Що таке рішенням на основі даних? Рішення на основі даних — це практика прийняття рішень на основі доказів — вимірюваних фактів, метрик та документів, а не відчуттів, ієрархії чи голосу найбільшого. Вона ґрунтує людську оцінку на перевірених даних, щоб рішення можна було пояснити та захистити.

Цикл рішень на основі даних відбувається у кроках: визначте рішення та питання, яке воно повинно відповісти; зіберіть відповідні дані та докази; перетворіть ці дані на явні аргументи за та проти кожного варіанту; оцінюйте аргументи за якістю та вагою; прийміть рішення на основі загальної підтримки; та збережіть рішення та його дані, щоб можна було переглянути результат проти того, що передбачалося. Рішення на основі даних дозволяють доказам керувати, тоді як рішення, засновані на даних, розглядають дані як одне з важливих джерел інформації разом із досвідом та контекстом. Рішення на основі даних все ще провалюються, коли дані використовуються вибірково для виправдання вже прийнятого рішення, коли логіка, яка пов'язує дані з рішенням, ніколи не записується, або коли дані втрачаються після зустрічі, щоб рішення не можна було перевірити. Argumentree підтримує рішення на основі даних, організовуючи аргументи та їх підтримуючі дані у деревах аргументів за/проти, витягує аргументи з документів та стенограм транскриптів за допомогою AI, дозволяє групі оцінювати та вагувати кожен аргумент, щоб висновок слідував доказам, вимірює загальну підтримку як ієрархічні оцінки згоди, та зберігає повний реєстр, який пов'язує кожне рішення з його підставами.

Гід по термінології

Що таке рішенням на основі даних?

Рішення на основі даних ґрунтуються на доказах та документованих аргументах — не відчуттях, ієрархії чи голосу найбільшого — щоб кожне рішення можна було пояснити та захистити.

TL;DR

Рішення на основі даних (DDDM) ґрунтуються на вимірюваних даних та явних аргументах замість відчуттів. Вони не заміняють оцінку — вони оцінюють оцінку за перевіреними джерелами, щоб рішення слідувало найсильнішим доказам та залишалося захистим навіть після прийняття.

Цикл рішень на основі даних

  1. 1

    Визначте рішення

    Заявте питання, яке дані повинні відповісти, та варіанти, які знаходяться на столі.

  2. 2

    Зберіть свідчення

    Зберіть метрики, факти та джерела, які стосуються кожного варіанту.

  3. 3

    Перетворіть свідчення у аргументи

    Перетворіть первинні дані у явні причини за та проти — дані мають значення лише тоді, коли вони є аргументом, який можна оцінити.

  4. 4

    Оцінюйте та вагайте

    Оцінюйте кожен аргумент за точність та відповідність, щоб сильні свідчення мали більший вплив, ніж слабкі.

  5. 5

    Виріште щодо загальної підтримки

    Згуртуйтеся навколо варіанту, який підтримується ваганими свідченнями.

  6. 6

    Зареєструйте та перегляньте

    Зберіть рішення, пов'язане зі свідченнями, а потім перевірте результат щодо того, що передбачало дані.

Рішення на основі даних проти рішень, заснованих на даних

Дані-орієнтовані

Довіра свідченням. Метрики та документовані аргументи є основним джерелом вибору — судження заповнює прогалини, які залишаються після даних.

Дані-орієнтовані

Дані є одним з важливих джерел інформації поряд із досвідом та контекстом. Вони обмежують та перевірють судження, а не заміняють його. Більшість рішень високого рівня знаходяться тут.

Нав'язник рішень: HiPPO

Коли немає даних, групи віддають перевагу HiPPO — найвищій посадовій особі. Термін був популярний близько 2006 року експертом з аналітики Авінашем Каушіком, а дослідницька група Microsoft досить добре йому підтримала, видаючи тисячі стresseлок HiPPO, щоб підкреслити: не дозволяйте посадовій особі перевищувати дані.

Класичний приклад належить Amazon. Інженер створив прототип, який показував рекомендації щодо товарів на основі вмісту корзини покупця. Вищий керівник — HiPPO — побоювався, що це відволочить людей від процесу оформлення замовлення і наказав зупинити його. Контрольований експеримент показав, що це було дуже успішним, і воно пішло далі. Висновок, який створив культуру: дані повинні перевищувати HiPPO.

Це не лише питання культури — воно відображається у цифрах. Дослідження 179 великих публічних підприємств Бриньольфсоном, Хіттом та Кімом (2011) виявило, що ті, хто приймав рішення на основі даних, мали виробничість та продуктивність близько 5–6% вище, ніж очікувалося, виходячи з інших інвестицій.

