Decision Intelligence: руководство для бизнеса
Decision intelligence — это коммерческое применение ИИ для увеличения прибыли и роста бизнеса. Он позволяет предприятиям принимать более быстрые, точные и последовательные решения.
Том Нью (Tom New), руководитель отдела маркетинга компании Peak рассказывает о том, на на что следует обратить внимание любому бизнесу, если он рассматривает аналитику решений как перспективный инструмент.
Понимание конечной цели
Интеллектуальная система принятия решений объединяет сложные и часто разрозненные данные и делает на их основе прогнозы в масштабе и в темпах, превышающих человеческие возможности. Как следует из названия, он используется для решения сложных бизнес-задач более эффективным способом. Однако, как и в случае с любым типом проекта трансформации бизнеса, четкое понимание того, что нужно достичь с помощью аналитики решений, имеет жизненно важное значение до его реализации.
Ключевым моментом является определение, что является целью: повысить эффективность маркетинговой кампании, обеспечить доставку нужных запасов в магазин или повысить эффективность логистических операций. Все эти понятные варианты связаны с аналитикой решений, но чтобы действительно ощутить преимущества технологии, в центре внимания должны быть измеримые бизнес-результаты.
Данные — это Полярная звезда
Компании знают, что им нужно делать со своими данными, заинтересованы в концепции использования ИИ и понимают преимущества, которые он может принести. Однако из-за многих лет работы в разрозненных системах данные имеют тенденцию быть беспорядочными и разрозненными. Из-за этого многие убеждены, что необходимо сначала потратить много времени на то, чтобы привести их в порядок, прежде чем использовать ИИ. Часто это не так. Страх перед состоянием данных не должен стать препятствием для начала работы.
Интеллектуальная система принятия решений позволяют компаниям работать с данными из любого места, независимо от того, в каком состоянии они находятся, и одновременно объединять все разрозненные хранилища внутри вашего бизнеса. Применение ИИ к новым и улучшенным источникам данных может создать целостное прогнозное представление о продуктах, клиентах и цепочке поставок. Сама по себе это большая задача, и здесь жизненно важно сочетание навыков работы с данными и правильных платформ, которые помогут создавать и тестировать модели искусственного интеллекта. Однако, если все сделано правильно, дело идет гораздо дальше, чем просто изучение прошлых данных, открывая вместо этого окно в будущее.
Используя Decision intelligence, предприятия могут принимать более быстрые и согласованные решения по сложным данным, трансформируя процесс принятия решений во всей организации.
Система аналитики решений также должна иметь возможность управлять технологией по всей цепочке создания стоимости, не заменяя такие элементы, как существующие инструменты автоматизации маркетинга, ERP, CRM и логистические системы. ИИ должен образовывать централизованную систему, которая интегрируется с другими бизнес-системами, использует стандартные модели данных и решения, которые можно адаптировать к потребностям бизнеса.
Чем Decision intelligence отличается от ИИ?
Иногда предприятия не решаются внедрять ИИ в процесс принятия решений, потому что не до конца понимают, как работает технология и на что она способна. Или считают, что это слишком большая черная дыра, чтобы начать в нее вникать. В данном случае ИИ служит более важной цели — достижению результатов. Многие проекты искусственного интеллекта никогда не используются в повседневных операциях. Явная конечная цель — помочь предприятиям выиграть за счет стимулирования роста, прибыли и эффективности, а не просто стать немного умнее.
Целью Decision intelligence также является сохранение «объяснимости» с четким акцентом на простое понимание и доступное значение для каждого бизнеса. Как следует из названия, аналитика решений в значительной степени ориентирована на действия и выходит за рамки анализа данных, давая предложения и рекомендации о том, что делать дальше. Это суть давней мечты человека о способности технологий, которые, наконец, могут «принимать решения вместе с нами».
Компаниям больше не нужно быть технологическими гигантами, чтобы использовать преимущества принятия решений на основе данных. Точные, успешные и, самое главное, коммерческие решения, основанные на данных, теперь доступны каждому предприятию.
Расширение возможностей команд
Чем больше точек данных учитывается при принятии решений, тем правильнее решение. Время— бесценный товар, а время, затрачиваемое на анализ процессов принятия решений можно потратить лучшим образом. ИИ освобождает команды от трудоемких задач с данными и помогает сосредоточиться на стратегии и развитии.
