The Decision Analytics Reference Model
Chapter Outline Show
 
Remove Translation Translation
Original Text

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.

La plupart d'entre nous est confortable avec prendre des décisions. C'est bon parce que chacun de nous des marques un nombre incalculable de décisions journalières. Les décisions les plus intéressantes et les plus complexes que nous prenons sont des décisions volontaires où nous pouvons appliquer la discrétion dans pourquoi, comment, et quelles décisions sont prises. Cependant, ce serait une erreur pour ignorer le fait que nous rendons également un immense nombre des décisions involontaires journalier. Ceux-ci s'étendent des décisions en grande partie indépendantes de notre volonté comme les signaux électriques qui sont évalués par notre CNS et font battre notre coeur au comportement réfléchi (enlevez votre main d'un fourneau chaud) et au comportement finalement instruit (ne touchez pas un fourneau chaud). Le modèle commun qui unit tous ces comportements est théorie de stimulus-réponse (SR). Le schéma 1 montre un schéma du modèle de SR. Dans ce modèle de SR, l'activité de sens identifie un changement de l'environnement. Ce changement est un déclenchement, un événement, ou un changement d'état simple. L'activité d'acte est une mesure prise en réponse à une sensation particulière.

Figure 1. Stimulus-response Model
Figure 1. Stimulus-response Model

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.

Tandis que la théorie de SR est conceptuellement simple, elle soulève une question au sujet de ce qui se produit quand un choix peut être fait concernant quelle action à prendre. Tôt la pensée sur la matière de l'architecture entraînée par les événements a imité le SR traitant en ayant des événements directement liés aux actions. Tandis que cette approche est extrêmement efficace, elle est également fragile, qui limite son utilité dans d'aujourd'hui IL environnement où des applications doivent être machinées pour le changement et donc légèrement connecté. Sans capacité de soutenir un niveau d'adressage indirect entre le sens et l'acte, il n'y a aucune manière d'adapter facilement au changement. En présentant un noeud de décision entre la sensation et l'action, nous avons maintenant la séparation claire des soucis et la flexibilité de lier n'importe quel événement sensoriel avec n'importe quelle action, suivant les indications du schéma 2. Ceci nous permet de nous référer à ce modèle modifié de SR comme modèle de décision.

Figure 2. Decision Model
Figure 2. Decision Model

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:

En présentant un noeud de décision, nous tenons compte de différents types de décisions. Ce modèle plus robuste peut également émuler un modèle de SR simplement toujours en choisissant la même action ou défaut de la décision (telle que la clause « d'autre » dans une expression) « si-alors-d'autre ». Cependant, la valeur de ce modèle de décision est qu'elle identifie cela :

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

Il y a un découplage entre la sensation et action, et des actions sont régies par des décisions.

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

L'existence des actions alternatives de concurrence à un ensemble particulier de stimulus signifient qu'un procédé de décision est nécessaire.

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

Un procédé de décision doit tenir compte que les stimulus disponibles peuvent ne pas être suffisants ou assez détail pour clarifier quelle action à prendre.

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

Les résultats, les actions, et l'impact de décision peuvent être utiles en influençant de futures décisions.

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

La capacité d'aligner les stimulus spécifiques avec une action particulière par une décision fournit la flexibilité et la régularité.

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

L'acte de decisioning est complexe et beaucoup de techniques peuvent aider au processus décisionnel.

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.

En dépit de l'importance des décisions, nous vivons dans un monde d'action et processus-central. Les décisions déterminent l'utilité potentielle à gagner, mais les actions sont ce qui utilité cinétique d'entraînement ou utilité identifiée. Les actions (ou le comportement) sont ce qui définissent et différencient une entreprise. Puisque des actions peuvent être directement attachées à l'utilité, il est facile d'écarter l'importance de decisioning. Cependant, aucune mesure ne devrait jamais être prise à moins que précédé par une décision. Decisioning est où le contexte, les solutions de rechange, l'utilité potentielle, les objectifs, les contraintes, et les différences sont évalués et une action prochain-basée est déterminée. Par conséquent, le soutien de decisioning complet est critique parce que la décision est où le choix est fait entre les actions de concurrence. Ce choix peut avoir l'impact durable particulièrement s'il est stratégique et ceci également des moyens que les décisions peuvent avoir des conséquences significatives, positif et négatif. En conséquence, les organismes voudront prendre toujours les meilleures décisions qui elles bidon afin de maximiser l'avantage et réduire au minimum le risque au-dessus d'un certain horizon de temps.

