Hou je vast! Je staat op het punt om mee te rijden in de zich steeds verder ontwikkelende data & analytics wereld!

Vaak ondervinden bedrijven problemen bij het effectief beheren van hun enorme hoeveelheden gegevens en worstelen ze om er zinvolle inzichten uit te halen. De tijd dat mensen gegevens handmatig analyseerden, wat resulteerde in foutgevoelige inzichten voor besluitvorming, is voorbij.

Wat denk je?

We bevinden ons in een tijdperk waarin AI een centrale rol speelt in de besluitvorming en de nodige ondersteuning biedt om ervoor te zorgen dat de juiste uitkomsten nauwkeurig worden voorspeld.

Hier komt het modewoord “Decision Intelligence”, dat de datawereld stormenderhand heeft veroverd. Deze innovatieve aanpak versterkt het data- en analyseteam en bevordert effectieve samenwerking en collectieve besluitvorming. Het zorgt er ook voor dat organisaties met vertrouwen de juiste gegevens kunnen kiezen voor analyse, wat de weg vrijmaakt voor beter geïnformeerde en strategische besluitvorming.

Hoewel kunstmatige intelligentie het hoogtepunt heeft bereikt in de hype cycle van Gartner, helpen de onderstaande tijdkritische voorspellingen over initiatieven op het gebied van data en analyse ondernemingen om zich te wapenen in de evoluerende datawereld.

Voorspelling 1: Gartner voorspelt dat tegen het einde van 2023 meer dan een derde van de grote organisaties analisten zal hebben die zich bezighouden met beslissingsintelligentie, waaronder beslissingsmodellering.

Voorspelling 2: Gartner voorspelt dat in 2025 95% van de beslissingen die nu worden genomen op basis van gegevens op zijn minst gedeeltelijk geautomatiseerd zullen zijn.

Als vervolg op onze “tweede editie” delen onze experts hun uitgebreide analyse van de bovenstaande voorspellingen om ondernemingen te helpen snel te oefenen en zich aan te passen aan de nieuwe besluitvormingsbenaderingen.

Maak kennis met onze experts:

1. Kalyan Allam (Senior Technical Manager – BI) verdiept zich in beslissingsintelligentie
   (Voorspelling 1).

2. Rajkumar Purushothaman (directeur BI & Analytics) deelt zijn ervaring met het maken van een AI-besluitvormingsengine (Prediction 2).

Hallo allemaal, ik ben Naresh Kumar , Lead Marketing Strategist bij Zuci Systems. Laten we ons eens verdiepen in de voorspellingen die het besluitvormingsproces van organisaties helpen vormgeven!

Verhuizen naar Kalyan

Voorspelling 1: Gartner voorspelt dat tegen het einde van 2023 meer dan een derde van de grote organisaties analisten zal hebben die zich bezighouden met beslissingsintelligentie, waaronder beslissingsmodellering.

Naresh: We zien dat de beslissingsintelligentie de laatste tijd sterk in opkomst is. Waarin verschilt decision intelligence van traditionele gegevensanalyse en besluitvormingsprocessen?

Kalyan: Het conventionele besluitvormingsproces, zoals ingekapseld door business intelligence en analytics, volgt meestal een lineaire progressie zoals:

• Data-engineering
• Zakelijke intelligentie
• Gegevenswetenschap
• Voorspellende analyse
• Beheer van beslissingen

Hoewel deze sequentiële aanpak het doel dient, heeft het ook nadelen. De vertraagde feedbackloop tussen stadia en het gebrek aan onderlinge afhankelijkheid tussen beslissingen op verschillende niveaus leiden vaak tot inefficiëntie en belemmeren wendbaarheid.

Naresh: Kunt u ingaan op de uitdagingen waarmee organisaties worden geconfronteerd bij het aanpassen van traditionele besluitvormingsprocessen en hoe decision intelligence de weg vrijmaakt voor organisaties om deze uitdagingen op te lossen?

Kalyan: Beslissingsintelligentie daagt de traditionele silobenadering uit door samenwerking tussen de verschillende onderdelen van het analyseproces te stimuleren.

Een centraal concept binnen decision intelligence is de verschuiving van een ‘Data to Decision’-benadering naar een ‘Decision to Data’-mentaliteit. Deze verschuiving bagatelliseert het belang van gegevens niet, maar benadrukt het verrijken van gegevens door zich te richten op wat relevant is voor het bereiken van de organisatiedoelen. Door besluitvorming op de voorgrond te plaatsen, kunnen organisaties hun analyseprocessen stroomlijnen en de valkuilen van een overdaad aan gegevens vermijden.

