의사 결정 지능

Decision intelligence
의사 결정 인텔리전스 프레임워크

의사결정 지능은 사회과학, 의사결정 이론, 경영과학의 이론으로 데이터 과학을 증강하는 공학 분야다. 이 응용 프로그램은 조직 의사결정에서 모범 사례와 규모에 맞는 머신러닝 적용 프로세스를 위한 프레임워크를 제공한다. 기본적인 생각은 결정이 어떻게 행동이 결과로 이어지는지에 대한 우리의 이해에 기초한다는 것이다. 의사결정 지능은 이 인과관계 사슬을 분석하기 위한 학문이며, 의사결정 모델링은 이러한 사슬을 나타내기 위한 시각적 언어다.

관련 현장 의사결정 엔지니어링도 의사결정 프로세스의 개선을 조사하지만 항상 데이터 과학과 밀접한 관련이 있는 것은 아니다.[Note]

기원과 기술

의사결정 인텔리전스는 많은 조직에서 보다 구조화된 접근법을 사용한다면 의사결정이 개선될 수 있다는 인식에 기초한다. 의사결정 지능은 의사결정 "복잡성 한도"를 극복하려고 하는데, 이는 조직 의사결정 관행의 정교함과 그러한 결정이 이루어져야 하는 상황의 복잡성이 일치하지 않는 것이 특징이다. 이와 같이, 복잡성 이론과 조직을 중심으로 파악된 몇 가지 문제 해결을 도모한다.

이러한 의미에서 의사결정 인텔리전스는 복잡한 시스템 분야의 실질적인 적용을 나타내며, 이는 조직이 스스로 발견하는 복잡한 시스템을 탐색할 수 있도록 돕는다. 의사결정 지능은 또한 흑조 이론으로 표현된 문제를 극복하기 위해 데이터 과학을 통합하고 확장하는 것뿐만 아니라 비전문가 의사결정자의 데스크톱에 첨단 분석과 머신러닝 기법을 가져오는 프레임워크라고 생각할 수 있다.[citation needed]

의사결정 지능을 지지하는 사람들은 많은 조직들이 계속해서 좋지 않은 결정을 내리고 있다고 믿는다.[1] 이에 대응하여 의사결정 인텔리전스는 아래에 자세히 기술된 여러 의사결정 베스트 프랙티스를 통합하고자 한다.

의사결정 인텔리전스는 이전에 브리지와 건물과 같은 보다 유형적인 객체를 설계하기 위해 사용되었던 원칙을 사용하여 의사결정 자체를 설계할 수 있다는 통찰력을 바탕으로 한다.

의사결정을 대표하는 시각적 설계 언어의 사용(§ 시각적 의사결정 설계 참조)은 의사결정 참여자가 쉽게 이해할 수 있는 직관적인 공통 언어를 제공하기 때문에 의사결정 지능의 중요한 요소다. 시각적 은유는 복잡한 시스템에[2] 대해 추론할 수 있을 뿐만 아니라 협업을 강화할 수 있는 능력을 향상시킨다.

시각적 의사결정 설계 외에도 대량 채택을 지원하는 공학 분야의 다른 두 가지 측면이 있다. 다음은 다음과 같다.

  1. 디자인 요소의 공유 언어 생성
  2. 위의 다이어그램에 설명된 대로 공통 방법론 또는 프로세스의 사용.

로리엔 프랫 박사는 의사결정 지능에[3] 대한 첫 번째 책을 썼다.

동기

통일된 의사결정 방법론의 필요성은 조직들이 복잡한 내외부 환경에서 어려운 결정을 내릴 때 직면하는 여러 요인에 의해 주도된다.

현재의 의사결정 문제를 실무에서 해결할 수 있는 광범위한 방법의 무능을 인정하는 것은 정부 출처와 통신, 미디어, 자동차 산업, 제약 등의 산업을 포함한 여러 출처에서 온다.

예:

  • 결정의 결과는 더욱 복잡해지고 있으며, 다음 분기의 매출이나 기타 가시적 결과를 훨씬 넘어서 함께 충족해야 하는 여러 가지 목표에 도달하고 있으며, 그 중 일부는 종종 무형이다.

자동차는 전통적인 세분화와 브랜드를 훨씬 뛰어넘는 방식으로 정체성, 가치관, 개인적 통제의 표현이 되고 있다. 예를 들어, 연료 효율은 사회 책임 차량(SRV)에 대한 하나의 고려사항일 뿐이다. 재활용 가능한 부품은 몇 퍼센트인가? 차량의 총 탄소 배출량은? 아동 노동력이 투입되는가? 독성 페인트, 접착제 또는 플라스틱? 공급망 투명도는 어느 정도인가? 재활용에 대한 책임은 판매자에게 있는가? 어떤 방법을 사용하는가? 공정한 노동 관행이 채용되고 있는가?

