مديريت داده‌محور تصميم‌گيري چيست؟ مديريت داده‌محور تصميم‌گيري به معناي مبتني کردن انتخاب‌ها بر شواهد — واقعيت‌هاي اندازه‌گيري شده، معيارها و استدلال‌هاي مستند — به جاي شهود، سلسله مراتب يا صداي بلندتر است. اين امر قضاوت انسان را در ورودي‌هاي قابل تأييد قرار مي‌دهد تا بتوان تصميم را توضيح داد و از آن دفاع کرد.

چرخه تصميم‌گيري داده‌محور در مراحل زير اجرا مي‌شود: تعريف تصميم و سوال آن؛ جمع‌آوري داده‌ها و شواهد مربوطه؛ تبديل اين شواهد به استدلال‌هاي صريح به سود و زيان هر گزينه؛ ارزيابي استدلال‌ها از نظر کيفيت و وزن؛ تصميم‌گيري بر اساس حمايت خالص؛ و ثبت تصميم با شواهد آن تا بتوان نتايج را بر ضد آنچه پيش‌بيني شده است، مرور کرد. تصميمات داده‌محور اجازه مي‌دهند شواهد در راس باشند، در حالي که تصميمات آگاه به داده، داده‌ها را به عنوان يک ورودي در کنار تجربه درمان مي‌کنند. تصميمات داده‌محور همچنان در مواردي که داده‌ها به صورت انتخابي براي توجيه يک نتيجه از پيش تعيين شده استفاده مي‌شوند، یا وقتی منطق ارتباط داده با تصميم هرگز نوشته نمي‌شود، یا وقتی شواهد پس از جلسه از بين مي‌روند، شکست مي‌خورند. Argumentree از مديريت تصميم‌گيري داده‌محور با سازماندهي استدلال‌ها و شواهد حمايتي آنها به درختان استدلال به سود و زيان، استخراج استدلال‌ها از اسناد و تراکنش‌هاي جلسه با استفاده از هوش مصنوعي، اجازه دادن به يک گروه براي رتبه‌بندي و وزن‌دهي هر استدلال تا نتيجه از شواهد پيروي کند، اندازه‌گيري حمايت خالص به عنوان امتيازهاي اجماعي سلسله مراتبي، و حفظ يک رديف کامل ازaudit که هر تصميم را به داده‌هاي پشت سر آن متصل مي‌کند — در 66 زبان مختلف، حمايت مي‌کند.

راهنما برای تعریف

چه cosa تصمیم‌گیری مبتنی بر داده است؟

مديريت تصميم‌گيري داده‌محور انتخاب‌ها را بر اساس شواهد و استدلال‌هاي مستند — نه شهود، سلسله مراتب يا صداي بلندتر — قرار مي‌دهد تا هر تصميم قابل توضيح و دفاع باشد.

TL;DR

تصمیم‌گیری مبتنی بر داده (DDDM) یک انتخاب را در شواهد قابل اندازه‌گیری و استدلال‌های صریح قرار می‌دهد، نه بر اساس احساسات. این قضاوت را جایگزین نمی‌کند — آن را آزمون می‌کند تا ورودی‌های قابل تایید، بنابراین تصمیم از شواهد قوی‌تر پیروی می‌کند و پس از آن قابل دفاع باقی می‌ماند.

چرخه تصمیم‌گیری مبتنی بر داده

  1. 1

    تعریف تصمیم

    سؤال را که داده‌ها باید به آن پاسخ دهند و گزینه‌های موجود را بیان کنید.

  2. 2

    گathering شواهد

    متغیرهای مربوط به هر گزینه را جمع‌آوری کنید.

  3. 3

    تبدیل شواهد به استدلال

    داده‌های خام را به دلایل صریح برای و علیه تبدیل کنید — داده‌ها فقط زمانی اهمیت دارند که به استدلال تبدیل شوند.

  4. 4

    ارزیابی و وزن‌دهی

    هر استدلال را بر اساس دقت و مربوط بودن ارزیابی کنید، بنابراین شواهد قوی hơn از شواهد ضعیف وزن دارد.

  5. 5

    تصمیم‌گیری بر اساس حمایت خالص

    به گزینه‌ای که شواهد وزن‌دار از آن حمایت می‌کند، برسید.

  6. 6

    ثبت و بازبینی

    تصمیم را به شواهد آن پیوند دهید، سپس نتیجه را با آنچه داده‌ها پیش‌بینی کرده‌اند، بررسی کنید.