• Decision intelligence dringt er bij organisaties op aan om hun uiteindelijke doelstellingen te definiëren voordat ze aan data analytics beginnen. Door je te concentreren op de einddoelen kun je een doelgerichter stappenplan ontwikkelen met een duidelijk begrip van de gewenste resultaten. Deze aanpak zorgt ervoor dat gegevens, tools en technologieën de besluitvorming ondersteunen in plaats van andersom.
• Beslissingsinformatie pakt de uitdaging van gegevensovervloed aan door te pleiten voor een meer gerichte en strategische aanpak. In plaats van te verdrinken in enorme datasets, kunnen organisaties zinvolle inzichten verkrijgen door analytische projecten af te stemmen op gedefinieerde doelstellingen. Dit proces verbetert niet alleen de relevantie van gegevens, maar zorgt er ook voor dat beslissingen goed geïnformeerd en doelgericht zijn.
• In plaats van analytics in losse fragmenten aan te pakken, worden organisaties aangemoedigd om een holistische visie aan te nemen die besluitvorming integreert met analytics-inspanningen. Deze integratie zorgt ervoor dat beslissingen in elke stap doorwerken in het hele proces, waardoor een dynamischer en responsiever analysekader ontstaat.

Het omarmen van deze paradigmaverschuiving geeft organisaties meer mogelijkheden en zorgt ervoor dat elke analytische inspanning een strategische stap is in de richting van het behalen van overkoepelende bedrijfsdoelstellingen.

Naresh: Wat zijn de belangrijkste voordelen van het gebruik van beslissingsintelligentie in organisaties?

Kalyan: Naast vele andere voordelen zijn deze 4 de belangrijkste:

1. Verantwoordingsplicht
2. Optimalisatie van bronnen
3. Kosten besparen
4. Voortdurend leren

• Beslissingsintelligentie stemt beslissingen af op de doelstellingen van de organisatie. Het bevordert transparante besluitvorming en gegevensgestuurde processen, waarbij duidelijke rollen en verantwoordelijkheden worden vastgesteld die het gemakkelijker maken om resultaten toe te schrijven aan specifieke beslissingen.
• Door te focussen op de meest kritieke beslissingen en hun impact, helpt decision intelligence om middelen effectiever toe te wijzen. Dit omvat het optimaliseren van de toewijzing van budgetten, de inzet van personeel en investeringen in technologie.
• Met betere besluitvorming en toewijzing van middelen kunnen organisaties onnodige uitgaven verminderen en de operationele efficiëntie verhogen, wat leidt tot kostenbesparingen.
• Beslissingsintelligentie bevordert een cultuur van voortdurend leren en aanpassen. Organisaties kunnen leren van zowel succesvolle als onsuccesvolle beslissingen om hun strategieën en processen te verfijnen.

Naresh: Hoe kunnen organisaties hun huidige analyseteam opleiden en bijscholen om de discipline van decision intelligence te omarmen?

Kalyan: Om beslissingsintelligentie volledig te omarmen, moeten organisaties zich richten op het verbeteren van de zachte vaardigheden van hun werknemers en het bevorderen van een organisatiebrede toewijding aan enkele belangrijke principes:

1. Uitkomsten prioriteren.
2. Vertrouwen op gegevensgerichte benaderingen voor weloverwogen beslissingen.
3. Verantwoording afleggen voor beslissingen.
4. Samenwerking tussen teams.
5. Transparantie in het besluitvormingsproces.

Om de bovenstaande 5 principes in organisaties in te voeren en de succesvolle invoering van decision intelligence te vergemakkelijken, kunnen de volgende trainingsinitiatieven nuttig zijn:

1. Functieoverschrijdende trainingsprogramma’s: Deze programma’s zijn ontworpen om ervoor te zorgen dat iedereen die betrokken is bij het besluitvormingsproces, van data engineers tot BI-analisten, data scientists en senior executives op verschillende afdelingen, de volledige levenscyclus van decision management begrijpt. Medewerkers begrijpen de waarde van samenwerking door te begrijpen hoe individuele rollen het besluitvormingsproces beïnvloeden.

2. Interdisciplinaire samenwerking trainingsoefeningen: Aangezien decision intelligence afhankelijk is van cross-functioneel teamwork, is het essentieel om samenwerking te stimuleren tussen analyseteams en andere afdelingen zoals data engineering, bedrijfsstrategie en IT. Organisaties kunnen casestudy-oefeningen in groep uitvoeren en brainstormsessies houden. Deze oefeningen maken het mogelijk om flexibel te reageren op inzichten en input van andere afdelingen.

