Decision Intelligence: From Data to Action at Enterprise Scale

၂၀၁၈ ခုနှစ်တွင် ဂါဂဲ က အလွန် စိတ်ဝင်စားဖွယ် ကိစ္စ တစ်ခု လုပ်ဆောင်ခဲ့သည်။ ကက်ဆီ ကိုဇီးရ်ကော့ သည် ကုမ္ပဏီ တွင် ပထမဆုံး ဆုံးဖြတ်ချက် သိပ္ပံ အကြီးအကဲ ဖြစ်လာခဲ့သည်။ ဒေတာ အကြီးအကဲ မဟုတ်၊ ဒေတာ သိပ္ပံ ဝန်ထမ်း မဟုတ်၊ ကုမ္ပဏီ ဆုံးဖြတ်ချက် များ ကောင်းမွန် စေရန် အကူအညီ ပေးသူ ဖြစ်သည်။

ဘာကြောင့် ဆိုသည်။ ဂါဂဲ သည် အခြား ကုမ္ပဏီ များ မသိနား မလည် သည့် အချက် ကို သိခဲ့သည်။ ဒေတာ များ ရှိခြင်း နှင့် ဒေတာ များ ကောင်းမွန် စေရန် အသုံးပြု ခြင်း ကို ခြားနား သည်။ ဒေတာ များ ပက်တာဘိုက် များ ရှိ၍ ဒေတာ သိပ္ပံ ဝန်ထမ်း များ ရှိ၍ ကမ္ဘာ့ အကျော့ ဒေတာ လုပ်ငန်း လည်ပတ်မှု စီမံကိန်း ရှိ၍ လည်း ထို ဒေတာ များ ကို အသုံးပြု၍ လုပ်ငန်း များ ပြောင်းလဲ ခြင်း မရှိပါ။

"ဆုံးဖြတ်ချက် နည်းပညာ သည် အချက်အချာ အခြေအနေ မျှော်မှန်း ချက် များ နှင့် လုပ်ငန်း လည်ပတ်မှု အခြေအနေ များ ကို လေ့လာ၍ ကောင်းမွန် သော ဆုံးဖြတ်ချက် များ ချမှတ် နိုင်ရန် လိုအပ်သည့် နည်းပညာ ဖြစ်သည်။"

ဤသည် ဟောင်းနည်း များ အတွက် အသစ် အမည် မျှော်မှန်း ချက် မဟုတ်။ ဆုံးဖြတ်ချက် နည်းပညာ သည် အဖွဲ့အစည်း များ ဒေတာ၊ လေ့လာချက် နှင့် လုပ်ငန်း လည်ပတ်မှု အခြေအနေ များ အကြောင်း တွေးခေါ် ပုံ ကို ပြောင်းလဲ စေသည့် နည်းပညာ ဖြစ်သည်။ သင်က ငါ့အား အဖွဲ့အစည်း ဆုံးဖြတ်ချက် လုပ်ငန်း လည်ပတ်မှု လမ်းညွှန် ကို ဖတ်ခဲ့ ပါလျှင်၊ လူသား ဘက် ကို မြင်ခဲ့ ပါလိမ့်မည်။ ကွန်ဒေါ်ဆက် မှ ဂါဂဲ ပရောဂျက် အာစီထရို အထိ ၂၄၀ နှစ် ကြာ လေ့လာ ချက် များ အရ ကွဲပြားသော အမြင် များ ပေါင်းစပ်၍ တစ်ဦး ချင်း ဆုံးဖြတ်ချက် ထက် ကောင်းမွန် သည်။

ဆုံးဖြတ်ချက် နည်းပညာ သည် ထို အခြေခံ ကို ယူ၍ အိုင်အီ၊ အကြောင်း-အကျိုး မော်ဒယ် နှင့် ပြန်လည် အကူအညီ လှည့်လည် များ ကို ဘယ်လို လုပ်ဆောင် မည် နည်း မေးခွန်း ကို မေးသည်။

၃.၁ ထရီလီယံ ပြဿနာ၊ အသိ များ ရှိ၍ လုပ်ငန်း လည်ပတ်မှု များ မရှိခြင်း

အဲဒီ စာရင်း အရာရှင် များ အား စိုးရွံ့ စေမည့် နံပါတ် တစ်ခု ရှိသည်။ ၆၅% ကုမ္ပဏီ များ သည် ဒေတာ များ ကို ရွေးချယ်၍ ဆုံးဖြတ်ချက် များ ချမှတ် ကြသည်။ ဘီစီ ဒက်ရှဘုတ် များ ရှိ၍ ဒေတာ သိပ္ပံ ဝန်ထမ်း များ ရှိ၍ လည်း ဒေတာ များ ကို အသုံးပြု၍ လုပ်ငန်း များ ပြောင်းလဲ ခြင်း မရှိပါ။