— Shoshana Zuboff, "The GM Solution: Life Boats, Not Life Support", Business Week, November 18, 2008
  • 전 세계적으로 증가하는 복잡성:

우리는 변화의 속도와 범위, 복잡성이 증가하는 역동적인 세계에 살고 있다. 세계화의 지속적인 진행, 독립 행위자의 증가, 그리고 기술의 발전은 글로벌 연결성, 상호의존성 및 복잡성을 증가시켜 더 큰 불확실성, 시스템적 위험성, 덜 예측 가능한 미래를 만들어냈다. 이러한 변화로 인해 경고 시간이 단축되고 의사결정 주기가 압축되었다.

— Director of National Intelligence, Vision 2015: A Globally Networked and Integrated Intelligence Enterprise, July 2008

엔지니어링 원칙 전송

다른 의사결정 도구와 방법론과 달리 의사결정 인텔리전스는 의사결정을 만드는 과정에 많은 엔지니어링 관행을 포함시키려 한다. 여기에는 위에서 설명한 요구사항 분석, 사양, 시나리오 계획, 품질 보증, 보안 및 설계 원칙의 사용이 포함된다. 의사결정 실행 단계 동안, 설계 단계 동안에 생산된 산출물은 여러 가지 방법으로 사용될 수 있다; 사업 대시보드 및 가정 기반 계획과 같은 모니터링 접근방식은 결정의 결과를 추적하고 적절한 것으로 재설정을 촉발하는 데 사용된다(이들 요소들 중 몇 가지를 결합하는 방법에 대한 한 가지 관점이 도표에 표시된다).그는 이 글의 시작이다.

의사결정 인텔리전스는 의사결정의 품질을 개선할 수 있는 잠재력, 의사결정을 더 빠르게 할 수 있는 능력, 의사결정의 변화를 중심으로 조직 자원을 보다 효과적으로 조정하고 의사결정과 관련된 위험을 낮출 수 있는 능력을 가지고 있다. 또한, 새로운 정보가 확보됨에 따라 설계된 결정을 재사용하고 수정할 수 있다.[4]

숫자 메서드를 바탕 화면에 가져오기

민감도 분석과 분석과 같은 의사결정 인텔리전스의 많은 요소들이 성숙한 학문이지만, 의사결정자들이 광범위하게 사용하고 있지는 않다.[5] 의사 결정 지능은 그들과 양적 전문가들 사이의 의사소통을 용이하게 하는 역할을 하는 시각적 언어를 창조하는 것을 추구하며, 이들 및 기타 수리적 및 기술적 접근방식의 광범위한 활용을 가능하게 한다.

특히 의사결정 모델의 종속성 링크는 인과관계(인과 루프 다이어그램), 데이터 흐름(데이터 흐름 다이어그램) 또는 기타 관계를 나타낸다. 예를 들어, 한 링크는 "전화 서비스의 문제를 수리할 수 있는 짧은 시간"과 "고객 만족도" 사이의 연결을 나타낼 수 있으며, 여기서 짧은 수리 시간은 아마도 고객 만족도를 높일 것이다. 이러한 의존성의 기능적 형태는 여러 가지 접근방식에 의해 결정될 수 있다. 이러한 기능을 결정하기 위해 데이터를 분석하는 수치적 접근법에는 기계학습과 분석 알고리즘(인공신경망 포함)뿐만 아니라 더 전통적인 회귀분석도 포함된다. 운영 연구와 많은 다른 정량적 접근방식의 결과는 유사한 역할을 한다.

데이터를 사용할 수 없을 때(또는 너무 시끄럽거나, 불확실하거나, 불완전할 경우), 이러한 종속성 링크는 전문가 시스템이나 규칙 기반 시스템에서 찾을 수 있는 규칙의 형태를 취할 수 있으며, 지식 공학을 통해 얻을 수 있다.

이와 같이 의사결정 모델은 상징적 및 하위 상징적 추론뿐만 아니라 복수의 관계를 실질적인 결정의 결과를 결정하는 완전한 솔루션으로 결합하는 메커니즘을 나타낸다.

인공지능과 머신러닝과의 관계

위에서 설명한 것처럼 의사결정 모델 종속성 링크는 기계 학습을 사용하여 모델링할 수 있다. 이런 점에서 의사결정 지능은 단일링크 분석에 가장 널리 사용되는 인공지능에 대한 '멀티링크' 확장으로 볼 수 있다. 이러한 관점에서 머신러닝은 "만약 내가 X를 알고/보고/알고 있다면, 나는 무엇을 결론 내릴 수 있을까?"라는 질문에 대답하는 것으로 볼 수 있는 반면, 의사결정 지능은 "만약 내가 X 행동을 취한다면, 결과가 어떻게 될까?"라고 대답한다. 후자의 질문은 보통 사건들의 사슬을 포함하며, 때로는 피드백 루프와 같은 복잡한 역학을 포함한다. 이러한 방식으로 의사결정 지능은 복잡한 시스템, 머신러닝, 의사결정 분석을 통합한다.