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.

Quelques décisions sont simples et certains sont complexes. Les décisions stratégiques de complexe sont souvent larges dans la portée, haut dans le risque, peu nombreux, et difficile à automatiser, et accroissent des entrées de beaucoup de sources. Les décisions tactiques simples sont typiquement l'opposé ; limité dans la portée, exigez peu d'entrées, soyez bas dans le risque, soyez grand en nombre, et facile à automatiser. À mesure que les décisions augmentent dans la complexité, fait tellement aussi le besoin de l'analytics de soutenir le processus décisionnel. Le point est que le modèle de décision peut être prolongé pour inclure une activité d'analyse où la levée lourde des solutions de rechange de évaluation est effectuée avant de decisioning. Le schéma 3 présente ceci comme modèle d'analytics de décision.

Figure 3. Decision Analytics Model
Figure 3.  Decision Analytics Model

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.

La séparation analysent de décident a des avantages distincts. L'avantage primaire est une séparation des soucis. L'activité d'analyse est concentrée sur l'arrangement, mesurant, et normalisant des solutions de rechange de sorte qu'une décision raisonnable et au courant puisse être prise. Il convient noter que ce modèle d'analytics de décision n'énonce aucune condition concernant la latence. Tandis que les modèles de SR ont typiquement une orientation en temps réel distincte, ce n'est pas la caisse pour tous les modèles de décision et d'analytics de décision. Non toutes les décisions qui exigent l'analyse peuvent ou doivent être poursuivies en temps réel. Il y a, cependant, une emphase croissante dessus et la tendance vers l'analytics en temps réel de décision, ainsi adoption des architectures d'application qui soutiennent l'analytics en temps réel de décision est appropriée bien que non toutes les décisions doivent être prises en temps réel.

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.

Quand nous évaluons le modèle d'analytics de décision sur le schéma 3, il est évident que nous puissions nous améliorer sur ce modèle de plusieurs manières. L'activité de sens peut être améliorée si nous indiquons explicitement que le rôle entier d'une activité de découverte est de considérer la pertinence de nouveaux et différents types des événements et de déclenchements qui auront un impact sur decisioning. L'activité d'analyse tire bénéfice également d'une activité d'enrichissement qui améliore l'arrangement du contexte, des solutions de rechange, et de l'information additionnelle liée à decisioning. L'activité de décider tire bénéfice également d'un arrangement de la politique exprimé par les objectifs et les contraintes qui régissent decisioning. Le schéma 4 s'améliore sur le modèle d'analytics de décision en s'ajoutant découvrent, enrichissent, et ont placé les activités de buts, qui déplacent le modèle vers un véritable modèle de référence pour l'analytics de décision.

Figure 4. Toward a Decision Analytics Reference Model
Figure 4.  Toward a Decision Analytics Reference Model

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.

Le découvrir, enrichissent, et des activités de buts d'ensemble sont classifiées sur le schéma 4 en tant qu'activités de « pré-décision ». les activités de Pré-décision améliorent le sens et analysent des activités en permettant une analyse plus complète des événements, de l'information, et des facteurs qui influenceront la décision. Ces activités de pré-décision améliorent également l'activité de décider en définissant des objectifs et l'apriori politique-orientés de contraintes. Les objectifs sont des buts prévus pour former des décisions de sorte qu'une organisation ait les cibles qu'elle aspire pour réaliser. Les contraintes sont des buts prévus pour former des décisions de sorte qu'une organisation fonctionne dans les limites qui réduiront au minimum son exposition de risque légalement, financièrement, ou moralement.

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.

Ces activités de pré-décision sont une première étape en apportant un cycle de vie à l'analytics de décision. les activités de Pré-décision ont des rapports bi-directionnels forts avec decisioning analytique en raison de leur foyer sur l'amélioration de décision et l'appui qu'elles peuvent fournir avant de decisioning. En outre, par conséquent, un ensemble séparé d'activités de poste-décision accomplissent la boucle de rétroaction. Le schéma 5 présente ces activités de poste-décision.

