A maioria de nós são confortáveis com fazer decisões. Isto é bom porque cada um de nós makes um número incalculable das decisões diárias. As decisões as mais interessantes e as mais complexas que nós fazemos são as decisões voluntárias onde nós podemos aplicar a discreção em porque, como, e que decisões são feitas. Entretanto, seria um erro para ignorar o fato que nós fazemos também um número immense de decisões involuntary diário. Estes variam das decisões pela maior parte além de nosso controle como os sinais elétricos que são avaliados por nosso CNS e fazem com que nosso coração bata ao comportamento reflexivo (remova sua mão de um fogão quente) e a comportamento finalmente instruído (não toque em um fogão quente). O teste padrão comum que une todos estes comportamentos é teoria da stimulus-resposta (S-R). Figura 1 mostra um diagrama esquemático do modelo do S-R. Neste modelo do S-R, a atividade do sentido reconhece uma mudança no ambiente. Esta mudança é um disparador, um evento, ou uma mudança de estado simples. A atividade do ato é uma ação feita exame em resposta a um sensation particular.

Quando a teoria do S-R for conceptual simples, levanta uma pergunta sobre o que acontece quando uma escolha pode ser feita a respeito de que ação a fazer exame. Cedo pensar no tópico da arquitetura event-driven imitou o S-R que processa tendo os eventos associados diretamente com as ações. Quando esta aproximação for extremamente eficiente, é também frágil, que limita sua utilidade em de hoje ELE ambiente onde as aplicações devem ser projetadas para a mudança e conseqüentemente frouxamente ser acopladas. Sem a abilidade de suportar um nível de ação indireta entre o sentido e o ato, não há nenhuma maneira acomodar fàcilmente a mudança. Introduzindo um nó da decisão entre detetar e agindo, nós temos agora a separação desobstruída dos interesses e a flexibilidade ligar todo o evento sensory com a qualquer ação, como mostrado em figura 2. Isto permite-nos de consultar a este modelo modificado do S-R como um modelo da decisão.

Introduzindo um nó da decisão, nós permitimos tipos diferentes de decisões. Este modelo mais robust pode também emular um modelo do S-R simplesmente sempre escolhendo a mesma ação ou optando pela decisão (tal como a cláusula “outra” em uma expressão “se-então-outra”). Entretanto, o valor deste modelo da decisão é que reconhece aquele:

Há decoupling entre detetar e agir, e as ações são governadas por decisões.

A existência de ações alternativas competindo a um jogo particular dos stimuli significa que um processo de decisão é needed.

Um processo de decisão deve fazer exame no cliente que os stimuli disponíveis não podem ser suficientes ou específico bastante para esclarecer que ação a fazer exame.

Os resultados, as ações, e o impacto da decisão podem ser úteis em influenciar as decisões futuras.

A abilidade de alinhar stimuli específicos com uma ação particular com uma decisão fornece a flexibilidade e a consistência.

O ato de decisioning é complexo e muitas técnicas podem ajudar no processo de tomada de decisão.

Apesar da importância das decisões, nós vivemos em um mundo da ação e o processo-centric. As decisões determinam a utilidade potencial a ser ganhada, mas as ações são que utilidade cinética da movimentação ou utilidade reconhecida. As ações (ou comportamento) são o que definem e diferenciam uma empresa. Porque as ações podem diretamente ser amarradas à utilidade, é fácil demitir a importância do decisioning. Entretanto, nenhuma ação não deve sempre ser feita exame a menos que precedido por uma decisão. Decisioning é o lugar onde o contexto, as alternativas, a utilidade potencial, os objetivos, os confinamentes, e os trade-offs são avaliados e uma ação seguinte-baseada é determinada. Conseqüentemente, a sustentação para decisioning detalhado é crítica porque a decisão é o lugar onde a escolha é feita entre ações competindo. Esta escolha pode ter impacto durável especialmente se for estratégica e esta também meios que as decisões podem ter conseqüências significativas, positivo e negativo. Conseqüentemente, as organizações quererão fazer sempre as decisões melhores possível que elas lata a fim maximize o benefício e minimizar o risco sobre algum horizonte do tempo.

