Decision Intelligence: From Data to Action at Enterprise Scale

২০১৮ সালে, গুগল কিছু অস্বাভাবিক করেছিল: তারা একটি নতুন চাকরির পদ সৃষ্টি করেছিল। ক্যাসি কোজার্কভ কোম্পানির প্রথম সিনিয়র ডিসিশন সায়েন্টিস্ট হয়ে ওঠেন - নয় সিনিয়র ডেটা অফিসার, নয় ভাইস প্রেসিডেন্ট অফ অ্যানালিটিক্স, বরং কেউ যিনি সংস্থার সিদ্ধান্ত নেওয়ার জন্য আরও ভাল সিদ্ধান্ত নিতে সাহায্য করতেন।

কেন? কারণ গুগল এটি বুঝতে পেরেছিল যে সবচেয়ে বেশি সংস্থাগুলি এখোঁন করেছে: ডেটা থাকলে সেটি সিদ্ধান্ত নেওয়ার জন্য সমান নয়। তারা পেটাবাইট ডেটা ছিল, ডেটা বিজ্ঞানীদের সেনাবাহিনী, এবং বিশ্বশ্রেষ্ঠ এমএল সুবিধা। কিন্তু তারা একই প্যাটার্ন দেখতে থাকল: বিশ্বশ্রেষ্ঠ বিশ্লেষণ যা কেউ কাজে নিয়ে না, ড্যাশবোর্ড যা কেউ কাজে না করে যেহেতু তারা কোন পরিবর্তন করে না, এবং AI মডেল যা অন্তর্দৃষ্টি তৈরি করে কিন্তু প্রভাব না ফেলে।

"নির্ণয় বুদ্ধিমত্তা হল তথ্যকে যেকোন আকারে, যেকোন পরিস্থিতিতে ভাল ক্রিয়াকলাপে রূপান্তর করার বিজ্ঞান"

এটি শুধুমাত্র একটি নতুন লেবেল পুরানো ধারণার জন্য নয়। নির্ণয় বুদ্ধিমত্তা একটি মৌলিক পরিবর্তন যা সংস্থাগুলি ডেটা, বিশ্লেষণ, এবং ক্রিয়াকলাপের মধ্যে সম্পর্ক সম্পর্কে চিন্তা করার পথে একটি নতুন দিকে নিয়ে যায়। যদি আপনি আমাদের সহযোগী সিদ্ধান্ত গ্রহণের গাইড পড়েছেন, তাহলে আপনি এই মানবিক দিকটি দেখেছেন - 240 বছরের গবেষণা কন্ডরসেট থেকে গুগল প্রজেক্ট আরিস্টটল যা বিভিন্ন দৃষ্টিভঙ্গি যথাযথভাবে একত্রিত করার সাথে ব্যক্তিগত বিচারের চেয়ে ভাল কাজ করে।

নির্ণয় বুদ্ধিমত্তা এই ভিত্তিটি নিয়ে প্রশ্ন করে: আমরা AI, কারণীয় মডেলিং, এবং সিস্টেমেটিক ফিডব্যাক লুপ যোগ করলে কী ঘটে?

সমস্যার মূল্য: অন্তর্দৃষ্টি ছাড়া ক্রিয়াকলাপ

একটি সংখ্যা যা প্রতিটি কর্মকর্তা উদ্বিগ্ন করবে: 65% সংস্থা এখোঁন ডেটা সিদ্ধান্ত নেওয়ার জন্য ব্যবহার করে না, বরং তারা ইতিমধ্যে নেওয়া সিদ্ধান্তগুলিকে সমর্থন করার জন্য ডেটা ব্যবহার করে (গার্টনার, ২০২৪)। তারা ব্যবসায়িক বুদ্ধিমত্তা ড্যাশবোর্ড আছে। তারা ডেটা বিজ্ঞানীদের দল আছে। কিন্তু ডেটা ক্রিয়াকলাপ পরিবর্তন করে না।

এটি হল নির্ণয় বুদ্ধিমত্তা সমাধান করে। নয় বিশ্লেষণ-ক্রিয়াকলাপের বিভাজন নির্মাণ করে না - বরং সমস্ত প্রবাহ পুনরায় ডিজাইন করে যা তথ্য থেকে ক্রিয়াকলাপের মধ্যে যায় এবং ফলাফল মাপকে অন্তর্ভুক্ত করে।