Figure 5. Decision Analytics Reference Model
Figure 5.  Decision Analytics Reference Model

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:

Les activités de poste-décision sur le schéma 5 se composent évaluent, apprennent, et ajustent des activités. L'intention de l'activité d'évaluation est d'évaluer l'utilité produite par une activité d'acte et de la comparer à l'utilité désirée comme définie par l'activité de buts d'ensemble. L'activité d'étude est les possibilités pour se rappeler le rendement de l'activité d'évaluation. Les facteurs d'activité d'évaluation aussi ce qui a été appris dans ses évaluations de sorte que l'utilité de l'action courante puisse également être comparée aux actions passées. Le rôle de l'activité d'ajustement est de considérer les buts, décisions, actions, et ce qui a été appris pour améliorer l'exécution en changeant les déclenchements, les événements, l'analyse, et les décisions. L'activité d'ajustement est où la boucle est fermée comme dans un système de boucle bloquée. L'activité d'ajustement est également l'une des activités les plus complexes qui existe dans ce système. C'est parce que changeant les actions de changements de politique et de décisions, qui auront un impact différent que cela auquel l'organisation est accoutumée. Change en la politique qu'on s'attend à ce que des erreurs correctes augmentent l'utilité. Cependant, les changements à la politique à la recherche du revenu supplémentaire sont plus provocants et doivent être évalués plus soigneusement pour s'assurer que le retour est supérieur au risque. Les modèles sont très efficaces au risque de évaluation et renvoient et peuvent être incorporés dans l'ajustement ou analyser des activités. Un résumé de pré et les activités de poste-décision est comme suit :

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

La découverte est l'identification des événements, des objets, des situations, et des rapports qui concerneront decisioning.

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

L'enrichissement est le processus d'incorporer le contenu a apprêté dans le procédé de découverte dans le processus décisionnel.

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

Le fixation des objectifs est les spécifications des objectifs pour guider le processus décisionnel.

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

L'évaluation est le processus d'évaluer l'impact de la mesure prise.

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

L'étude est l'acte d'acquérir le détail de la connaissance aux décisions prises et aux mesures prises.

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

L'ajustement est l'acte d'appliquer la connaissance gagné à partir de l'apprentissage pour améliorer le procédé de décision.

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.

Il est important de noter que tandis que nous avons identifié la pré-décision et les activités de poste-décision, nous n'ont fait aucune réclamation concernant des conditions temporelles pour l'analytics de décision. Nous, cependant, nous attendons à une grande variété de cas d'utilisation dépendant des techniques analytiques utilisées que gamme d'en différé à l'analytics en temps réel de décision.

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.

Le schéma 5 est marqué comme modèle de référence d'analytics de décision. La raison de ceci est que ce modèle capture les activités et les rapports principaux qui devraient exister dans n'importe quelle organisation qui prévoit pour adresser decisioning analytique largement et efficacement. Ce modèle de référence d'analytics de décision se concentre principalement sur decisioning et comment accroissant l'analytics pour faire l'appui et pour améliorer decisioning. Le modèle de référence d'analytics de décision signifie également que la considération doit être donnée à l'architecture d'application. S'il y a une prétention que quelques activités d'analytics de décision doivent être soutenues en temps réel, puis des événements, la transmission de messages, l'état, la poussée, et la mobilité doivent être factorisés dans la conception de système.

Real-time Decisioning and the Internet of Things

Decisioning en temps réel et l'Internet des choses

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.

Decisioning en temps réel est un domaine important d'investissement pour beaucoup d'entreprises. L'infrastructure est maintenant mise en place pour capturer les flux de données en temps réel, pour analyser ces données, et pour prendre des décisions en temps réel. Les exemples des systèmes en temps réel sont partout. Les systèmes en temps réel simples sont des systèmes de SR tels qu'un système d'alarme à la maison. Des systèmes plus sophistiqués d'analytics de décision événement-sont basés et exécutent une certaine analyse avant de prendre une décision quant à quelle action à prendre. Un exemple de ceci serait le contrôle de magasin d'épicerie, qui produit des bons basés sur vos achats et fréquence des visites. Les systèmes bien plus complexes d'analytics de décision emploient la rétroaction pour ajuster des actions en temps réel. Un exemple de ceci serait un système des véhicules à moteur d'action d'éviter d'accidents, qui surveille votre distance et vitesse de fermeture à un objet et puis applique les freins progressivement pour empêcher un accident. Tous ces exemples en temps réel impliquent un sous-ensemble de possibilités résidentes dans notre modèle de référence d'analytics de décision.

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.

