乍一看，在石头剪刀布上获胜的几率是三分之一……对吧？

好吧，如果完全听天由命，那么答案很简单。但根据康奈尔大学的一项研究，人们不会随意玩耍，他们会追随隐藏的趋势。

以类似的方式，人们在履行职责的同时做出日常决策时往往会遵循趋势。这些趋势可能会导致不一致并导致偏离组织的高级目标。为了降低偏离轨道的风险，实施良好的工作流程可以大大有助于自动化或优化这些决策。更好的是，实施这样的工作流程不需要成本高昂或复杂。

在企业分析的推动下，通过不同规模（以及不同程度的成功）的数字化转型计划，决策自动化已经取得了很大进展。但并非所有决策都适合完全自动化，有些决策总是需要“人为参与”。在最近对 SAS 的采访中，Iwona 和我探讨了企业数字化转型日益增加的重要性和一些挑战。我们特别关注使用业务驱动的应用程序来扩大企业分析的采用，并通过快速应用程序部署实现创新。

最后一英里
麦肯锡将分析输出的实际消耗称为“分析的最后一英里”，文章谈到了组织最大的挑战是将洞察力转化为结果的频率。我们相信，使用应用程序是征服最后一英里的好方法，它可以通过经过深思熟虑的工作流程和现代、直观的界面来指导决策。

决定在哪里
谈到一家美国主要零售商时，麦肯锡指出，“公司必须克服许多挑战，包括最艰难的挑战——弥合‘最后一英里’，或者在正确的时间以一种能够告知信息的方式向正确的人提供正确的见解。他们的决策以推动更好的业务成果”。这对我来说完全有意义，并且与 Boemska 帮助客户做出有效且一致的决策的方法相一致。这篇文章激发了我对如何做出决策以及人们为什么做出决策的更深入理解的渴望。具体来说，在分析的背景下，Boemska 如何帮助确保在执行级别做出的战略决策，会级联到成千上万（如果不是数百万）的日常微观决策。

决策智能学科
我的好奇心使我找到了 Google 的首席决策科学家 Cassie Kozyrkov，他是一位非常古怪且令人耳目一新的有效沟通者。她详细介绍了决策智能的学科。在文章中，她说“数据很漂亮，但重要的是决策。正是通过我们的决定——我们的行动——我们才能影响我们周围的世界”，我完全同意。

然而，就像石头剪刀布游戏一样，决策可能充满偏见。如果决策中的偏见会在微观层面影响业务成果，那么随着时间的推移，这些结果可能会导致宏观层面的显着差异。试试 Cassie 的快速而有趣的测验，以深入了解影响我们决策的一些动态以及我们如何做出更好的决策。

指导决策以推动更好的业务成果
我问自己的下一个问题是如何有效降低企业环境中决策偏差的风险。我与许多现有客户和合作伙伴进行了交谈，发现简单、快速部署的界面确实扩展了他们的数据科学团队创造的价值。例如，我们帮助我们的一位客户与他们的数据科学团队合作，将他们的 SAS 预测模型集成到一个计划应用程序中，该应用程序现在在组织的各个层面都使用，包括 CEO。我们的行业合作伙伴发现，在其强大的分析模型之上创建特定于用例的界面有助于将这些模型的价值变为现实。最令人惊讶的可能是我们的学术界合作伙伴，他们发现使用应用程序作为鼓励大学内跨院系合作的一种方式很有价值。

所以这一切有什么意义，我听到你问
对 Iwona 的采访让我想到了我们正在解决的真正问题。以及对我们的客户来说真正的价值是什么。通过这个思考过程，我得出结论，最终，最重要的是在组织的各个层面以知情和及时的方式做出最佳决策。为了支持这些决策，简化的数据管道和结构化的模型治理是必不可少的。在提供决策框架的同时，通过业务设计的响应式数据驱动应用程序，显着提高了这些决策的有效性并推动了更好的业务成果。最终，使客户能够快速且经济高效地从分析投资中获得更多收益。

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