تصمیم‌گیری مبتنی بر داده در مقابل تصمیم‌گیری آگاه از داده

بر اساس داده

شواهد در رأس قرار دارد. متغیرها و استدلال‌های مستند شده اساس اصلی انتخاب هستند — قضاوت در جای خالی که داده‌ها می‌گذارند، پر می‌شود.

با اطلاع از داده

داده یکی از ورودی‌های مهم به‌علاوه تجربه و زمینه است. داده قضاوت را محدود و آزمایش می‌کند، نه اینکه آن را جایگزین کند. اکثر تصمیمات قوی در این جا زندگی می‌کنند.

دشمن داده: HiPPO

وقتی داده‌اي در دسترس نيست، گروه‌ها به HiPPO — نظر شخص با بالاترين حقوق رجوع مي‌کنند. اين اصطلاح توسط کارشناس تحليل Avinash Kaushik در سال 2006 محبوب شد، و يک گروه تحقيقاتي مايکروسافت آن را به اندازه کافي دوست داشت که هزاران اسباب‌بازي HiPPO را به عنوان يادآوري اين نکته که بايد اجازه ندهيم که ارشديت بر شواهد غلبه کند، توزيع کرد.

مثال کلاسیک از آمازون است. یک مهندس یک نمونه اولیه از پیشنهادات محصول بر اساس آنچه در سبد خرید شما وجود دارد، ایجاد کرد. یک مدیر ارشد — HiPPO — ترسید که این کار مردم را از پرداخت منحرف کند و دستور داد که آن را حذف کنند. یک آزمایش کنترل شده ساده نشان داد که این کار بسیار موفق بود و آن را منتشر کرد. درس که یک فرهنگ را ساخت: اجازه دهید که داده بر HiPPO غلبه کند.

این فقط فرهنگ نیست — این در اعداد نیز ظاهر می‌شود. یک مطالعه از 179 شرکت بزرگ عمومی توسط Brynjolfsson، Hitt & Kim (2011) نشان داد که شرکت‌هایی که تصمیم‌گیری مبتنی بر داده را اتخاذ کرده بودند، خروجی و بهره‌وری به طور تقریبی 5-6% بیشتر از آنچه انتظار می‌رفت، داشتند.

چرا تصميمات داده‌محور هنوز شکست مي‌خورند

داده‌های انتخابی

شواهد برای توجیه نتیجه‌ای که قبلاً به آن رسیده‌ایم، انتخاب می‌شوند.

استدلال هرگز نوشته نمی‌شود

پیوند بین داده و تصمیم در ذهن کسی زندگی می‌کند، بنابراین نمی‌توان آن را بررسی کرد.

شواهد پس از جلسه از بین می‌رود

هیچ‌کس نمی‌تواند تصمیم را بررسی کند زیرا داده‌ها و استدلال‌ها پس از جلسه از بین می‌روند.

چگونه Argumentree تصمیمات را مبتنی بر داده می‌کند

داده فقط زمانی تصمیم را بهبود می‌بخشد که به عنوان استدلال قابل ارزیابی و ثبت شود. Argumentree شواهد را به استدلال‌های ساختار یافته تبدیل می‌کند، بر اساس نقشه استدلال:

استخراج AI از اسناد

استدلال‌ها و شواهد پشتیبان آن‌ها را مستقیماً از گزارش‌ها، رونوشت‌ها و اسناد خارج کنید — بنابراین داده‌ها در اتاق به ورودی ساختاریافته تبدیل می‌شوند، نه حافظه از دست رفته.

شواهد در درختان pro/con

هر قطعه از شواهد به عنوان استدلال زیر گزینه‌ای که از آن حمایت می‌کند یا مخالف آن است، قرار می‌گیرد، بنابراین کل پایه شواهد قابل مشاهده و ساختاریافته است.

رتبه‌بندی، وزن‌دهی و امتیازدهی

شرکت‌کنندگان استدلال‌ها را بر اساس دقت و مربوط بودن رتبه‌بندی می‌کنند؛ رتبه‌بندی‌ها در درخت به امتیازهای اجماع خالص جمع می‌شوند، بنابراین نتیجه از شواهد وزن‌دار پیروی می‌کند، نه ادعا.

ردیابی اجماع به داده‌ها

نسخه‌بندی استدلال و چرخه عمر تصمیم هر انتخاب را به شواهد پشت آن پیوند می‌دهد — قابل دفاع پس از ماه‌ها، در 66 زبان.

بخشی از pratique گسترده‌تر مديريت تصميم‌گيري و مديريت تصميم‌گيري هوشمند؛ همچنين ببينيد که تيم‌ها چگونه شواهد را با هم در مديريت تصميم‌گيري همکاري وزن مي‌دهند.