একটি সংক্ষিপ্ত ইতিহাস: সিদ্ধান্ত প্রকৌশল থেকে নির্ণয় বুদ্ধিমত্তা

নির্ণয় বুদ্ধিমত্তার ধারণাগত মূল রুট হল 1950 এর দশকে - একই সময়ে যেখানে আমরা মানবিক বুদ্ধিমত্তা, অপারেশনস রিসার্চ, এবং হার্বার্ট সিমনের নোবেল পুরস্কার বিজয়ী কার্যকর যুক্তির কাজ হয়েছিল। কিন্তু আধুনিক বিজ্ঞান দুটি স্বতন্ত্র ট্র্যাক থেকে উদ্ভূত হয়েছে:

উভয় ট্র্যাক একই দিকে যায় কারণ তারা উভয়ই একই দিকে যায়: প্রযুক্তিগত সূক্ষ্মতা ছাড়া সিদ্ধান্তের প্রভাব। প্র্যাটের শিক্ষাগত কাজ বলেছে যে কেন (কারণীয় যুক্তি ছাড়া); কোজার্কভের শিল্প কাজ বলেছে যে কীভাবে এটি স্কেলে সমাধান করা যায় (গুগলের অপারেশনালাইজেশন)।

ব্যবসায়িক বুদ্ধিমত্তা বনাম ডেটা বিজ্ঞান বনাম নির্ণয় বুদ্ধিমত্তা

নির্ণয় বুদ্ধিমত্তা সম্পর্কে সবচেয়ে সুস্পষ্ট উপায় হল বিপরীতে তুলনা করা। এখানে তিনটি বিজ্ঞানের মধ্যে পার্থক্য দেখানো হয়েছে:

মূল বোঝাপড়া: DI ব্যবসায়িক বুদ্ধিমত্তা বা ডেটা বিজ্ঞানকে প্রতিস্থাপন করে না - বরং তাদের সমস্ত সম্পন্ন করে। ব্যবসায়িক বুদ্ধিমত্তা ইতিহাসকে প্রদান করে। ডেটা বিজ্ঞান ভবিষ্যদ্বাণী করে। DI সিদ্ধান্ত যুক্তি, ক্রিয়াকলাপের পরামর্শ, এবং ফিডব্যাক লুপ যা অন্তর্দৃষ্টি এবং প্রভাবের মধ্যে বিভাজন বন্ধ করে।

নির্ণয় বুদ্ধিমত্তা ফ্রেমওয়ার্ক

নির্ণয় বুদ্ধিমত্তার মূলে, DI একটি সরল কিন্তু শক্তিশালী মডেল অপারেট করে:

এটি সামরিক কৌশল থেকে আসা OODA লুপ (পর্যবেক্ষণ-অরিয়েন্ট-সিদ্ধান্ত-ক্রিয়া) এর মতো দেখায়। কিন্তু একটি গুরুত্বপূর্ণ পার্থক্য রয়েছে: শিক্ষা ধাপ। OODA ছিল যুদ্ধের সময় সময়ে ক্রিয়া করার জন্য ডিজাইন করা হয়েছিল যেখানে আপনি ফলাফল পরিমাপ করতে পারবেন না। DI হল সংগঠনগত সিদ্ধান্তের জন্য ডিজাইন করা হয়েছে যেখানে আপনি এবং আপনার প্রয়োজন।

কারণ-প্রভাব ডায়াগ্রাম: কারণ-প্রভাবের মানচিত্র দেখুন

নির্ণয় বুদ্ধিমত্তার হৃদয় হল কারণীয় যুক্তি - কী কী করে তা বোঝার জন্য নয় কিন্তু কী কী করে তা বোঝার জন্য। এটি হল সম্পর্কের মধ্যে পার্থক্য যে কোন কী কী করে তা বোঝার জন্য এবং কোন কী কী করে তা বোঝার জন্য। এটি হল সম্পর্কের মধ্যে পার্থক্য যে কোন কী কী করে তা বোঝার জন্য এবং কোন কী কী করে তা বোঝার জন্য।

একটি কারণ-প্রভাব ডায়াগ্রাম (CDD) এই কারণ-প্রভাব সম্পর্কগুলিকে চিত্রিত করে। এটি দেখায়:

• লক্ষ্য: আমরা কী অর্জন করতে চাইছি
• লিভার: আমরা কী পদক্ষেপ নিতে পারি
• মধ্যবর্তী: লিভার এবং লক্ষ্যের মধ্যে প্রভাবের শৃঙ্খল
• বাহ্যিক: যে বিষয়গুলো আমরা নিয়ন্ত্রণ করতে পারি না, তবে সেগুলোর হিসাব রাখতে হবে

"তথ্যকে সিদ্ধান্ত নেওয়ার জন্য সংগঠিত করা উচিত, বরং সিদ্ধান্ত নেওয়ার জন্য তথ্য সংগ্রহ করা উচিত"

