Co to jest podejmowanie decyzji opartych na danych? Podejmowanie decyzji opartych na danych to praktyka podejmowania wyborów na podstawie dowodów — mierzonych faktów, wskaźników i dokumentowanych argumentów — zamiast na intuicji, hierarchii lub najgłośniejszej głosie. Podstawia ludzkie sądzenie w dowodach, które można zweryfikować, aby decyzja mogła być wyjaśniona i broniąca.

Cykl podejmowania decyzji opartych na danych biegnie w krokach: zdefiniuj decyzję i pytanie, które musi ona rozwiązać; zebrane dane i dowody; przekształć dowody w wyraźne argumenty za i przeciw każdej opcji; oceniaj argumenty pod względem jakości i wagi; postanawiaj na podstawie wsparcia netto; i zapisz decyzję z jej dowodami, aby wynik mógł być sprawdzony wobec tego, co zostało przewidziane. Decyzje oparte na danych pozwalają dowodom prowadzić, podczas gdy decyzje oparte na danych informują traktują dane jako jeden ważny wpływ obok doświadczenia. Decyzje oparte na danych nadal zawodzą, gdy dane są wykorzystywane selektywnie, aby uzasadnić konkluzję, która została już zaplanowana, gdy powiązanie między danymi a decyzją nigdy nie jest zapisywane, lub gdy dowody są utracone po spotkaniu. Argumentree wspiera podejmowanie decyzji opartych na danych poprzez organizowanie argumentów i ich wspierających dowodów w drzewach argumentów za/przeciw, wyodrębnianie argumentów z dokumentów i transkrypcji spotkań przy użyciu AI, pozwalając grupie oceniać i wagać każdy argument, aby wniosek był wynikiem dowodów, mierzenie wsparcia netto jako hierarchicznych wyników konsensusu, oraz utrzymywanie pełnej ścieżki audytu, która łączy każdą decyzję z danymi, które ją wspierają — w 66 językach.

Przewodnik Definicji

Co to jest podejmowanie decyzji opartych na danych?

Podejmowanie decyzji opartych na danych opiera wybory na dowodach i dokumentowanych argumentach — nie na intuicji, hierarchii, czy najgłośniejszej głosie — aby każda decyzja mogła być wyjaśniona i broniąca.

TL;DR

Podejmowanie decyzji opartych na danych (DDDM) podstawia wybór w mierzonych dowodach i wyraźnych argumentach zamiast na wrażeniu. Nie zastępuje sądzenia — testuje sądzenie przeciwko dowodom, które można zweryfikować, aby decyzja była wynikiem najsilniejszych dowodów i była broniąca długo po jej podjęciu.

Cykl Podejmowania Decyzji Opartych na Danych

  1. 1

    Określ decyzję

    Stanowić pytanie, które dane muszą odpowiedzieć, oraz opcje dostępne na stole.

  2. 2

    Zbierz dowody

    Zbierz metryki, fakty i źródła dotyczące każdej opcji.

  3. 3

    Przetłumacz dowody na argumenty

    Przekształć dane brutto w wyraźne powody za i przeciw — dane mają znaczenie tylko wtedy, gdy są argumentami, które ktoś może ocenić.

  4. 4

    Ewaluuj i waga

    Ocenij każdy argument pod kątem dokładności i relewancji, aby silne dowody miały większe znaczenie niż słabe.

  5. 5

    Zdecyduj o wsparciu netowym

    Zgromadź się wokół opcji, którą najlepiej wspiera ważone dowody.

  6. 6

    Zapisz i przeglądaj

    Zachowaj decyzję powiązaną z dowodami, a następnie sprawdź wynik wobec tego, co dane przewidywały.

Podejmowanie decyzji opartych na danych vs. podejmowanie decyzji opartych na danych

Wrogiem danych: HiPPO

Gdy nie ma danych, grupy zwracają się do HiPPO — najwyższego płatnego członka zarządu. Termin został popularizowany wokół 2006 roku przez eksperta analizy Avinash Kaushika, a zespół badawczy Microsofta wystarczył, aby rozdawać tysiące HiPPO-stresowych zabawek, aby podkreślić: najwyższy płatny członek zarządu nie powinien zastępować dowodów.

Klasyczny przykład pochodzi z Amazon. Inżynier prototypował pokazywanie rekomendacji produktów opartych na tym, co jest w koszyku zakupów. Starszy menedżer — HiPPO — obawiał się, że zdekoncentruje ludzi od przejścia do zakupu i nakazał usunąć go. Prosty eksperyment kontrolowany pokazał, że był on ogromnie udany, i został wysłany. Nauczka, która zbudowała kulturę: niech dane będą przewyższały HiPPO.

To nie tylko kultura — pojawia się w liczbie. Badanie 179 dużych firm publicznych przez Brynjolfssona, Hitta i Kima (2011) wykazało, że firmy, które wdrożyły podejmowanie decyzji opartych na danych, miały wydajność i produktywność około 5–6% wyższą niż można było się spodziewać, biorąc pod uwagę ich inne inwestycje.

Dlaczego decyzje oparte na danych nadal zawodzą

Dane wybrane na wskazanie

Dowody są wybrane, aby usprawiedliwić wniosek, który już został podjęty.

