商業智慧(business intelligence)平台不斷進化,在人工智慧與機器學習的加持之下,企業得以將既有的資料儀表板和商業分析系統,轉變成更全面的決策支援平台。我們將這種新的作法稱為「決策智能(Decision Intelligence, DI)」,它牽涉各種精密工具,整合、融入到決策者最需要協助的企業工作流程當中。



人工智慧與機器學習,可為企業全體帶來決策所需的脈絡及建議,讓商業智慧系統和策略大幅進化。


文/Maria Korolov‧譯/曾祥信

商業智慧(business intelligence)平台不斷進化,在人工智慧與機器學習的加持之下,企業得以將既有的資料儀表板和商業分析系統,轉變成更全面的決策支援平台。我們將這種新的作法稱為「決策智能(Decision Intelligence, DI)」,它牽涉各種精密工具,整合、融入到決策者最需要協助的企業工作流程當中。

技術研究及諮詢公司 Constellation Research 的分析師 Nicole France 表示:「決策智能,是企業處理極大量資料以做出決策的能力。它與商業智慧的目的相同,但是企業所有人員都能使用決策智能」。


目前最顯而易見的決策智能例子是「推薦引擎(recommendation engine)」,它應用分析學來預測顧客最感興趣的產品,或是他們想看的下一部電影。這類工具提供脈絡及適當選項,幫助人們做出更好的決定。France說,傳統商業智慧的儀表板與分析系統依然很有價值,但是決策智能更強調資料與決策者的相關性,且更加容易使用。

她表示:「對第一線人員而言,脈絡(context)極為重要。而資料分析存在一定程度的複雜度,導致提供正確脈絡這件事並不容易。決策智能的目標,是以清晰、容易理解的方式呈現事物脈絡,讓人們可以瞭解錯綜複雜的分析結果,更迅速地做出決策」。


決策智能的應用實例

由於 COVID-19 疫情的關係,全球經濟體幾乎所有領域,都在加快數位轉型的進展,而轉型過程的核心技術,就是人工智慧。

451公司的研究指出,超過 95% 的公司認為人工智慧對數位轉型很重要,其中 65% 公司認為它是不可或缺的關鍵技術。 根據這份2021年1月底發表的研究報告,2020年美國企業採用人工智慧的比例,比起前一年增加了 9%,只有 28% 公司表示他們因為疫情而減緩人工智慧的發展。

目前人工智慧普及的重要領域,是資料與分析學。根據RealBI公司軟體開發人員與IT領導者做的2021年調查,41% 的公司看見,「使用資料與分析系統」的需求正在成長,其中最主要的理由,就是協助用戶做出以資料為依據的決策。

此外,調查報告顯示,越來越多企業有興趣將機器學習嵌入分析軟體或儀表板,超過 6% 公司已經採行此技術,另有將近 16% 公司計劃在近期內導入這項技術。把人工智慧或機器學習技術加到商業智慧平台當中,能在決策者需要時,提供脈絡、預測及推薦選項,讓商業智慧平台進化成為決策智能平台。 Gartner研究機構預測,到了2023年,超過三分之一的大型組織都將擁有專門實現決策智能技術的分析師。

Gartner研究機構將「決策智能」定義為一種框架,讓資料分析領導者得以針對商業行為與結果,設計出決策模型及流程。實際運用上,決策智能使用資料分析學,協助員工、客戶、或商業夥伴做決策,在他們需要的時機與場合,提供最相關的資料、分析結果及預測。 一旦決策智能成為商業流程核心的一部份,人們就能更快速、更容易地做出決策,決策成本也會比以往更低。

用決策智能縮短排隊等候時間

決策智能不只能幫助員工做出更佳決策,也能協助他們更快做決策。後者對加州車輛管理局(DMV)尤其重要,在那裡排隊等待的民眾,每一刻都在冒著感染致命病毒的風險。

加州車輛管理局(DMV)的數位轉型長 Ajay Gupta 表示:「對我來說,決策智能不僅是資料分析與洞察,更重要的是做決策。我們在日常工作裡使用人工智慧,它不只是告訴你該做什麼,還能像人類一樣,幫助你做決策」。

他說,該局處在疫情爆發之際就開始實現智慧文件流程,讓民眾可以上傳文件,並在前往車輛管理局之前,就能知道自己是否還缺少任何文件。數位轉型平台供應商ABBYY協助車輛管理局完成這項專案,此外 User Friendly Consulting 顧問公司也協助完成部份工作。 Gupta說:「我們用到與電腦視覺相關的資料探勘技術,人工智慧則依據歷史資料以及我們提供的訓練做決策。