Суть Decision intelligence заключается в том, что он дает командам возможность работать над результатами решения, а не копаться в таблицах, пытаясь самостоятельно принять лучшее.
С учетом всего сказанного и сделанного, экономическое обоснование внедрения Decision intelligence состоит в том, что от этого выигрывают все. Коммерческое применение технологии часто затрудняется организацией: финансовые стороны беспокоятся о затратах, руководители предприятий — об окупаемости инвестиций, а члены команды не понимают, как это работает. Поставив коммерческий успех в центр того, что делает технология искусственного интеллекта, бизнес увидит какое влияние может оказать Decision intelligence на все его подразделения.
Примеры
Многие компании из разных отраслей уже используют новую технологию. Вот лишь некоторые из них:
Банковское дело и финансы
Morgan Stanley — это финансовая консалтинговая компания, которая помогает своим клиентам в инвестициях с помощью собственных финансовых консультантов и разумных моделей принятия решений. Их платформа управления капиталом основана на интеллектуальных решениях.
Исходя из цели клиента, система искусственного интеллекта предлагает выигрышные стратегии, которые проверяются консультантами перед тем, как быть предложены клиенту.
Lloyds Banking Group также использует Decision intelligence для принятия решений в большинстве своих бизнес-процессов. С его помощью они анализируют поведение своих клиентов, прогнозируют их потребности и проблемы, настраивают свои продукты и услуги.
Возможность прогнозировать более точные цены на определенные категории товаров в зависимости от внешних факторов, спроса, тенденций и настроений клиентов является одним из простейших, но эффективных вариантов использования аналитики решений для розничных продавцов и продавцов.
Например, Remi AI, программное обеспечение, которое помогает розничным предприятиям принимать обоснованные решения о ценообразовании, адаптировать свою ценовую политику к платежеспособности и ожиданиям своих клиентов и тем самым оптимизировать свою цепочку поставок и делать объемы доходов более предсказуемыми.
Enlitic Cure — это платформа для анализа данных и принятия решений, созданная для объединения возможностей искусственного интеллекта и врачей. Decision intelligence позволяет практикующим врачам быстрее анализировать отчеты о медицинских изображениях, предлагать диагноз и помогать врачам расставлять приоритеты для успешного лечения.
One Concern — это платформа для принятия решений на основе искусственного интеллекта, которая позволяет предприятиям анализировать и осознавать возможные риски экологических катастроф. Благодаря точному анализу климатических данных они также могут принимать более обоснованные решения в отношении своих бизнес-стратегий. Например, гостиничный бизнес может выбрать более безопасное место для строительства нового отеля, принимая во внимание не только погодные условия, но и рыночную среду, ситуацию с COVID-19 и спрос клиентов.
Главные игроками на рынке решений Decision intelligence сейчас являются:
Знакомство с Decision Intelligence
Новая дисциплина в борьбе за лидерство в эпоху искусственного интеллекта
Знаете, что общего между защитным поведением при встрече со львами в саванне, ответственным подходом к управлению ИИ и проблемами проектирования хранилищ данных? Добро пожаловать в decision intelligence!
Decision intelligence — дисциплина, позволяющая превратить информацию в лучшее практическое действие любого масштаба.
Давайте немного разберемся с основной терминологией и концепциями. Следующие абзацы можно просмотреть бегло (или совсем пропустить, если информация покажется вам чересчур занудной).
Что значит «decision» (решение)
Данные прекрасны, но важны именно решения. Именно наши решения — наши действия — влияют на мир, окружающий нас.
Под «decision» мы понимаем любой выбор между вариантами любого субъекта, так что разговор куда обширнее, нежели типичная дилемма в духе MBA (вроде: открывать филиал своего бизнеса в Лондоне или пока не стоит).
Именно наши решения — наши действия — влияют на мир, окружающий нас.
Исходя из этой формулировки, присвоение фотографии пользователя ярлыка со значением, к примеру, кошка или не-кошка, — это решение, которое выполняет компьютерная система. Но решение запускать ли эту систему, обдумывает и принимает руководитель-человек (я надеюсь!), ответственный за проект.