Algumas decisões são simples e algumas são complexas. As decisões estratégicas do complexo são frequentemente largas no espaço, altamente no risco, pouco no número, e difícil de automatizar, e nas entradas da força de alavanca de muitas fontes. As decisões táticas simples são tipicamente o oposto; limitado no espaço, reque poucas entradas, seja baixo no risco, seja grande no número, e fácil de automatizar. Enquanto as decisões aumentam na complexidade, faz assim demasiado a necessidade para o analytics suportar o processo de tomada de decisão. O ponto é que o modelo da decisão pode ser estendido para incluir uma atividade da análise onde levantar pesado de alternativas de avaliação seja executado antes de decisioning. Figura 3 apresenta esta como um modelo do analytics da decisão.

Separar analisa de decide-se tem vantagens distintas. A vantagem preliminar é uma separação dos interesses. A atividade da análise é focalizada em compreender, em quantifying, e em normalizar alternativas de modo que uma decisão racional e informed possa ser feita. Deve-se anotar que este modelo do analytics da decisão não indica nenhumas exigências a respeito da latência. Quando os modelos do S-R tiverem tipicamente uma orientação real-time distinta, esta não é a caixa para todos os modelos da decisão e do analytics da decisão. Não todas as decisões que requerem a análise podem ou necessitam ser perseguidas em real - tempo. Há, entretanto, uma ênfase crescente sobre e a tendência para o analytics real-time da decisão, assim adoption das arquiteturas da aplicação que suportam o analytics real-time da decisão são apropriadas embora não todas as decisões necessitem ser feitas em real - tempo.

Quando nós avaliamos o modelo do analytics da decisão em figura 3, é aparente que nós podemos melhorar neste modelo em diversas maneiras. A atividade do sentido pode ser melhorada se nós especificarmos explicitamente que o papel inteiro de uma atividade da descoberta é considerar a relevância de tipos novos e diferentes de eventos e de disparadores que terão um impacto em decisioning. A atividade da análise beneficia-se também de uma atividade do enriquecimento que melhore a compreensão do contexto, das alternativas, e da informação adicional relacionada a decisioning. A atividade decidir-se beneficia-se também de uma compreensão da política expressada pelos objetivos e pelos confinamentes que governam decisioning. Figura 4 melhora em cima do modelo do analytics da decisão adicionando descobre, enriquece, e ajusta as atividades dos objetivos, que movem o modelo para um modelo verdadeiro da referência para o analytics da decisão.

Descobrir, enriquece, e as atividades dos objetivos do jogo são classificadas em figura 4 como atividades da “pre-decisão”. as atividades da Pre-decisão melhoram o sentido e analisam atividades permitindo uma análise mais detalhada dos eventos, da informação, e dos fatores que influenciarão a decisão. Estas atividades da pre-decisão melhoram também a atividade decidir-se definindo objetivos e o apriori política-orientados dos confinamentes. Os objetivos são objetivos pretendidos dar forma a decisões de modo que uma organização tenha os alvos que aspires conseguir. Os confinamentes são objetivos pretendidos dar forma a decisões de modo que uma organização se opere dentro dos limites que minimizarão sua exposição do risco legalmente, financeira, ou éticamente.

Estas atividades da pre-decisão são uma primeira etapa em trazer um ciclo de vida ao analytics da decisão. as atividades da Pre-decisão têm relacionamentos bidirecionais fortes com decisioning analítico por causa de seu foco na melhoria da decisão e na sustentação que podem fornecer antes de decisioning. Também, conseqüentemente, um jogo separado de atividades da borne-decisão termina o laço de gabarito. Figura 5 introduz estas atividades da borne-decisão.

