2024决策智能：值得关注的决策革命

目录 引言.5 1.当今商业/业务决策的主要挑战 决策智能：决策的末来趋势 2.4决策智能及柏关技术成为ABI的新兴技术趋势.17 2.5决策智能的数字变生.18 D&A的未来：从数据驱动到以决策为中心20 3.1传统BI数据驱动的决策技术的局限性20 3.1.1决策智能（DI）和商业智能（BI）的区别，.20GR3.1.2传统仪装板/有邮些局限性？.21 3.2以决策为中心的数据和分析(D&A).22 4．决策智能的市场趋势和决策智能平台的市场指南 4.1决策智能的市场趋势33 4.1.12024年至2034年决策智能市场展望.33 4.1.2决策智能市场分析33 4.1.3影响决策智能市场的关链趋势34 4.1.4预测期内限制决策智能需求的挑战.35 4.2决策智能平台的市场指南37 4.2.1战略规划假设4.2.2DIP市摄定义和描述384.2.3DIP用产类型414.2.4DIP市场趋势414.2.5DIP市场分析，454.2.6DIP代表供应商474.2.7市场建议..50 5.若干决策智能平的案保.52 5.1第四范式决策智能平台5.2FlexRule决策智能平台ES"5.3o9Solutions商业数字大脑.58 决策智能：供应链决策的末来@GROGR 6.3决策智能将成为供应链控制塔的大脑.64 6.4决策智能在供应链中的若干应用67 6.4.1阿里云人工智能供应链67 6.4.2ThroughPut决策智能.696.4.3 InterSystems... 7.总结....74 参考文献.. 罗戈研究，.78 引信言 所有的人类活动都围绕着做出选择或决定。决策可以被定义为决定从各种备选方案中采取某种行动方案，以实现一组预先确定的自标的过程。决策是面向未来的，因为决策的唯一目标是指导组织和人类活动实现未来目标。决策过程涉及将组织资源投入到实现预定自标或通过遵循特定行动方案解决问题中。在正确的时间做出正确的决定是人生每一步成功的关键。在商业世界中，决策也具有至关重要的意义。错误的决定或延迟的决定可能会带来灾难性的后果。企业或组织都面临若众多的决策，在成长中或更大的组织中，决策的复杂性会增加并且能够快速响应不断变化的场对于成功的领导和组织的发展方向至关重要。本研究报告的核心是讨论新兴的决策智能的概念和技术，一个值得关注的决策革命，它分为以下六大部分： 第1节当今商业/业务决策的主要挑战 第2节决策智能：决策的未来势 第3节D&A的未来：从数据驱动到以决策为中心 第4节决策智能的币场趋势和决策智能平台的市场指， 第5节若干决策智能平台的案例 第6节决策智能：供应链决策的未来 在最后一部分中第6节，本文简单介绍了Gartner2024年供应链规划技术成熟度曲线》的研究报告及其有关决策的新兴技术，包括供应链洁划（SCP中的决策智能，以决策为中心的计划，和供应链控制塔。因此本文将作为笔者的供应链计划的数字化变革系列报告》中的第1篇报告《供应链计划变革的现状和发展趋势》（请见罗戈研究中笔者的2023年8月25日的专栏文章）之后的第2篇报告。 1.当今商业/业务决策的主要挑战 做出一个正确的且结果令人满意的商业或者业务的决策并非易事，特别是在当今不硝定的环境下，业务决策更为困难。其原因可归于业务决策所面对的以下主要挑战 ●数据和信息不完整：没有足够的信息来帮助做出明智的业务决策是大多数经理和组织领导者面值的主要挑战。缺乏可用信总会使决定性的领导层处于不确定的海洋中，并使您无法解释该信总以帮助您做出正销的决定 那么您可以做出更好的决策。但是，当数握和信息被过度共享时，我们都熟悉具有讽刺意味的首字母缩略词“TM”（信息过多）。在当今的商业环境中，过多的数据和信总会使决策变得更加夏系。当需要评估的数据过多时，人们很容易不知所措或过度思考每个决策，从而进一步减慢决策过程或完全妥协。太多的数据并不总足更好。 ●时间限制：时间限制可能会增加压力，必须比最初预期的更快地快速决定业务行动方案。如果必须快速做出业务决策，则可能会损害预期的结果。您可能会不小心忽略或没有提及重要数据，或者忘记一种行动方案对男种行动方案的影响。 。不确定性：对于组织中的决策者来说，不确定性足另一个挑战。尽管组织经常面临不确定性，但即使是经验最丰富的领导者也很难克服对未来的不确定性。不确定性可能源于不断变化的业务环境、不完整的信息以及误解或误解的数据 早于1912年，已开始兴起数据驱动的决策制定，并且后来有了相关工其。尽管企业或组织对整个数据堆模的技术和流程进行了投资，决策者仍然难以获取并根据他们需要的见解。例如，在Gariner2021年再造决策（ReengineeringDecision）调查中【1]，239%的高管将“选择正确的决策”回答为决策中最具挑战性的部分。此外，另有61%的受访者表示相信他们的组织会精心挑选数据点来支持某些决策【2]。最后，同一项调查【1】发现，47%的受访者预计他们的决策会变得更加复杂，从而增加了对关联、连续和上下文D&A(DataandAnalysis=数据和分析）以及可解释的决策流程的需求。决策越来越相互关联，并且基于不断变化的业务环境数据。如果没有D&A，组织将无法管理日益复杂的决策（见图1）。 Gartner. 由于决策制定的环境的不确定性，例如，新冠大流行，供应链中断等，以及图1所指出的现代决策制定所带来的复杂性，例如人类和机器之间的协作正在扩大。一个超越数据驱动的决策制定技术一一决策智能应运而生。 2.决策智能：决策的未来趋势 2.1技术如何影响和改善决策的简史 如上所述，决策是商业管理中的一个关等环节。而技术特别是计算机技术，现代的数学技术和人工智能等新兴技术一直是影响和改善决策的方法，流程和结果的推动者和关键的能力。 下面本文将逐一简介这部技术和决策融合的奇妙历程（部分内容来源：【4-了）：@GRo 20世纪60年代决策分析和关键概念的出现：HowardRaiffa关于“不确定性下的选择”的讲座为决策分析（DA）作为一种科学决策奠定了基础。介绍了决策树等关键概念，使决策能够评估风险和收益。 :20世纪80年代基于计算机的决策支持系统：基于计算机的DSS的发展使决策者能够对复杂问题进行建模并探索不同的场景，从而彻底改变了决策。早期的DSS是基于规则的专家系统，为未来的发展铺平了道路。20世纪80年代末，即1989年 GartnerGroup的HowardDresner创造和推广商业智能（Bl：BusinessIntelligence)。它描述了一组通过使用基于事实的支持系统来改进业务决策的概念和方法。BI有时与简报、报告，可视化及仪表盘，和查询工具以及执行信息系统互换使用。一般来说，商业智能系统是数据驱动的DSS。 ●20世纪90年代数据仓库和OLAP的集成：DSS与数据仓库和在线分折处理（OLAP）集成，OLAP是“关系数掘库之父”EdgarF.Codd创造的一个术语。它能够更好地处理大型数据集。这标志着分析和解释来自不同来源或决策目的的数据的能力有了重大飞跃。 ·2000年代基于@e6的商业智能和协作DSS：基于6和协作DSS的出现增加了可访问性。这些进步促进了利益相关者之间的更好协作，并扩大了DSS在各个组织中的覆盖范围。这十年见证了商业智能（BI）平台的兴起，直到现在仍被广泛使用。 *2010年代，人工智能和机器学习改变了DSS:人工智能和ML的融合开始变革DSS结束了高级预测和建议。这些技术为组织提供了更准销的见解和增强的决觉能力但尚未大规模应用。 策智能”一词在LorienPratt的2019年著作《链接：决策智能如何连接数据、行动和结果以创造更美好的世界》中得到普及。2021年10月，Gartner分析师将决策智能（Dl：DecisionIntelligence）硝定为2022年最具影响力的技术趋势之一。