ဤသည် ဆုံးဖြတ်ချက် နည်းပညာ က ဖြေရှင်း နိုင်သည့် ပြဿနာ ဖြစ်သည်။ ဒက်ရှဘုတ် များ နှင့် ဒေတာ သိပ္ပံ ဝန်ထမ်း များ ထပ်မံ တိုးချဲ့ ခြင်း မပြုဘဲ ဒေတာ များ မှ လုပ်ငန်း လည်ပတ်မှု အခြေအနေ များ အထိ လုပ်ငန်း လည်ပတ်မှု လမ်းကြောင်း ကို ပြန်လည် ဒီဇိုင်း လုပ်ခြင်း ဖြင့် ဖြစ်သည်။

ဆုံးဖြတ်ချက် နည်းပညာ မှတ်တမ်း

ဆုံးဖြတ်ချက် နည်းပညာ အတွေးအမြင် များ သည် ၁၉၅၀ ခုနှစ် များ ကပင် စတင် ခဲ့သည်။ အိုင်အီ၊ လည်ပတ်မှု လုပ်ငန်း စီမံကိန်း နှင့် ဟာဘတ် ဆိုင်မွန် ၏ နိုဘဲလ် ဆု ရရှိသည့် လက်ခံ နိုင်မှု နည်းပညာ တို့ နှင့် အတူ ဖြစ်သည်။ သို့သော် ခေတ်သစ် နည်းပညာ သည် နှစ်ပြိုင် လမ်း များ မှ ပေါ်ထွက် လာခဲ့သည်။

ဤသို့ဖြစ်ရခြင်းမှာ နှစ်ဘက်သဘောတူ လုပ်ငန်းစဉ်များသည် တူညီသော နံရံကို ထိခိုက်မိခြင်းကြောင့်ဖြစ်သည်။ နည်းပညာ အဆင်ပြေမှု ဆုံးဖြတ်ချက် သက်ရောက်မှု မရှိခြင်း။ ပရက်၏ အကယ်ဒမစ် လုပ်ငန်းစဉ်များက ဘယ်ကြောင့် ဖြစ်သည်ကို (အကြောင်းပြချက် ချိုးယွင်းမှု) ပြသခဲ့ပြီး၊ ကိုဇာကော၏ လုပ်ငန်း လုပ်ငန်းစဉ်များက အကြီးစား ပြင်ဆင်မည့် နည်းကို ပြသခဲ့သည်။

ဘီစီ နှင့် ဒေတာ သိပ္ပံ နှင့် ဆုံးဖြတ်ချက် နည်းပညာ နှိုင်းယှဉ်

DI ကို နားလည် ရန် အလွန် ရိုးရှင်း သော နည်း သည် ကွဲပြားချက် များ ကို နှိုင်းယှဉ် ခြင်း ဖြစ်သည်။ ဤ သုံး နည်းပညာ များ ကွဲပြား ချက် များ ကို ဤသည်။

အဓိက အကျချက် သည် DI သည် ဘီစီ နှင့် ဒေတာ သိပ္ပံ ကို အစားထိုး မည် မဟုတ်၊ ပြီးပြည့် စေမည် ဖြစ်သည်။ ဘီစီ သည် ယခင် အခြေအနေ များ ကို ပေးသည်။ ဒေတာ သိပ္ပံ သည် အနာဂတ် ကို ပေးသည်။ DI သည် ဆုံးဖြတ်ချက် လောဂစ်၊ လုပ်ငန်း လည်ပတ်မှု အကြံပေး ချက် များ နှင့် ပြန်လည် အကူအညီ လှည့်လည် ကို ပေးသည်။