Argumentacja nigdy nie zapisana

Łącznik między danymi a decyzją znajduje się w głowie kogoś, dlatego nie może być sprawdzony.

Dane utracone po spotkaniu

Nikt nie może przeprowadzić audytu decyzji, ponieważ dane i argumenty zniknęły.

Jak Argumentree podejmuje decyzje oparte na danych

Dane poprawiają decyzję tylko wtedy, gdy stają się argumentami, które można wagać i zapisywać. Argumentree przekształca dowody w strukturalne powody, zbudowane na argument mapping:

Ekstrakcja danych z dokumentów za pomocą AI

Pobierz argumenty i ich dowody w celu wydobycia danych z raportów, transkrypcji i dokumentów — tak, aby dane w pokoju stały się strukturą wejściową, a nie utracone wspomnienie.

Dowody w drzewach pro/contr

Każdy dowód znajduje się jako argument pod opcją, którą wspiera lub sprzeciwia się, tak aby cała podstawa dowodowa była widoczna i strukturyzowana.

Ocenianie, waga i punktacja

Uczestnicy oceniają argumenty pod kątem dokładności i istotności; oceny agregują się w górę drzewa w postaci skumulowanych wyników, tak aby wniosek był wynikiem ważonych dowodów, a nie twierdzenia.

Śledztwo wstecz do danych

Wersjonowanie argumentów i cykl decyzyjny utrzymują każdą wybór w łączności z dowodami, które ją wspierają — zdecydowanie w przyszłości, w 66 językach.

Część szerszej praktyki związanej z uczestnictwem w podejmowaniu decyzji i inteligencją decyzyjną; zobacz również, jak zespoły oceniają dowody razem w uczestniczym podejmowaniu decyzji.

Dlaczego warto

Zdecydowane decyzje

Każda wybór prowadzi do dowodów i argumentów, które go popierają.

Mniej uprzedzeń

Wyświetlanie i ocenianie argumentów ogranicza wybieranie tylko najlepszych i wpływ HiPPO (najwyższe opinię najwyższego zarządcy).

Pętla uczenia się

Zapisane powody pozwalają porównać wyniki z przewidywaniami i podejmować lepsze decyzje w przyszłości.

Często zadawane pytania

Co to jest podejmowanie decyzji opartych na danych?

Podejmowanie decyzji opartych na danych (czasami skrótowo DDDM) to praktyka podejmowania wyborów na podstawie dowodów — mierzone faktów, wskaźników i dokumentowanych argumentów — zamiast intuicji, hierarchii lub najgłośniejszej głosu. Nie usuwa ono sądu ludzkiego; zamiast tego podaje ono sądowi podstawy weryfikowalne, aby decyzja mogła być wyjaśniona i broniąca.

Jakie są kroki podejmowania decyzji opartych na danych?

Typowy cykl: (1) zdefiniuj decyzję i pytanie, które musi ona rozwiązać; (2) zebranie danych i dowodów; (3) przekształcenie tych dowodów w wyraźne argumenty za i przeciw każdej opcji; (4) ocena argumentów pod kątem jakości i wagi; (5) podejmij decyzję na podstawie wsparcia netto; i (6) zarejestruj decyzję i jej dowody, aby wynik mógł być przeglądany w porównaniu z tym, co było przewidywane.

Jaka jest różnica między decyzjami opartymi na danych a decyzjami opartymi na danych?

Decyzje oparte na danych pozwalają dowodom kierować — liczby i dokumentowane argumenty są podstawą główną dla wyboru. Decyzje oparte na danych traktują dane jako jeden ważny wpływ obok doświadczenia i kontekstu. W praktyce większość dobrych decyzji są decyzjami opartymi na danych: dane ograniczają i testują sąd, zamiast go całkowicie zastąpić.

Dlaczego decyzje oparte na danych nadal zawodzą?

Zawodzą, gdy dane są wybrane w celu uzasadnienia wniosku już podjętego, gdy racjonalność łącząca dane z decyzją nigdy nie jest zapisana, lub gdy dowody są utracone po spotkaniu, aby decyzja nie mogła być przeglądana. Dane tylko poprawiają decyzje, jeśli argumenty zbudowane na ich podstawie są powierzchajnie przedstawiane, oceniane otwarcie i zapisywane.

Jak oprogramowanie wspiera podejmowanie decyzji opartych na danych?

Oprogramowanie do podejmowania decyzji przekształca dowody surowe w strukturę, nad którą można rozważać: organizuje argumenty i ich dane wsparcia w drzewach za/przeciw, pozwala grupie ocenić i waga każdego argumentu, mierzy wsparcie netto, aby wniosek był wynikiem dowodów, i utrzymuje ślad audytowy łączący decyzję z danymi, które ją wspierały. Argumentree dodaje ekstrakcję argumentów AI z dokumentów i transkrypcji, a także obsługę 66 języków.

Zakorzenij swoje decyzje w dowodach

Przekształć raporty, transkrypcje i metryki w strukturyzowane argumenty, które Twoja drużyna może waga i audytować. Zaczynaj decydować z danymi na Argumentree.

Rozpocznij za darmo