如何使用DMN建模人类决策过程？

使用DMN建模人类决策过程，其核心目标是理解并定义业务或组织内部人员所做出的决策。这种建模通常侧重于日常运营中的操作性决策，而非缺乏固定规则的战略决策。

以下是使用DMN建模人类决策过程的具体方式和步骤：

1.将复杂决策分解为决策网络

人类决策往往是复杂的，DMN通过决策需求图(DRD)将其拆解为一组相互依赖的子决策。

高层级描述：与自动化决策不同，人类决策在DRD中通常使用自然语言进行高层级描述，而不是编写严谨的执行逻辑。

依赖关系：DRD能够清晰展示决策如何依赖于其他决策的结果、输入数据以及业务知识模型。

2.定义治理与权威（知识来源）

人类决策通常受到政策、专家经验或法律的约束。

知识来源(Knowledge Sources)：用于建模对决策具有治理作用的机构或文档，例如经理（管理人员）、监管机构、公司政策手册或法律条文。

层级连接：知识来源可以相互连接，以展示权威的传递逻辑。例如，可以展示某项决策既受公司政策约束，而该政策本身又是基于政府法规制定的。

3.使用“问题与允许答案”进行刻画

对于不直接指定自动化逻辑的人类决策，DMN提供了一套描述性机制：

关键问题(Question)：在元模型中，可以为决策定义一个自然语言问题，该决策的输出即为对该问题的回答。

允许的答案(Allowed Answers)：用自然语言描述该决策可能产生的结果，例如“是/否”、数值范围或特定的值列表。这在详细逻辑尚未确定或不适宜自动化时非常有用。

4.与业务流程集成(BPMN协同)

人类决策通常发生在业务流程的特定环节。

用户任务(User Task)：在BPMN流程模型中，人类决策点通常表示为“用户任务”。

协同建模：如果涉及多个部门的协作决策，可以使用BPMN的“协作(Collaborations)”模式：每个参与方由不同的池(Pool)代表，并拥有各自的DRD。输入数据可以通过池之间的消息传递进行映射。

5.建模人机交互决策

在大型项目中，DMN常用于建模人机协作的场景：

辅助决策：建模自动化决策如何为人类提供建议或约束（如决策支持系统）。

人工介入：自动化任务可以根据规则将特定案件转交给人工审核员。在这种情况下，自动化任务的逻辑需要完全定义，而人工审核员的决策逻辑可以保留为未定义状态。

6.“现状”与“目标”分析

现状(As-is)模型：记录决策目前是如何做出的，以识别业务知识领域并建立改进基准。

目标(To-be)模型：重新设计流程，以确定哪些部分应由人类决策，哪些应由自动化技术支持。通过对比新旧模型，企业可以识别人员角色、职责的变化以及所需的培训需求。

总结：

建模人类决策时，DMN的价值在于将隐性的专家经验显性化。通过DRD的结构化展示、知识来源的权威溯源以及与流程任务的关联，企业能够清晰地梳理出组织内部的协同决策机制，即便这些决策最终并非由机器执行。