàn cầu và dịch vụ chuyên nghiệp.Trước khi gia nhập ZS vào năm 2019, anh ấy giữ vai trò là phó chủ tịch dữ liệu lớn và phân tích tiếp thị của Melco Resorts and Entertainment, đồng thời là phó chủ tịch phân tích tiếp thị tại Caesars Entertainment.
“Mặt khác, trí thông minh quyết định trả lời [câu hỏi] 'Nếu bạn thực hiện hành động X, kết quả trong thế giới thực sẽ như thế nào?' Vikranth nói.
Ông mô tả một doanh nghiệp vừa là một ví dụ điển hình.Giả sử công ty này có chương trình khách hàng thân thiết.AI có nhiệm vụ cải thiện lợi nhuận kinh doanh, vì vậy, theo toán học nó có thể tìm cách thay đổi hoặc loại bỏ các đặc quyền của khách hàng hoặc tăng giá để tối ưu hóa lợi nhuận đó.Nhưng mặc dù những kết luận đó là “đúng” một cách khách quan, một quyết định như vậy cũng có thể gây ra phản ứng dữ dội với khách hàng và những người có ảnh hưởng, cuối cùng tạo ra sự mất lòng trung thành lâu dài và do đó là doanh thu.
Jason Cotrell, Giám đốc điều hành của studio phần mềm Myplanet, trích dẫn những điều sau đây là các trường hợp sử dụng tiềm năng để đưa ra quyết định thông minh:
Cá nhân hóa các thành phần front-end của phần mềm (giao diện người dùng thích ứng).
Khuyến nghị sản phẩm.
Phòng chống churn của khách hàng.
Tối ưu hóa giá cho các doanh nghiệp có nhiều giao dịch, chẳng hạn như hãng hàng không hoặc dược phẩm.
“Thay vì nói‘ Tôi cần dữ liệu nào để đưa ra quyết định này? ’, Hãy nói‘ Làm cách nào để đưa ra quyết định này? Những phần nào yêu cầu phân tích dữ liệu và những phần nào tôi có thể tự động hóa? 'Bằng cách đó, bạn sẽ tận dụng tốt hơn khả năng phân tích và tự động hóa của mình ", James Taylor, tác giả của cuốn sách" Digital Decisulation: Sử dụng Quản lý Quyết định để Mang lại Tác động Kinh doanh từ AI ", giải thích và Giám đốc điều hành của Giải pháp Quản lý Quyết định.
Sắp có: Công cụ Trí tuệ Quyết định
Nếu bạn là một doanh nghiệp nhỏ hơn đang tham gia vào dữ liệu lớn, thì nền tảng hiện tại của bạn có thể đã có các công cụ cần thiết để bắt đầu với DI.Các chuyên gia nói rằng bạn thậm chí có thể không cần điều đó.
“Bạn có thể sử dụng phương pháp DI chỉ với bút chì và giấy, hoặc gần đây tôi sử dụng ứng dụng Lucidspark (Mở trong cửa sổ mới) để cộng tác vẽ biểu đồ hành động đến kết quả (CDD),” Lorien Pratt, người phát minh ra phương pháp học chuyển giao cho biết cho máy móc, một nhà tiên phong về trí thông minh quyết định, nhà khoa học chính và đồng sáng lập tại Quantellia, một công ty chuyên về học máy và ra quyết định.Cô ấy tin rằng DI đang trưởng thành nhanh chóng và loại mô hình dữ liệu này sẽ sớm có sẵn cho bất kỳ doanh nghiệp quy mô nào.
Theo Pratt, các lần lặp lại sắp tới của các nền tảng kinh doanh thông thường sẽ hỗ trợ DI. “Ở cấp độ tinh vi tiếp theo, bạn sẽ có thể nhúng các mô hình DI vào bên trong các công cụ hiện có, chẳng hạn như [Microsoft] Excel hoặc PowerBI,” cô nói.Tuy nhiên, đối với các công cụ ít phức tạp hơn, quá trình này có thể sẽ bị hạn chế, vì những người dùng đó sẽ không thể thay đổi mô hình của họ ngay lập tức.
Nhưng trong khi các doanh nghiệp nhỏ có thể trông đợi vào các nền tảng DI đơn giản hóa trên đám mây, thì các doanh nghiệp sẽ cần nhiều năng lực hơn.