ဆုံးဖြတ်ချက် နည်းပညာ ဖရေမ်းဝတ်က်

DI သည် ရှင်းလင်း သော မော်ဒယ် ပေါ် တည်ထောင် ထားသည်။

ဤသည် စစ်ဘက် လုပ်ငန်း လည်ပတ်မှု အတွက် တီထွင် ထားသည့် OODA လှည့်လည် (လေ့လာ-စဉ်းစား-ဆုံးဖြတ်-လုပ်ဆောင်) နှင့် တူညီ သည်။ သို့သော် အဓိက ကွဲပြားချက် သည် သင်ယူ လှည့်လည် ဖြစ်သည်။ OODA သည် လိုအပ် သည့် အချိန် များ တွင် ရလဒ် များ ကို တိုင်းတာ နိုင်မည့် လုပ်ငန်း လည်ပတ်မှု ဆုံးဖြတ်ချက် များ အတွက် တီထွင် ထားသည်။ DI သည် အဖွဲ့အစည်း ဆုံးဖြတ်ချက် များ အတွက် တီထွင် ထားသည်။ ဤ လုပ်ငန်း လည်ပတ်မှု များ တွင် ရလဒ် များ ကို စီမံခန့်ခွဲ၍ တိုင်းတာ နိုင်သည်။

အကြောင်း-အကျိုး ဆုံးဖြတ်ချက် ပုံစံ များ၊ အကြောင်း-အကျိုး မြေပုံ ကို မြင်ခြင်း

ဆုံးဖြတ်ချက် နည်းပညာ အခြေခံ သည် အကြောင်း-အကျိုး တွေးခေါ် မှု ဖြစ်သည်။ ဤသည် ဘယ် အချက် များ သည် ဘယ် အချက် များ ကို လွှမ်းမိုး နိုင်သည် ဆိုသည့် အချက် ကို လေ့လာ ခြင်း ဖြစ်သည်။

CDD သည် ဤ အကြောင်း-အကျိုး ဆက်နွယ် မှု များ ကို မြင်စေရန် ပုံဖော် ထားသည်။ ဤသည် အောက်ပါ အချက် များ ကို ပြသည်။

• ရည်မှန်းချက်များ၊ ဘယ် ရလဒ် များ ကို ရယူ လိုကြောင်း
• လီဗာများ၊ ဘယ် လုပ်ငန်း လည်ပတ်မှု များ ကို လုပ်ဆောင် နိုင်သည်က
• အလယ်အလတ် အချက်များ၊ လီဗာ နှင့် ရည်မှန်းချက် များ အကြား လွှမ်းမိုး မှု လှည့်လည်
• ပြင်ပ အချက်များ၊ လွှမ်းမိုး နိုင် သော်လည်း ထိန်းချုပ် နိုင်မည့် အချက် များ

"ဆုံးဖြတ်ချက် ကို လုပ်ဆောင် ရန် အချက် များ ကို ဒေတာ များ အလိုက် စီစဉ် ထားခြင်း ထက် ဆုံးဖြတ်ချက် ကို လုပ်ဆောင် ရန် အချက် များ ကို စီစဉ် ထားခြင်း ပို ကောင်းသည်။"

AI ကို မည်သို့ အသုံးပြုရမည် - အော့အသုံးချနည်း၊ အစားထိုးချနည်း မဟုတ်

ဒီနေရာမှာ Decision Intelligence သည် အခြား AI နည်းပညာများနှင့် ခြားနားသည်။ DI ရဲ့ အခြေခံ သဘောတရားမှာ AI သည် လူသား ဆုံးဖြတ်ချက် ကို အထောက်အပံ့ ပေးသည်။ လူသားများက တာဝန်ယူသည်။

Netflix က ဥပမာ တစ်ခု ဖြစ်သည်။ သူတို့ ရဲ့ ရွေးချယ်မှု စက်လည်ပတ်ရေး (AI) သည် ၃၀၀ သန်း သော လူကြည့်ပရိသတ် ရှိသော ဗီဒီယို ကြည့်ရှု မှု ပုံစံ များ ကို လုပ်ဆောင် နိုင်ခြင်း။ သူတို့ ရဲ့ ဇာတ်လမ်း တစ်ပုဒ် ဖြစ်သော House of Cards ကို ရိုက်ကူး မှု မစတင် မီ အောင်မြင် မည် ဟု ခန့်မှန်း နိုင်ခဲ့ သည်။ သို့သော် လူသား များ (ရုပ်ရှင် ထုတ်လုပ်သူ များ) က ရိုက်ကူး မှု ကို စတင် ရန် ဆုံးဖြတ် ခဲ့ သည်။ AI သည် ပုံစံ တွေ့ရှိခြင်း အလုပ် ကို လုပ် နိုင် ခဲ့ သည်။ လူသား များ က တာဝန် ယူ ခဲ့ သည်

Netflix တွင် ကြည့်ရှု မှု ၈၀% သည် ရွေးချယ်မှု စက်လည်ပတ်ရေး မှ လာခဲ့ သည်။ သို့သော် Netflix က လူသား များ၊ စက်များ မဟုတ်၊ ဆုံးဖြတ် ချက် ချမှု တွင် အဓိက အခန်း ကဏ္ဍ များ ကို ထည့်သွင်း ခဲ့ သည်

