人工智能决策工厂利用人工智能和人类赋能的文化，在组织的客户和运营一线不断探索、学习、适应、忘却和重新学习。人工智能驱动的决策工厂通过不断优化和完善在不断中断和转型的世界中推动业务和运营成果（可量化、可衡量）的决策，促进扩大价值创造。

利用价值工程框架来理解、定义和实施组织如何创造价值，以及他们如何衡量价值创造过程的有效性，是人工智能驱动的决策工厂的起点。


价值工程框架

定义组织如何创造和衡量价值应该是容易的部分。我的意思是，如果不是为了清楚地定义、沟通和调整组织如何创造和衡量价值，为什么还要存在高级管理人员。不幸的是，许多组织都在努力就如何创造价值和衡量价值创造的有效性明确表达并推动达成共识。我无法告诉您我问过客户多少次“贵组织衡量其价值创造流程有效性的 KPI 和指标是什么？” 并得到了盲目的凝视（或引用电影“圣诞故事”，他们看着我，就像我的耳朵里爬出了龙虾一样）。

定义价值是一项团队运动
为了促进组织的价值定义过程，我开发了图 2 中的设计模板，作为“像数据科学家一样思考”方法的一部分。此设计模板指导组织确定 KPI 和衡量其业务计划有效性的指标（以及确定其他重要的业务计划考虑因素，例如理想结果、收益、潜在障碍和失败后果）。
“像数据科学家一样思考”方法的第 1 步

虽然这是一个好的开始，但仅仅围绕组织如何创造和衡量价值来明确定义、沟通和调整组织是不够的。为了实现这一点，我们需要深入到个人利益相关者层面——那些影响或受业务计划影响的利益相关者。

“像数据科学家一样思考”流程在不同的利益相关者之间进行协作，以识别、验证、评估和优先考虑这些利益相关者需要做出的支持业务计划的决策，并收集 KPI 和衡量有效性的指标对这些决定进行衡量。

“像数据科学家一样思考”利益相关者角色

这些利益相关者决策（以及支持性 KPI），我们将寻求交付可衡量、可量化的业务和运营成果，从而创造新的客户、产品、服务和运营价值来源。

人工智能驱动的决策工厂将通过优化推动组织一线业务和运营成果的决策来优化业务流程。每次客户参与都是一个机会，可以更多地了解该客户的偏好和行为。每次产品交互或使用都是一个了解该产品性能行为的机会。每位员工、供应商和合作伙伴的参与都是一个机会，可以更多地了解您的业务运营的有效性和效率。

不幸的是，要实现真正的数字和文化转型，组织必须超越优化，赋予人类天生的好奇心和创新直觉；重新发明业务流程和转变业务模式。为了实现数字化转型，组织需要从业务流程“优化”转向“再发明”。

为了推动再发明，组织在应用数据和分析以获取和驱动新的价值来源时，大大增强了设想、构思、探索、尝试、失败、学习、忘却、分享和再次尝试的文化。

赋予分析驱动的创新文化
加利福尼亚州阿拉米达 — 2017 年 7 月 21 日：Cr 船长的杂货店货架
紧缩船长品牌麦片。普通、花生酱、脆莓和限量版蓝莓煎饼脆饼。这些是相关的。真的！
不要只是优化或优化奶牛路径；重新发明它！

要重新发明业务流程（以及利益相关者需要在该业务流程中做出的决策），组织需要赋能一种创新文化，将 AI/ML 的决策优化能力与设计思维的流程创新能力相结合。

假设您是一家杂货零售商，并且您想重塑客户购物体验。例如，当我发现自己没有最喜欢的 Cap'n Crunch 麦片时，在传统的客户旅程中艰难地补充我的食品室时，我遇到了多种价值创造障碍，如图 4 中顶部价值链中的红色向下箭头所示.