As atividades da borne-decisão em figura 5 consistem avalíam, aprendem, e ajustam atividades. A intenção da atividade da avaliação é avaliar a utilidade gerada por uma atividade do ato e compará-la com a utilidade desejada como definida pela atividade dos objetivos do jogo. A atividade da aprendizagem é a potencialidade para recordar a saída da atividade da avaliação. Os fatores da atividade da avaliação também o que foi aprendido em suas avaliações de modo que a utilidade da ação atual possa também ser comparada com as ações passadas. O papel da atividade do ajuste é considerar os objetivos, decisões, ações, e o que foi aprendido melhorar o desempenho mudando os disparadores, os eventos, a análise, e as decisões. A atividade do ajuste é o lugar onde o laço é fechado como em um sistema do laço closed. A atividade do ajuste é também uma das atividades as mais complexas que existe neste sistema. Isto é porque mudando as ações das mudanças da política e das decisões, que terão um impacto diferente do que aquela a que a organização é accustomed. Muda à política que os erros corretos se esperam aumentar a utilidade. Entretanto, as mudanças à política na busca do rendimento adicionado são mais challenging e devem ser avaliadas mais com cuidado para assegurar-se de que o retorno compense o risco. Os modelos econômicos são muito eficazes no risco de avaliação e retornam e podem ser incorporados no ajuste ou analisar atividades. Um sumário de pre- e as atividades da borne-decisão são como segue:

A descoberta é a identificação dos eventos, dos objetos, das situações, e dos relacionamentos que terão um rolamento em decisioning.

Enriquecer é o processo de incorporar o índice aplainou no processo da descoberta no processo de tomada de decisão.

Ajustar objetivos é a especificação dos objetivos para guiar o processo de tomada de decisão.

A avaliação é o processo de avaliar o impacto da ação feita exame.

Aprender é o ato de adquirir o específico do conhecimento às decisões feitas e às ações feitas exame.

Ajustar é o ato de aplicar o conhecimento ganho do processo de aprendizagem para melhorar o processo de decisão.

É importante anotar que quando nós identificarmos a pre-decisão e as atividades da borne-decisão, nós não fêz nenhumas reivindicações a respeito das exigências temporal para o analytics da decisão. Nós, entretanto, esperamos uma variedade larga de casos do uso dependendo em cima das técnicas analíticas empregadas que escala de fora de linha ao analytics real-time da decisão.

Figura 5 é etiquetada como o modelo da referência do analytics da decisão. A razão para esta é que este modelo captura as atividades e os relacionamentos chaves que devem existir dentro de toda a organização que pretender se dirigir a decisioning analítico detalhada e eficazmente. Este modelo da referência do analytics da decisão focaliza primeiramente em decisioning e como leveraging o analytics para fazer a sustentação e para melhorar decisioning. O modelo da referência do analytics da decisão significa também que a consideração tem que ser dada à arquitetura da aplicação. Se houver uma suposição que algumas atividades do analytics da decisão devem ser suportadas em real - o tempo, então eventos, messaging, estado, impulso, e mobilidade deve ser fatorado no projeto do sistema.

Decisioning Real-time e o Internet das coisas

Decisioning Real-time é uma área importante de investimento para muitas empresas. O Infrastructure está sendo posto agora no lugar para capturar córregos de dados - tempo, para analisar estes dados, e para fazer decisões em real - no tempo real. Os exemplos de sistemas real-time estão em toda parte. Os sistemas real-time simples são sistemas do S-R tais como um sistema de alarme home. Uns sistemas mais sofisticados do analytics da decisão evento-são baseados e executam alguma análise antes de fazer uma decisão a respeito de que ação a fazer exame. Um exemplo deste seria a verificação geral da loja do mantimento, que gera os coupons baseados em suas compras e freqüência das visitas. Os sistemas ainda mais complexos do analytics da decisão usam o gabarito ajustar ações em real - tempo. Um exemplo deste seria um sistema automotriz da vacância do acidente, que monitorasse suas distância e velocidade de fechamento a um objeto e aplicasse então os freios progressivamente para impedir um acidente. Todos estes exemplos real-time envolvem um subconjunto das potencialidades residentes em nosso modelo da referência do analytics da decisão.

