TL;DR
هوش تصمیم گیری فراتر از "داده ها چه می گویند؟" به "چه تصمیمی باید بگیریم؟" می پردازد. این یک رویکرد سیستماتیک برای بهبود چگونگی تصمیم گیری سازمان ها است: چارچوب های ساختاری شده برای مشاوره، ابزارها برای ارزیابی معاملات، ردیابی نتایج برای تایید فرضیه ها و حافظه نهادی که در طول زمان ترکیب می شود. سازمان هایی که هوش تصمیم گیری بالایی دارند، تصمیمات سریع تر، با اعتماد به نفس بیشتر، قابل دفاع تر می گیرند و به طور مداوم در این زمینه بهبود می یابند.
شکاف هوش تصمیم گیری
اکثر سازمان ها در زیرساخت های داده سرمایه گذاری کرده اند - داشبوردها، گزارش ها، آنالیزها. اما در زیرساخت های تصمیم گیری سرمایه گذاری نکرده اند. نتیجه:
- ✗تصمیمات در جلسات بدون مستندات اتفاق میافتند
- ✗بلندترین صدای برنده است، نه بهترین استدلال
- ✗تصمیمات مشابه به دلیل فراموشی آخرین تصمیم، دوباره مورد بحث قرار میگیرند
- ✗نتایج هرگز در برابر دلیل اصلی ردیابی نمیشوند
- ✗دانش نهادی زمانی که افراد میروند از بین میرود
هوش تصمیم گیری این مشکل را با تبدیل فرآیند تصمیم گیری به یک نگرانی درجه یک حل می کند - به همان اندازه که داده هایی که آن را اطلاع می دهند مهم است.
منشأ اصطلاح
"هوش تصمیم گیری" یک اصطلاح بازاریابی نیست - یک رشته نامگذاری شده و در حال رشد با بنیانگذاران واقعی است:
لورین پرات — بنیانگذار این حوزه، ~2008
دانشمند کامپیوتر لوریان پرات مفهوم را (نخست به عنوان "مهندسی تصمیم") در یک مقاله سفید کوانتلیا در سال ۲۰۰۸ معرفی کرد و کتاب تعیینکننده این حوزه Link: How Decision Intelligence Connects Data, Actions, and Outcomes (۲۰۱۹) را نوشت. سهم امضایی او — نمودارهای تصمیم علّی — زنجیره علّی را از یک انتخاب تا نتایج آن ترسیم میکند، به طوری که شما میتوانید واقعاً ببینید چگونه یک عمل نتیجهای را تولید میکند.
کاسی کازیرکوف — رئیس دانشمندان تصمیمگیری گوگل، ۲۰۱۸
کوزیرکوف در سال ۲۰۱۸ به عنوان اولین دانشمند ارشد تصمیمگیری گوگل منصوب شد و این اصطلاح را محبوب کرد و آن را به عنوان "رشتهای برای تبدیل اطلاعات به اقدام بهتر در هر مقیاس" تعریف کرد — یا به طور صریحتر، "علم دادهها ++، همراه با علوم اجتماعی و مدیریتی." قاعده کلیدی او: تصمیم را قبل از اینکه به دادهها دست بزنید، چارچوببندی کنید. او قبل از ترک در سال ۲۰۲۳، حدود ۲۰,۰۰۰ گوگلر را در تصمیمگیری مبتنی بر داده آموزش داد. مرجع کامل: کوزیرکوف و هوش تصمیمگیری.
گارتنر — این دسته به جریان اصلی میپیوندد
گارتنر پلتفرمهای هوش تصمیمگیری را به عنوان نرمافزاری تعریف میکند که از تصمیمات پشتیبانی، خودکار و تقویت میکند از طریق "ترکیب دادهها، تجزیه و تحلیلها، دانش و هوش مصنوعی"، و هوش تصمیمگیری را به یک دسته کامل در مربع جادویی ارتقا داده است — این نشانهای است که تغییر از یک سازمان مبتنی بر داده به یک سازمان مبتنی بر تصمیم به جریان اصلی تبدیل شده است.
هوش تصمیم گیری در مقابل هوش تجاری در مقابل علم داده
هوش تجاری
گذشته را درک کنید. داشبورد، گزارشها، KPIها — آنچه اتفاق افتاده و آنچه در حال حاضر اتفاق میافتد. به عقب نگاه میکند.