這套智能決策平台,減少民眾因缺少必要文件而往返的情況,同時,因為需要在辦事窗口處理的事情變少,也減少了案件處理時間」。 舉個實際例子,美國聯邦政府鼓勵民眾更換駕駛執照,以符合新的 Real ID 格式(真實身分證件),讓民眾搭乘美國國內航班時更加便利。因此,許多加州居民必須到車輛管理局申請換發新駕照。導入人工智慧與事先上傳文件的功能,讓加州車輛管理局將每個案件的處理時間,由27分鐘縮短到10分鐘左右。

Gupta補充道:「這套技術在疫情期間幫了大忙,你在擁擠場所待的時間越短,接觸感染的機會自然越低。此外,不用來回傳遞實體文件,也減少病毒透過紙張傳播的機率」。 另外,聊天機器人(chatbot)可協助回答車輛管理局客戶及員工提出的基本問題,Gupta說;「現在我們在探索另一項新應用 ─ 用人工智慧訓練技師及時作業的能力」。

導入決策智能

加州車輛管理局還計劃用人工智慧安排輪班行程,他們的員工有些在家工作,有的在局處辦公室,有些在總部,總計約一萬名員工,要確保工作輪班能為每間辦事處帶來足夠人力不是件易事。 如今,車輛管理局的資料科學師,針對輪班行程執行分析,提供建議給地區與辦事處管理者。但局處正在評估不同平台,打算把決策智能導入到資料科學家以外的員工使用的系統,預計今年會決定最終的平台廠商。

Gupta表示:「我們會使用新工具,整合工作流程系統,透過專門設計產品的內建功能,提供容易操作的介面,以及更流暢的使用體驗。

屆時員工將擁有更高品質的決策流程」。 系統只是輔助,最終決策還是由人決定,他說:「決策智能提供選項,自動建立可以改變的行事曆,自動產生最理想的輪班行程,但最終的決策權還是掌握在管理者手中」。 車輛管理局正在評估的工具,包含導入街道流量資料的能力。目前該局處網站已有人流資訊,能協助民眾決定前往的日期及時間,這些資訊也會被用來安排工作輪班排程。

Gupta說:「雖然已有人流資料,但是在灣區和洛杉磯,交通及停車狀況會為辦事處帶來許多難以預測的混亂,因此我們希望引入街道流量資料,幫助我們達到工作排程的最佳化」。 車輛管理局也計劃導入機器學習,幫助內部研究人員找出組織內外任何資源浪費與濫用的情形。他說:「我們的目標,是建立一套人力輔助的決策智慧模型,在我們的研究人員、行為科學家與資料專家的輔助之下,做出最完善的決策」。 他表示,COVID-19 確實迫使車輛管理局加快數位轉型的時程,不過他們在疫情開始之前就已經朝此方向前進。

Gupta說道:「我們將危機化為轉機,利用人工智慧、機器人流程自動化、機器學習來協助我們的客戶。我希望我們能持續這股動力,我期盼COVID疫情能儘快結束,但我們所做的一切努力能延續下去」。


決策智能的其他應用案例

在網路安全(cybersecurity)領域,人們必須根據大量且瞬息萬變的資料做出決策,決策品質對於公司潛在風險的影響甚鉅。在此,人工智慧與機器學習能派上用場,協助安全分析師做出更佳決策,正如網路公司 Cato Networks 所展現的。

該公司的研究團隊領導人 Avidan Avraham 表示:「在Cato,我們大量地使用人工智慧與機器學習技術,例如,我們建立了一套聲譽模型(reputation model),它會使用跟某個網域或IP位址有關的所有資訊,根據內部網路資料以及開放源碼的智能資料,此模型得以預測該網域或IP位址是惡意網站的可能性有多高」。

這意謂著,網路威脅狩獵(threat hunting)分析師可以有效安排研究工作的優先次序。 Cato公司建立自家技術以實現這套模型,並用 Amazon Elastic MapReduce 來訓練其模型。根據Avraham說法,他們使用這套系統已超過一年之久,成效顯著,且誤報率極低。

他說:「在我們建構這項技術以前,我們以人工方式執行這種分析,如今,此系統已整合到我們分析師的工作流程當中,很顯然地,現在分析流程比以往快多了」。 決策智能亦可幫助企業做出更一致的決策,讓我們以負責核准貸款申請的銀行職員做為例子。 國際會計師事務所PwC的全球人工智慧領導人 Anand Rao 如此說道:「當決策牽涉到個人時,很多時候,決策的問題在於每個人有不同的背景」。

公司有很多方法來達到決策的一致性,例如員工訓練,但有時候,難免會有外部因素的干擾,例如,某個放貸行員在某一天心情特別糟,導致他做出差勁的決定。在這種情境下,決策智能工具可提供脈絡與建議,協助公司讓商業流程更加前後一致。 其他企業領域也開始發展及運用決策智能,包括:顧客關係管理、銷售工具等。毫無疑問地,將人類的智慧與人工智慧結合,可以大幅提升決策流程的品質。