O Internet das coisas (IoT) está indo ser muito eficaz em povos conectando e em “coisas,” por meio de que uma coisa é um dispositivo eletromecânico que poderia variar de um sensor simples microprocessador inteligente a um dispositivo permitido. A utilidade do IoT será derivada de sua sustentação para todos os testes padrões das interações da pessoa/sistema. O mais interessante destes testes padrões incluirá o sistema à pessoa e o sistema ao sistema. O sistema ao teste padrão da interação da pessoa apresentarão uma pessoa com oportunidades ou os interesses que autorizam sua atenção. O sistema ao teste padrão da interação do sistema necessitará unfold no como--ainda de maneira undefined mas envolverá provavelmente passagens para recolher e consolidar a informação domínio-específica e as arquiteturas novas de uma comunicação, alguma de que imitará a arquitetura high-level (HLA) que foi desenvolvida pelo departamento de defesa.

O modelo da referência do analytics da decisão é importante porque identifica não somente o papel significativo do analytics em decisioning, mas fornece também o contexto necessário descrevendo o continuum do analytics da decisão.

O Continuum de Analytics da decisão

O continuum do analytics da decisão foi carregado fora de uma necessidade ajudar a organizações compreender as várias técnicas analíticas que podem empregar para suportar ou melhorar decisioning. Os princípios do modelo da referência do analytics da decisão são fornecer um modelo generalizado da tomada de decisão que emfatize também a importância da melhoria da decisão. Isto assegura a relevância continuada do modelo da decisão dado um ambiente em mudança e cría a oportunidade para os vendedores que entregam estas potencialidades e empresas que leverage estas potencialidades eficazmente. A oportunidade neste contexto é definida como:

Precisão mais grande na resposta às necessidades.

Compreensão mais rápida de circunstâncias em mudança, que incentiva a inovação.

Eficiência operacional melhorada devido à compreensão e a render mais detalhados de atividades organizational.

Tomada de decisão melhor.

Tempo melhorado à decisão/ação.

Agora que nós estabelecemos a importância de decisioning e a estrutura para a melhoria da decisão, nós podemos explorar técnicas analíticas diferindo para suportar decisioning. Quando nós examinamos que técnicas analíticas suportam decisioning, é útil selecionar os critérios que permitirão que nós categorizem estas potencialidades analíticas. Quatro critérios têm a relevância significativa nesta tarefa e incluem o seguinte:

1. Espaço da decisão. O espaço da decisão consulta a como focalizado a decisão é como medido pelo cardinality de suas alternativas ou audiências pretendidas. as decisões Curso-grained são umas que têm poucas escolhas e se aplicam somente a alguns segmentos de mercado (grupos grandes). As decisões Fine-grained podem ter muitas escolhas possíveis e aplicar-se a muitos segmentos de mercado (tais como mercados de um).

2. Execução da decisão. A execução da decisão consulta a quanto é sabido sobre o resultado da decisão. As decisões Deterministic são umas onde um jogo particular dos stimuli conduz sempre à mesma decisão. Os resultados Non-deterministic da decisão variam baseado no conhecimento acumulado na altura da decisão.

3. Incerteza da decisão. A incerteza é um cornerstone de statistics modernos. As técnicas analíticas permitem-nos de avaliar decisões passadas e atuais as well as a introspecção do ganho em como as ações podem influenciar as decisões futuras. Desde o futuro não está certo, compreendendo e quantifying a probabilidade de um evento futuro é útil suportar a tomada de decisão futura. Decisioning Collaborative, statistics Bayesian, e os sistemas adaptáveis todos devem ou para fazer a incerteza do fator em suas atividades da tomada de decisão.

4. Complexidade da decisão. A complexidade da decisão é dirigida pelo número dos fatores que devem conjuntamente ser considerados ao fazer uma decisão. Mais grande o número dos fatores (ou das variáveis) os resultados mais potenciais e mais complicado é fazer uma decisão.