علوم داده
آینده را پیشبینی کنید. مدلها و پیشبینیها — آنچه اتفاق خواهد افتاد و آنچه میتوانیم انجام دهیم. به جلو نگاه میکند.
هوش تصمیم
از عمل یاد بگیرید. مکانیزمهای انجام تصمیم و بهبود از نتایج آن. جهتگیری شده به عمل.
مقایسههای کامل: هوش تصمیمگیری در مقابل هوش کسبوکار و هوش تصمیمگیری در مقابل سیستمهای پشتیبانی تصمیم — جایی که هر سنت متوقف میشود و آنچه که این رشته اضافه میکند.
چرخه حیات هوش تصمیم گیری
تصمیم گیری های مشارکتی سنتی بر جلسه متمرکز بود. هوش تصمیم گیری بر کل چرخه حیات تصمیم متمرکز است - تصمیمات به دارایی هایی تبدیل می شوند که می توانند طراحی، مستندسازی، اندازه گیری و بهبود یابند:
چارچوب
تصمیم را قبل از بحث در مورد گزینهها به وضوح تعریف کنید
مدل
ساختار تصمیم را قابل مشاهده کنید — ذینفعان، معیارها، ریسکها
تولید
گزینههای جایگزین را از طریق ایدهپردازی گروهی، ایدهپردازی AI، سناریوها ایجاد کنید
ارزیابی
معیارها را اعمال کنید، شواهد را وزن کنید، معاملات را در نظر بگیرید
تخصیص
حقوق تصمیمگیری را شفاف کنید — چه کسی تصمیم میگیرد، چه کسی اجرا میکند
اجرا
تصمیم را با مسئولیت پذیری rõ اجرا کنید
پایش
نتایج را در برابر نتایج مورد انتظار ردیابی کنید
یادگیری
اطلاعات را به تصمیمات آینده بازخورد دهید
این تغییر عمده است: تصمیمات به داراییهای سازمانی تبدیل میشوند که میتوان آنها را طراحی، مستند، اندازهگیری و بهبود داد — نه رویدادهای یکبارهای که در یادداشتهای جلسه ناپدید میشوند. چرخه عمر را در عمل مشاهده کنید: نمونههای هوش تصمیمگیری. استاندارد قضاوت هر تصمیم در آن چرخه عمر کیفیت تصمیم است — شش عنصر که قبل از نتیجه قضاوت میشوند — و ورودیهای تحلیل از کتابخانه چارچوبهای تصمیمگیری میآیند.
مرحله ۱: چارچوب تصمیم
هر تصمیم هوشمند با یک چارچوب واضح آغاز می شود. قبل از بحث در مورد گزینه ها، تیم ها باید بپرسند:
- ما واقعاً چه تصمیمی میگیریم?
- چرا این تصمیم مهم است؟ چه چیزی در خطر است؟
- چه کسی از این تصمیم تأثیر میپذیرد؟
- ما سعی میکنیم چه نتیجهای را ایجاد کنیم؟
- ما با چه محدودیتهایی (بودجه، زمان، منابع) روبرو هستیم؟
- آیا این تصمیم قابل برگشت است یا یکطرفه؟
- اگر تصمیم را به تأخیر بیندازیم، چه اتفاقی میافتد؟
- دادهها یا AI چه نقشی در این تصمیم باید ایفا کنند؟
"کدام ابزار AI را باید بخرید؟"
"کدام تصمیمات یا فرآیندهای کاری را باید با AI تقویت کنیم، تحت چه مدل حاکمیتی و با چه مسئولیت انسانی؟"
یک چارچوب ضعیف گزینه های ضعیفی تولید می کند. یک چارچوب بهتر فضای راه حل را گسترش می دهد.
مرحله ۲: مدل تصمیم
هوش تصمیم گیری ساختار نامرئی یک تصمیم را قابل مشاهده می کند. یک مدل تصمیم باید نشان دهد:
مالک تصمیم
چه کسی مسئول نهایی است؟
ذینفعان
who باید مشورت شود؟ چه کسی تحت تأثیر قرار میگیرد؟
گزینهها
چه گزینههای جایگزینی در حال بررسی هستند؟
معیارها
چگونه موفقیت را ارزیابی میکنیم؟
شواهد
چه دادههایی از هر گزینه پشتیبانی میکنند؟
فرضیهها
چه چیزی باید درست باشد تا این کار انجام شود؟
ریسکها
چه چیزی ممکن است اشتباه شود؟چه cosa منفی وجود دارد؟
نتایج مورد انتظار
ما چه نتایج را پیشبینی میکنیم؟
سیگنالهای بازخورد
چگونه میدانیم که کار کرده است؟
یک جلسه ممکن است احساس produktiv داشته باشد، اما مگر اینکه منطق تصمیمگیری قابل مشاهده باشد، سازمان هنوز نمیداند چرا یک انتخاب انجام شده است.
