Saltar al contenido

Cómo la inteligencia de decisiones puede impulsar seriamente su juego de BI

abril 23, 2021
00GVOEBAgYk9sYG8P5kvxs0 Cómo la inteligencia de decisiones puede impulsar seriamente su juego de BI
(Imagen: Getty)

Para la mayoría de nosotros, tomar decisiones comerciales basadas en datos es un proceso de cuatro pasos. Primero, recopila los datos. A continuación, lo “extrae”, lo que solo significa que una combinación de herramientas y científicos de datos buscan patrones y correlaciones entre diferentes tipos de datos. En tercer lugar, esos descubrimientos se incorporan a los paneles y visualizaciones que los gerentes pueden ver. A partir de ahí, depende del gerente interpretar lo que les dice el tablero y tomar una decisión.

El problema es que los datos que ha recopilado y los patrones que han descubierto sus herramientas y científicos de datos ahora definen las decisiones que puede tomar. Un ejemplo simplificado: digamos que PCMag recopila una gran cantidad de datos sobre qué artículos se han desempeñado mejor en términos de cuántos clics ha recibido un artículo o grupo de artículos en particular. Luego, nuestros motores de base de datos cobran vida, agrupan los mejores artículos y crean bonitas visualizaciones para que podamos comprender lo que se encontró. Lo que estamos viendo nos permite ver los artículos más exitosos hasta ese momento. Luego, podemos trabajar para replicar ese éxito en el futuro escribiendo más artículos de este tipo sobre un pivote de datos determinado, como el tema, el tipo de artículo o incluso el autor. Entonces, lo que estamos haciendo es usar nuestros datos para replicar nuestros éxitos pasados. Sin duda una práctica eficaz.

Pero, ¿y si le dimos la vuelta a eso?

En lugar de limitarnos a los datos que hemos recopilado, ¿qué pasaría si simplemente comenzáramos por hacer la pregunta que realmente queremos que se responda: qué tipo de artículos nos van a hacer mejor en el futuro? Si comenzamos por ahí, necesitamos un proceso no solo para descubrir las preguntas que debemos hacer para obtener la respuesta, sino también los datos que necesitaremos recopilar para respaldar esas consultas. Pero lo que obtendríamos es un conjunto de respuestas mucho más valioso con el que tomar nuestras decisiones editoriales.

Esa es una de las nuevas metodologías más interesantes que surgen en la próxima generación de herramientas de análisis de negocios, y se llama “inteligencia de decisiones” (DI). A continuación, describimos DI con más detalle y discutimos lo que necesitará saber para que funcione para su organización.

¿Qué es la inteligencia de decisiones?

Cassie Kozyrkov, científica en jefe de decisiones en Google, describe DI como una forma de aumentar la ciencia de datos con ciencias sociales, teoría de decisiones y ciencia administrativa. Esta combinación es más eficaz para ayudar a las personas a utilizar los datos de BI para tomar mejores decisiones. Ella describe la diferencia entre la ciencia de datos y la DI como la diferencia entre los que fabrican hornos microondas y los cocineros que los utilizan.

DI surgió de los esfuerzos de ingeniería de software para construir mejores decisiones sobre las mejores prácticas y hacerlo a gran escala. Y según los expertos, ha madurado lo suficiente como para comenzar a afectar incluso a las pequeñas y medianas empresas (PYMES) en la próxima iteración de herramientas de BI en la nube populares, como Microsoft PowerBI o Tableau.

“La inteligencia de decisiones conecta la inteligencia artificial y la toma de decisiones humana para formar conclusiones más inteligentes, que conducen a resultados más favorables”, dice Jack Zmudzinski, asociado senior de Future Processing, una empresa de desarrollo de software personalizado. “Entonces, en lugar de una decisión tomada por un ser humano o una decisión tomada por una computadora, es lo mejor de ambos mundos”.

Diagrama conceptual del proceso Decision Intelligence

La inteligencia de decisiones cambia lo que las empresas suelen hacer con sus datos. En un enfoque de big data, las herramientas de análisis y las consultas generalmente se eligen para adaptarse a los datos. Con DI, es la decisión que se busca lo que tiene la primera prioridad; Luego se construye la consulta y se seleccionan los datos por su relevancia para la pregunta. Por lo tanto, los datos asumen un papel de apoyo en lugar de un papel protagonista cuando se toman decisiones basadas en datos.