Pratt nói: “Vấn đề lớn nhất là cách tiếp cận đầu tư, có nghĩa là các doanh nghiệp lớn cần đặt các quyết định lên trước và làm trung tâm. Điều đó có thể trở nên phức tạp trong các tổ chức lớn. , mà còn làm thế nào để nắm bắt được những yêu cầu đó.
Taylor nói: “Đối với một số quyết định, ngăn xếp BI hiện có là đủ. Nhưng đối với những người khác, [các doanh nghiệp] có thể sẽ thấy họ cần đầu tư vào các công nghệ tiên tiến hơn, như phân tích dự đoán và công cụ học máy.” Ngoài ra, ông khuyên rằng đối với các quyết định mà công ty cần đưa ra thường xuyên hoặc nhanh chóng, việc triển khai hệ thống quản lý quy tắc kinh doanh, như hệ thống của Agiloft (Mở trong cửa sổ mới) hoặc IBM (Mở trong cửa sổ mới), có thể tự động hóa quy trình và tận dụng tốt hơn việc học máy của bạn các thuật toán.
Đối với các doanh nghiệp nhỏ hơn, điều đó có lẽ là quá mức cần thiết.Đặc biệt là vì các dịch vụ phân tích đám mây thế hệ tiếp theo sẽ cung cấp tất cả những gì mà SMB cơ bắp của DI cần, chỉ với ít vấn đề về triển khai và tìm hiểu hơn.Nhưng nếu bạn vẫn muốn tự làm trên DI, thì đây là điều mà Taylor cho biết một doanh nghiệp điển hình sẽ cần:
Được giới thiệu bởi các biên tập viên của chúng tôi
Phần mềm mô hình hóa quyết định để thực hiện việc thu thập yêu cầu và mô hình hóa dữ liệu.
Phần mềm quản lý quy tắc kinh doanh để phát triển các quy tắc quyết định của bạn (trừ khi bạn đang đưa ra một số quyết định tương đối ít với sự cho phép trong thời gian kết quả dài).
Một số loại ngăn xếp máy học để phát triển các thuật toán bạn sẽ cần.
Một nền tảng dữ liệu sẽ cho phép bạn vừa tạo thuật toán của mình vừa quản lý việc phân phối dữ liệu giao dịch, tốt nhất là trong thời gian thực.
Một công cụ trực quan hóa dữ liệu, đặc biệt nếu các quyết định cuối cùng của bạn sẽ vẫn có yếu tố con người quan trọng.
Các mẫu so vớiTrực giác
Máy móc xem các vấn đề và mô hình được xác định rõ ràng: đen và trắng.Mặt khác, mọi người nhìn thấy các sắc thái, ý nghĩa thay thế tiềm năng, các lựa chọn và cầu nối với những suy nghĩ khác.Sự rõ ràng về bất kỳ vấn đề nào thường là một chức năng của trí thông minh trực quan hơn là đào tạo học thuật.Con người có thể sử dụng cả hai và DI nhằm mục đích mở rộng các khả năng đó.
Ervin Sejdic, phó giáo sư về kỹ thuật điện, máy tính và hệ thống thông minh tại Đại học Pittsburgh Swanson cho biết: “Trí thông minh quyết định dựa trên ý tưởng cố gắng kết hợp các phương pháp tiếp cận thực tế bắt chước các quyết định giống như con người. AI, về cơ bản bạn chỉ cần thiết lập các quy tắc cho máy học: nếu nó màu đỏ, nó là cái này và nếu nó màu xanh lam, nó là cái kia. ”
Sejdic trích dẫn một giao dịch mua ô tô làm ví dụ. “Nếu bạn đang mua một chiếc ô tô và bạn đặt ra một số tiêu chí nhất định như số dặm trên mỗi gallon hoặc một loại sản phẩm nhất định, một thuật toán sẽ tìm một chiếc ô tô cho bạn. Nhưng chúng tôi lái thử chiếc xe và xem cảm giác và cách lái của nó, và đó là những đầu vào mềm rất khó mã hóa, ”anh giải thích. “Vì những lý do đó, trí thông minh quyết định cố gắng mã hóa các quyết định nhẹ nhàng hơn mà chúng tôi đưa ra và những thứ đó khác với AI điển hình của bạn”.