Кто такой decision-maker (лицо, принимающее решение)
В нашем понимании, «decision-maker» — это не заинтересованное лицо или инвестор, который вмешивается в процесс, чтобы наложить вето на деятельность проектной команды, а человек, ответственный за архитектуру решений и формирование контекста. Другими словами, это создатель тщательно сформулированных целей, а не их разрушитель.
Что значит decision-making (принятие решений)
Decision-making — словосочетание, которое разные дисциплины используют по-разному. И означать оно может:
Делать расчеты vs. принимать решения
Не все мероприятия/предложения являются решениями. Согласно терминологии анализа решений, решение принимается лишь раз, и полученные изменения нельзя откатить назад. Если можно вернуть изменения без лишних затрат, значит решение еще не было принято.
Систематика decision intelligence
Один из способов приблизиться к изучению decision intelligence — разбить её по традиционным направлениям на количественные аспекты (в основном пересекающиеся с прикладной data science) и качественные (разрабатываемые преимущественно исследователями в области социальных и управленческих наук).
Качественная сторона: наука о принятии решений
Дисциплины, попадающие в группу качественных аспектов, традиционно называются науками о принятии решений — хотела бы я, чтобы все целиком так и называлось (увы, мы не всегда имеем, что хотим).
Наука о принятии решений занимается такими вопросами, как:
Это лишь малая часть…говорить еще можно о многом! И конечно это еще не полный список задействованных дисциплин. Рассмотрите науку о принятии решений с точки зрения того, что настройка параметров решений и обработка информации протекают в не совсем четкой форме хранения (в человеческом мозгу), а не исходя из того, что нечто, называемое данными, аккуратно занесено в почти постоянное хранилище (записано на бумагу или в электронном виде).
Ошибки вашего мозга
В прошлом столетии было модно восхвалять любого, кто сумел сунуть огромный клубок математики в какое-нибудь невинное человеческое предприятие. Количественный подход, конечно, лучше бездумного хаоса, но есть способ сделать все гораздо лучше.
Стратегии, основанные на чисто математической рациональности, относительно наивны и, как правило, недостаточно эффективны.
Стратегии, основанные на чистой математической рациональности без качественного понимания процесса принятия решений и человеческого поведения, выглядят довольно наивно. Более того, как правило, они менее эффективны в сравнении со стратегиями, основанными на объединении количественной и качественной сторон. (Следите за новостями в блогах по истории рациональности в социальных науках, а также за примерами из теории поведенческих игр, где психология превосходит математику.)
Люди — не оптимизаторы, мы — ублажатели. Звучит особенно причудливо для людей, которые ищут легкий путь.
На самом деле мы, люди, обращаемся к когнитивной эвристики, чтобы сэкономить время и усилия. Часто это бывает полезным; пока мы будем думать над идеальным планом побега от льва в саванне, нас съедят прежде, чем мы вообще успеем приступить к расчетам. Удовлетворенность снижает калорийность жизни, что также хорошо, ведь наш мозг до смешного крайне энергоемкий девайс. Пятая часть энергетических затрат организма уходит именно на него, хоть он и весит всего-то около 1,4 кг. (Спорим, в общей сложности вы точно весите больше 7 кг?)
Некоторые решения срезать углы ведут к предсказуемо не оптимальным результатам.
Теперь мы уже не проводим свои дни, спасаясь бегством ото львов, и часто с удовольствием срезаем углы, что приводит нас к дрянным результатам. Наш мозг еще не до конца, эм, ну что ли оптимизирован для современной среды. Понимание того, как наш вид превращает информацию в действие, позволяет использовать процессы принятия решений для защиты себя от несовершенств собственного мозга (а также от тех, кто намеренно играет на наших инстинктах). Это также помогает создавать инструменты, которые увеличивают производительность и адаптируют вашу среду к вашему же мозгу.
Если думаете, что ИИ выводит человека из уравнения, подумайте еще раз!
К слову, если вы вдруг подумали, что искусственный интеллект выводит человека из уравнения, подумайте еще раз! Все технологии являются отражением своих создателей, а все полномасштабные системы могут усиливать человеческие недостатки, что является одной из причин, почему развитие навыков принятия решений так необходимо для ответственного управления ИИ.
