想象一下这样一个世界：软件不仅可以加快业务决策，还可以使其与众不同。这就是决策智能（DI）的意义所在。这不仅仅是另一种人工智能（AI）。事实上，DI是一个独特的概念，很容易被误认为是其他IT术语。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，我将研究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、专家人工智能、数据科学和商业智能（BI）的同类产品有何不同。
决策智能（DI）的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。其现代概念可以追溯到2008年，当时匡泰利亚开始为其客户提供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，打造更美好的世界》一书的出版，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。
1.决策智能定义。
“决策智能是一个实用领域，它构成了广泛的决策技术，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）技术的描述。
“…市场提供涵盖不同类型分析的功能，重点关注预测性和规范性分析。其中许多产品已通过人工智能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，也可以是单独的包罗万象的A&DI平台的一部分。这样的平台由现有和新兴技术组成，包括：图技术、高级分析、人工智能、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。
可以肯定地说，“决策智能”一词不仅仅是一个IT营销术语。事实上，它对于重新关注现有和新兴的分析工具或直接支持决策非常有用。这是因为决策智能利用了多种分析工具，例如商业智能、数据科学、决策科学和专家人工智能系统。此外，决策智能功能最好为专门用于决策的软件平台部署。
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）就像业务流程自动化（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来进行决策支持、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动。
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。然而，它更加临时和被动，例如回答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系统还有可能向业务用户解释和证明其建议的合理性。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进行工作。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
在以下段落中，我将解释什么是决策智能，以及它与其他分析学科（如决策科学、专家人工智能、数据科学和商业智能）相比如何。
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其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
“研究如何根据您掌握的信息做出决策，并判断未来可能出现的风险、变化等。”
Cambridge Dictionary
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。只要能免费改变主意，就是还没有决策。
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做出明智的选择。而决策智能则通过整合先进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的专业知识和统计分析。
而决策智能则利用机器学习算法、高级分析和自动化来提供快速的见解和建议。例如，在医疗保健领域，决策科学可能涉及分析患者数据以识别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治疗计划。
2.AI专家系统改造——新的DI平台。
几十年来，我们一直使用专家系统（人工智能的一个子集）并取得了巨大成功。例如，金融专家系统可以根据预定义的规则提供投资建议。在过去的几年里，人工智能专家系统开发人员无法使用快速计算机、高速互联网以及机器学习和神经网络等高级人工智能。因此，开发人员采取了与今天不同的方法来开发人工智能专家系统。综上所述，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。
描述了人工智能专家系统。
“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——一组将知识库应用于提供给程序的情况的规则。
TechTarget
因此，传统的人工智能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，可以解释其推理，并且是针对特定领域设计的。
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，随着人工智能的进步，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平台旨在利用先进的基于云的IT基础设施。因此，决策智能可以快速支持决策周期，甚至自动化完整的决策流程。从本质上讲，虽然专家系统遵循预定义的规则，但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。它专注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、有用的建议。
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，根据已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作战，帮助他们为企业做出最佳决策。
a. 数据科学家对数据的看法。
“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. 决策科学家对数据的看法。
“数据是决策的工具”
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 超越了 BI，将诊断、预测和规范分析整合到软件平台中。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，而决策智能平台使用先进的算法来预测未来结果并为特定决策推荐最佳行动。例如，BI 可能会按地区提供销售业绩报告。另一方面，决策智能可以预测未来的销售趋势，并按需为每个地区提出有针对性的营销活动建议。
b.静态 BI 平台与动态 DI 平台。
BI 和 DI 平台之间的另一个主要区别是企业提出问题并与这些平台交互的方式。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，因此遵循此过程。因此，商务人士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、有用的见解。
更多精彩分析阅读我们的博客《决策智能是新的人工智能吗？》