决策智能是一个新领域，它通过将数据与决策和结果联系起来，帮助支持、培强和自动化业务决策。它使用方法（例如，决策映射和决策理论）和技术（例如，机器学习和自动化）的组合来改进公司的决策方式。决策智能包括持续评估决策结果并通过反馈系统对其进行优化。 为什么决策智能很重要？公司的成功取决于决策。这些决策范围从市场选择到人才招聘再到发票支付授权。典型的决策类型包括： ·一次性战珞决策（例如并购） ●重复的管理决策（例如，招聘或生产计划） （例如，客户互动）中的大量运营决策 每年全球有近30亿个商业决策做出，贝恩的研究结果显示决策有效性和财务绩效之间存在95%的相关性【8]。 然而，决策充满挑战，重要或要杂的沃策往往是由没有足够信总、时间或经验的人做出的。根据麦肯锡的调查结果，72%的高管报告说，糕的决策与好的决策一样频繁，而标准普尔500指数公司平均每年因决策无效而浪费2.5亿美元。 DI正被世界上最大的公司采用。例如，谷歌已经创建了一个由17,000名员工组成的部荐、库存定价、数据分析、资产配置和资本安排等领域提高效率并降低成本： 2.2决策智能的概念和框架 为了应对前所未有的业务复杂性和不确定性，组织必须更快地做出准确且高度情境化的决策。IT领导者必@建快速组合和重组透明决策流的力未策智能为此应运而生。Gartner确定其为2022年最具影响力的技术趋势之一19]。Gartner定义决策智能为：“一门实用学科，用于通过明确理解和设计决策的制定方式以及结果如何通过反馈进行评估、管理和改进来改进决策制定。”【10] 并指出：决策智能构建了广泛的决策技术。根据决策环境，这些范围可以从传统分析到人工智能和复杂的自适应系统应用程序。决策智能提供了一个框架，将多种传统和先进个人决策，还适用于一累列决策一一将它们分组到业务流程甚至紧急决策网络中。图3描写了Gartner决策智能的概念性框架，它包括以下两大部分： 。决策智能的组成要系部分 ■决策者：人（决策者：个人或一个委员会）和AI（如智能体） 和数据架构。 决策智能的五个步骤流程 捕提、解释、建模、解决、行动 核心是产生价值的决策结果 决策智能提供了有效的智能的决策制定的机制，它可以重新设计连接、上下文连续、解释不确定性并提高我们为曾经不透明的考虑增加洁晰度的能力，它将成为企业的竞争优势。如果企业能够处理比其他人更多的不确定性，从容和整练，那么企业就有了最终的优势。 与传统的以人为主的获策不，决策智能支持两类不向的策者：人和AI，并且支持三种不同的决策模式： 决策支持：以人为主AI为辅的决策模式，例如交通管理系统-主要采用技术包括仿真和运筹学（见图5)。 决策增强：人和AI客半的决策模式，例如医疗健康系统一一主要采用技术包括深度学习和图分析（见图5)。 决策自动化：以AI为全人为辅的决策模式，例如金服务一一主要采用技术包活预测分析和商业规则（见图5）。 特别，决策智能具有实现决策自动化，基至在某些场景下实现自主决策的能力。 图6描述了一个组合智能决策的参考框架，它的底座是前面提到的数据结构（[9】中的脑[9】中的趋势6)。 性水平： ●第一层是决策支持，其中机器提供一些基本工具来支持人类决策，例如警报、分析和数据探素。决策本身完全由人类做出。 ，第二个层次是决策增强，其中机器在决策过程中发挥更大、更主动的作用。他们分析数据并生成建和预测，供人类决策者审查和验例如，他们可以提出如下建议：“您应该在3月30日之前从供应商A购买200件产品；这将使您节省20,000关元。”人类可以通过简单地接受推荐来根据机器的建议做出决策，也可以与机器合作修改推荐。 。第三个层次是决策自动化，它进一步减少了决策过程中所需的人工参与。在这个级别，机器自主地执行决策步和执行步骤。第一步，他们使用规则、优化和基于人工智能的预测等工具的组合做出自主决策。第二步，他们自动执行这些决策，无需(o)控风险和任何异常活动，并定期审查结