重新创造客户价值

但是，将 AI/ML 决策优化功能与 Designing Thinking 创新思维（以了解客户旅程决策、痛苦和收获）相结合，我可以通过不断学习和适应的 AI 代理来改变客户购买体验，该代理可以主动提醒我产品短缺，或者更好的是，监控存储在我的分析配置文件中的谷物消费预测倾向，以便在我意识到我什至缺货之前主动预测并规定交付 2 盒 Cap'n！

这不仅仅是优化现有的订购流程；这不仅仅是“铺平道路”。图 4 需要从关键利益相关者的角度对组织的价值创造过程进行完整的重新布线或重新发明。这些利益相关者中的每一个都代表了另一个机会，可以将 AI/ML 功能与设计思维相结合，以创造新的客户、产品、服务和运营价值来源。

在博客“分析驱动创新是终极矛盾吗？”中，我介绍了“分析驱动创新之路”地图（图 5）。

“分析驱动创新之路”地图是以客户旅程为中心（设计思维）与高级分析（数据科学）相结合的过程，旨在将想法转化为创造独特、差异化价值（经济学）的产品或服务。

决策第 2 部分：创建分析驱动的创新文化
分析驱动创新的途径

“分析驱动创新之路”地图（是的，又是 Schmarzo 的另一个框架）浏览以下阶段：

第 1 阶段：好奇心（拥抱客户的同理心来构思）。  好奇心是学习某事的强烈愿望；培养由挑衅性陈述或问题激发的好奇的举止或行为；渴望“拆开”看看它们是如何工作的。
第 2 阶段：创造力（创造）。创造力，即使用想象力、构思和独创性来创造（记住，创造是创造力的基本词）独特且更有效地解决客户问题的东西。
第三阶段：创新。最后一个阶段，即创新阶段，通过将人工智能（机器学习、深度学习、强化学习等）与客户旅程相结合来创建一种新的智能“学习”产品或服务，该产品或服务可以通过其使用不断学习和发展.
图 5 中的框架旨在将最好的 AI/ML 决策优化功能与设计思维的探索性和创造性思维结合起来，以增强组织的分析驱动的创新能力。

摘要：创建分析驱动的创新文化
波士顿市中心的街道以看似不合逻辑的拜占庭式蜿蜒曲折为特征——直到人们意识到，它们追溯了早期殖民时期牛从牧场回家时踩到的原始牛道。在波士顿市中心，街道确实是铺好的牛道[1]。

将 AI 集成到您的决策流程中以创建 AI 驱动的决策工厂非常棒……如果您的最终目标只是优化现有业务流程。然而，要在一个不断颠覆和转型的世界中茁壮成长，还需要更多。仅仅优化牛路径是不够的，组织必须寻求重新发明牛路径。

从优化转向重塑的关键是赋予一种构思、探索、尝试、测试、失败、学习和再次尝试的文化。分析驱动的创新文化包括：

赋权文化。赋予组织中的每个人设想、构思、尝试、失败、学习、分享和再试一次的权力。赋权不仅仅针对高级管理人员。授权组织的前线，在那里收集和培养客户、产品和运营部落知识。
共享文化。创建共享反馈循环以推动“学习经济”。从 AI 模型的误报和误报中学习，以克服 AI 确认偏差。利用共享来推动“复合经济学”，其中复合小的改进可以产生巨大的影响。
通过失败学习的文化。  如果你没有失败，那么你就没有学习。  组织需要推动价值创造的地点和方式的边缘。组织需要了解探索和测试“可能”有效的想法的力量。如果您的组织没有足够的“力量”时刻，那么您将永远不会有任何突破时刻。
实验文化。培养和奖励分析驱动的持续测试和实验、形式假设开发和测试的心态，并探索新的算法、工具、数据源和功能以确定其预测有效性。
用户亲密度文化。贴近您的客户，了解他们在旅程中试图做出的决定，以及他们衡量旅程进度和成功所依据的指标。花时间了解他们的旅程意图；也就是说，他们寻求什么结果以及这些结果的价值是什么。掌握意图的决心是推动组织创新思维的关键。
人机模型协作不仅仅是创建一个更引人注目的用户界面，它还在于通过 AI / ML 在数据中发现的客户、产品、服务和运营洞察力赋予人类权力，以推动好奇心、创意和最终的分析——推动创新。

编辑推荐
1、2022年300个以上最佳免费数据科学课程
2、大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！
3、机器学习模型方法总结
4、历史最全机器学习/深度学习/人工智能专业术语表中英对照表
5、机器学习如何应用于商业场景？三个真实的商业项目
6、数据工作者的自我修养 | 哪些技能是必不可少的？
7、《汗牛充栋：数据分析书籍分享》CDA网校新课上线
8、文本挖掘常用的107个语料库
9、一图读懂“东数西算”工程
10、零基础转行数据分析，看这篇文章就够了

DA内容精选