Sejdic lưu ý rằng nếu nó thành công, DI có thể được áp dụng cho bất kỳ thứ gì.Cách để quyết định nơi sử dụng nó là tìm các khu vực mà bạn muốn biết hành động nào là tốt nhất cho bạn.
“Hầu hết các phân tích và thông tin kinh doanh đều mang tính mô tả. Bạn ghi lại những gì xảy ra và sau đó bạn vẽ các con số trong biểu đồ. Nó cho bạn biết những gì vừa xảy ra để bạn có thể cố gắng hiểu. Các hình thức khác mang tính chất dự đoán. Chúng giống như dự báo thời tiết. Họ cho bạn biết điều gì sắp xảy ra ”. Chris Nicholson, Giám đốc điều hành của Pathmind (Mở cửa sổ mới), một công ty AI nhắm mục tiêu đến các hoạt động công nghiệp và chuỗi cung ứng, giải thích.
Vikranth của ZS Associates cho biết: “Có một khía cạnh định lượng và định tính đối với sự thông minh trong quyết định và các doanh nghiệp cần phải tính đến cả hai khía cạnh này.Về mặt định lượng, ông giải thích, là thu thập dữ liệu, xử lý tam giác và kỹ thuật, cơ sở hạ tầng AI và khoa học dữ liệu, và tài năng lập trình.Chìa khóa ở mặt này là dữ liệu chính xác.Các doanh nghiệp thuộc bất kỳ quy mô nào sẽ cần đầu tư thời gian và nỗ lực để xác định các chỉ số hiệu suất và đảm bảo rằng họ đang thu thập dữ liệu phù hợp và dữ liệu đó được lưu trữ theo cách có thể sử dụng được bởi ngăn xếp DI của họ.
Về mặt định tính, Vikranth nói rằng các doanh nghiệp cần có tài năng phù hợp để chuyển đổi những hiểu biết sâu sắc, kết luận hoặc kết quả đầu ra thành các quyết định và hành động.Những điều này cần phải được ngữ cảnh hóa cho doanh nghiệp của họ.Các công cụ điều gì sẽ xảy ra nếu và kiểm tra và học hỏi có thể giúp ích rất nhiều cho quá trình này.
Vikranth nói: “Cả hai mặt kết hợp lại là trí thông minh quyết định. Bằng cách này, AI không đưa con người ra khỏi phương trình.” Vikranth tin rằng điều này rất quan trọng vì các thuật toán toán học, đặc biệt nếu chúng đang làm việc trên dữ liệu không hoàn hảo, không thể đi đến bất kỳ loại quyết định tối ưu nào.
Sự tiến hóa của nhà khoa học dữ liệu
Quản trị viên cơ sở dữ liệu cũ đã tạo ra các nhà phân tích tình báo kinh doanh và khoa học dữ liệu truyền thống.DI đang giúp phát triển ngành học đó thành một vai trò mới và hiệu quả hơn nhiều, đó là vai trò biên dịch viên khoa học dữ liệu.Theo các chuyên gia như Vikranth, những người này sẽ sử dụng DI để thực hiện các kịch bản giả sử của một doanh nghiệp và xử lý chúng thông qua một ngăn xếp AI để hiểu những hành động mà doanh nghiệp cần thực hiện và loại kết quả mà những hành động đó có thể mang lại.
Trí thông minh quyết định cho phép công nghệ và con người làm những gì họ giỏi nhất.Các công nghệ, như phân tích và AI, nhanh chóng tìm ra các kết nối và các mẫu trong kho dữ liệu khổng lồ, nhưng đó mới chỉ là một nửa chặng đường.DI có thể sử dụng thông tin đó và giúp bạn áp dụng các yếu tố vô hình hơn của con người, như trí thông minh trực quan, sự sáng tạo, kinh nghiệm và khả năng điều hướng thành công thông qua các sắc thái.Điều đó làm cho DI trở thành một mô hình phân tích kết hợp mới mạnh mẽ ngay cả đối với các tổ chức nhỏ và một mô hình đặc biệt hiệu quả trên quy mô lớn.