오리진스

의사결정 지원 시스템과 방법론(예: 의사결정 분석)이 수십 년 동안 개발되었음에도 불구하고, 이것들은 여전히 의사 결정을 위한 주요 도구로서 스프레드시트보다 덜 인기가 있다. 의사결정 지능은 이러한 격차를 해소하여 가정, 외부 가치, 사실, 데이터 및 결론과 같이 의사결정에 포함되는 핵심 실체에 대해 공통의 방법론과 언어 사용자들의 중요한 덩어리를 생성하려고 한다. 이전 산업의 패턴이 유지된다면, 그러한 방법론은 한 조직에서 다른 조직으로 공유할 수 있는 공통의 성숙도 모델과 로드맵을 명확히 함으로써 기술 채택도 촉진할 것이다.

의사결정 인텔리전스 접근방식은 다원적 방식으로, 인지 편향과 의사결정, 상황 인식, 비판적이고 창의적인 사고, 협업 및 조직 설계에 관한 연구 결과를 공학 기술과 통합한다.

의사결정 인텔리전스는 스프레드시트 사용, 텍스트(본질의 연속성 때문에 의사결정 구조를 통해 정보가 흐르는 방식에 적합하지 않음), 구두 변론 등을 포함하는 현재의 조직 의사결정 관행에서 개선된 것으로 간주된다. 이러한 대체로 비공식적인 구조에서 결정이 잘 이해되고 시각적인 언어로 문서화되는 구조로의 이동은 유사한 편익을 약속하며 건설에서 공통 청사진 방법론의 창설을 반증한다.

의사 결정 지능은 매우 새롭고 또한 매우 오래된 훈련이다. 가정을 평가하는 언어, 주장을 뒷받침하는 논리를 사용하는 논리, 결정을 평가하기 위한 비판적 사고의 필요성, 편향의 영향을 이해하는 것과 같은 그것의 요소들 중 많은 것들은 오래된 것이다. 그러나 이러한 요소들이 공통의 방법론에 집중함으로써 조직에 상당한 이익을 제공하는 일관성 있는 전체를 형성할 수 있다는 인식은 비교적 새로운 것이다.

2018년 구글의 응용 데이터 과학 분야 프로세스와 훈련 프로그램을 '결정 인텔리전스([6]decision intelligence)'로 명칭을 바꿔 데이터 과학 적용에 있어 행동과 결정의 중심 역할을 표시했다. 이론적 프레임워크가 데이터 과학 외에도 경영학 및 사회과학에 미치는 범위는 의사결정 지능을 데이터 과학과 구별되는 연구 분야로 일원화하는 추가적인 동기 부여 요인이었다.[7]

현대적 의사결정 지능은 학문과 학문적으로 매우 포괄적이다. 광범위하게 생물학적, 비생물학적 행동 선택으로 정의되는 결정을 중심으로 한 연구는 그 규율의 일부로 간주된다. 그러나 의사결정 지능은 의사결정에 무관심한 구성요소를 다루지 않기 때문에 데이터 과학과 사회 과학의 총칭은 아니다.

시각적 의사결정 설계

복잡한 의사결정에 사용되는 다른 보이지 않는 추론 구조를 가시적으로 만들기 때문에, 의사결정 지능의 설계 측면은 마인드 맵핑, 개념 그래프, 의미 네트워크와 같은 다른 개념적 표현 기술에서 도출된다.

기본적인 아이디어는 시각적 은유가 직관적 사고, 귀납적 추론, 패턴 인식(중요한 인지 능력)을 향상시킨다는 것이다. 이는 보통 언어 또는 텍스트 토론에서 덜 접근하기 때문이다. 비즈니스 의사결정 맵은 의사결정 인텔리전스를 지원하기 위한 공식적인 의사결정 언어에 대한 하나의 접근법으로 볼 수 있다.[8]

무형 자산의 명시적 표현

의사결정 지능은 의사결정의 많은 측면이 기회비용, 직원의 사기, 지적 자본, 브랜드 인식 및 전통적인 양적 또는 재무 모델에서 포착되지 않는 다른 형태의 사업 가치를 포함한 무형적 요소에 기초한다는 것을 인식한다. 따라서 가치 네트워크 분석(가장 주목할 만한 가치 네트워크 맵)은 여기에서 관련이 있다.

참고 항목

메모들

^ 다음의 의미적 변동에 유의하십시오.