Возможно, вы не принимаете решение
Иногда тщательное обдумывание критериев принятия решения приводит к осознанию того, что нет такого факта в мире, который смог бы изменить ваше мнение — вы уже решили, как будете действовать и теперь просто ищете оправдание. Это полезное осознание — оно предотвращает потерю времени и помогает справиться с эмоциональным дискомфортом, пока вы делаете то, что и собирались, невзирая на проклятые данные.
«Он использует статистику, как пьяный человек использует фонарные столбы… для поддержки собственного равновесия, а не для освещения дороги.»
— Эндрю Лэнг
Не получится добиться решения, если не реагировать и не предпринимать ответные действия на различные, временно неизвестные факторы… хотя иногда обучение анализу решений помогает вам увидеть ситуацию более ясно.
Принимать решения на основе точной информации
Теперь представьте, что вы очень тщательно подходите к настройке параметров решения, которые чутко реагируют на факты. Вы просто щелкаете пальцами и получаете фактическую информацию, необходимую для выполнения вашего решения. Зачем вам тогда data science? Не зачем.
Сперва нужно выяснить, как мы хотим реагировать на факты.
Нет лучше состояния, чем уверенность, что вы что-то знаете наверняка (да, я понимаю, что здесь зияет огромная релятивистская кроличья нора, опустим этот момент) — поэтому мы всегда предпочтем принимать решения на основе имеющихся фактов. Вот почему первым делом мы должны решить, как мы будем работать с фактами. Какой из ниже перечисленных вариантов вы бы выбрали для работы с информацией?
Что можно сделать с фактами
Обучаясь науке принятия решений, вы научитесь экономить усилия, необходимые для принятия строгих решений, основанных на фактах. Это позволит в течение того же объема работы принимать более качественные решения по любому предмету. Ценный навык, но чтобы его отшлифовать, придется проявить усердие. Например, у студентов, изучающих поведенческую экономику, формируется привычка устанавливать критерии принятия решений заранее, до получения информации. Те из нас, кому пришлось несладко из-за достаточно требовательных программ обучения науке принятия решений, не могут не задаться вопросом, к примеру, сколько максимально мы заплатим за билет, ДО того, как узнаем его подлинную стоимость.
Сбор данных и инженерия данных
Будь у нас факты, мы бы уже все сделали. Увы, но мы живем в реальном мире и зачастую вынуждены работать, чтобы заполучить заветную информацию. Инженерия данных — это сложная дисциплина, ориентированная на обеспечение надежного доступа к информации в широких масштабах. Подобно тому, как легко выйти в магазин за мороженным, легко и обработать данные, если вся доступная релевантная информация есть в электронной таблице.
Ситуация осложняется, когда вам нужно доставить 2 миллиона тонн мороженого… в такое место, где оно точно не растает! Все становится еще сложнее, если вам требуется спроектировать и построить огромный склад, а затем еще заняться его обслуживаем. И вы даже не знаете, что в будущем вас попросят в нем хранить — может пару тонн рыбы, а может и плутоний… ну, удачи вам!
Сложно соорудить склад, когда вы знать не знаете, о чем вас попросят на следующей неделе — может, передержать несколько тонн рыбы, а может и плутония… ну, удачи вам!
Хотя инженерия данных и является родственной наукой и основным компонентом decision intelligence, наука о принятии решений охватывает опыт и специальные знания, связанные с консультированием при разработке проекта и сборе фактов.
Количественная сторона: Data science
Когда вы сформулировали свое решение и занялись поиском необходимых фактов, заручившись поддержкой поисковой системы или аналитика (исполняющего для вас роль человеческой системы поиска), все, что от вас теперь требуется — привести свое решение в действие. И готово! Никакой мудреной data science и не нужно.
Что, если, после всей этой работы, беготни и технического джиу-джитсу полученные факты в итоге оказались не теми идеальными фактами, которые так необходимы для решения? Что, если это неполноценные факты? Что, если вам нужны завтрашние факты, но имеете вы только вчерашние. (Так бесит, когда не можешь вспомнить будущее.) Возможно вы хотите знать, что потенциальные клиенты думают о вашем продукте, но опросить вы можете лишь сто человек. Вы столкнулись с неопределенностью! То, что вы знаете — совсем не то, что хотелось бы знать. Пустите в дело data science!