حقوق تصمیم: چه کسی تصمیم می گیرد؟
نه هر تصمیم مشارکتی باید به اجماع برسد. اجماع می تواند تعهد ایجاد کند، اما همچنین می تواند تاخیر و مسئولیت نامشخص ایجاد کند. هوش تصمیم گیری نیاز به وضوح دارد:
| Role | Responsibility |
|---|---|
| پیشنهاد میکند | گزینهها و تحلیل را برای تصمیم آماده میکند |
| مشارکت میکند | نظرات، تخصص یا دیدگاه را ارائه میدهد |
| تایید میکند | قبل از اجرا باید تأیید کند (به عنوان مثال، بودجه، انطباق) |
| تصمیم میگیرد | تصمیم نهایی را میگیرد — مالک نتیجه است |
| اجرا میکند | تصمیم را اجرا میکند |
| اطلاع مییابد | نیاز دارد بداند که تصمیم گرفته شده است |
| چالش میکند | دارای موقعیت برای سوال یا اعتراض به تصمیم است |
همکاری خوب به این معنی نیست که همه تصمیم می گیرند. به این معنی است که افراد درست مشارکت می کنند، مالک تصمیم واضح است و استدلال شفاف است.
حاکمیت تصمیمات پشتیبانی شده توسط AI
با اینکه AI بخشی از تصمیم گیری می شود، سازمان ها به حفاظت های قوی تری نیاز دارند. برای هر تصمیمی که توسط AI پشتیبانی می شود، تیم ها باید بپرسند:
AI Decision Checklist
- چه دادههایی برای آموزش یا اطلاعرسانی AI استفاده شده است؟
- آیا دادهها قابل اعتماد، بهروز و نماینده هستند؟
- آیا مدل میتواند دارای سوگیری باشد؟ چگونه میدانیم؟
- آیا پیشنهاد AI را میتوان برای ذینفعان توضیح داد؟
- who در صورت اشتباه AI مسئول است؟
- آیا نظارت انسانی قبل از اقدام لازم است؟
- آیا ریسکهای قانونی، اخلاقی یا نظارتی وجود دارد؟
- آیا این تصمیم میتواند بعداً حسابرسی شود؟
AI می تواند سرعت و مقیاس را افزایش دهد، اما بدون حاکمیت می تواند ریسک را نیز افزایش دهد. هوش تصمیم گیری تصمیمات پشتیبانی شده توسط AI را شفاف تر، مسئولانه تر و قابل بررسی تر می کند.
حافظه تصمیم: پایان دادن به بی خبری تصمیم
یکی از بزرگترین ضعف ها در بسیاری از سازمان ها بی خبری تصمیم است. تیم ها تصمیمات می گیرند، به پیش می روند و بعداً فراموش می کنند که چرا تصمیم گرفته اند، چه گزینه هایی را رد کرده اند، چه فرضیه هایی را انجام داده اند و چه چیزی باعث بازبینی می شود.
یک رکورد تصمیم مدرن باید شامل موارد زیر باشد:
- •بیانیه تصمیم — چه تصمیمی گرفته شد
- •context — چرا این تصمیم در این زمان لازم بود
- •مالک — چه کسی تصمیم نهایی را گرفت
- •مشارکتکنندگان —who ورودی را ارائه داد
- •گزینههای در نظر گرفته شده — شامل گزینههای رد شده
- •معیارهای استفاده شده — چگونه گزینهها ارزیابی شدند
- •شواهد — دادهها و تحلیلهایی که تصمیم را اطلاعرسانی کردند
- •ابزارهای AI استفاده شده — اگر وجود داشته باشد، و چگونه کمک کردند
- •ریسکهای پذیرفته شده — معایب شناخته شده و کاهش
- •نظرات مخالف — اعتراضات و چگونه آنها را حل کرد
- •نتایج مورد انتظار — چه موفقیتی به نظر میرسد
- •تاریخ بازبینی — چه زمانی دوباره ارزیابی شود
- •triggerهای بازگشایی — شرایطی که تصمیم را تغییر میدهد
این تصمیمات را به دانش سازمانی تبدیل می کند - قابل جستجو، مرجع و بهبود در طول زمان.