L'Internet des choses (IoT) va être très efficace aux personnes se reliantes et aux « choses, » par lequel une chose soit un dispositif électromécanique qui pourrait s'étendre d'une sonde simple à un dispositif permis par microprocesseur intelligent. L'utilité de l'IoT sera dérivée de son soutien de tous les modèles d'interactions de personne/système. Le plus intéressant de ces modèles inclura le système à la personne et le système au système. Le système au modèle d'interaction de personne présentera une personne avec des occasions ou les soucis qui justifient son attention. Le système au modèle d'interaction de système devra dévoiler dans comme--encore de la manière non définie mais impliquera probablement des passages pour recueillir et consolider l'information domaine-spécifique et de nouvelles architectures de communication, certains dont imitera l'architecture à niveau élevé (HLA) qui a été développée par le département de la défense.

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.

Le modèle de référence d'analytics de décision est important parce qu'il identifie non seulement le rôle significatif de l'analytics dans decisioning, mais fournit également le contexte nécessaire pour décrire le continuum d'analytics de décision.

The Decision Analytics Continuum

Le continuum d'Analytics de décision

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:

Le continuum d'analytics de décision a été soutenu hors d'un besoin d'aider des organismes à comprendre les diverses techniques analytiques qu'elles peuvent utiliser pour soutenir ou améliorer decisioning. Les principes du modèle de référence d'analytics de décision sont de fournir un modèle généralisé de prise de décision qui souligne également l'importance de l'amélioration de décision. Ceci assure la pertinence continue du modèle de décision donné un environnement en cours d'évolution et crée l'occasion pour les fournisseurs qui fournissent ces possibilités et entreprises qui accroissent ces possibilités efficacement. L'occasion dans ce contexte est définie comme :

Greater precision in responding to needs.

Une plus grande précision en répondant aux besoins.

Faster understanding of changing conditions, which encourages innovation.

Un arrangement plus rapide des conditions changeantes, qui encourage l'innovation.

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

Efficacité opérationnelle améliorée due à un arrangement et à un rendu plus complets des activités d'organisation.

Better decision making.

Une meilleure prise de décision.

Improved time to decision/action.

Temps amélioré à la décision/à action.

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:

Maintenant que nous avons établi l'importance de decisioning et le cadre pour l'amélioration de décision, nous pouvons explorer des techniques analytiques différentes pour soutenir decisioning. Quand nous examinons quelles techniques analytiques soutiennent decisioning, il est utile de choisir les critères qui nous permettront de classer ces possibilités analytiques. Quatre critères font inclure la pertinence significative en cela charger et ce qui suit :

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. Portée de décision. La portée de décision se rapporte à comment focalisé la décision est comme mesuré par la cardinalité de ses solutions de rechange ou assistances prévues. les décisions Cours-granuleuses sont ceux qui ont peu de choix et s'appliquent seulement à quelques segments du marché (grands groupes). Les décisions à grain fin peuvent avoir beaucoup de choix possibles et s'appliquer à beaucoup de segments du marché (tels que des marchés d'un).

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. Exécution de décision. L'exécution de décision se rapporte à combien est connu au sujet des résultats de décision. Les décisions déterministes sont ceux où un ensemble particulier de stimulus mènent toujours à la même décision. Les résultats non déterministes de décision changent basé sur la connaissance accumulée à l'heure de la décision.

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. Incertitude de décision. L'incertitude est une pierre angulaire des statistiques modernes. Les techniques analytiques nous permettent d'évaluer des décisions passées et présentes aussi bien que la perspicacité de gain dans la façon dont les actions peuvent influencer de futures décisions. Depuis le futur n'est pas sûr, l'arrangement et la mesure de la probabilité d'un futur événement est utile pour soutenir la future prise de décision. Decisioning de collaboration, statistiques bayésiennes, et systèmes adaptatifs tous devraient ou faire l'incertitude de facteur dans leurs activités de prise de décision.

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. Complexité de décision. La complexité de décision est conduite par le nombre de facteurs qui doivent être conjointement considérés en prenant une décision. Plus le nombre de facteurs (ou de variables est grand) les résultats plus potentiels et plus il est de prendre une décision plus compliqué.

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.

La portée de décision et la complexité de décision sont étroitement liées. les décisions Cours-granuleuses tendent à faire tendre moins de complexité et de décisions à grain fin à avoir une complexité beaucoup plus élevée. L'incertitude d'exécution de décision et de décision également sont étroitement liées. Les décisions déterministes fonctionnent avec peu ou pas d'incertitude parce qu'elles sont bien comprises. Les décisions non déterministes, qui sont influencées par quelle information est connue au moment où la décision, tendent à avoir bien plus d'incertitude concernant la stabilité ou la régularité de leurs résultats. Le schéma 6 segmente les possibilités d'analytics de décision dans neuf catégories et les place dans un cadre basé sur les quatre critères.