O espaço da decisão e a complexidade da decisão são relacionados pròxima. as decisões Curso-grained tendem a mandar menos complexidade e decisões fine-grained tender a ter uma complexidade muito mais elevada. A incerteza da execução da decisão e da decisão é relacionada também pròxima. As decisões Deterministic operam-se com quase nenhuma incerteza porque são compreendidas bem. As decisões Non-deterministic, que são influenciadas por que informação é sabida no ponto da decisão, tendem a ter distante mais incerteza a respeito da estabilidade ou da consistência de seus resultados. Figura 6 segmenta as potencialidades do analytics da decisão em nove categorias e posiciona-as em uma estrutura baseada nos quatro critérios.

Figura 6 identifica nove categorias analíticas que suportam o analytics da decisão. Estas categorias são descritas como segue:

Condicional. A categoria analítica condicional contem as expressões algébricas que combinam os operadores booleanos que a decisão expressa governa de que faça exame tipicamente do formulário “se x então y z outro” ou “quando j então k L. outro” eles é altamente eficaz em descrever e em automatizar processos de decisão. A lógica condicional dá forma à base para os sistemas de gerência da régua de negócio (BRMS), que podem render estes relacionamentos em formulários múltiplos (réguas da decisão, tabelas de decisão, e árvores da decisão). A lógica condicional que evento-é baseada fornecer a sustentação adicional para construções temporal do “quando j então k l outro” formulário. A lógica condicional é combinada frequentemente com outras técnicas analíticas para quantify ou refinar uma decisão, fornecendo a sustentação poderosa e flexível para decisioning.

Algorítmico. A categoria analítica condicional usa as equações algébricas que leverage variáveis e constantes sabidas para criar variáveis novas. As expressões algorítmicas são immensely poderosas. As expressões podem incluir transformações, reclassifications, aggregations, e funções.

Correlativo. A categoria analítica condicional é uma técnica estatística que descreva a força de um relacionamento ou de uma dependência entre variáveis. Os formulários simples da análise de relacionamento podem incluir a análise do sentiment ou o analytics do texto.

Optimized. O Optimization é tipicamente o maximization ou o minimization de um assunto da função objetiva aos objetivos e aos confinamentes. O Optimization é importante porque fornece um método para conseguir o resultado melhor possível dado os recursos atualmente disponíveis.

Discreto. A escolha discreta e a análise conjoint são as técnicas examin-baseadas da pesquisa que refletem eficazmente preferências do respondent para um jogo particular das potencialidades. As preferências são normalizadas e quantified, fazendo os úteis em compreender a força relativa das alternativas e a elasticidade da demanda. A execução do exame emula também o processo de compra, que melhora a qualidade dos dados.

Collaborative. A colaboração é geralmente uma aproximação mais qualitative a decisioning, que avalía as contribuições de vários círculos eleitorais including: aqueles povos que estão em seu círculo da confiança, críticos, amigos, e todos mais. Um número largo de técnicas collaborative existe. As contribuições do Participant podem ser tornadas mais pesadas; as decisões podem ser única passagem, Delphi, ou stepwise; as decisões podem ser relativas ou absolutas; e as decisões podem ser feitas pelo consenso, maioria, plurality, comitê, ou autocratically.

Predictive. O analytics Predictive leverages dados, relacionamentos, e testes padrões sabidos para fazer predições sobre os eventos futuros. Os resultados são sensíveis à quantidade de dados sabidos e como estes dados são distribuídos.

Bayesian. O analytics Bayesian permite-nos de compreender o impacto que as probabilidades condicionais têm em um resultado. O inference Bayesian embraces a incerteza e desenvolve as probabilidades que fornecem uma maneira unbiased e racional quantify a probabilidade de um resultado ou de uma série dos resultados.

Adaptável. Os sistemas adaptáveis (ou os sistemas adaptáveis complexos) representam a fronteira do analytics da decisão. Os sistemas adaptáveis combinam o analytics predictive, Bayesian, modelos econômicos, e aprendendo governar e antecipar como a melhor responda a um ambiente em mudança. O aspecto challenging de sistemas adaptáveis está encontrando réguas novas da decisão para melhorar resultados operacionais em um ambiente em mudança ao simultaneamente minimizar o risco.

As categorias apresentadas no continuum do analytics da decisão são geralmente mutuamente exclusive mas empregado seletivamente junto para dirigir-se a decisioning.