رهبر به عنوان معمار تصمیم
در گذشته، رهبران انتظار می رفت که تصمیمات بگیرند یا به اجماع برسند. در عصر هوش تصمیم گیری، رهبران باید به معماران تصمیم تبدیل شوند.
یک معمار تصمیم شرایط را برای انتخاب های بهتر طراحی می کند:
Decision Architect Capabilities
- چرچوبسازی واضح — تعریف تصمیم قبل از پرش به راهحلها
- شواهد بهتر — اطمینان از اینکه دادهها به تصمیم میرسد، نه فقط به داشبورد
- ورودیهای جامع — شنیدن از کسانی که تخصص مرتبط دارند
- مخالفت سازنده — ایجاد امنیت برای اختلاف
- پشتیبانی AI در موارد مفید — دانستن khi برای تقویت و khi برای واگذاری به انسان
- حقوق تصمیمگیری شفاف — همه میدانند چه کسی تصمیم میگیرد
- دلیل مستند — "چرا" حفظ میشود، نه فقط "چه"
- نتایج قابل اندازهگیری — معیارهای موفقیت از پیش تعریف شده
- یادگیری مداوم — بازخورد نتایج به تصمیمات آینده
بهترین رهبران فقط نمی پرسند "چه چیزی باید تصمیم بگیریم؟" آنها می پرسند، "چگونه این تصمیم باید گرفته شود؟"
چهار ستون تصمیم گیری هوشمند
چارچوبهای تصمیم
رویکردهای ساختاریافته به تفکر: نقشهبرداری استدلال، تجزیه و تحلیل pro/con، معیارهای وزندار و برنامهریزی سناریو. این اطمینان میدهد که همه دیدگاهها در نظر گرفته شده و استدلال صریح است.
ادغام شواهد
وصل کردن دادهها و تحلیلها مستقیماً به استدلال تصمیم. نه فقط "اینجا یک نمودار است" بلکه "اینجا چگونه این نقطه داده از این استدلال خاص پشتیبانی میکند یا آن را به چالش میکشد."
پیگیری نتایج
سنجش نتایج در سه افق زمانی: فوری (آیا اجرا کردیم؟)، کوتاهمدت (آیا اهداف را đạt کردیم؟)، و بلندمدت (آیا فرضیههای ما تأیید شد؟).
یادگیری نهادی
ساخت یک کتابخانه جستجوی تصمیمات گذشته، دلیل آنها و نتایج آنها. تصمیمات جدید میتوانند به تصمیمات قبلی ارجاع دهند. سازمان با گذشت زمان هوشمندتر میشود.
چگونه کیفیت تصمیم را اندازه گیری کنیم
یک تصمیم خوب فقط نیست که کارساز باشد — شانس نقش دارد. کیفیت تصمیم در مورد فرآیند است:
کیفیت فرآیند
- • آیا گزینههای جایگزین تولید و ارزیابی شدند؟
- • آیا شواهد در نظر گرفته و مستند شدند؟
- • آیا نظرات مخالف شنیده و حل شدند؟
- • آیا دلیل واضح کافی برای توضیح به دیگران است؟
کیفیت نتیجه
- • فوری: آیا تصمیم به قصد اجرا شد؟
- • کوتاهمدت: آیا اهداف اعلام شده را đạt کردیم؟
- • بلندمدت: آیا فرضیههای کلیدی ما تأیید شد؟
کیفیت یادگیری
- • آیا میتوانیم تصمیمات مشابه گذشته را khi cần پیدا کنیم؟
- • آیا از تکرار اشتباهات جلوگیری میکنیم؟
- • آیا سرعت تصمیمگیری با گذشت زمان بهبود مییابد؟
Argumentree: پلتفرم تصمیم گیری هوشمند
بیشتر پلتفرم های تصمیم گیری هوشمند سنگین، مجموعه های سرگرمی هستند. Argumentree رویکرد مخالف را اتخاذ می کند: یک پلتفرم تصمیم گیری هوشمند بر اساس نقشه برداری استدلال ساختاریافته — ثبت استدلال پشت هر تصمیم، نه فقط داده. این طیف کامل تصمیم را در چهار محصول پوشش می دهد:
نقشهبرداری استدلال ساختاریافته برای تصمیمات تیمی و سازمانی — درختان pro/con، شواهد و ردیابی کامل تصمیم.