  • EDM(Enterprise decision management)은 기업 전체의 의사 결정 자동화에 초점을 맞춘 밀접하게 관련된 분야다. 의사결정 인텔리전스는 EDM이 수동 및 자동화된 의사결정 프로세스를 모두 포함하므로, EDM을 정량적 분석/분석 툴 및 부서와 보다 정성적/전략적/관리적 f를 가진 부서 간의 장벽을 허물 수 있는 공통의 방법론으로 통합하기 때문에 이러한 관점에서 볼 수 있다.오쿠스
  • 관련 용어인 "결정공학"은 여러 산업에서 사용된다. 이것들 각각은 본문에서 논하는 것과 구별되는 의미를 가지고 있다.
  • 이 용어가 널리 사용된 이후 여러 해 동안 마스터카드는 AI/기계 학습 제품에 대해 "Decision Intelligence"라는 이름을 상표로 표시했다.[9][non-primary source needed]
  • 행동경제학에서 관련 용어인 "결정공학"은 소비자 선택의 의도적인 조작을 의미할 수 있다. 이 용어의 사용에서 의사결정 지능은 복잡한 의사결정을 돕기 위해 엔지니어링 원리를 사용하는 것이 아니라 소비자가 내린 결정의 공학에 대해 언급하는 것처럼 부드러운 온정주의와 대략 유사하다. 분명히 다르지만, 이러한 관행은 의사결정 지능(예를 들어 행동 경제학자 리처드 탈러의 연구 등)과 같은 의사결정 연구의 많은 부분을 끌어낸다.
  • 비용 엔지니어링은 엔지니어링 프로젝트의 비용을 측정한다. 비용 엔지니어링은 의사결정 엔지니어링으로서 제품 엔지니어링과 설계 최적화로 분류되기도 한다. 이는 공학적인 결정의 영역을 넘어 조직이 직면한 모든 결정으로 이어지는 이 글의 더 넓은 틀에서 구별할 수 있다.[10]
  • 운영 연구는 의사결정 문제에 대한 최적 또는 거의 최적 솔루션을 식별하려는 의사결정에 대한 대체로 정량적인 접근방식이다.

참조

  1. ^ John Hagerty, Rita L. Sallam, James Richardson: "Magic Quadrant for Business Intelligence Platforms", Gartner, 2012년 2월
  2. ^ 2009년 8월 10일, 텔레콤 아시아, 로리엔 프랫과 마크 짱가리: "복잡한 비즈니스 모델로 가는 길을 선도한다."
  3. ^ Lorien Pratt: "Link: 의사 결정 인텔리전스가 더 나은 세상을 위한 데이터, 행동 및 결과를 연결하는 방법" 에메랄드 프레스, 2019
  4. ^ 로리엔 프랫과 마크 짱가리: 설계를 통한 의사결정 복잡성 한계 극복. 2008년 12월 콴텔리아 백서
  5. ^ Rob Rich: 신속한 의사 결정: Analytics TM Forum, 2011년 11월, 비즈니스 결과 개선
  6. ^ "Why Google defined a new discipline to help humans make decisions". Fast Company. 2018-07-18. Retrieved 2018-08-07.
  7. ^ Tech Open Air (2018-08-09), Decision Intelligence (ML++) - Cassie Kozyrkov (Google) #TOA18, retrieved 2018-08-15
  8. ^ 조셉 워링: 2010년 1월 04일 Visual Analysis Telecom Asia를 통한 통신 복잡성 이해
  9. ^ "Mastercard Rolls Out Artificial Intelligence Across its Global Network". mastercard.com. November 30, 2016. Retrieved 2019-06-23.
  10. ^ 예: Roy Rajkumar: "비용 공학: 왜, 무엇, 그리고 어떻게?" 및 Cranfield UK 대학의 의사 결정 공학 센터에서 발행한 기타 간행물을 참조하십시오.

참고 문헌 목록

  • 로리엔 Y. 프랫링크: 의사 결정 인텔리전스가 더 나은 세상을 위한 데이터, 작업 및 결과를 연결하는 방법(2019) ISBN 1787696545
  • 피터 F. Drucker.의사 결정에 대한 하버드 비즈니스 리뷰. (2001) ISBN 1-57851-557-2
  • 존 S. 해먼드. 현명한 선택: 더 나은 의사 결정을 위한 실용적인 가이드. (2002) ISBN 0-7679-0886-4
  • 에드워드 루소 의사 결정 트랩. (1990) ISBN 0-385-24835-0
  • 폴 J.H. 슈메이커 성공적인 의사 결정: 처음으로 올바른 의사 결정 (2001) ISBN 0-7499-2285-0
  • 스콧 플러스 ISBN 0-07-050477-6

외부 링크