၂၀၂၅-၂၀၃၀ ကာလ အသုံးပြု လာမည် ့များ

Decision Intelligence သည် စာသား မှ လုပ်ငန်း အသုံးချ ရန် များစွာ လျင် မြန် စွာ ပြောင်း လဲ ခဲ့ သည်။

၂၀၂၅ Gartner AI Hype Cycle က Decision Intelligence ကို တုံ့ပြန် မှု နည်းပညာ အနေဖြင့် အသိ မှတ် ခဲ့ သည် - ၅-၂၀% လက်ရှိ အသုံး ပြု နှုန်း ဖြင့် ၂-၅ နှစ် အတွင်း အများပြည်သူ အသုံး ပြု နိုင် မည် ဟု ခန့် မှန်း ထား သည်။ DI အားနည်း များ ကို လက်ရှိ တည်ဆောက် နေ သော အဖွဲ့အစည်း များ သည် နည်းပညာ တိုးတက် လာ မည် ့အချိန် တွင် လုပ်ငန်း လည်ပတ် နည်း များ နှင့် အဖွဲ့အစည်း အသိပညာ များ ကို တိုးတက် စေ နိုင် မည် ဖြစ် သည်

Collaborative Decision Making မှ Decision Intelligence သို့

သင် သည် ကျွန်ုပ် တို့ ရဲ့ Collaborative Decision Making လမ်းညွှန် ကို ဖတ် ခဲ့ ပါလျှင်၊ သင် သည် DI က အခြေပြု သော အခြေခံ များ ကို သိ နာ မည် ဖြစ် သည်။

သင် သည် ဤနည်း နှင့် တွေး နိုင် မည်။ CDM သည် လူသား အခြေပြု အခြေခံ ဖြစ် သည်။ DI သည် နည်း ပညာ အခြေပြု စနစ် ဖြစ် သည်။ သင် သည် DI ကို ကောင်း မွန် စေ နိုင် မည် ့်အတွက် CDM က အခြေ ပြု သော အခြေခံ များ ကို မလို ပါ။ သို့သော် သင် သည် CDM ကို DI က အား ဖြည့် နိုင် မည်

Argumentree က မည်သို့ Decision Intelligence ကို အသုံး ပြု သည်

Argumentree သည် Decision Intelligence ကို လုပ် ငန်း ဆုံးဖြတ် ချက် များ တွင် အသုံး ပြု သည်။ ဆုံးဖြတ် ချက် များ ကို တစ်ကြိမ် သာ လုပ် ငန်း များ အနေဖြင့် မရှု တုံ့ ပဲ နေ။ ပလက် ဖောင် က ဆုံးဖြတ် ချက် များ ကို လေ့လာ နိုင် မည် ့ စနစ် တစ်ခု ကို ဖန်တီး ခဲ့ သည်

ရလဒ် အနေ ဖြင့် ဆုံးဖြတ် ချက် တိုင်း သည် လေ့လာ နိုင် မည် ့ အခြေ အနေ တစ်ခု ဖြစ် လာ ခဲ့ သည်။ အဖွဲ့ အစည်း များ သည် အဖွဲ့ အစည်း အမြင် များ ကို တည် ဆောက် နိုင် မည်။ အသစ် ဝင် လာ သော အဖွဲ့ အစည်း ဝင် များ သည် ဆုံးဖြတ် ချက် များ ကို သာ မဟုတ် ဘဲ ဘယ် ကြောင့် ဆုံး ဖြတ် ခဲ့ သည် နှင့် ရလဒ် များ ကို စဉ်း စား ခဲ့ သည် ဟု သိ နိုင် မည် ဖြစ် သည်

ပြည့်စုံ သော လမ်းညွှန်

ဤ စာရွက် သည် Decision Intelligence ကို အခြေ ပြု သော အခြေခံ များ ကို ဖော် ပြ ထား သည်။ ပြည့် စုံ သော လမ်း ညွှန် အတွက် - အပြီး သတ် လမ်း ညွှန် အခြေ အနေ၊ အသုံး ပြု နည်း များ၊ အကြောင်း နှင့် အကျိုး စီမံ ခြင်း နည်း များ၊ AI နည်း ပညာ များ အသုံး ပြု နည်း များ၊ အဖွဲ့ အစည်း အသုံး ပြု နည်း များ နှင့် စာသား များ ကို ကြည့် ပါ။