مذاکره چندوجهی AI — تصمیم را با شخصیتهای AI متمایز قبل از تعهد تست کنید.
ردیابی و حسابرسی تصمیمات برای نمایندگان AI — ثبت، تأیید و توضیح تصمیماتی که نمایندگان خودکار میگیرند.
تحقیقات چند LLM و مذاکره AI یاری — تحلیل ساختاریافته در مدلهای پیشرو.
همه آنها تصمیمات انسانی، تصمیم گیری های AI، و تصمیمات عامل AI را پوشش می دهند — یک پلتفرم تصمیم گیری هوشمند برای اینکه سازمان ها چگونه واقعاً تصمیم می گیرند.
هوش تصمیمگیری، تصمیمگیری، تصمیمگیری مشارکتی و تصمیمگیری ساختاریافته را عملیاتی میکند — همچنین به مدلهای تصمیمگیری که پشت آن است، و اینکه چگونه این رشته در عمل روزمره در هوش تصمیمگیری برای تیمها قرار میگیرد، مراجعه کنید.
بیشتر کاوش کنید
DI در مقابل هوش تجاری
جایی که لایه گزارشدهی متوقف میشود و لایه تصمیمگیری آغاز میشود — مقایسه کامل.
DI در مقابل سیستمهای پشتیبانی تصمیمگیری
شش دهه ابزارهای DSS و آنچه این رشته اضافه میکند که هرگز عرضه نشد.
نمونههای هوش تصمیمگیری
مثالهای مشخص و واقعی در سراسر زنجیره تأمین، بهداشت و درمان، مالی — و تیمها.
کوزیرکوف و هوش تصمیمگیری
مرجع شخص-نهاد: اولین دانشمند ارشد تصمیمگیری گوگل، چارچوب او و اعتبار منبع.
هوش تصمیمگیری برای تیمها
جایی که انضباط با تصمیمات تیمی مبتنی بر بررسیهای دقیق تلاقی میکند — چارچوببندی، استدلالها، سوابق.
برتری تصمیمگیری در سازمان
چتر سازمانی: چگونه اقتدار، سرعت، شواهد و فرهنگ در یک سیستم تصمیمگیری ترکیب میشوند.
مدیریت مبتنی بر شواهد
تصمیمگیری بر اساس بهترین شواهد موجود به جای پیشینه، seniority یا عادت.
تصمیمگیری مبتنی بر داده
پیشینی باریکتر — چه دادهها به تنهایی میتوانند و نمیتوانند حل کنند.
معماری تصمیم گیری
تصمیمگیریها را بر اساس قابلیت برگشت و قرارگیری طبقهبندی کرده و سپس وزن فرآیند را به کلاس مربوطه تطبیق دهید.
ردیابی تصمیمگیری
سابقه آنچه مطرح شد و چرا — لایه حافظه تصمیمگیری هوش مصنوعی به آن وابسته است.
استدلالکاوی
چگونه ماشینها ادعاها، دلایل و اعتراضات را از بحثهای غیرساختاریافته میخوانند.
پرسش های متداول
هوش تصمیم چیست؟
هوش تصمیم، رشتهای است که تصمیمگیری سازمانی را از طریق فرآیندهای بهتر، ابزارها و حلقههای بازخورد بهبود میبخشد. این ترکیبی از چارچوبهای تصمیمگیری ساختاریافته، تحلیل دادهها و پیگیری نتایج است تا بهطور سیستماتیک کیفیت تصمیم را با گذشت زمان بهبود ببخشد. هدف فقط تصمیمگیری خوب نیست، بلکه xây dựng توانایی سازمانی برای تصمیمگیریهای بهتر است.
هوش تصمیم چگونه با هوش تجاری متفاوت است؟
هوش تجاری بر تجسم دادهها و گزارشها متمرکز است — نشان دادن آنچه اتفاق افتاده است. هوش تصمیم فراتر از این است: چارچوبهایی برای استدلال در مورد آنچه باید انجام شود، ابزارهایی برای مذاکره ساختاریافته و مکانیزمهای بازخورد برای یادگیری از نتایج ارائه میدهد. BI به "چه دادهای" پاسخ میدهد، در حالی که هوش تصمیم به "چه تصمیمی باید بگیریم" پاسخ میدهد.
