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.

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.
آخرین به روز رسانی: 2026-07-02
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.
سؤال را که دادهها باید به آن پاسخ دهند و گزینههای موجود را بیان کنید.
متغیرهای مربوط به هر گزینه را جمعآوری کنید.
دادههای خام را به دلایل صریح برای و علیه تبدیل کنید — دادهها فقط زمانی اهمیت دارند که به استدلال تبدیل شوند.
هر استدلال را بر اساس دقت و مربوط بودن ارزیابی کنید، بنابراین شواهد قوی hơn از شواهد ضعیف وزن دارد.
به گزینهای که شواهد وزندار از آن حمایت میکند، برسید.
تصمیم را به شواهد آن پیوند دهید، سپس نتیجه را با آنچه دادهها پیشبینی کردهاند، بررسی کنید.
شواهد در رأس قرار دارد. متغیرها و استدلالهای مستند شده اساس اصلی انتخاب هستند — قضاوت در جای خالی که دادهها میگذارند، پر میشود.
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.
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.
شواهد برای توجیه نتیجهای که قبلاً به آن رسیدهایم، انتخاب میشوند.
پیوند بین داده و تصمیم در ذهن کسی زندگی میکند، بنابراین نمیتوان آن را بررسی کرد.
هیچکس نمیتواند تصمیم را بررسی کند زیرا دادهها و استدلالها پس از جلسه از بین میروند.
"داده محور" تنها در صورتی کمک کننده است که داده ها حقیقت را بگویند. چهار روش که داده ها به صمت دروغ می گویند:
در جنگ جهانی دوم، آمارشناس ابراهام والد از او خواسته شد که به کجا زره به بمب افکن ها اضافه کند، بر اساس جایی که هواپیماهای بازگشتی بیشتر تحت حمله قرار گرفته اند. بینش او این بود: زره را در جاهایی اضافه کنید که بازماندگان زخمی نشده اند - هواپیماهایی که در آن نقاط شلیک شده بودند، هرگز برنخوردند. فقط به داده هایی که "بازمانده" نگاه می کنید، شما را دقیقا در جهت اشتباه راهنمایی می کند.
یک روند که در هر زیرگروه قابل مشاهده است، می تواند با ترکیب گروه ها معکوس شود. یک درمان می تواند برای مردان و زنان بهتر به نظر برسد، اما در کل بدتر باشد - صرفاً از نحوه اندازه گیری گروه ها. اگر با دقت کافی جمع آوری نشود، عدد بر روی شما معکوس می شود.
اعداد که به طور قابل اعتماد افزایش می یابند و به همه احساس خوبی می دهند - ثبت نام کل، بازدید از صفحه - اما به هیچ تصمیم متصل نیستند. اگر یک معیار نمی تواند آنچه را که انجام می دهید تغییر دهد، تزیین است، نه شواهد.
دو خط که با هم حرکت می کنند، یک داستان علی را پیشنهاد می کنند. فروش بستنی و غرق شدن هر دو در تابستان افزایش می یابند؛ هیچ یک دیگری را ایجاد نمی کند. عمل بر اساس همبستگی به عنوان اگر که علت باشد، این است که چگونه تصمیمات با اعتماد به نفس، "با پشتیبانی از داده" هنوز اشتباه می شوند.
راه حل کمتر بودن داده ها نیست — بلکه انضباط برای پرسش از هر عدد: چه کسی از آن غایب است، چه چیزی با هم ترکیب شده است، و آیا این واقعا تصمیم ما را تغییر می دهد؟
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:
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.
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.
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.
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.
هر انتخاب به شواهد و استدلالهای پشت آن ردیابی میشود.
استخراج و رتبهبندی استدلالها، انتخابهای انتخابی و اثرات HiPPO (نظریه بالاترینپرداختشدهترین فرد) را محدود میکند.
استدلالهای ثبتشده اجازه میدهد تا نتایج را با پیشبینیها مقایسه کنید و تصمیم بهتری در دفعه بعدی بگیرید.
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.
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.
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.
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 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.
برینیولفسون، ای.، هیت، ال. ام.، و کیم، اچ. اچ. (۲۰۱۱). قدرت در اعداد: تصمیمگیری مبتنی بر داده چگونه بر عملکرد شرکت تأثیر میگذارد؟ مقاله کاری SSRN.
مطالعهای از ۱۷۹ شرکت بزرگ که ~۵-۶٪ خروجی و بهرهوری بالاتر برای پذیرندگان DDDM را پیدا کرد.
View source →کوشیک، آ. (۲۰۰۷). تحلیل وب: یک ساعت در روز. سیبکس.
نظریه HiPPO - نظر بالاترین فرد پرداخت شده را محبوب کرد.
کوهاوی، ر.، تانگ، د.، و ژو، ی. (۲۰۲۰). آزمایشهای کنترلشده آنلاین قابل اعتماد. انتشارات دانشگاه کمبریج.
چگونه آزمایشهای کنترلشده نظر HiPPO را نادیده میگیرند، از یک رهبر آزمایش در مایکروسافت و آمازون.
View source →پرووست، اف.، و فاوست، تی. (۲۰۱۳). علم داده برای کسب و کار. مدیای او'Reilly.
در مورد ارتباط دادهها با تصمیمات - تفاوت بین دادهمحور و دادهآگاه.
مانگل، م.، و سامانiego، اف. جی. (۱۹۸۴). کار آبراهام والد در بقا هواپیما. نشریه انجمن آماری آمریکا، ۷۹(۳۸۶)، ۲۵۹-۲۶۷.
حساب معتبر تحلیل زره بمبافکنهای جنگ جهانی دوم که پشت سوگیری بقا است.
View source →سیپسون، ای. اچ. (۱۹۵۱). تفسیر تعامل در جداول احتمالی. نشریه انجمن آماری سلطنتی: سری B، ۱۳(۲)، ۲۳۸-۲۴۱.
منشأ پارادوکس سیپسون.
View source →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