隨著強大的卓越運營和生產力（尤其是在營銷組織內部）成為至關重要的競爭優勢，複雜的決策制定變得越來越具有挑戰性。 總體而言，最成功的公司和投資者依賴於快速準確的決策，從潛在客戶培育到招聘和投資決策。

研究表明，企業每年做出多達 30 億個決策，Gartner 最近的一項調查報告稱，與兩年前相比，65% 的決策更加複雜（涉及更多的利益相關者或選擇）。

當今的許多企業以及為他們服務的營銷人員需要更好的洞察力來彌合海量數據與業務決策之間的差距。 只有 24% 的公司表示他們是“數據驅動的”，而其他公司則面臨錯失良機、效率低下和業務風險增加的問題。 由於決策失誤，標準普爾公司平均每年損失 2.5 億美元。

決策智能是彌合洞察力和決策之間差距的框架。 它使組織能夠做出更好、一致和數據驅動的決策。 領導者和團隊可以在公司的各個層面做出明智的決定！

什麼是決策智能？

決策智能 (DI) 是一門不斷發展的學科，它結合了數據、分析、人工智能、自動化和經驗來做出更好的決策。 DI 使用優化、模擬和決策分析技術幫助指導決策者獲得可操作的見解。

與嚴重依賴直覺和經驗的傳統決策方法相比，DI 結合了有條理、分析和數據驅動的方法。

DI 的重點不僅在於技術，還在於它如何增強人類決策過程。 它是一個多學科領域，吸收了來自各個領域的專業知識，包括計算機科學、統計學、心理學、經濟學和商業。

根據 DI 軟件提供商 Quantellia 的首席科學提議和聯合創始人以及“鏈接：決策智能如何連接數據、行動和結果以創造更美好的世界”一書的作者 Loren Pratt 博士的說法，DI 的另一個關鍵概念是設計決策就像組織設計房屋、建築物和飛機一樣——首先創建藍圖。

就像藍圖一樣，決策設計有助於使參與該決策的每個人（包括利益相關者）圍繞其基本原理進行調整。 她發現，通過將決策視為設計問題，您可以帶來許多設計最佳實踐，例如構思、文檔、渲染、改進、QA 和設計思維。

2019 年，谷歌首任首席決策官 Cassie Kozyrkov 建立了一個新的決策智能工程學科，將行為科學、經濟學和管理科學與數據科學相結合，專注於數據之外的下一個商業優勢。

智能決策是經過設計、模擬、自動化、監控和調整的。

深入挖掘：為什麼數據驅動決定-making 是成功的 CX 的基礎

決策智能不是什麼

決策科學。 決策科學通常與數據的定性方面相關聯。 DS 是總體術語，而“決策智能”是操作方面。

戰略情報。 從廣義上講，戰略情報意味著使用 BI 洞察力來推動和支持戰略。 我們也將這種市場情報稱為市場情報，它為企業提供當前的行業趨勢並了解消費者行為以引導未來的行動方案。

計算的決定。 Kozyrkov 說，並不是每一個輸出或建議都是一個決定。 在決策分析術語中，只有在發生不可撤銷的資源分配後才能做出決策。 如果你能免費改變主意，還沒有做出決定。

決策智能的應用

DI 適用於各種決策問題，例如資源分配、風險管理、戰略規劃，當然還有市場營銷。 我用它來開發複雜的能源、金融、政策和營銷決策的系統和平台。

我們上一個啟動平台支持 DI 進入市場的管理人員將決策過程從九個月縮短到一小部分時間，具有更高的可見性、培訓和影響。

DI 已應用於信貸申請或金融服務中的欺詐檢測。 它已被用於零售業，以確定要購買多少庫存、最佳庫存水平或價格預測。 根據 Loren Pratt 博士的說法，採用決策情報可以對醫療危機中基於證據的決策產生積極影響。

其他用例包括客戶滿意度、營銷歸因以及競爭和上市策略。 這些決策框架的設計是 GTM 的標準； 但是，實施需要構建企業平台、培訓和數據支持。 但最終，這個決策時間從九個月降到了一到三個月。 平均影響超過 1000 萬美元，其中一家服裝公司發現該平台帶來了 9000 萬美元的新收入來源。

深入挖掘：自動化決定具有實時情境

決策智能的好處

McKinsey 高級合夥人 Kate Smaje 指出，過去需要 10 個月才能完成的工作，組織現在可以在 10 天內完成。 擁有 DI 支持不斷加快的決策步伐，以保持競爭力。