আই কীভাবে সংযুক্ত হয়: আগমন, নয় প্রতিস্থাপন

এটি সিডিআই এবং উভয় হাইপ এবং ত্রয়ীকরণের মধ্যে সবচেয়ে বেশি স্পষ্টভাবে আলাদা হয়। DI's অবস্থান: আই মানুষের সিদ্ধান্ত গ্রহণকে সমর্থন করে; মানুষ দায়িত্ব বহন করে।

নেটফ্লিক্স একটি সুন্দর উদাহরণ। তাদের পরামর্শ ইঞ্জিন (আই) 300 মিলিয়ন সদস্যের দৃষ্টিপাতের প্যাটার্ন প্রক্রিয়া করে। এটি হাউস অফ কার্ডস সাফল্যের আগে একটি একক পর্ব ছাড়াই পূর্বাভাস দিয়েছিল। কিন্তু মানুষ — স্টুডিও নির্বাহী — আসল সিদ্ধান্ত নিয়েছিল। আই কার্যকর কর্মপরিকল্পনা করেছিল; মানুষ দায়িত্ব নিয়েছিল।

80% নেটফ্লিক্সে দেখা যায় এই পরামর্শ ইঞ্জিনের কারণে। কিন্তু নেটফ্লিক্স বলে যে "মানুষ, নয় মেশিন, চূড়ান্ত সিদ্ধান্ত গ্রহণকারী"।

2025-2030 গ্রহণ তরঙ্গ

সিডিআই একটি বিশেষ বিষয় থেকে ব্যবসায়িক গ্রহণের দিকে অগ্রসর হয়েছে:

2025 গার্টনার আই হাইপ সাইকেল সিডিআইকে একটি পরিবর্তনশীল প্রযুক্তি হিসাবে স্বীকৃতি দেয় — বর্তমানে 5-20% গ্রহণের সাথে মূলধারার ম্যাটারিয়েলিটি আশা করে 2-5 বছরে। যে সংস্থাগুলি ডিআই ক্ষমতা গড়ে তোলে তারা এটি প্রতিষ্ঠিত প্রক্রিয়া এবং সংস্থাগত জ্ঞান দ্বারা সজ্জিত হবে যখন এটি টেবিল স্টেক হয়।

সহযোগী সিদ্ধান্ত গ্রহণ থেকে সিডিআইতে

যদি আপনি আমাদের সহযোগী সিদ্ধান্ত গ্রহণের নির্দেশিকা পড়েছেন, তাহলে আপনি সিডিআই তৈরি করার ভিত্তি হিসাবে এটি স্বীকার করবেন:

এটি এমনভাবে চিন্তা করুন: সিডিএম হল মানবিক-কেন্দ্রিক ভিত্তি; ডিআই হল সেই ভিত্তির উপর প্রযুক্তি-সমর্থিত সিস্টেম যা সেই ভিত্তিতে নির্মিত। আপনি ভাল ডিআই ছাড়া ভাল সিডিএম নিতে পারবেন না। কিন্তু আপনি সিডিএমের শক্তি ব্যাপকভাবে বাড়াতে পারেন ডিআই-এর ক্ষমতাগুলি যোগ করে।

কীভাবে আর্গুমেন্ট্রি ডিসিশন ইন্টেলিজেন্স প্রয়োগ করে

আর্গুমেন্ট্রি ডিসিশন ইন্টেলিজেন্স নীতিগুলি বাস্তব সংস্থাগত সিদ্ধান্ত গ্রহণে প্রয়োগ করে। পরিবর্তে সিদ্ধান্তগুলিকে একটি একক ঘটনা হিসাবে বিবেচনা করে, প্ল্যাটফর্মটি একটি নিরবচ্ছিন্ন শিখে যাওয়া সিস্টেম তৈরি করে:

ফলাফল: প্রতিটি সিদ্ধান্ত শিখে যাওয়ার একটি সুযোগ। দলগুলি সংস্থাগত মনোযোগ তৈরি করে। নতুন সদস্যরা শুধুমাত্র কী সিদ্ধান্ত নেওয়া হয়েছিল তা বুঝতে পারেন, কিন্তু কেন — এবং যদি যুক্তি বাস্তবায়নের সাথে মেলে না।

সম্পূর্ণ নির্দেশিকা

এই পোস্টটি সিডিআই-এর মৌলিক বিষয়গুলি কভার করে। সম্পূর্ণ গভীর ভ্রমণের জন্য — সম্পূর্ণ ডিআই ফ্রেমওয়ার্ক আর্কিটেকচার, প্রয়োগ প্যাটার্ন, কাউসাল ডায়াগ্রাম টেমপ্লেট, এবং বিদ্যুত বিশ্লেষণ/ডেটা সাইন্স বৈশিষ্ট্যের সাথে একীভূত করা — আমাদের সম্পূর্ণ সংস্থান দেখুন: