ESG Interactive Research Portal

Most of us are comfortable with making decisions. This is good because each of us makes an incalculable number of decisions every day. The most interesting and complex decisions that we make are voluntary decisions where we are able to apply discretion in why, how, and what decisions are made. However, it would be a mistake to ignore the fact that we also make an immense number of involuntary decisions every day. These range from decisions largely beyond our control like the electrical signals that are evaluated by our CNS and cause our heart to beat to reflexive behavior (remove your hand from a hot stove) and ultimately learned behavior (don’t touch a hot stove). The common pattern that unites all of these behaviors is stimulus-response (S-R) theory. Figure 1 shows a schematic of the S-R model. In this S-R model, the sense activity recognizes a change in the environment. This change is a trigger, event, or simple change of state. The act activity is an action taken in response to a particular sensation.

Die meisten uns fûhlen mit dem Treffen von Entscheidungen wohl. Dieses ist weil jedes von uns Marken eine unabsehbare Anzahl von den täglichen Entscheidungen gut. Die interessantesten und kompliziertsten Entscheidungen, die wir treffen, sind freiwillige Entscheidungen, in denen wir sind, anzuwenden Diskretion in warum, wie, und welche Entscheidungen getroffen werden. Jedoch würde es ein Fehler sein, zum der Tatsache zu ignorieren, daß wir auch eine unermeßliche Zahl von den unfreiwilligen Entscheidungen täglich bilden. Diese reichen von den Entscheidungen groß über sind unserer Steuerung wie den elektrischen Signalen hinaus, die durch unseren CNS ausgewertet werden und veranlassen unser Herz, zum Reflexivverhalten (entfernen Sie Ihre Hand von einem heißen Ofen) und zu schließlich gelehrtem Verhalten zu schlagen (berühren Sie nicht einen heißen Ofen). Das allgemeine Muster, das die ganze dieses Verhalten vereinigt, ist Anregungantwort (SR) Theorie. Tabelle 1 zeigt ein Diagramm des SR-Modells. In diesem SR-Modell erkennt die Richtung Tätigkeit eine änderung im Klima. Diese änderung ist ein Auslöser, ein Fall oder eine einfache änderung des Zustandes. Die Tat Tätigkeit ist Maßnahmen, die in Erwiderung auf eine bestimmte Empfindung ergriffen werden.

Figure 1. Stimulus-response Model

Source: Enterprise Strategy Group, 2014.

While S-R theory is conceptually simple, it does raise a question about what happens when a choice can be made regarding what action to take. Early thinking on the topic of event-driven architecture mimicked S-R processing by having events directly associated with actions. While this approach is extremely efficient, it is also brittle, which limits its utility in today’s IT environment where applications must be engineered for change and therefore loosely coupled. Without the ability to support a level of indirection between sense and act, there is no way to easily accommodate change. By introducing a decision node between sensing and acting, we now have clear separation of concerns and the flexibility to link any sensory event with any action, as shown in Figure 2. This enables us to refer to this modified S-R model as a decision model.

Während SR-Theorie begrifflich einfach ist, wirft sie eine Frage über auf, was geschieht, wenn eine Wahl betreffend, welche Tätigkeit getroffen werden kann zum zu nehmen. Auf dem Thema der Ereignis-abhängigen Architektur früh denken nachahmte das SR, das indem es die Fälle verarbeitet, die direkt mit Tätigkeiten verbunden sind hatte. Während diese Annäherung extrem leistungsfähig ist, ist sie auch spröde, die sein Dienstprogramm in heutigem ES Klima begrenzt, wo Anwendungen für änderung ausgeführt werden müssen und folglich lose verbunden. Ohne die Fähigkeit, ein Niveau des Umwegs zwischen Richtung und Tat zu stützen, gibt es keine Weise, änderung leicht unterzubringen. Indem wir einen Entscheidung Nullpunkt zwischen der Abfragung vorstellen und fungieren haben wir jetzt freie Trennung von Interessen und die Flexibilität, jeden sensorischen Fall mit irgendeiner Tätigkeit, wie in Tabelle 2 gezeigt zu verbinden. Dieses ermöglicht uns, uns auf dieses geänderte SR-Modell als Entscheidung Modell zu beziehen.

Figure 2. Decision Model

Source: Enterprise Strategy Group, 2014.

By introducing a decision node, we allow for different types of decisions. This more robust model can also emulate an S-R model simply by either always choosing the same action or defaulting the decision (such as the “else” clause in an “if-then-else” expression). However, the value of this decision model is that it recognizes that:

Indem wir einen Entscheidung Nullpunkt vorstellen, lassen wir unterschiedliche Arten von Entscheidungen zu. Dieses robustere Modell kann ein SR-Modell auch einfach emulieren, entweder indem es immer die gleiche Tätigkeit wählt oder die Entscheidung zurückfällt (wie die „sonst“ Klausel in einem „wenn-dann-sonst“ Ausdruck). Jedoch ist der Wert dieses Entscheidung Modells, daß er den erkennt:

There is a decoupling between sensing and acting, and actions are governed by decisions.

Es gibt ein Entkoppeln zwischen der Abfragung und Fungieren, und Tätigkeiten werden durch Entscheidungen geregelt.

The existence of competing alternative actions to a particular set of stimuli mean that a decision process is needed.

Das Bestehen der konkurrierenden alternativen Tätigkeiten zu einem bestimmten Satz Anregungen bedeutet, daß ein Entscheidung Prozeß erforderlich ist.

A decision process must take into account that available stimuli may not be sufficient or specific enough to clarify what action to take.

Ein Entscheidung Prozeß muß in Betracht ziehen, daß die erhältlichen Anregungen möglicherweise nicht genügend oder das Besondere genug sein können, zum zu erklären, welche Tätigkeit zum zu nehmen.

Decision outcomes, actions, and impact may be useful in influencing future decisions.

Entscheidung Resultate, Tätigkeiten und Auswirkung können nützlich sein, wenn man zukünftige Entscheidungen beeinflußt.

The ability to align specific stimuli with a particular action through a decision provides flexibility and consistency.

Die Fähigkeit, spezifische Anregungen mit einer bestimmten Tätigkeit durch eine Entscheidung auszurichten liefert Flexibilität und übereinstimmung.

The act of decisioning is complex and many techniques can assist in the decision making process.

Die Tat von Decisioning ist kompliziert und viele Techniken können im Entscheidungsprozeß unterstützen.

Despite the importance of decisions, we live in an action- and process-centric world. Decisions determine the potential utility to be gained, but actions are what drive kinetic utility or recognized utility. Actions (or behavior) are what define and differentiate an enterprise. Because actions can be directly tied to utility, it is easy to dismiss the importance of the decisioning. However, no action should ever be taken unless preceded by a decision. Decisioning is where context, alternatives, potential utility, objectives, constraints, and trade-offs are evaluated and a next-based action is determined. Therefore, support for comprehensive decisioning is critical because the decision is where the choice is made between competing actions. This choice can have lasting impact especially if it is strategic and this also means that decisions can have significant consequences, both positive and negative. Consequently, organizations will want to always make the best possible decisions that they can in order to maximize benefit and minimize risk over some time horizon.

Trotz des Wertes von Entscheidungen, leben wir in einer Tätigkeit und Prozess-centric Welt. Entscheidungen stellen das mögliche gewonnen zu werden fest Dienstprogramm, aber Tätigkeiten sind, was Antrieb kinetisches Dienstprogramm oder anerkanntes Dienstprogramm. Tätigkeiten (oder Verhalten) ist, was ein Unternehmen definieren und unterscheiden. Weil Tätigkeiten an Dienstprogramm direkt gebunden werden können, ist es einfach, den Wert des Decisionings zu entlassen. Jedoch sollten keine Maßnahmen überhaupt ergriffen werden, es sei denn vorangegangen worden von einer Entscheidung. Decisioning ist, wo Kontext, Alternativen, mögliches Dienstprogramm, Zielsetzungen, Begrenzungen und Kompromisse ausgewertet werden und eine folgend-gegründete Tätigkeit festgestellt wird. Folglich ist Unterstützung für das komplette Decisioning kritisch, weil die Entscheidung ist, wo die Wahl zwischen konkurrierenden Tätigkeiten getroffen wird. Diese Wahl kann dauerhafte Auswirkung haben, besonders wenn sie strategisch und dieses auch Mittel ist, daß Entscheidungen bedeutende Konsequenzen haben können, Positiv und Negativ. Infolgedessen wünschen Einteilungen die bestmöglichen Entscheidungen immer treffen, die sie Dose zwecks Nutzen maximieren und Gefahr über irgendeinem Zeithorizont herabsetzen.

Some decisions are simple and some are complex. Complex strategic decisions are often wide in scope, high in risk, few in number, and difficult to automate, and leverage inputs from many sources. Simple tactical decisions are typically the opposite; limited in scope, require few inputs, are low in risk, are large in number, and easy to automate. As decisions increase in complexity, so too does the need for analytics to support the decision making process. The point is that the decision model can be extended to include an analysis activity where the heavy lifting of evaluating alternatives is performed prior to decisioning. Figure 3 presents this as a decision analytics model.

Einige Entscheidungen sind einfach und einige sind kompliziert. Strategische Entscheidungen des Komplexes sind häufig im Bereich, stark in der Gefahr breit, gering an Zahl, und schwierig zu automatisieren und in den Hebelkrafteingängen von vielen Quellen. Einfache taktische Entscheidungen sind gewöhnlich das Entgegengesetzte; begrenzt im Bereich, erfordern Sie wenige Eingänge, seien Sie in der Gefahr niedrig, seien Sie groß zahlreich, und einfach zu automatisieren. Während Entscheidungen der Kompliziertheit sich erhöhen, tut so auch die Notwendigkeit am analytics, den Entscheidungsprozeß zu stützen. Der Punkt ist, daß das Entscheidung Modell verlängert werden kann, um eine Analyse Tätigkeit einzuschließen, in der das schwere Anheben der auswertenden Alternativen vor dem Decisioning durchgeführt wird. Tabelle 3 stellt dieses als Entscheidung analytics Modell dar.

Figure 3. Decision Analytics Model

Source: Enterprise Strategy Group, 2014.

Separating analyze from decide has distinct advantages. The primary advantage is a separation of concerns. The analyze activity is focused on understanding, quantifying, and normalizing alternatives so that a rational and informed decision can be made. It should be noted that this decision analytics model does not state any requirements regarding latency. While S-R models typically have a distinct real-time orientation, this is not the case for all decision and decision analytics models. Not all decisions that require analysis can or need to be pursued in real time. There is, however, a growing emphasis on and trend toward real-time decision analytics, so adoption of application architectures that support real-time decision analytics is appropriate although not all decisions will need to be made in real time.

Das Trennen analysieren von entscheiden hat eindeutige Vorteile. Der Primärvorteil ist eine Trennung von Interessen. Die analysierentätigkeit wird auf das Verstehen, die Quantitativbestimmung und das Normalisieren von Alternativen gerichtet, damit eine rationale und informierte Entscheidung getroffen werden kann. Es sollte gemerkt werden, daß dieses Entscheidung analytics Modell keine Bedingungen betreffend sind Latenz angibt. Während SR-Modelle gewöhnlich eine eindeutige Realzeitlagebestimmung haben, ist dieses nicht der Kasten für alle Entscheidung und Entscheidung analytics Modelle. Nicht alle Entscheidungen, die Analyse erfordern, können oder müssen in Realzeit ausgeübt werden. Es gibt, jedoch ist ein wachsendes Hauptgewicht an und Tendenz in Richtung zum Realzeitentscheidung analytics, so Annahme der Anwendung Architektur, die Realzeitentscheidung analytics stützen, angebracht, obgleich nicht alle Entscheidungen in der Realzeit getroffen werden müssen.

When we evaluate the decision analytics model in Figure 3, it is apparent that we can improve on this model in several ways. The sense activity can be improved if we explicitly specify that a discovery activity’s whole role is to consider the relevance of new and different types of events and triggers that will have an impact on decisioning. The analyze activity also benefits from an enrichment activity that improves the understanding of context, alternatives, and additional information related to decisioning. The decide activity also benefits from an understanding of policy expressed by objectives and constraints that govern decisioning. Figure 4 improves upon the decision analytics model by adding discover, enrich, and set goals activities, which move the model toward a true reference model for decision analytics.

Wenn wir das Entscheidung analytics Modell in Tabelle 3 auswerten, ist es offensichtlich, daß wir auf diesem Modell in einigen Weisen verbessern können. Die Richtung Tätigkeit kann verbessert werden, wenn wir ausdrücklich spezifizieren, daß die vollständige Rolle einer Entdeckungtätigkeit, die Bedeutung der neuen und unterschiedlichen Arten der Fälle und der Auslöser zu betrachten ist, die eine Auswirkung auf das Decisioning haben. Die analysierentätigkeit profitiert auch von einer Bereicherung Tätigkeit, die das Verständnis des Kontextes, der Alternativen und der zusätzlichen Informationen, die auf dem Decisioning bezogen werden verbessert. Die entscheidentätigkeit profitiert auch von einem Verständnis von Politik ausgedrückt durch Zielsetzungen und Begrenzungen, die das Decisioning regeln. Tabelle 4 verbessert nach dem Entscheidung analytics Modell, indem sie hinzufügt, entdecken, anreichern und einstellten Zieltätigkeiten, die das Modell in Richtung zu einem zutreffenden Bezugsmodell für Entscheidung analytics verschieben.

Figure 4. Toward a Decision Analytics Reference Model

Source: Enterprise Strategy Group, 2014.

The discover, enrich, and set goals activities are classified in Figure 4 as “pre-decision” activities. Pre-decision activities improve the sense and analyze activities by enabling a more comprehensive analysis of events, information, and factors that will influence the decision. These pre-decision activities also improve the decide activity by defining policy-oriented objectives and constraints apriori. Objectives are goals intended to shape decisions so that an organization has targets that it aspires to achieve. Constraints are goals intended to shape decisions so that an organization operates within limits that will minimize its risk exposure legally, financially, or ethically.

Entdecken, reichern an und Satzzieltätigkeiten werden in Tabelle 4 als „Vorentscheidung“ Tätigkeiten eingestuft. Vor-Entscheidung Tätigkeiten verbessern die Richtung und analysieren Tätigkeiten, indem sie einer kompletteren Analyse von Fällen, von Informationen und von Faktoren ermöglichen, die die Entscheidung beeinflussen. Diese Vorentscheidung Tätigkeiten verbessern auch die entscheidentätigkeit, indem sie Politik-orientierte Zielsetzungen und Begrenzungen apriori definieren. Zielsetzungen sind die Ziele, die Entscheidungen formen sollen, damit eine Einteilung Ziele hat, die sie strebt, zu erzielen. Begrenzungen sind die Ziele, die Entscheidungen formen sollen, damit eine Einteilung innerhalb der Begrenzungen funktioniert, die seine Gefahr Belichtung erlaubterweise, finanziell oder ethisch herabsetzen.

These pre-decision activities are a first step in bringing a lifecycle to decision analytics. Pre-decision activities have strong bi-directional relationships with analytic decisioning because of their focus on decision improvement and the support they can provide prior to decisioning. Also, consequently, a separate set of post-decision activities complete the feedback loop. Figure 5 introduces these post-decision activities.

Diese Vorentscheidung Tätigkeiten sind ein erster Schritt, wenn sie eine Lebensdauer zum Entscheidung analytics holen. Vor-Entscheidung Tätigkeiten haben starke Umkehr-Verhältnisse zum analytischen Decisioning wegen ihres Fokus auf Entscheidung Verbesserung und der Unterstützung, die sie vor dem Decisioning geben können. Auch infolgedessen beenden ein unterschiedlicher Satz Pfostenentscheidung Tätigkeiten die Rückkopplungsschleife. Tabelle 5 stellt diese Pfostenentscheidung Tätigkeiten vor.

Figure 5. Decision Analytics Reference Model

Source: Enterprise Strategy Group, 2014.

The post-decision activities in Figure 5 consist of evaluate, learn, and adjust activities. The intent of the evaluate activity is to assess the utility generated by an act activity and compare it with the desired utility as defined by the set goals activity. The learn activity is the capability to remember the output of the evaluate activity. The evaluate activity also factors what has been learned into its assessments so that the utility of the current action can also be compared with past actions. The role of the adjust activity is to consider the goals, decisions, actions, and what has been learned to improve performance by changing the triggers, events, analysis, and decisions. The adjust activity is where the loop is closed as in a closed loop system. The adjust activity is also one of the most complex activities that exists in this system. This is because changing policy and decisions changes actions, which will have a different impact than that to which the organization is accustomed. Changes to policy that correct errors are expected to increase utility. However, changes to policy in search of added revenue are more challenging and must be evaluated more carefully to ensure that the return outweighs the risk. Economic models are very effective at evaluating risk and return and can be incorporated in either the adjust or analyze activities. A summary of pre- and post-decision activities is as follows:

Die Pfostenentscheidung Tätigkeiten in Tabelle 5 bestehen auswerten, erlernen und justieren Tätigkeiten. Die Absicht der auswertentätigkeit ist, das Dienstprogramm festzusetzen, das durch eine Tat Tätigkeit und es mit dem gewünschten Dienstprogramm zu vergleichen erzeugt wird, wie durch die Satzzieltätigkeit definiert. Die Lernentätigkeit ist die Fähigkeit, zum sich an des Ausganges der auswertentätigkeit zu erinnern. Die auswertentätigkeit auch Faktoren, was in seine Einschätzungen erlernt worden ist, damit das Dienstprogramm der gegenwärtigen Tätigkeit mit letzten Tätigkeiten auch verglichen werden kann. Die Rolle der Justagetätigkeit ist, die Ziele, Entscheidungen, Tätigkeiten zu betrachten, und was erlernt worden ist, um Leistung zu verbessern, indem man die Auslöser, die Fälle, die Analyse und die Entscheidungen änderte. Die Justagetätigkeit ist, wo die Schleife wie in einem Endlosschleife System geschlossen wird. Die Justagetätigkeit ist auch eine der kompliziertsten Tätigkeiten, die in diesem System besteht. Dieses ist, weil, Politik- und Entscheidungsänderungen Tätigkeiten ändernd, die eine andere Auswirkung als die haben, an die die Einteilung gewohnt ist. Ändert zur Politik, daß korrekte Störungen erwartet werden, um Dienstprogramm zu erhöhen. Jedoch sind änderungen an der Politik auf der Suche nach addiertem Einkommen schwieriger und müssen sorgfältig ausgewertet werden, um sicherzugehen, daß die Rückkehr die Gefahr überwiegt. Ökonomische Modelle sind an auswertender Gefahr sehr wirkungsvoll und bringen zurück und können in der Justage verbunden werden entweder oder Tätigkeiten analysieren. Eine Zusammenfassung von vor und Pfostenentscheidung Tätigkeiten ist, wie folgt:

Discovery is the identification of events, objects, situations, and relationships that will have a bearing on decisioning.

Entdeckung ist die Kennzeichnung von Fällen, von Gegenständen, von Situationen und von Verhältnissen, die das Decisioning beeinflussen.

Enriching is the process of incorporating content surfaced in the discovery process into the decision making process.

Das Anreichern ist der Prozeß des Enthaltens des Inhalts auftauchte in den Entdeckungprozeß in den Entscheidungsprozeß.

Setting goals is the specification of objectives to guide the decision making process.

Ziele einzustellen ist die Bedingung der Zielsetzungen, zum des Entscheidungsprozesses zu führen.

Evaluation is the process of assessing the impact of the action taken.

Auswertung ist der Prozeß des Festsetzens der Auswirkung der ergriffenen Maßnahmen.

Learning is the act of acquiring knowledge specific to decisions made and actions taken.

Das Lernen ist die Tat des Erwerbens des Wissen Besonderen zu den Entscheidungen, die getroffen werden und zu den ergriffenen Maßnahmen.

Adjusting is the act of applying knowledge gained from the learning process to improve the decision process.

Die Justage ist die Tat des Anwendens des Wissens gewonnen vom Lernprozeß, um den Entscheidung Prozeß zu verbessern.

It is important to note that while we have identified pre-decision and post-decision activities, we have not made any claims regarding temporal requirements for decision analytics. We do, however, expect a wide variety of use cases depending upon the analytical techniques employed that range from offline to real-time decision analytics.

Es ist wichtig, zu merken daß, während wir Vorentscheidung und Pfostenentscheidung Tätigkeiten gekennzeichnet haben, wir hat gebildet keine Ansprüche betreffend sind zeitliche Bedingungen für Entscheidung analytics. Wir erwarten jedoch eine breite Vielzahl der Gebrauchfälle, abhängend nach den analytischen eingesetzten Techniken daß Strecke von indirekt zum Realzeitentscheidung analytics.

Figure 5 is labeled as the decision analytics reference model. The reason for this is that this model captures the key activities and relationships that should exist within any organization that intends to address analytic decisioning both comprehensively and effectively. This decision analytics reference model primarily focuses on decisioning and how leveraging analytics to do both support and improve decisioning. The decision analytics reference model also means that consideration has to be given to application architecture. If there is an assumption that some decision analytics activities must be supported in real time, then events, messaging, state, push, and mobility must be factored into system design.

Tabelle 5 wird als das Entscheidung analytics Bezugsmodell beschriftet. Der Grund für dieses ist, daß dieses Modell die Schlüsseltätigkeiten und die Verhältnisse gefangennimmt, die innerhalb jeder möglicher Einteilung bestehen sollten, die beabsichtigt, analytisches umfassend und effektiv decisioning zu adressieren. Dieses Entscheidung analytics Bezugsmodell konzentriert hauptsächlich auf das Decisioning und wie, analytics wirksam einsetzend, um Unterstützung zu leisten und das Decisioning zu verbessern. Das Entscheidung analytics Bezugsmodell bedeutet auch, daß Betrachtung zur Anwendung Architektur gegeben werden muß. Wenn es eine Annahme gibt, daß etwas Entscheidung analytics Tätigkeiten in Realzeit gestützt werden müssen, dann müssen Fälle, Nachrichtenübermittlung, Zustand, Stoß und Faktor Mobilität in System Design dargestellt werden.

Real-time Decisioning and the Internet of Things

RealzeitDecisioning und das Internet von Sachen

Real-time decisioning is an important area of investment for many enterprises. Infrastructure is now being put in place to capture data streams in real time, analyze this data, and make decisions in real time. Examples of real-time systems are everywhere. Simple real-time systems are S-R systems such as a home alarm system. More sophisticated decision analytics systems are event-based and perform some analysis before making a decision as to what action to take. An example of this would be the grocery store checkout, which generates coupons based on your purchases and frequency of visits. Even more complex decision analytics systems use feedback to adjust actions in real time. An example of this would be an automotive accident avoidance system, which monitors your distance and closing speed to an object and then applies the brakes progressively to prevent an accident. All of these real-time examples involve a subset of capabilities resident in our decision analytics reference model.

Das Realzeitc$decisioning ist ein wichtiger Bereich der Investition für viele Unternehmen. Infrastruktur wird jetzt an der richtigen Stelle gesetzt, um Datenströme in der Realzeit gefangenzunehmen, diese Daten zu analysieren und Entscheidungen in der Realzeit zu treffen. Beispiele der Realzeitsysteme sind überall. Einfache Realzeitsysteme sind SR-Systeme wie ein Hauptwarnungssystem. Hoch entwickeltere Entscheidung analytics Systeme werden Fall-gegründet und etwas Analyse durchführen, bevor man eine Entscheidung trifft hinsichtlich, welcher Tätigkeit zum zu nehmen. Ein Beispiel von diesem würde die Lebensmittelgeschäftspeicherprüfung sein, die die Kupons erzeugt, die auf Ihren Erwerben und Frequenz von Besuchen basieren. Sogar komplizierte Entscheidung analytics Systeme verwenden Rückgespräch, um Tätigkeiten in der Realzeit zu justieren. Ein Beispiel von diesem würde ein Automobilunfallvermeidung System sein, das Ihren Abstand und schließende Geschwindigkeit zu einem Gegenstand überwacht und dann die Bremsen nach und nach anwendet, um einen Unfall zu verhindern. Alle diese Realzeitbeispiele beziehen eine Teilmenge Fähigkeiten mit ein, die in unser Entscheidung analytics Bezugsmodell Resident sind.

The Internet of things (IoT) is going to be very effective at connecting people and “things,” whereby a thing is an electro-mechanical device that could range from a simple sensor to an intelligent micro-processor enabled device. The utility of the IoT will be derived from its support for all person/system interactions patterns. The most interesting of these patterns will include system to person and system to system. The system to person interaction pattern will present a person with opportunities or concerns that warrant her attention. The system to system interaction pattern will need to unfold in an as-of-yet undefined way but will likely involve gateways for gathering and consolidating domain-specific information and new communication architectures, some of which will mimic high-level architecture (HLA) that was developed by the Department of Defense.

Das Internet der Sachen (IoT) wird an anschließenden Leuten und „an den Sachen sehr wirkungsvoll sein,“, hingegen eine Sache eine elektromechanische Vorrichtung ist, die von einem einfachen Sensor bis zu einer intelligenter Mikroprozessor ermöglichten Vorrichtung reichen könnte. Das Dienstprogramm des IoT wird von seiner Unterstützung für alle Person-/Systemsinteraktionen Muster abgeleitet. Das interessanteste dieser Muster schließt System zur Person und System zum System ein. Das System zum Personinteraktion Muster stellen eine Person mit Gelegenheiten oder die Interessen dar, die ihre Aufmerksamkeit gewährleisten. Das System zum System Interaktion Muster muß, in wie-von-schon unbestimmter Weise ausbreiten aber bezieht wahrscheinlich Einfahrten für die Erfassung und das Vereinigen der Gebiet-spezifischen Informationen und der neuen Kommunikation Architektur mit ein, von denen einige hochqualifizierte Architektur (HLA) nachahmt die durch das Verteidigungsministerium entwickelt wurde.

The decision analytics reference model is important because it not only identifies the significant role of analytics in decisioning, but also provides the necessary context for describing the decision analytics continuum.

Das Entscheidung analytics Bezugsmodell ist- wichtig, weil es nicht nur die bedeutende Rolle von analytics beim Decisioning kennzeichnet, aber stellt auch den notwendigen Kontext für das Beschreiben des Entscheidung analytics Kontinuums zur Verfügung.

The Decision Analytics Continuum

Das Entscheidung Analytics Kontinuum

The decision analytics continuum was born out of a need to help organizations understand the various analytic techniques that they can employ to support or improve decisioning. The principles of the decision analytics reference model are to provide a generalized decision making model that also emphasizes the importance of decision improvement. This ensures continued relevance of the decision model given a changing environment and creates opportunity for vendors that deliver these capabilities and enterprises that leverage these capabilities effectively. Opportunity in this context is defined as:

Das Entscheidung analytics Kontinuum wurde aus einer Notwendigkeit heraus, Einteilungen zu helfen die, verschiedenen analytischen Techniken zu verstehen getragen, die sie einsetzen können, um das Decisioning zu stützen oder zu verbessern. Die Grundregeln des Entscheidung analytics Bezugsmodells sind-, ein generalisiertes Beschlußfassung Modell zur Verfügung zu stellen, das auch den Wert der Entscheidung Verbesserung hervorhebt. Dieses stellt anhaltende Bedeutung des Entscheidung Modells sicher, das ein änderndes Klima gegeben wird und verursacht Gelegenheit für Verkäufer, die diese Fähigkeiten und Unternehmen entbinden, die diese Fähigkeiten effektiv wirksam einsetzen. Gelegenheit in diesem Kontext wird wie definiert:

Greater precision in responding to needs.

Grössere Präzision bei der Reaktion auf Notwendigkeiten.

Faster understanding of changing conditions, which encourages innovation.

Schnelleres Verständnis der ändernden Bedingungen, das Innovation anregt.

Improved operational efficiency due to more comprehensive understanding and rendering of organizational activities.

Verbesserte funktionsfähige Leistungsfähigkeit passend zum kompletteren Verständnis und zur übertragung der organisatorischen Tätigkeiten.

Better decision making.

Bessere Beschlußfassung.

Improved time to decision/action.

Verbesserte Zeit zur Entscheidung/zur Tätigkeit.

Now that we have established the importance of decisioning and the framework for decision improvement, we can explore differing analytic techniques to support decisioning. When we examine what analytic techniques support decisioning, it is useful to select criteria that will allow us to categorize these analytic capabilities. Four criteria have significant relevance in this task and include the following:

Nun da wir den Wert von Decisioning und den Rahmen für Entscheidung Verbesserung hergestellt haben, können wir unterscheidene analytische Techniken erforschen, um das Decisioning zu stützen. Wenn wir überprüfen, welche analytische Techniken das Decisioning stützen, ist es nützlich, Kriterien vorzuwählen, die uns erlauben, diese analytischen Fähigkeiten zu kategorisieren. Vier Kriterien haben bedeutende Bedeutung in dieser Aufgabe und schließen das folgende mit ein:

1. Decision Scope. Decision scope refers to how focused the decision is as measured by the cardinality of its alternatives or intended audience. Course-grained decisions are ones that have few choices and apply to only a few market segments (large groups). Fine-grained decisions can have many possible choices and apply to many market segments (such as markets of one).

1. Entscheidung Bereich. Entscheidung Bereich bezieht sich, auf wie fokussiert der Entscheidung ist, wie durch die Kardinalität seiner Alternativen oder beabsichtigten Publikum gemessen. Kurs-gekörnte Entscheidungen sind eine, die wenige Wahlen haben und auf nur einige Marktsegmente zutreffen (große Gruppen). Feinkörnige Entscheidungen können viele mögliche Wahlen haben und auf viele Marktsegmente zutreffen (wie Märkte von einem).

2. Decision Execution. Decision execution refers to how much is known about the decision outcome. Deterministic decisions are ones where a particular set of stimuli always lead to the same decision. Non-deterministic decision outcomes vary based on accumulated knowledge at the time of the decision.

2. Entscheidung Durchführung. Entscheidung Durchführung bezieht sich, auf wieviel über das Entscheidung Resultat bekannt. Deterministische Entscheidungen sind eine, wo ein bestimmter Satz Anregungen immer zu die gleiche Entscheidung führen. Non-deterministische Entscheidung Resultate verändern sich gegründet auf angesammeltem Wissen zu der Zeit der Entscheidung.

3. Decision Uncertainty. Uncertainty is a cornerstone of modern statistics. Analytical techniques enable us to evaluate past and present decisions as well as gain insight into how actions may influence future decisions. Since the future is not certain, understanding and quantifying the likelihood of a future event is useful to support future decision making. Collaborative decisioning, Bayesian statistics, and adaptive systems all should or do factor uncertainty into their decision making activities.

3. Entscheidung Ungewißheit. Ungewißheit ist ein Grundstein der modernen Statistiken. Analytische Techniken ermöglichen uns, auszuwerten die letzten und anwesenden Entscheidungen sowie Gewinneinblick in, wie Tätigkeiten zukünftige Entscheidungen beeinflussen können. Seit der Zukunft ist nicht sicher und versteht und die Wahrscheinlichkeit eines zukünftigen Falls quantitativ zu bestimmen ist nützlich, zukünftige Beschlußfassung zu stützen. Das gemeinschaftliche Decisioning, die bayesischen Statistiken und die anpassungsfähigen Systeme alle sollten oder Faktorungewißheit in ihre Beschlußfassung Tätigkeiten zu tun.

4. Decision Complexity. Decision complexity is driven by the number of factors that must be jointly considered when making a decision. The greater the number of factors (or variables) the more potential outcomes and the more complicated it is to make a decision.

4. Entscheidung Kompliziertheit. Entscheidung Kompliziertheit wird durch die Zahl Faktoren gefahren, die gemeinsam betrachtet werden müssen, wenn man eine Entscheidung trifft. Das grösser die Zahl Faktoren (oder Variablen) die möglicheren Resultate und ist sie, eine Entscheidung zu treffen das schwieriger.

Decision scope and decision complexity are closely related. Course-grained decisions tend to have less complexity and fine-grained decisions tend to have much higher complexity. Decision execution and decision uncertainty also are closely related. Deterministic decisions operate with little or no uncertainty because they are well understood. Non-deterministic decisions, which are influenced by what information is known at the point of decision, tend to have far more uncertainty regarding the stability or consistency of their outcomes. Figure 6 segments the decision analytics capabilities into nine categories and positions them in a framework based on the four criteria.

Entscheidung Bereich und Entscheidung Kompliziertheit werden nah bezogen. Kurs-gekörnte Entscheidungen neigen, weniger Kompliziertheit und feinkörnige Entscheidungen neigen zu lassen, viel höhere Kompliziertheit zu haben. Entscheidung Durchführung und Entscheidung Ungewißheit auch werden nah bezogen. Deterministische Entscheidungen funktionieren mit weniger oder keiner Ungewißheit, weil sie gut verstanden werden. Non-deterministische Entscheidungen, die beeinflußt werden durch, welche Informationen im Augenblick der Entscheidung bekannt, neigen, weit mehr Ungewißheit betreffend ist die Stabilität oder die übereinstimmung ihrer Resultate zu haben. Tabelle 6 segmentiert die Entscheidung analytics Fähigkeiten in neun Kategorien und bringt sie in einem Rahmen in position, der auf den vier Kriterien basiert.

Figure 6. The Decision Analytics Continuum

Source: Enterprise Strategy Group, 2014.

Figure 6 identifies nine analytic categories that support decision analytics. These categories are described as follows:

Tabelle 6 kennzeichnet neun analytische Kategorien, die Entscheidung analytics stützen. Diese Kategorien werden beschrieben, wie folgt:

Conditional. The conditional analytic category contains algebraic expressions combining Boolean operators that express decision rules that typically take the form of “if x then y else z” or “when j then k else l.” They are highly effective at describing and automating decision processes. Conditional logic forms the basis for business rule management systems (BRMS), which can render these relationships in multiple forms (decision rules, decision tables, and decision trees). Conditional logic that is event-based provides additional support for temporal constructs of the “when j then k else l” form. Conditional logic is often combined with other analytical techniques to quantify or refine a decision, providing powerful and flexible support for decisioning.

Bedingt. Die bedingte analytische Kategorie enthält die algebraischen Ausdrücke, die Boolesche Operatoren kombinieren, die ausdrückliche Entscheidung anordnet, dem gewöhnlich die Gestalt von „wenn x dann y sonst z“ oder „annehmen Sie, wenn J dann k sonst L.“ sie am Beschreiben und am Automatisieren von Entscheidung Prozessen in hohem Grade wirkungsvoll sind. Bedingte Logik bildet die Grundlage für Geschäftsprinzip-Managementsysteme (BRMS), die diese Verhältnisse in den mehrfachen Formen (Entscheidung Richtlinien, Entscheidungstabellen und Entscheidung Bäume) übertragen können. Bedingte Logik, die Fall-gegründet wird, gibt zusätzliche Unterstützung für zeitliches Konstruieren von „wenn J dann k sonst L“ Form. Bedingte Logik wird häufig mit anderen analytischen Techniken kombiniert, um eine Entscheidung quantitativ zu bestimmen oder zu verfeinern und gibt leistungsfähige und flexible Unterstützung für das Decisioning.

Algorithmic. The conditional analytic category uses algebraic equations that leverage known variables and constants to create new variables. Algorithmic expressions are immensely powerful. Expressions can include transformations, reclassifications, aggregations, and functions.

Algorithmisch. Die bedingte analytische Kategorie verwendet algebraische Gleichungen, die bekannte Variablen und Konstanten wirksam einsetzen, um neue Variablen zu verursachen. Algorithmische Ausdrücke sind unermeßlich leistungsfähig. Ausdrücke können Umwandlungen, Reklassifikationen, Anhäufungen und Funktionen einschließen.

Correlative. The conditional analytic category is a statistical technique that describes the strength of a relationship or dependency between variables. Simple forms of relationship analysis can include sentiment analysis or text analytics.

Korrelativ. Die bedingte analytische Kategorie ist eine statistische Technik, die die Stärke eines Verhältnisses oder der Abhängigkeit zwischen Variablen beschreibt. Einfache Formen der Beziehungsanalyse können Gefühlanalyse oder Text analytics mit einschließen.

Optimized. Optimization is typically the maximization or minimization of an objective function subject to goals and constraints. Optimization is important because it provides a method to achieve the best possible outcome given the resources currently available.

Optimiert. Optimierung ist gewöhnlich die höchste Steigerung oder die Reduzierung einer Zielfunktion abhängig von Zielen und Begrenzungen. Optimierung ist wichtig, weil sie eine Methode liefert, um das bestmögliche Resultat zu erzielen, welches die zur Zeit verfügbaren Betriebsmittel gegeben wird.

Discrete. Discrete choice and conjoint analysis are survey-based research techniques that effectively reflect respondent preferences for a particular set of capabilities. Preferences are normalized and quantified, making them useful in understanding the relative strength of alternatives and the elasticity of demand. Survey execution also emulates the buying process, which improves data quality.

Getrennt. Getrennte Wahl und verbundene Analyse sind überblicken-gegründete Forschung Techniken, die effektiv Antwortendpräferenzen für einen bestimmten Satz Fähigkeiten reflektieren. Die Präferenzen werden normalisiert und quantitativ bestimmt und bilden sie nützlich, wenn man die relative Stärke von Alternativen und die Elastizität der Nachfrage versteht. Übersicht Durchführung emuliert auch den kaufenden Prozeß, der Datenqualität verbessert.

Collaborative. Collaboration is generally a more qualitative approach to decisioning, which evaluates the contributions of various constituencies including: those people who are in your circle of trust, critics, friends, and everyone else. A wide number of collaborative techniques exists. Participant contributions can be weighted; decisions can be single pass, Delphi, or stepwise; decisions can be relative or absolute; and decisions can be made by consensus, majority, plurality, committee, or autocratically.

Gemeinschaftlich. Zusammenarbeit ist im Allgemeinen eine qualitativere Annäherung zum Decisioning, das die Beiträge der verschiedenen Wahlkreise einschließlich auswertet: jene Leute, die in Ihrem Kreis des Vertrauens, Kritiker, Freunde sind und jeder sonst. Eine breite Anzahl von gemeinschaftlichen Techniken besteht. Teilnehmerbeiträge können belastet werden; Entscheidungen können einzelner Durchlauf, Delphi sein oder stufenweise; Entscheidungen können relativ oder absolut sein; und Entscheidungen können durch übereinstimmung, Majorität, Mehrzahl, Ausschuß getroffen werden oder autocratically.

Predictive. Predictive analytics leverages known data, relationships, and patterns to make predictions about future events. Results are sensitive to the quantity of known data and how this data is distributed.

Vorbestimmt. Vorbestimmtes analytics setzt bekannte Daten, Verhältnisse und Muster wirksam ein, um Vorhersagen über zukünftige Fälle zu bilden. Resultate sind für die Quantität der bekannten Daten empfindlich und wie diese Daten verteilt werden.

Bayesian. Bayesian analytics enable us to understand the impact that conditional probabilities have on an outcome. Bayesian inference embraces uncertainty and develops probabilities that provide an unbiased and rational way to quantify the likelihood of an outcome or series of outcomes.

Bayesisch. Bayesisches analytics ermöglichen uns, die Auswirkung zu verstehen, die bedingte Wahrscheinlichkeiten auf einem Resultat haben. Bayesische Folgerung umfaßt Ungewißheit und entwickelt Wahrscheinlichkeiten, die eine unparteiische und rationale Weise liefern, die Wahrscheinlichkeit eines Resultates oder der Reihe Resultate quantitativ zu bestimmen.

Adaptive. Adaptive systems (or complex adaptive systems) represent the frontier of decision analytics. Adaptive systems combine predictive, Bayesian analytics, economic models, and learning to govern and anticipate how to best respond to a changing environment. The challenging aspect of adaptive systems is finding new decision rules to improve operational outcomes in a changing environment while simultaneously minimizing risk.

Anpassungsfähig. Anpassungsfähige Systeme (oder komplizierte anpassungsfähige Systeme) stellen die Grenze von Entscheidung analytics dar. Anpassungsfähige Systeme kombinieren vorbestimmtes, bayesisches analytics, ökonomische Modelle, und erlernend, zu regeln und vorwegzunehmen, wie auf gut auf ein änderndes Klima reagieren Sie. Der schwierige Aspekt der anpassungsfähigen Systeme findet neue Entscheidung Richtlinien, um funktionsfähige Resultate in einem ändernden Klima bei Gefahr gleichzeitig herabsetzen zu verbessern.

The categories presented in the decision analytics continuum are generally mutually exclusive but selectively employed together to address decisioning.

Die Kategorien stellten sich im Entscheidung analytics Kontinuum sind im Allgemeinen gegenseitig Exklusives aber selektiv zusammen beschäftigt, um das Decisioning zu adressieren dar.