想象一下这样一个世界：软件不仅可以加快业务决策速度，而且可以使业务决策变得卓越。这就是决策智能（DI）的意义所在。它不仅仅是另一种人工智能（AI）。事实上，DI是一个独特的概念，很容易与其他IT术语混淆。因此，在本文中，我将解释什么是决策智能，以及它不是什么。此外，我们将了解DI平台如何为供应链等数据密集型行业提供支持。事实上，DI可以显着改善决策，甚至自动化决策周期。此外，我将阐明决策智能与决策科学、人工智能、数据科学和商业智能（BI）等同类产品的不同之处。
决策智能（DI）定义及其在供应链中的应用
决策智能（DI）是一个相当新的术语。其现代配方可以追溯到2008年，当时量点公司开始为其客户提供DI解决方案。直到2019年，随着洛里恩·普拉特的著作《决策智能如何连接数据、行动和结果以创造更美好的世界》DI才得到普及。同样在同一时期，谷歌成立了一个决策智能部门。随后，在2021年10月，Gartner分析师将DI确定为2022年最具影响力的技术趋势之一。
为了更好地了解什么是决策智能，以下是几个定义。第一个只是DI的简单定义。而第二个定义专门针对供应链的决策智能。
1.决策智能定义
“决策智能是一个实用的领域，它构建了广泛的决策技术，将多个传统和高级学科结合在一起，以设计、建模、调整、执行、监控和调整决策模型和流程。”
Gartner
2.供应链分析和决策智能（A&DI）技术描述
“…市场涵盖提供不同类型分析的功能，侧重于预测性和规范性分析。其中许多产品已经通过AI和数据科学与机器学习（DSML）功能得到增强，以支持供应链决策。这些功能可以是更广泛的供应链应用程序/套件的一部分，也可以是单独的包容性A&DI平台。这样的平台由现有和新兴技术组成，包括：图形技术、高级分析、AI、DSML、模型开发和数字供应链孪生（DSCT）。
Gartner
3.决策智能不仅仅是一个新的IT营销术语
从积极的角度来看，“决策智能”一词不仅仅是一个IT营销术语。事实上，它在重新调整分析工具（包括现有和新兴工具）或直接支持决策方面非常有用。这是因为决策智能利用了各种分析工具，例如商业智能、数据科学、决策科学和专家AI系统。此外，决策智能功能最好部署为专门专注于决策的软件平台。
决策智能的另一个方面是它与专家系统和业务流程自动化非常相似。我这么说的一个原因是，决策智能（DI）和业务流程自动化（BPA）一样，可以有三种处理模式：支持、增强和自动化。因此，企业可以部署决策智能平台进行决策支持、决策增强，甚至自主决策。同时，它与BPA的不同之处在于DI支持决策而不是基于任务的业务自动化。
4.决策智能直接支持决策周期内的信息流
成熟的决策智能平台才刚刚开始出现。现在，在过去，我们确实有支持决策的软件，例如专家系统。但是，它更临时和被动，例如响应用户问题的专家系统。另一方面，DI能够支持整个决策周期并在企业环境中工作。具体来说，决策智能平台旨在感知、分析、提出建议，甚至直接支持快速决策和决策实施。
此外，这些DI系统也有可能向业务用户解释和证明他们的建议。更好的是，这些DI平台不一定需要决策者通过IT部门、分析师或数据科学家来工作。例如，DI系统可以分析实时和历史销售数据、市场趋势和客户行为，以帮助企业优化定价策略并提高盈利能力。此外，这些DI系统能够衡量和学习以前的决策，以提高决策有效性。
决策智能与其他分析学科
什么是决策智能，以及它与其他分析学科（如决策科学、专家AI、数据科学和商业智能）的比较。
1.决策科学与决策智能。
事实上，决策者一直使用决策科学来指导他们的选择。虽然早期的决策科学以数学和统计学为基础，但计算机的出现增强了它在决策智能和决策支持分析等领域的应用。以下是与决策科学和决策智能相关的两个定义。
a.决策科学定义
“研究如何根据你拥有的信息做出决策，以及判断未来可能出现的风险、变化等。”
剑桥词典
b.决策定义（与计算相比）
“并非所有的输出/建议都是决定。在决策分析术语中，只有在发生不可撤销的资源分配后，才会做出决策。只要你能免费改变主意，还没做任何决定。
卡西·科兹尔科夫