چرا این کار را انجام دهید

تصمیمات قابل دفاع

هر انتخاب به شواهد و استدلال‌های پشت آن ردیابی می‌شود.

کمتر سوگیری

استخراج و رتبه‌بندی استدلال‌ها، انتخاب‌های انتخابی و اثرات HiPPO (نظریه بالاترین‌پرداخت‌شده‌ترین فرد) را محدود می‌کند.

حلقه یادگیری

استدلال‌های ثبت‌شده اجازه می‌دهد تا نتایج را با پیش‌بینی‌ها مقایسه کنید و تصمیم بهتری در دفعه بعدی بگیرید.

پرسش‌های متداول

تصمیم‌گیری بر اساس داده چیست?

تصمیم‌گیری بر اساس داده (sometimes abbreviated DDDM) عمل مبتنی بر شواهد — واقعیت‌های اندازه‌گیری‌شده، متغیرها و استدلال‌های مستند شده — است، نه بر اساس شهود، سلسله‌مراتب یا صدای بلندترین. این قضاوت انسانی را حذف نمی‌کند، بلکه قضاوت را در ورودی‌های قابل تایید قرار می‌دهد تا تصمیم قابل توضیح و دفاع باشد.

مراحل تصمیم‌گیری بر اساس داده چیست?

یک چرخه معمولی: (1) تعریف تصمیم و سؤال که باید به آن پاسخ دهد؛ (2) جمع‌آوری داده‌های مربوط و شواهد؛ (3) تبدیل شواهد به استدلال‌های صریح برای و علیه هر گزینه؛ (4) ارزیابی استدلال‌ها بر اساس کیفیت و وزن؛ (5) تصمیم‌گیری بر اساس حمایت خالص؛ و (6) ثبت تصمیم و شواهد آن تا نتیجه را می‌توان با آنچه داده‌ها پیش‌بینی کرده‌اند، مقایسه کرد.

تفاوت بین تصمیمات بر اساس داده و تصمیمات با اطلاع از داده چیست?

تصمیمات بر اساس داده اجازه می‌دهند که شواهد در رأس قرار گیرد — اعداد و استدلال‌های مستند شده اساس اصلی انتخاب هستند. تصمیمات با اطلاع از داده داده را به عنوان یکی از ورودی‌های مهم به‌علاوه تجربه و زمینه در نظر می‌گیرند. در عمل اکثر تصمیمات خوب با اطلاع از داده هستند: داده قضاوت را محدود و آزمایش می‌کند، نه اینکه آن را جایگزین کند.

چرا تصمیمات بر اساس داده هنوز شکست می‌خورند?

آنها شکست می‌خورند وقتی داده به‌صورت انتخابی برای توجیه نتیجه‌ای که قبلاً به آن رسیده‌ایم، استفاده می‌شود، یا cuando استدلال که داده را به تصمیم پیوند می‌دهد، nunca نوشته نمی‌شود، یا cuando شواهد پس از جلسه از بین می‌روند، بنابراین تصمیم نمی‌تواند بررسی شود. داده فقط تصمیمات را بهبود می‌بخشد اگر استدلال‌های ساخته‌شده بر روی آن، استخراج شوند، ارزیابی شوند و ثبت شوند.

نرم‌افزار چگونه از تصمیم‌گیری بر اساس داده پشتیبانی می‌کند?

نرم‌افزار تصمیم، شواهد خام را به ساختاری تبدیل می‌کند که می‌توان بر روی آن استدلال کرد: آن‌ها استدلال‌ها و داده‌های پشتیبان آن‌ها را به درختان pro/con سازماندهی می‌کنند، به گروه اجازه می‌دهد تا هر استدلال را رتبه‌بندی و وزن کند، حمایت خالص را اندازه‌گیری می‌کند تا نتیجه از شواهد پیروی کند، و ردیابی اجماعی را برای پیوند دادن تصمیم به داده‌های پشت آن حفظ می‌کند. Argumentree استخراج AI از اسناد و رونوشت‌ها، به‌علاوه پشتیبانی از 66 زبان را اضافه می‌کند.

تصمیمات خود را در شواهد قرار دهید

گزارش‌ها، رونوشت‌ها و معیارها را به استدلال‌های ساختار یافته‌ای تبدیل کنید که تیم شما می‌تواند آنها را ارزیابی و بررسی کند. تصمیم‌گیری با داده در Argumentree را شروع کنید.

شروع رایگان