Beslutningsautomatisering: Sådan øges forudsigelig analyse med menneskelig intelligens

Denne artikel undersøger den perfekte kombination af automatiseret beslutningstagning med avanceret analyse og den menneskelige interaktion. Lad os starte med en simpel brainteaser. Se på dette billede: Der ligger et sæt på fire kort på et bord. Din opgave er at bekræfte reglen: "Hvis der er skrevet en vokal på den ene side af kortet, er et jævnt nummer på den anden side." Identificer hvilke kort (er) du skal vende for at kontrollere gyldigheden af ​​denne regel.

De fleste af de adspurgte giver et svar med det samme: det er nok at kontrollere den anden side af kortet “A”. Et andet populært svar er: du skal dreje både “A” og “2” kort. Sikker på, vi er nødt til at vende “A” -kortet, da dette kort har en vokal på det, og vi har ingen data om, hvad der er på den anden side af dette kort. Er det virkelig nødvendigt at dreje “2” -kortet? Vores regel siger intet om de lige antal - derfor har vi ingen interesse i at kontrollere dette kort. Men det betyder ikke, at det er tilstrækkeligt at kontrollere “A” -kortet. Vi skal også vende “7” -kortet for at se, om den anden side af dette kort har en vokal skrevet på det. Hvis det gjorde det, ville det tilbagevise reglen.

Denne opgave kaldes "Wason-udvalgsopgave" og blev oprettet af Peter Wason, en førende kognitiv psykolog. Ifølge hans eksperimenter mislykkes fire ud af fem respondenter at løse dette puslespil korrekt. Kognitive psykologer har fundet, at folk er opmærksomme på at spekulere i forhold til faktorer med høj tvetydighed; de foretrækker kun at basere deres beslutninger på kendte fakta. Med andre ord har de en tendens til at miste usikker information ud af syne. Men lyd og indsigtsfuld beslutningstagning er umulig uden de oplysninger, der er "skjult" i dataene.

Paul Rogers og Jenny Davis-Peccoud hos Bain & Company har sammensat en liste over 10 beslutningssygdomme, der pesteselskaber, og denne vurdering toppes af en mangel på relevant indsigt eller, som de kalder det, sløret syn. Nedenfor vil vi gerne give et par eksempler på, hvordan forudsigelig analyse og beslutningsautomatiseringspaltformer kan forbedre beslutningstagningen på forskellige områder.

Indlejring af scorecards og avancerede analytiske modeller i lånets originationssystemer giver långivere mulighed for at erhverve mest pålidelige og rentable konti, give de optimale beslutninger om lånepriser og fange muligheder for krydssalg. På denne måde kan fremadstormende långivere reducere omkostningerne ved kundekøbskampagner, forbedre deres låneportefølje og den samlede rentabilitet.

Marketingfolk kan udnytte beslutningsautomatiseringsplatforme til at designe, teste og implementere kundelivscyklusadministrationsaktiviteter og marketingkampagner. Med sofistikerede dataanalyser og adfærdskortkort kan de identificere hvide rum på markedet og få informationsfordel i forhold til deres konkurrenter. Desuden giver marketingautomatiseringsløsninger dem mulighed for at overvåge ydelsen af ​​produktet og tjenesterne på tværs af forskellige målgrupper og holde deres fokus på ændrede kundebehov.

Beslutningsautomatiseringsteknologier strømline forretningsstrømmen og tillader virksomheder i alle størrelser at integrere intelligens i deres daglige drift. Smarte markedsaktører, der kan udnytte prædiktiv analyse for at optimere deres beslutningstagning og risikostyring, vil gå ud over adgang til relevant indsigt: De vil automatisk kunne omdanne informationen til rentable handlinger.