資料驅動決策：決策智慧與設計思維

banq發表於2022-02-21

本文靈感來自於谷歌首席決策科學家：Cassie Kozyrkov（決策智慧的先驅）.
 

1. 什麼是決策智慧？
谷歌的首席決策科學家Cassie Kozyrkov將決策智慧描述為一門涉及在選項之間進行選擇的所有方面的新學科。
它將應用決策理論、資料科學、社會科學和管理科學的精華彙集到一個統一的領域，幫助人們使用資料來改善他們的生活、他們的業務和他們周圍的世界。
它是人工智慧時代的一門重要科學，涵蓋負責任地領導人工智慧專案所需的技能，併為大規模自動化設計目標、​​指標和安全網。
 

決策智慧是將資訊轉化為任何規模的更好行動的學科。
 
人們還可以將決策智慧視為應用決策科學和資料科學增強的管理科學。
 

  • 1.1 管理科學

管理科學是對人類組織中問題解決和決策制定的廣泛跨學科研究。
它更關心在各個方面設計、開發、應用新的和更好的組織卓越決策模型。
管理科學研究可以在三個層次上進行
  • 基礎層次在於三個數學學科：機率、最佳化和動力系統理論。
  • 建模層面是關於建立模型、對其進行數學分析、收集和分析資料、在計算機上實施模型、解決模型、對其進行試驗——所有這些都是建模層面的管理科學研究的一部分。這個級別主要是工具性的，主要由統計和計量經濟學驅動。
  • 與任何其他工程和經濟學學科一樣，應用程式級別努力產生實際影響併成為現實世界變化的驅動力。

如果這種模型構建是由應用決策科學和資料科學授權的，那麼我們稱之為決策智慧。
 
  • 1.2 決策科學

雖然大多數研究領域都專注於產生新知識，但決策科學特別關注根據可用資訊做出最佳選擇。構成定性方面的學科傳統上被稱為決策科學

決策科學旨在闡明這些決策背後的科學問題和價值判斷，並確定可能伴隨任何特定行動或不作為的權衡取捨。
決策科學關注以下問題：

  1. “你應該如何設定決策標準和設計你的指標？” （全部）
  2. “你選擇的指標激勵相容嗎？” （經濟學）
  3. “你應該以什麼質量做出這個決定，你應該為完美的資訊付出多少？” （決策分析）
  4. “情緒、啟發式和偏見如何影響決策？” （心理學）
  5. “皮質醇水平等生物因素如何影響決策？” （神經經濟學）
  6. “改變資訊的呈現方式如何影響選擇行為？” （行為經濟學）
  7. “在團隊環境中做出決策時，您如何最佳化結果？” （實驗博弈論）
  8. “在設計決策環境時，您如何平衡眾多約束和多階段目標？” （設計）
  9. “誰會經歷這個決定的後果，不同群體將如何看待這種經歷？” （使用者體驗研究）
  10. “決策目標合乎道德嗎？” （哲學）

它還包括決策分析、風險分析、成本效益和成本效益分析、約束最佳化、模擬建模和行為決策理論，以及運籌學、微觀經濟學、統計推斷、管理控制、認知和社會心理學的部分內容，和電腦科學。
 
  • 1.3 資料科學

資料科學是一個跨學科領域，它使用科學的方法、流程、演算法和系統從嘈雜的結構化和非結構化資料中提取知識和見解，並將知識和可操作的見解從資料中應用到廣泛的應用領域。資料科學與資料探勘、機器學習和大資料有關。
由於它是當今時代的熱門話題，我不想解釋太多。
 

2. 為什麼我們需要決策智慧？
人類不是最佳化者，我們是滿足者。
許多商業領袖認為他們不需要科學來制定決策，而且當他們檢視數字、形成意見並執行決策時，他們認為自己是由資料驅動的。不幸的是，這樣的決定充其量只是“受資料啟發”。
受資料啟發的決策是我們在一些數字中游來游去，最終達到情感臨界點，然後做出決定。在某個地方的那個決定附近有一些數字，但這些數字並沒有推動這個決定。這個決定完全來自其他地方。它一直存在於決策者的無意識偏見中。
真正做到資料驅動——訂單很重要！您需要預先構建決策模型上下文，然後需要收集資料。
現在您可以感受到我在本文前面討論過的管理科學、決策科學和資料科學的應用範圍。