第一個好處是 DI 幫助領導者利用更有針對性和更全面的信息來做出複雜的決策。 在設計決策時，您可以針對特定的目標或目的構建跨組織的信息。 擁有這種可見性有助於在競爭目標之間進行權衡。 它消除了大多數戰略和高級戰術決策中發現的更多分析癱瘓。

接下來，DI 降低了風險和不確定性。 擁有實時數據和洞察力的決策者可以利用 DI 來識別和主動降低潛在風險。 通過權衡的可見性，組織可以更好地應用風險/回報計劃，以避免代價高昂的錯誤阻礙競爭優勢。

決策智能可提高效率和生產力。 通過自動化特定的決策過程並為決策者提供實時數據和見解，DI 可以幫助簡化決策並提高生產力。 您正在減少決策延遲。 這些流程可以構建或編程到系統中，以騰出時間和資源來探索更多選項或分配給其他重要任務和計劃。

最後，利用 DI 的組織通過評估數據和技術獲得更強大的競爭優勢，然後採取更智能和更快的複雜決策，這些決策通常會削弱動力或轉型。

決策智能的局限和挑戰

由於涉及數據、人工智能和自動化，因此 DI 也存在一些挑戰和限制也就不足為奇了。

道德/偏見。 DI 可以有條不紊地幫助減少偏見並加強道德決策。 與此同時，對於任何數據驅動的自動化系統，利用人類構建的 DI 的決策仍然存在基於有偏見或歧視性的數據或算法而製定的風險。 意識培訓以及所有其他組織數據驅動的努力是必須的。

數據可用性。 領導者和項目經理必須了解數據訪問和可用性限制。 在較小的數據集上尋找決策有效性通常具有挑戰性。 有時事情會出錯，但這更多是基於運氣而不是數據。 對於復雜且不頻繁的決策，組織可能需要幫助來定義衡量決策的方法。 在這種情況下，技術限制可能會阻止解決方案。 組織需要將此類決策過程正式化，並且只能使用技術。 此外，值得強調可能缺少的內容或可能的範圍。

反抗。 DI 的一個重要部分是確保決策過程的透明度、一致性和培訓。 決策者的傳統文化最初會抵制，因為它認為它無視他們的經驗或直覺，或者違背他們的特定議程。 負責 DI 工作的人員需要傳達 DI 如何使他們的工作受益並為個人和組織帶來更好的結果。

領導者可以通過清晰的溝通和明確的應用範圍來克服這些挑戰和限制。 每一項新舉措都可以發展和增強組織的決策文化。

提示和因素

• 選擇一個有重點的決定。 首先在業務關鍵決策需要改進的功能中實施 DI（例如，數據驅動、AI 驅動）。 備選方案包括大型複雜決策或可以通過自動化擴展和加速的決策。
  
• 從結果開始。 您的組織中有大量數據，但您應該只收集與該結果相關的數據來設計決策模型。 一旦你開始使用早期的集合，就可以添加額外的數據或測試額外信息的理論。

• 制定決策。 記錄您的決策中涉及的假設、想法、情緒、擔憂和恐懼。 每季度或每半年審查一次。 它將增強您的組織的決策能力。

• 不要自動化一切。 人是必要的，尤其是在涉及復雜和敏感的決策時。

• 權力應該由決定。 向最接近決策影響點的人提供決策權。 所有權將激勵有效的決策。
  
• 養成新的決策習慣。 教導決策者應用系統的最佳實踐，例如批判性思維、權衡分析、認識偏見和傾聽反對意見。

• 當心狹窄的框架。 在 Chip 和 Dan Heath 合著的“Decisive”一書中，作者解釋說，改進決策制定的直接方法是避免限制框架的範圍。 決定很少只是“是”或“否”。 總是有多種選擇，所以至少要有三個可供選擇。

結論

決策者經常需要更多的信息、時間和經驗來做出複雜的決策。 貝恩的一項研究發現，業務績效似乎與決策的有效性有 95% 的相關性。 決策智能係統通過解釋和證明決策、從過去的決策反饋中學習以及比較影響來提高決策效率來提高效率。

決策智能是一個重要的工具，可以幫助您做出更好的決策。 通過結合數據科學、人工智能和人類專業知識，DI 可以幫助減少不確定性並提高效率。 然而，DI 有其挑戰和局限性。 您必須了解這些風險並採取措施減輕這些風險。

獲取營銷技術！ 日常的。 自由的。 在您的收件箱中。

企業電子郵件地址

訂閱 加工...

見條款。