Data science приобретает интерес, когда вы совершаете скачки и выходите за пределы data… но будьте осторожны, чтобы не упасть подобно Икару!
Разумеется, ваш подход меняется, раз вы располагаете не теми фактами, что надо. Может быть, в ваших руках кусочек пазла от большой мозаики (как в примере с выборкой из большого числа потребителей). А может, ваш пазл неправилен, но, во всяком случае, лучший из имеющихся (как с использованием прошлого для предсказание будущего). Data science приобретает интерес, когда вы совершаете скачки и выходите за пределы data… но будьте осторожны, чтобы не шлепнуться подобно Икару!
Для всех перечисленных вариантов есть способы интегрировать полезные элементы из множества ранее разрозненных дисциплин, чтобы сформировать более эффективный подход к принятию решений. Вот о чем decision intelligence! Она объединяет различные точки зрения на принятие решений, которые вместе приносят на большую пользу, дает им новый голос, свободный от традиционных ограничений в их родных областях изучения.
Вспомним аналогию между кухней и ИИ. Если исследовательский ИИ создает микроволны, а прикладной ИИ их использует, то decision intelligence использует микроволны безопасно, чтобы выполнить вашу задачу, а в случае, когда вам не требуется микроволновая печь, воспользуется чем-нибудь другим. Цель (задача) всегда будет отправной точкой для decision intelligence.
Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:
Data Scienсe на стероидах: знакомство с Decision Intelligence
Что общего между защитным поведением при встрече со львами в саванне, ответственным подходом к управлению ИИ и проблемами проектирования хранилищ данных.
Decision intelligence — новая научная дисциплина, рассматривающая все аспекты теории принятия решения. Она объединяет лучшее из прикладного направления data science, социальных наук и науки управления в единую область, призванную помочь людям повысить качество жизни, усовершенствовать бизнес и улучшить окружающий мир, используя данные. Это важнейшая наука эры искусственного интеллекта, включающая в себя навыки грамотного управления проектами, стратегического планирования целей, определение оптимальной метрики и систем безопасности для широкомасштабной автоматизации.
Decision intelligence — дисциплина, позволяющая превратить информацию в лучшее практическое действие любого масштаба.
Давайте немного разберемся с основной терминологией и концепциями. Следующие абзацы можно просмотреть бегло (или совсем пропустить, если информация покажется вам чересчур занудной).
Что значит «decision» (решение)
Данные прекрасны, но важны именно решения. Именно наши решения — наши действия — влияют на мир, окружающий нас.
Под «decision» мы понимаем любой выбор между вариантами любого субъекта, так что разговор куда обширнее, нежели типичная дилемма в духе MBA (вроде: открывать филиал своего бизнеса в Лондоне или пока не стоит).
Именно наши решения — наши действия — влияют на мир, окружающий нас.
Исходя из этой формулировки, присвоение фотографии пользователя ярлыка со значением, к примеру, кошка или не-кошка, — это решение, которое выполняет компьютерная система. Но решение запускать ли эту систему, обдумывает и принимает руководитель-человек (я надеюсь!), ответственный за проект.
Кто такой decision-maker (лицо, принимающее решение)
В нашем понимании, «decision-maker» — это не заинтересованное лицо или инвестор, который вмешивается в процесс, чтобы наложить вето на деятельность проектной команды, а человек, ответственный за архитектуру решений и формирование контекста. Другими словами, это создатель тщательно сформулированных целей, а не их разрушитель.
Что значит decision-making (принятие решений)
Decision-making — словосочетание, которое разные дисциплины используют по-разному. И означать оно может:
Делать расчеты vs. принимать решения
Не все мероприятия/предложения являются решениями. Согласно терминологии анализа решений, решение принимается лишь раз, и полученные изменения нельзя откатить назад. Если можно вернуть изменения без лишних затрат, значит решение еще не было принято.
Систематика decision intelligence
Один из способов приблизиться к изучению decision intelligence — разбить её по традиционным направлениям на количественные аспекты (в основном пересекающиеся с прикладной data science) и качественные (разрабатываемые преимущественно исследователями в области социальных и управленческих наук).
Качественная сторона: наука о принятии решений
Дисциплины, попадающие в группу качественных аспектов, традиционно называются науками о принятии решений — хотела бы я, чтобы все целиком так и называлось (увы, мы не всегда имеем, что хотим).