Чому рішення на основі даних все ще провалюються

Вибрані дані

Довіра обґрунтовується шляхом вибору свідчень, які підтверджують вже зроблене висновок.

Ніколи не написане пояснення

Зв'язок між даними та рішенням існує лише в голові людини, тому його неможливо перевірити.

Дані втрачені після зустрічі

Ніхто не може перевірити рішення, оскільки дані та аргументи зникли.

Як Argumentree робить рішення більш ефективними

Дані можуть покращити рішення лише тоді, коли вони стають аргументами, які можна оцінити та зберегти. Argumentree перетворює дані на структуровані аргументи, побудовані на мапуванні аргументів:

Використання AI для виділення даних з документів

Виконуйте виділення аргументів та їх підтримуючого доказу прямо з звітів, транскриптів та документів — так дані в кімнаті стають структурованими вхідними даними, а не втраченою пам'яттю.Докладніше

Докази в деревах за та проти

Кожен доказ знаходиться під аргументом підтримки або опозиції, тому вся база доказів видима та структурована.

Оцінка, вагування та оцінка

Учасники оцінюють аргументи за точністю та відповідністю; оцінки накопичуються в дереві до загальних оцінок, тому висновок слідує вагованому доказу, а не зверхності.

Слідова історія до даних

Версії аргументів та життєвий цикл рішень зберігають кожну вибірку в зв'язку з доказами, які її підтримують — захистимі протягом декількох місяців у 66 мовах.

Частина ширшої практики та ; див. також, як команди спільно оцінюють докази в процесі .

Чому воно варто робити

Вирішальні рішення

Кожен вибір має своє підкріплення у свідченнях та аргументах, які стоять за ним.

Менше упередженості

Виявлення та оцінка аргументів допомагає уникнути помилок у виборі та впливу HiPPO (високопідпільної думки найвищого керівника).

Цикл навчання

Записана логіка дозволяє порівнювати результати з передбаченими та приймати краще рішення наступного разу.

Часто запитувані питання

Що таке прийняття рішень на основі даних?

Прийняття рішень на основі даних (іноді скорочується до DDDM) — це практика прийняття рішень на основі свідчень — вимірюваних фактів, показників та документів, а не на основі інтуїції, ієрархії чи голосу найбільшого. Це не видаляє людську оцінку; вона ґрунтується на підтверджених даних, щоб рішення можна було пояснити та захистити.

Які кроки здійснюються під час прийняття рішень на основі даних?

Типовий цикл: (1) визначте рішення та питання, яке воно має відповідати; (2) зіберіть відповідні дані та свідчення; (3) перетворіть свідчення на явні аргументи за та проти кожного варіанту; (4) оцінюйте аргументи за якістю та вагою; (5) прийміть рішення на основі загальної підтримки; та (6) зафіксуйте рішення та його свідчення, щоб можна було переглянути його результат щодо того, що передбачалося.

Яка різниця між рішенням на основі даних та рішенням, яке ґрунтується на даних?

Рішення на основі даних дозволяють свідченням керувати — числа та документовані аргументи є основою для вибору. Рішення, які ґрунтуються на даних, розглядають дані як одне важливе джерело інформації поряд із досвідом та контекстом. На практиці більшість добрих рішень ґрунтуються на даних: дані обмежують та випробовують оцінку, а не заміняють її цілком.

Чому рішення на основі даних все ще провалюються?

Вони провалюються тоді, коли дані використовуються вибірково для виправдання висновку, який вже зроблено, коли ніколи не записується логіка, яка поєднує дані з рішенням, або коли свідчення втрачається після зустрічі, щоб рішення не могло бути перевірено. Дані лише поліпшують рішення, якщо аргументи, побудовані на них, виходять на поверхню, оцінюються відкрито та реєструються.

Як програмне забезпечення підтримує прийняття рішень на основі даних?

Програмне забезпечення для прийняття рішень перетворює сирі свідчення на структуру, яку можна використовувати для висновків: воно організовує аргументи та їх підтримуючі дані у деревах за/проти, дозволяє групі оцінити та вагувати кожен аргумент, вимірює загальну підтримку, щоб висновок слідував свідченням, та зберігає сліди аудиту, які поєднують рішення з даними, які його підтримують. Argumentree додає EXTRACTION AI аргументів із документів та записів, а також підтримку 66 мов.

Засновуйте свої рішення на свідченнях

Завершуйте звітні дані, транскрипти та метрики у структуровані аргументи, які ваша команда зможе оцінити та перевірити. Почніть приймати рішення на основі даних на Argumentree.

Почати безкоштовно