因此，决策科学侧重于理解决策过程并应用统计模型来做出明智的选择。而决策智能通过整合先进的技术和算法，在支持决策方面更进一步。此外，决策科学主要依赖于人类专业知识和统计分析。
而决策智能利用机器学习算法、高级分析和自动化来提供快速洞察和建议。例如，在医疗保健领域，决策科学可能涉及分析患者数据以确定某些疾病的风险因素。而决策智能可以使用预测模型根据个体患者特征推荐个性化的治疗计划。
2.人工智能系统改造–新的DI平台。
几十年来，我们一直在使用专家系统（AI的一个子集），并取得了巨大成功。例如，金融专家系统可能会根据预定义的规则提供投资建议。在过去几年里，AI专家系统开发人员无法使用快速计算机、高速互联网和先进的人工智能，例如机器学习和神经网络。因此，开发人员采用与今天不同的方法来开发AI专家系统。总而言之，TechTarget的以下描述体现了开发人员如何构建传统的AI专家系统。
“专家系统是一种计算机程序，它使用人工智能（AI）技术来模拟在特定领域具有专业知识和经验的人类或组织的判断和行为。…专家系统在知识库中积累经验和事实，并将它们与推理或规则引擎集成，这是一组将知识库应用于提供给程序的情况的规则。
因此，传统的AI专家系统是基于规则的系统，围绕人类专业知识的知识库构建。具体来说，它们使用逻辑规则来解决问题，可以解释它们的推理，并且是为特定领域设计的。
另一方面，决策智能平台是较新的、以数据为中心的系统，它使用机器学习来分析数据并支持决策。事实上，随着AI的进步，DI平台可以随着时间的推移学习和适应，考虑更广泛的因素，并且可以扩展以处理大量数据，使其在复杂的动态环境中非常有用。此外，DI平台旨在利用基于云的高级IT基础设施。因此，决策智能可以快速支持决策周期，甚至自动执行完整的决策流程。从本质上讲，专家系统遵循预定义的规则，而DI平台使用数据和学习算法来提供动态、可扩展的决策支持。
3.数据科学与决策智能。
在这里，数据科学涉及使用统计分析和机器学习技术从大量数据中提取见解。它侧重于揭示数据中的模式、趋势和相关性，以支持决策。另一方面，DI将数据科学与领域专业知识、高级分析和高级计算网络相结合，为决策提供快速、可作的建议。
决策智能平台不仅分析数据，还整合业务规则、专业知识，并快速吸收上下文信息以生成最佳决策。例如，数据科学可用于分析客户行为并识别潜在的流失者。另一方面，决策智能可以直接支持决策周期，根据识别的模式提供个性化的保留策略。
将数据科学与决策智能进行比较的另一种方法是，数据科学家使用数据来改进和开发新的IT产品。而决策科学家使用数据作为支持决策的工具。此外，数据科学家与数据和统计的严谨性并驾齐驱。另一方面，决策科学家与决策者和管理层并肩而坐，帮助他们为企业做出最佳决策。
a.数据科学家的数据观。
“数据是基于稳健统计方法改进和开发新产品的工具”
克里斯·道塞特
b.决策科学家的数据观。
“数据是做出决策的工具”
克里斯·道塞特
4.BI与DI–有区别
商业智能（BI）涉及收集、分析和可视化数据，以提供对业务运营和绩效的洞察。它主要侧重于描述性分析和报告。
a.专注于洞察的BI与专注于决策的DI。
DI通过将诊断、预测和规范性分析整合到软件平台中，超越了BI。因此，决策平台直接支持决策者做出最佳决策。BI提供历史和当前数据分析，而决策智能平台则使用高级算法来预测未来结果，并为特定决策推荐最佳行动。例如，BI可能会按区域提供销售业绩报告。另一方面，决策智能可以预测未来的销售趋势，并根据需要为每个地区建议有针对性的营销活动。
b.静态BI平台与动态DI平台。
BI和DI平台之间的另一个关键区别是企业提出问题并与这些平台互动的方式。借助BI，业务人员或分析师将使用静态或临时BI报告来收集有关一系列问题的信息，然后分析师或决策者将得出结论。由于BI静态基础结构和功能的性质，因此会遵循此过程。因此，业务人员通常需要将他们的业务问题分解为许多静态问题来支持他们的决策。现在，如上所述，他们可以使用BI即席查询，但这些查询只是这些静态问题的变体。
另一方面，DI以决策为中心，理想情况下，业务人员只是根据系统的建议做出决策。因此，随着DI平台的发展，它们有能力根据可用数据主动提供相关的、可操作的见解。