Наука о принятии решений занимается такими вопросами, как:
Это лишь малая часть…говорить еще можно о многом! И конечно это еще не полный список задействованных дисциплин. Рассмотрите науку о принятии решений с точки зрения того, что настройка параметров решений и обработка информации протекают в не совсем четкой форме хранения (в человеческом мозгу), а не исходя из того, что нечто, называемое данными, аккуратно занесено в почти постоянное хранилище (записано на бумагу или в электронном виде).
Ошибки вашего мозга
В прошлом столетии было модно восхвалять любого, кто сумел сунуть огромный клубок математики в какое-нибудь невинное человеческое предприятие. Количественный подход, конечно, лучше бездумного хаоса, но есть способ сделать все гораздо лучше.
Стратегии, основанные на чисто математической рациональности, относительно наивны и, как правило, недостаточно эффективны.
Стратегии, основанные на чистой математической рациональности без качественного понимания процесса принятия решений и человеческого поведения, выглядят довольно наивно. Более того, как правило, они менее эффективны в сравнении со стратегиями, основанными на объединении количественной и качественной сторон. (Следите за новостями в блогах по истории рациональности в социальных науках, а также за примерами из теории поведенческих игр, где психология превосходит математику.)
Люди — не оптимизаторы, мы — ублажатели. Звучит особенно причудливо для людей, которые ищут легкий путь.
На самом деле мы, люди, обращаемся к когнитивной эвристики, чтобы сэкономить время и усилия. Часто это бывает полезным; пока мы будем думать над идеальным планом побега от льва в саванне, нас съедят прежде, чем мы вообще успеем приступить к расчетам. Удовлетворенность снижает калорийность жизни, что также хорошо, ведь наш мозг до смешного крайне энергоемкий девайс. Пятая часть энергетических затрат организма уходит именно на него, хоть он и весит всего-то около 1,4 кг. (Спорим, в общей сложности вы точно весите больше 7 кг?)
Некоторые решения срезать углы ведут к предсказуемо не оптимальным результатам.
Теперь мы уже не проводим свои дни, спасаясь бегством ото львов, и часто с удовольствием срезаем углы, что приводит нас к дрянным результатам. Наш мозг еще не до конца, эм, ну что ли оптимизирован для современной среды. Понимание того, как наш вид превращает информацию в действие, позволяет использовать процессы принятия решений для защиты себя от несовершенств собственного мозга (а также от тех, кто намеренно играет на наших инстинктах). Это также помогает создавать инструменты, которые увеличивают производительность и адаптируют вашу среду к вашему же мозгу.
Если думаете, что ИИ выводит человека из уравнения, подумайте еще раз!
К слову, если вы вдруг подумали, что искусственный интеллект выводит человека из уравнения, подумайте еще раз! Все технологии являются отражением своих создателей, а все полномасштабные системы могут усиливать человеческие недостатки, что является одной из причин, почему развитие навыков принятия решений так необходимо для ответственного управления ИИ.
Возможно, вы не принимаете решение
Иногда тщательное обдумывание критериев принятия решения приводит к осознанию того, что нет такого факта в мире, который смог бы изменить ваше мнение — вы уже решили, как будете действовать и теперь просто ищете оправдание. Это полезное осознание — оно предотвращает потерю времени и помогает справиться с эмоциональным дискомфортом, пока вы делаете то, что и собирались, невзирая на проклятые данные.
«Он использует статистику, как пьяный человек использует фонарные столбы… для поддержки собственного равновесия, а не для освещения дороги.»
— Эндрю Лэнг
Не получится добиться решения, если не реагировать и не предпринимать ответные действия на различные, временно неизвестные факторы… хотя иногда обучение анализу решений помогает вам увидеть ситуацию более ясно.
Принимать решения на основе точной информации
Теперь представьте, что вы очень тщательно подходите к настройке параметров решения, которые чутко реагируют на факты. Вы просто щелкаете пальцами и получаете фактическую информацию, необходимую для выполнения вашего решения. Зачем вам тогда data science? Не зачем.
Сперва нужно выяснить, как мы хотим реагировать на факты.