Los expertos definen la inteligencia de decisiones como una metodología, pero no es una que tenga un solo proceso general. La forma en que realice DI dependerá de su negocio, los datos que esté recopilando y también de las capacidades de su conjunto de herramientas de análisis. Sin embargo, la idea básica siempre será la misma: utilizar un enfoque visual que comienza con la decisión requerida y luego trabaja hacia atrás para determinar qué datos se requieren y cómo obtenerlos.

Por qué necesita DI

Si cree que todo esto suena como un gran negocio o un problema empresarial, piénselo de nuevo. Incluso las pequeñas empresas y los “emprendedores individuales” pronto utilizarán estas tecnologías y podrán administrarlas con muy poco esfuerzo, a un costo razonable y con éxito basado en sus propios conocimientos y talentos. En pocas palabras: incluso los líderes de las pequeñas empresas en la actualidad utilizan sofisticadas bases de datos en la nube que contienen gran cantidad de datos y análisis sólidos. Lo que les falta es una guía real sobre cómo usar esa información para tomar decisiones en el mundo real. Eso es especialmente cierto para las pequeñas empresas, y es precisamente lo que DI está abordando.

“Los algoritmos y los datos son buenos para decirnos ‘Aquí están las observaciones o los datos y lo que se puede concluir’. No son buenos para decirnos qué decisión debe tomarse ”, dijo Gopi Vikranth, director asociado de ZS Associates, una firma global de consultoría y servicios profesionales. Antes de unirse a ZS en 2019, ocupó cargos como vicepresidente de big data y análisis de marketing para Melco Resorts and Entertainment, y vicepresidente de análisis de marketing en Caesars Entertainment.

“La inteligencia de decisiones, por otro lado, responde [the question] “Si tomara la acción X, ¿cuál sería el resultado en el mundo real?” Esto es fundamental para las empresas, ya que rara vez existe una situación con información perfecta ”, dijo Vikranth.

Describe una empresa mediana como un ejemplo típico. Digamos que esta empresa tiene un programa de fidelización de clientes. Una IA tiene la tarea de mejorar las ganancias comerciales, por lo que podría encontrar matemáticamente formas de cambiar o eliminar las ventajas de los clientes o aumentar los precios para optimizar esas ganancias. Pero si bien esas conclusiones son objetivamente “correctas”, una decisión de este tipo bien podría causar una costosa reacción entre los clientes y las personas influyentes y, en última instancia, generar una pérdida de lealtad a largo plazo y, por lo tanto, de ingresos.

Jason Cotrell, director ejecutivo del estudio de software Myplanet, cita los siguientes casos de uso potenciales para la inteligencia de decisiones:

  • Personalización de los componentes front-end del software (interfaz de usuario adaptable).

  • Recomendaciones de productos.

  • Prevención de la pérdida de clientes.

  • Optimización de precios para negocios con muchas transacciones, como aerolíneas o productos farmacéuticos.

“En lugar de decir ‘¿Qué datos necesito para tomar esta decisión?’ decir ‘¿Cómo tomo esta decisión? ¿Qué piezas requieren análisis de datos y qué piezas puedo automatizar? ‘ De esa forma, podrá aprovechar mejor sus análisis y automatización ”, explica James Taylor, autor del libro.Decisiones digitales: uso de la gestión de decisiones para generar impacto empresarial desde la inteligencia artificial ”y director ejecutivo de Decision Management Solutions.

Si es una empresa más pequeña que se dedica al big data, es posible que su plataforma actual ya tenga las herramientas que necesita para comenzar con DI. Los expertos dicen que es posible que ni siquiera lo necesite.

“Puede usar una metodología DI con solo lápiz y papel, o últimamente uso la aplicación Lucidspark para dibujar de forma colaborativa diagramas de acción a resultado (CDD)”, dice Lorien Pratt, el inventor del aprendizaje por transferencia para máquinas, un pionero en la inteligencia de decisiones y científico jefe y cofundador de Quantellia, una empresa de aprendizaje automático e inteligencia de decisiones. Él cree que DI está madurando rápidamente y que pronto este tipo de modelado de datos estará disponible para empresas de cualquier tamaño.