Figure 6. The Decision Analytics Continuum
Figure 6.  The Decision Analytics Continuum

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

Le schéma 6 identifie neuf catégories analytiques qui soutiennent l'analytics de décision. Ces catégories sont décrites comme suit :

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.

Conditionnel. La catégorie analytique conditionnelle contient des expressions algébriques combinant les opérateurs booléens que la décision exprès règne dont prenez typiquement la forme « si x puis y z d'autre » ou « quand j alors k L. d'autre » ils sont hautement efficace à décrire et à automatiser des procédés de décision. La logique conditionnelle forme la base pour les systèmes de gestion de principe économique (BRMS), qui peuvent rendre ces rapports sous les formes multiples (règles de décision, tables de décision, et arbres de décision). La logique conditionnelle qui événement-est basée fournit l'appui additionnel pour les construire temporels avec du « quand j puis k l d'autre » forme. La logique conditionnelle est souvent combinée avec d'autres techniques analytiques pour mesurer ou raffiner une décision, fournissant l'appui puissant et flexible pour 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.

Algorithmique. La catégorie analytique conditionnelle emploie les équations algébriques qui accroissent des variables et des constantes connues pour créer de nouvelles variables. Les expressions algorithmiques sont immensément puissantes. Les expressions peuvent inclure des transformations, des reclassifications, des agrégations, et des fonctions.

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.

Corrélatif. La catégorie analytique conditionnelle est une technique statistique qui décrit la force d'un rapport ou d'une dépendance entre les variables. Les formes simples d'analyse de rapport peuvent inclure l'analyse de sentiment ou l'analytics des textes.

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.

Optimisé. L'optimisation est sujette typiquement la maximisation ou la minimisation d'une fonction objective aux buts et à des contraintes. L'optimisation est importante parce qu'elle fournit une méthode pour réaliser les meilleurs résultats donnés les ressources actuellement disponibles.

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.

Discret. Le choix discret et l'analyse conjointe sont des techniques examiner-basées de recherches qui reflètent efficacement des préférences de répondant pour un ensemble particulier de possibilités. Des préférences sont normalisées et mesurées, rendant leur utiles dans l'arrangement la force relative des solutions de rechange et l'élasticité de la demande. L'exécution d'aperçu émule également le processus achetant, qui améliore la qualité de données.

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.

De collaboration. La collaboration est généralement une approche plus qualitative à decisioning, comprenant lequel évalue les contributions de divers collèges électoraux : ces gens qui sont en votre cercle de confiance, critiques, amis, et chacun autrement. Un nombre large de techniques de collaboration existe. Des contributions de participant peuvent être pesées ; les décisions peuvent être passage simple, Delphes, ou par étapes ; les décisions peuvent être relatives ou absolues ; et des décisions peuvent être prises par consensus, majorité, pluralité, comité, ou autocratiquement.

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.

Prédictif. L'analytics prédictif accroît des données, des rapports, et des modèles connus pour faire des prévisions au sujet de futurs événements. Les résultats sont sensibles à la quantité de données connues et comment ces données sont distribuées.

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.

Bayésien. L'analytics bayésien nous permettent de comprendre l'impact que les probabilités conditionnelles ont sur des résultats. L'inférence bayésienne embrasse l'incertitude et développe les probabilités qui fournissent une manière impartiale et raisonnable de mesurer la probabilité des résultats ou des séries de résultats.

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.

Adaptatif. Les systèmes adaptatifs (ou les systèmes adaptatifs complexes) représentent la frontière de l'analytics de décision. Les systèmes adaptatifs combinent l'analytics prédictif et bayésien, modèles, et apprenant à régir et prévoir comment à mieux répondez à un environnement en cours d'évolution. L'aspect provocant des systèmes adaptatifs trouve de nouvelles règles de décision pour améliorer des résultats opérationnels dans un environnement en cours d'évolution tout en simultanément réduisant au minimum le risque.

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

Les catégories ont présenté dans le continuum d'analytics de décision sont généralement mutuellement exclusif mais sélectivement utilisé ensemble pour adresser decisioning.