Нет лучше состояния, чем уверенность, что вы что-то знаете наверняка (да, я понимаю, что здесь зияет огромная релятивистская кроличья нора, опустим этот момент) — поэтому мы всегда предпочтем принимать решения на основе имеющихся фактов. Вот почему первым делом мы должны решить, как мы будем работать с фактами. Какой из ниже перечисленных вариантов вы бы выбрали для работы с информацией?
Что можно сделать с фактами
Обучаясь науке принятия решений, вы научитесь экономить усилия, необходимые для принятия строгих решений, основанных на фактах. Это позволит в течение того же объема работы принимать более качественные решения по любому предмету. Ценный навык, но чтобы его отшлифовать, придется проявить усердие. Например, у студентов, изучающих поведенческую экономику, формируется привычка устанавливать критерии принятия решений заранее, до получения информации. Те из нас, кому пришлось несладко из-за достаточно требовательных программ обучения науке принятия решений, не могут не задаться вопросом, к примеру, сколько максимально мы заплатим за билет, ДО того, как узнаем его подлинную стоимость.
Сбор данных и инженерия данных
Будь у нас факты, мы бы уже все сделали. Увы, но мы живем в реальном мире и зачастую вынуждены работать, чтобы заполучить заветную информацию. Инженерия данных — это сложная дисциплина, ориентированная на обеспечение надежного доступа к информации в широких масштабах. Подобно тому, как легко выйти в магазин за мороженным, легко и обработать данные, если вся доступная релевантная информация есть в электронной таблице.
Ситуация осложняется, когда вам нужно доставить 2 миллиона тонн мороженого… в такое место, где оно точно не растает! Все становится еще сложнее, если вам требуется спроектировать и построить огромный склад, а затем еще заняться его обслуживаем. И вы даже не знаете, что в будущем вас попросят в нем хранить — может пару тонн рыбы, а может и плутоний… ну, удачи вам!
Сложно соорудить склад, когда вы знать не знаете, о чем вас попросят на следующей неделе — может, передержать несколько тонн рыбы, а может и плутония… ну, удачи вам!
Хотя инженерия данных и является родственной наукой и основным компонентом decision intelligence, наука о принятии решений охватывает опыт и специальные знания, связанные с консультированием при разработке проекта и сборе фактов.
Количественная сторона: Data science
Когда вы сформулировали свое решение и занялись поиском необходимых фактов, заручившись поддержкой поисковой системы или аналитика (исполняющего для вас роль человеческой системы поиска), все, что от вас теперь требуется — привести свое решение в действие. И готово! Никакой мудреной data science и не нужно.
Что, если, после всей этой работы, беготни и технического джиу-джитсу полученные факты в итоге оказались не теми идеальными фактами, которые так необходимы для решения? Что, если это неполноценные факты? Что, если вам нужны завтрашние факты, но имеете вы только вчерашние. (Так бесит, когда не можешь вспомнить будущее.) Возможно вы хотите знать, что потенциальные клиенты думают о вашем продукте, но опросить вы можете лишь сто человек. Вы столкнулись с неопределенностью! То, что вы знаете — совсем не то, что хотелось бы знать. Пустите в дело data science!
Data science приобретает интерес, когда вы совершаете скачки и выходите за пределы data… но будьте осторожны, чтобы не упасть подобно Икару!
Разумеется, ваш подход меняется, раз вы располагаете не теми фактами, что надо. Может быть, в ваших руках кусочек пазла от большой мозаики (как в примере с выборкой из большого числа потребителей). А может, ваш пазл неправилен, но, во всяком случае, лучший из имеющихся (как с использованием прошлого для предсказание будущего). Data science приобретает интерес, когда вы совершаете скачки и выходите за пределы data… но будьте осторожны, чтобы не шлепнуться подобно Икару!
Вспомним аналогию между кухней и ИИ. Если исследовательский ИИ создает микроволны, а прикладной ИИ их использует, то decision intelligence использует микроволны безопасно, чтобы выполнить вашу задачу, а в случае, когда вам не требуется микроволновая печь, воспользуется чем-нибудь другим. Цель (задача) всегда будет отправной точкой для decision intelligence.
Узнайте подробности, как получить востребованную профессию с нуля или Level Up по навыкам и зарплате, пройдя платные онлайн-курсы SkillFactory:
