本文灵感来自于谷歌首席决策科学家：Cassie Kozyrkov（决策智能的先驱）.
1. 什么是决策智能？
谷歌的首席决策科学家Cassie Kozyrkov将决策智能描述为一门涉及在选项之间进行选择的所有方面的新学科。
它将应用决策理论、数据科学、社会科学和管理科学的精华汇集到一个统一的领域，帮助人们使用数据来改善他们的生活、他们的业务和他们周围的世界。
它是人工智能时代的一门重要科学，涵盖负责任地领导人工智能项目所需的技能，并为大规模自动化设计目标、指标和安全网。
决策智能是将信息转化为任何规模的更好行动的学科。
人们还可以将决策智能视为应用决策科学和数据科学增强的管理科学。
- 1.1 管理科学
管理科学是对人类组织中问题解决和决策制定的广泛跨学科研究。
它更关心在各个方面设计、开发、应用新的和更好的组织卓越决策模型。
管理科学研究可以在三个层次上进行
- 基础层次在于三个数学学科：概率、优化和动力系统理论。
- 建模层面是关于建立模型、对其进行数学分析、收集和分析数据、在计算机上实施模型、解决模型、对其进行试验——所有这些都是建模层面的管理科学研究的一部分。这个级别主要是工具性的，主要由统计和计量经济学驱动。
- 与任何其他工程和经济学学科一样，应用程序级别努力产生实际影响并成为现实世界变化的驱动力。
如果这种模型构建是由应用决策科学和数据科学授权的，那么我们称之为决策智能。
- 1.2 决策科学
虽然大多数研究领域都专注于产生新知识，但决策科学特别关注根据可用信息做出最佳选择。构成定性方面的学科传统上被称为决策科学
决策科学旨在阐明这些决策背后的科学问题和价值判断，并确定可能伴随任何特定行动或不作为的权衡取舍。
决策科学关注以下问题：
- “你应该如何设置决策标准和设计你的指标？” （全部）
- “你选择的指标激励兼容吗？” （经济学）
- “你应该以什么质量做出这个决定，你应该为完美的信息付出多少？” （决策分析）
- “情绪、启发式和偏见如何影响决策？” （心理学）
- “皮质醇水平等生物因素如何影响决策？” （神经经济学）
- “改变信息的呈现方式如何影响选择行为？” （行为经济学）
- “在团队环境中做出决策时，您如何优化结果？” （实验博弈论）
- “在设计决策环境时，您如何平衡众多约束和多阶段目标？” （设计）
- “谁会经历这个决定的后果，不同群体将如何看待这种经历？” （用户体验研究）
- “决策目标合乎道德吗？” （哲学）
它还包括决策分析、风险分析、成本效益和成本效益分析、约束优化、模拟建模和行为决策理论，以及运筹学、微观经济学、统计推断、管理控制、认知和社会心理学的部分内容，和计算机科学。
- 1.3 数据科学
数据科学是一个跨学科领域，它使用科学的方法、流程、算法和系统从嘈杂的结构化和非结构化数据中提取知识和见解，并将知识和可操作的见解从数据中应用到广泛的应用领域。数据科学与数据挖掘、机器学习和大数据有关。
由于它是当今时代的热门话题，我不想解释太多。
2. 为什么我们需要决策智能？
人类不是优化者，我们是满足者。
许多商业领袖认为他们不需要科学来制定决策，而且当他们查看数字、形成意见并执行决策时，他们认为自己是由数据驱动的。不幸的是，这样的决定充其量只是“受数据启发”。
受数据启发的决策是我们在一些数字中游来游去，最终达到情感临界点，然后做出决定。在某个地方的那个决定附近有一些数字，但这些数字并没有推动这个决定。这个决定完全来自其他地方。它一直存在于决策者的无意识偏见中。
真正做到数据驱动——订单很重要！您需要预先构建决策模型上下文，然后需要收集数据。
现在您可以感受到我在本文前面讨论过的管理科学、决策科学和数据科学的应用范围。
决策科学与数据科学一样对您的组织很重要
数据科学 专注于通过统计发现洞察力和关系。决策科学正在寻找与手头决策相关的见解。许多投资于数据科学团队的企业然后将决策科学问题加载到他们的盘子中。因此很明显，在某个时间点，在构建决策模型的同时考虑决策科学和数据科学将变得不可避免。所有这些过程的总称是决策智能。简而言之，决策智能是将信息转化为任何规模的更好行动的学科。
揭示人工智能的力量
计算机是最终可靠的工人。他们只做他们被告知的事情。不多也不少。他们不为自己考虑。他们根本不考虑！除了你告诉他们想要的，他们什么都不想要。
机器学习和人工智能是如此强大。与传统编程不同，它们允许您解决问题，即使您自己无法想出解决方案的步骤。人工智能允许你自动化你无法表达的东西。
在决策智能模型中，从定量和定性研究中收集的数据和见解将用于应用 AI 目的。简单的决策智能是衡量人类决策者意愿的杠杆。
我们需要学会从系统思维的角度思考，以了解这种多学科领域及其好处。
3. 设计思维
设计思维是一种以人为本的设计方法——以了解客户需求、快速原型制作和产生创意为基础——它将改变您开发产品、服务、流程和组织的方式。通过使用设计思维，您可以根据客户的真正需求做出决策，而不是仅仅依靠历史数据或根据直觉而不是证据进行冒险的赌注。
设计思维将人类的理想与技术上可行和经济上可行的东西结合在一起。
- 愿望（人）：什么对人和对人有意义？
- 可行性（技术）：在可预见的未来，技术上什么是可能的？
- 可行性（商业）：什么可能成为可持续商业模式的一部分？
- 3.1 决策智能如何帮助设计思维？
通过决策智能赋能设计思维，传统上，设计思维更多地依赖于定性研究。但是由于互联网革命和大量数据。定量研究的作用现在变得至关重要。
通过对定性数据和定量数据中的见解进行三角剖分来获得可操作的见解，而没有任何偏见是一项艰巨的任务。这就是决策智能发挥关键作用的地方。
设计思维是一种以人为本的方法，在这种方法中，决策的输出与人类期望的选择和行为保持一致。
决策智能是一种以决策为中心的方法，可帮助决策者分析、制定和实施符合人类期望选择和行为的决策。
4. 商业决策智能的四大好处
- 4.1 实际数据驱动的决策。
虽然 91% 的公司认为数据驱动的决策可以促进他们的业务增长，但只有 57% 的公司依赖于他们的数据。要获得竞争优势，您必须正确分析可用数据、做出一些预测并选择最佳选项。AI 可以更好地查看数据阵列，并找到可以显着影响结果的不可见模式和可能的异常。 - 4.2 更快的决策。
根据麦肯锡的调查，只有 20% 的组织对其决策速度感到满意。其他人承认他们在做出正确的选择上浪费了太多时间，而这并不总是正确的。人工智能决策系统尽可能地加快了这一过程，因为它们几乎可以立即处理大量数据。 - 4.3 多种解决问题的选择。
人工智能驱动的决策算法也可以非常灵活，并在其中一个参数发生更改时突出显示某个决策的多个结果。此功能可以帮助企业从众多选项中做出最佳选择，同时考虑到他们当前的目标和增长战略。 - 4.4 消除错误和偏见。
至少有五种类型的偏见可以直接影响业务决策结果。决策智能允许避免所有这些，因为正确编程的算法最终会客观地查看可用数据。