決策科學與資料科學一樣對您的組織很重要
資料科學 專注於透過統計發現洞察力和關係。決策科學正在尋找與手頭決策相關的見解。許多投資於資料科學團隊的企業然後將決策科學問題載入到他們的盤子中。因此很明顯，在某個時間點，在構建決策模型的同時考慮決策科學和資料科學將變得不可避免。所有這些過程的總稱是決策智慧。簡而言之，決策智慧是將資訊轉化為任何規模的更好行動的學科。
 

揭示人工智慧的力量
計算機是最終可靠的工人。他們只做他們被告知的事情。不多也不少。他們不為自己考慮。他們根本不考慮！除了你告訴他們想要的，他們什麼都不想要。
機器學習和人工智慧是如此強大。與傳統程式設計不同，它們允許您解決問題，即使您自己無法想出解決方案的步驟。人工智慧允許你自動化你無法表達的東西。
在決策智慧模型中，從定量和定性研究中收集的資料和見解將用於應用 AI 目的。簡單的決策智慧是衡量人類決策者意願的槓桿。
我們需要學會從系統思維的角度思考，以瞭解這種多學科領域及其好處。
 

3. 設計思維
設計思維是一種以人為本的設計方法——以瞭解客戶需求、快速原型製作和產生創意為基礎——它將改變您開發產品、服務、流程和組織的方式。透過使用設計思維，您可以根據客戶的真正需求做出決策，而不是僅僅依靠歷史資料或根據直覺而不是證據進行冒險的賭注。
設計思維將人類的理想與技術上可行和經濟上可行的東西結合在一起。

  • 願望（人）：什麼對人和對人有意義？
  • 可行性（技術）：在可預見的未來，技術上什麼是可能的？
  • 可行性（商業）：什麼可能成為可持續商業模式的一部分？

 
  • 3.1 決策智慧如何幫助設計思維？

透過決策智慧賦能設計思維，傳統上，設計思維更多地依賴於定性研究。但是由於網際網路革命和大量資料。定量研究的作用現在變得至關重要。
透過對定性資料和定量資料中的見解進行三角剖分來獲得可操作的見解，而沒有任何偏見是一項艱鉅的任務。這就是決策智慧發揮關鍵作用的地方。
設計思維是一種以人為本的方法，在這種方法中，決策的輸出與人類期望的選擇和行為保持一致。
決策智慧是一種以決策為中心的方法，可幫助決策者分析、制定和實施符合人類期望選擇和行為的決策。
 

4. 商業決策智慧的四大好處

  • 4.1 實際資料驅動的決策。
    雖然 91% 的公司認為資料驅動的決策可以促進他們的業務增長，但只有 57% 的公司依賴於他們的資料。要獲得競爭優勢，您必須正確分析可用資料、做出一些預測並選擇最佳選項。AI 可以更好地檢視資料陣列，並找到可以顯著影響結果的不可見模式和可能的異常。
  • 4.2 更快的決策。
    根據麥肯錫的調查，只有 20% 的組織對其決策速度感到滿意。其他人承認他們在做出正確的選擇上浪費了太多時間，而這並不總是正確的。人工智慧決策系統儘可能地加快了這一過程，因為它們幾乎可以立即處理大量資料。
  • 4.3 多種解決問題的選擇。
    人工智慧驅動的決策演算法也可以非常靈活，並在其中一個引數發生更改時突出顯示某個決策的多個結果。此功能可以幫助企業從眾多選項中做出最佳選擇，同時考慮到他們當前的目標和增長戰略。
  • 4.4 消除錯誤和偏見。
    至少有五種型別的偏見可以直接影響業務決策結果。決策智慧允許避免所有這些，因為正確程式設計的演算法最終會客觀地檢視可用資料。

相關文章