Según Pratt, las próximas iteraciones de plataformas de inteligencia empresarial comunes serán compatibles con DI. “En el siguiente nivel de sofisticación, podrá integrar modelos DI dentro de herramientas existentes, como [Microsoft] Excel o PowerBI ”, dice. Sin embargo, para herramientas menos sofisticadas, este proceso probablemente será limitado, ya que esos usuarios no podrán cambiar sus modelos sobre la marcha.

Pero mientras que las pequeñas empresas pueden esperar plataformas DI simplificadas en la nube, las empresas necesitarán mucha más potencia de fuego.

“El problema más importante es un enfoque de inversión”, dice Pratt, lo que significa que las grandes empresas deben poner las decisiones al frente y al centro. Eso puede complicarse en las grandes organizaciones. Deberá averiguar no solo qué tipo de decisiones deben tomarse , sino también cómo capturar esos requisitos.

“Para algunas decisiones, la pila de BI existente será suficiente”, dice Taylor. “Pero para otras, [enterprises] probablemente descubran que necesitan invertir en tecnologías más avanzadas, como análisis predictivo y herramientas de aprendizaje automático “. Además, advierte que, para las decisiones que las empresas deben tomar con frecuencia o con rapidez, se debe implementar un sistema de gestión de reglas comerciales, como los de Agiloft o IBM. , puede automatizar el proceso y aprovechar mejor sus algoritmos de aprendizaje automático.

Para las empresas más pequeñas, probablemente sea una exageración. Especialmente porque los servicios de análisis en la nube de próxima generación deberían proporcionar todo lo que necesitan las PYMES de DI, solo con menos problemas de implementación y aprendizaje. Pero si aún desea hacer bricolaje en DI, esto es lo que Taylor dice que necesitará una empresa típica:

Recomendado por nuestros editores

  • Software de modelado de decisiones para la recopilación de requisitos y modelado de datos.

  • Software de administración de reglas comerciales para desarrollar sus reglas de decisión (a menos que esté tomando relativamente pocas decisiones con concesiones para tiempos de resultados prolongados).

  • Algún tipo de pila de aprendizaje automático con la que desarrollar los algoritmos que necesitará.

  • Una plataforma de datos que le permitirá crear sus algoritmos y también administrar la entrega de datos transaccionales, preferiblemente en tiempo real.

  • Una herramienta de visualización de datos, especialmente si sus decisiones finales aún tendrán un elemento humano significativo.

Patrones vs intuición

Las máquinas ven los problemas y los patrones como claramente definidos: blanco o negro. Las personas, por otro lado, ven matices, posibles significados alternativos, opciones y puentes hacia otros pensamientos. La claridad en cualquier tema es a menudo una función de la inteligencia intuitiva más que de la formación académica. Los humanos pueden usar ambos, y DI tiene como objetivo escalar esas habilidades.

“La inteligencia de decisiones se basa en esta idea de tratar de incorporar enfoques realistas que imiten decisiones similares a las de los humanos”, dice Ervin Sejdic, profesor asociado de ingeniería eléctrica e informática y sistemas inteligentes en la Escuela de Ingeniería Swanson de la Universidad de Pittsburgh “. AI, básicamente, solo configura las reglas para el aprendizaje automático: si es rojo, es esto, y si es azul, es aquello “.

Sejdic cita la compra de un automóvil como ejemplo. “Si está comprando un automóvil y establece ciertos criterios como millas por galón o una marca determinada, un algoritmo encontrará un automóvil para usted. Pero probamos el coche y vemos cómo se siente y se conduce, y esas son las entradas suaves que son difíciles de codificar ”, explica. “Por esas razones, la inteligencia de decisiones intenta codificar las decisiones más suaves que tomamos, y esas cosas son diferentes de su IA típica”.

Sejdic señala que si tiene éxito, DI se puede aplicar a cualquier cosa. La forma de decidir dónde usarlo es buscar áreas en las que desee saber qué acción sería mejor para usted.

“La mayor parte de la analítica y la inteligencia empresarial es descriptiva. Registra lo que sucede y luego traza los números en una tabla. Le dice lo que acaba de suceder para que pueda intentar comprenderlo. Otras formas son predictivas. Son como el pronóstico del tiempo. Te dicen lo que está a punto de suceder “. explicó Pathmind’s …