اجزای اصلی هوش تصمیم چیست؟
هوش تصمیم چهار جزء اصلی دارد: 1) چارچوبهای تصمیم — رویکردهای ساختاریافته مانند تجزیه و تحلیل pro/con و نقشهبرداری استدلال، 2) ادغام شواهد — وصل کردن دادهها به تصمیمات، 3) پیگیری نتایج — سنجش اینکه آیا تصمیمات نتایج مورد نظر را به دست آورد، 4) یادگیری نهادی — استفاده از تصمیمات گذشته برای اطلاعرسانی به تصمیمات آینده.
چگونه کیفیت تصمیم را اندازهگیری میکنیم؟
کیفیت تصمیم از طریق پیگیری نتایج در چندین افق زمانی اندازهگیری میشود: نتایج فوری (آیا اجرا کردیم؟)، نتایج کوتاهمدت (آیا اهداف را đạt کردیم؟)، و تأثیر بلندمدت (آیا فرضیههای ما تأیید شد؟). کیفیت همچنین شامل معیارهای فرآیند است: آیا استدلال مستند شده است، آیا گزینههای جایگزین در نظر گرفته شدهاند، آیا شواهد ارزیابی شدهاند؟
چه کسی به ابزارهای هوش تصمیم نیاز دارد؟
هر سازمانی که تصمیمات دارای پیامدهای قابل توجهی باشند: هیئتهای حاکمیت، تیمهای اجرایی، مدیریت پروژه، تیمهای حقوقی و انطباق، کمیتههای بهداشتی و کمیتههای سرمایهگذاری. هوش تصمیم özellikle برای تصمیمات که نیاز به دفاع، تکرار یا حسابرسی دارند، ارزشمند است.
هوش تصمیم چگونه با گذشت زمان بهبود مییابد؟
با پیگیری نتایج در برابر دلیل مستند، سازمانها یک پایگاه داده از تصمیمات قبلی، دلیل آنها و نتایج آنها میسازند. این امکان تشخیص الگو را فراهم میکند: چه نوع استدلال به نتایج خوب منجر میشود؟ چه سیگنالهایی باید با وزن بیشتری در نظر گرفته شوند؟ با گذشت زمان، تصمیمگیری سازمانی بهبود مییابد زیرا از نتایج واقعی، نه فقط شهود، یاد میگیرد.
غواصی عمیق: هوش تصمیم در عمل
توسعه از تصمیم گیری مشارکتی به هوش تصمیم AI را کاوش کنید. بیاموزید که چگونه گوگل، نت فلیکس، و آمازون هوش تصمیم را در مقیاس بزرگ عملیاتی می کنند، و کشف کنید که چارچوب هایی که داده ها را به عمل تبدیل می کنند.
خواندن: هوش تصمیم — از داده به عمل در مقیاس سازمانیمراجع & مطالعه بیشتر
پرَت، ل. (۲۰۱۹). لینک: چگونه هوش تصمیمگیری دادهها، اقدامات و نتایج را متصل میکند. انتشارات امرالد.
کتاب تعیینکننده این حوزه؛ معرفی نمودارهای تصمیمگیری علّی.
View source →پرَت، ل. و مالکوم، ن. (۲۰۰۸). مهندسی تصمیمگیری (مقاله سفید کوانتلیا).
اولین بیان این رشته، که در ابتدا تحت نام مهندسی تصمیمگیری بود.
کوزیرکوف، س. (۲۰۱۹). مقدمهای بر هوش تصمیمگیری.
اولین دانشمند ارشد تصمیمگیری گوگل که هوش تصمیمگیری را به عنوان تبدیل اطلاعات به اقدام بهتر در هر مقیاس تعریف میکند.
View source →گارتنر. راهنمای بازار برای پلتفرمهای هوش تصمیمگیری.
شناسایی هوش تصمیمگیری توسط گارتنر به عنوان یک دسته نرمافزاری نامگذاری شده.
View source →سایمون، ه. آ. (۱۹۶۰). علم جدید تصمیمگیری مدیریتی. هارپر و رو.
بنیانهای اولیه برخورد با تصمیمات به عنوان یک فرآیند سازمانی سیستماتیک و قابل بهبود.
ساخت توانایی هوش تصمیم خود
Argumentree زیرساخت هایی برای هوش تصمیم فراهم می کند: تفکر ساختاریافته، دلیل مستند، ردیابی نتایج، و تصمیمات قبلی قابل جستجو.