Automatizace rozhodování: Jak rozšířit prediktivní analýzu pomocí lidské inteligence

Tento článek zkoumá dokonalou kombinaci automatizovaného rozhodování s pokročilou analýzou a lidskou interakcí. Začněme jednoduchým brainteaserem. Podívejte se na tento obrázek: Na stole leží sada čtyř karet. Vaším úkolem je ověřit pravidlo: „Pokud je na jedné straně karty napsaná samohláska, pak na druhé straně je sudé číslo.“ Určete, které karty je třeba otočit, abyste ověřili platnost tohoto pravidla.

Většina respondentů odpoví okamžitě: stačí zkontrolovat druhou stranu karty „A“. Další populární odpověď je: musíte otočit karty „A“ i „2“. Jistě, musíme otočit kartu „A“, protože na této kartě je samohláska a nemáme údaje o tom, co je na druhé straně této karty. Je opravdu nutné otočit kartu „2“? Naše pravidlo nehovoří nic o sudých číslech - proto nemáme zájem tuto kartu zkontrolovat. To však neznamená, že stačí zkontrolovat kartu „A“. Musíme také převrátit kartu „7“, abychom zjistili, zda na druhé straně této karty je napsaná samohláska. Pokud by tomu tak bylo, bylo by to pravidlo vyvráceno.

Tento úkol se nazývá „Wason selection task“ a byl vytvořen Peterem Wasonem, předním kognitivním psychologem. Podle jeho experimentů čtyři z pěti respondentů nedokážou správně vyřešit tuto hádanku. Kognitivní psychologové zjistili, že lidé si dávají pozor na spekulace o faktorech s vysokou mírou dvojznačnosti; raději založí svá rozhodnutí pouze na známých skutečnostech. Jinými slovy, mají sklon ztrácet z dohledu nejisté informace. Bez informací, které jsou v datech „skryté“, je však možné rozumné a důkladné rozhodování nemožné.

Paul Rogers a Jenny Davis-Peccoud ve společnosti Bain & Company sestavili seznam 10 chorob z rozhodnutí, které morové společnosti postihly, a toto hodnocení je doplněno nedostatkem relevantních poznatků nebo, jak tomu říkají, rozmazanou vizí. Níže uvádíme několik příkladů, jak prediktivní analýzy a automatizace rozhodování mohou zlepšit rozhodování v různých oblastech.

Vkládání scorecardů a pokročilých analytických modelů do systémů pro tvorbu půjček umožňuje věřitelům získat nejspolehlivější a nejziskovější účty, provádět optimální rozhodnutí o stanovení ceny úvěru a využívat příležitosti křížového prodeje. Tímto způsobem mohou věřitelé, kteří myslí na budoucnost, snížit náklady na akviziční kampaně zákazníků, zlepšit své úvěrové portfolio a celkovou ziskovost.

Obchodníci mohou využívat platformy pro automatizaci rozhodování k navrhování, testování a implementaci činností správy životního cyklu zákazníků a marketingových kampaní. Díky sofistikované analytice dat a behaviorálním výsledkovým kartám mohou identifikovat bílé prostory na trhu a získat informační výhodu oproti svým konkurentům. Řešení marketingové automatizace jim navíc umožňují sledovat výkon produktu a služeb napříč různými cílovými skupinami a soustředit se na měnící se požadavky zákazníků.

Technologie rozhodování automatizují obchodní tok a umožňují společnostem všech velikostí vkládat do každodenních operací inteligenci. Inteligentní hráči na trhu, kteří mohou využít prediktivní analýzy k optimalizaci svého rozhodování a řízení rizik, překročí přístup k relevantním poznatkům: budou moci automaticky transformovat informace na ziskové akce.