TechTarget将数字孪生定义为“现实世界实体或过程的虚拟表示”，它“充当其所代表事物的当前状态的代理……在产品开发的早期阶段”以及“在产品生命周期的后期阶段（如检查和维护）中被保留和更新。”
数字孪生被用于研发中，以设计有效的系统，并且越来越多地被用于运营中，以评估拟议变更的影响并深入了解有效运营。并非每个过程或系统都适合数字孪生，并且开发数字孪生的成本必须通过一定程度的复杂性来抵消，这种复杂性使得获得的见解具有价值。
组织通常使用数字孪生来选择如何最好地配置和运行系统或过程。数字孪生用于模拟变更的可能影响，评估可能的改进项目，并且在链接到真实世界数据时，提供对过程实际运行方式的深入了解。最后一点至关重要：真实世界数据流入数字孪生，而见解流回以改善真实世界，这种双向交换是使用数字孪生推动持续改进的核心。
数字化决策孪生
有些流程围绕运营决策展开。理赔流程取决于关于理赔资格和理赔支付的决策。抵押贷款或贷款流程取决于做出的信用和风险决策。福利流程依赖于资格决策，交付流程依赖于人员配置和排班决策。数字孪生允许评估更改对这些决策的影响。例如，如果收紧信用风险，导致更多贷款需要人工审批，这会如何影响等待时间和客户满意度？
决策制定融入数字孪生的程度是对可获得价值的关键约束。如果只能在宏观层面改变决策，则获得的价值很小。但是，如果在数字孪生中有一个专门关注决策制定的组件（数字化决策孪生），则可以获得更大的价值。
风险管理可以得到改善。数字化决策孪生可以非常精细地评估不同风险承受能力对信用风险、欺诈风险和供应链风险的影响。
监管影响是可以预测的。当消费者隐私、消费者信用或政府福利等方面的法规驱动决策时，未来的变化是可以保证的。数字决策孪生体可以展示未来法规的影响，以及如何利用其他变化来减轻这些影响。
机器学习和人工智能可以更容易地被采用，因为机器学习和人工智能算法对决策的影响可以在孪生体中进行模拟。这可以促成对权衡取舍的具体讨论，取代基于恐惧的拒绝和盲目采用。
数字决策孪生体可以与更广泛的数字流程孪生体相结合，以提高模拟的准确性。在流程模拟中，不再使用“平均”决策，而是可以模拟逐个交易的变化。
构建数字化决策孪生体
与任何数字孪生体一样，第一步是了解您的业务。这可能具有挑战性，因为很多决策都只存在于人们的头脑中。一些流程挖掘工具可以概述流程中的决策制定。分析工具可以识别边界和参数。然而，最重要的一步是捕捉专家所知道的内容。这意味着构建一个决策模型，以捕捉您主题专家的专业知识。决策建模和行业标准的决策模型和符号不如流程建模那样广为人知，但它们效果很好。我们已经使用它们对数千个决策进行建模，涵盖从投资银行到卡车运输路线，从建筑估值到理赔处理等各个领域。
决策模型的清晰性、一致性和理解性非常重要。然而，将决策模型融入软件中，就能产生数字化决策孪生体的真正价值。现代决策平台甚至可以大规模地自动化复杂的决策，处理您现实生活中的大部分决策，并允许您模拟变更的影响。决策模型和现代决策平台可以让企业所有者控制自动化和模拟。
虽然您最终希望将模拟连接到实时或近实时数据，但您可以从定期报告系统如何做出决策以及用于运行模拟的可靠样本集开始。
通往数字化决策孪生的旅程
和任何新方法一样，数字化决策孪生也需要组织、流程和技术方面的变革。
在组织方面，数字化决策孪生得益于业务和IT部门之间更好的协作。 每个人可能都安于现状，即业务部门提出改进要求，而IT部门试图实现它们。 为了成功，业务团队需要“拥有”自动化决策，同时与IT合作伙伴密切合作，以更新决策并将其连接到真实世界的数据。 业务和IT技能的交叉融合对采用率和投资回报率产生真正的影响。
从流程的角度来看，很少有组织投资于数字化决策孪生所实现的快速变更周期。创建定期的变更节奏，建立治理机制以及使用模拟结果对于成功至关重要。
技术的关键在于投资于决策技术，而不仅仅是更多的代码。所需的敏捷性和透明度将超过标准编码所能实现的。集成和数据始终具有挑战性，将数字化决策孪生与用于仿真的真实数据集成到生产中通常很复杂。投资于集成和数据管理技术可以发挥作用。
回报是值得的。我们合作过的一个团队拥有用于医疗索赔的数字化决策孪生。每周，业务团队都会审查索赔的处理方式。业务专家在孪生中尝试改进，并通过模拟运行一年的数据。如果影响是积极的，IT部门会将改进推回生产环境中，以影响下周的索赔。 达到每周一次的改进周期需要一段时间，但它得到了回报。
数字化决策孪生可以为您提供一种强大的方式来持续改进您的运营。当决策对您的业务至关重要时，它们可以将您的决策推向前台，并为您提供所需的精细控制。