Naresh: Zijn er mogelijke uitdagingen of obstakels waarop organisaties moeten anticiperen bij het implementeren van decision intelligence en welke strategieën raadt u aan om deze aan te pakken?

Natuurlijk, Naresh. Hoewel elke organisatie te maken krijgt met unieke uitdagingen, afhankelijk van de sector waarin ze actief zijn, zijn hieronder enkele van de belangrijkste uitdagingen die moeten worden aangepakt:

1) Cultuuromslag:

1. Uitdaging: Er kan een cultuuromslag nodig zijn om gegevensgestuurde besluitvorming prioriteit te geven boven onderbuikgevoelens.
2. Strategie: Bevorder een cultuur waarin gegevens centraal staan, beloon beslissingen op basis van gegevens en vier succesverhalen met betrekking tot beslissingsintelligentie.

2) Veranderingsbeheer:

1. Uitdaging: Weerstand van medewerkers tegen verandering ten opzichte van traditionele besluitvormingsmethoden.
2. Strategie: Maak een plan voor verandermanagement met communicatie, training en stimulansen om een soepele overgang te bevorderen. Benadruk de voordelen en successen van beslissingsintelligentie.

3) Weerstand tegen samenwerking:

1. Uitdaging: Verschillende afdelingen of teams kunnen terughoudend zijn om samen beslissingen te nemen.
2. Strategie: Een cultuur van functieoverschrijdende samenwerking bevorderen door training, duidelijke communicatie en het laten zien van de voordelen van samenwerken.

4) Privacy en compliance van gegevens:

1. Uitdaging: Voldoen aan de regelgeving voor gegevensprivacy en zorgen voor ethisch gegevensgebruik terwijl gegevens worden gedemocratiseerd.
2. Strategie: Ontwikkel een robuust privacybeleid voor gegevens, voldoe aan relevante regelgeving (bijv. GDPR, HIPAA) en stel ethische richtlijnen op voor het gebruik en delen van gegevens.

5) ROI-meting:

1. Uitdaging: Het rendement op investering (ROI) voor beslissingsintelligentie kwantificeren
2. Strategie: Ontwikkel duidelijke metrics en KPI’s om de impact van decision intelligence op de doelen en doelstellingen van uw organisatie te meten./li>

Voorspelling 2: Gartner voorspelt dat in 2025 95% van de beslissingen die nu worden genomen op basis van gegevens op zijn minst gedeeltelijk geautomatiseerd zullen zijn.

Naresh: Kunt u ons helpen te begrijpen hoe organisaties zich snel kunnen aanpassen aan AI-gestuurde besluitvorming?

Raj: Ik wil graag een use case delen over hoe AI-gestuurde besluitvorming het uitgifteproces van beveiligde leningen van een van de grootste banken in India heeft verbeterd. Om een AI-project succesvol uit te voeren, moet er nauw worden samengewerkt tussen het analyseteam van de serviceprovider en het IT-team van de stakeholder om eenvoudige toegang tot datasets en naadloze inzet van ML-modellen te garanderen om de gewenste resultaten te behalen.

De bank moest haar portefeuille met gedekte leningen vergroten door het uitgifteproces te automatiseren, waarbij het marketingteam op basis van de inzichten van het machine-learningmodel berichten op maat kon opstellen voor de beoogde klanten. We volgden een aanpak in 4 stappen om een AI-besluitvormingsmotor te maken die in hun bestaande gegevensinfrastructuur past.

Stap 1 – Ideeënfase:

• We werkten samen met de belangrijkste belanghebbenden van de bank om inzicht te krijgen in de vereisten voor het verbeteren van de portefeuille gedekte leningen, zoals de gewenste procentuele toename in de uitgifte van leningen en uitdagingen.
• We stelden KPI’s op om het succes van het project te meten.
• We werkten samen met het IT-team om alle relevante gegevensbronnen te identificeren en te openen, zodat we zeker wisten dat de gegevens accuraat en up-to-date zijn.

Stap 2 – Voorbereiding van gegevens:

• We keken naar de gegevenssets van de klant om demografische gegevens, rekeninginformatie, informatie over zekerheden, rekeningtransacties en SMA-geschiedenis te verzamelen.
• Onze data-engineers hebben de gegevens opgeschoond (ontbrekende waarden, uitschieters en inconsistenties) om de nauwkeurigheid te garanderen en de gegevens omgezet in een betrouwbaar formaat voor analyse met ELT-tools.
• Onze datawetenschappers voerden een eerste verkennende data-analyse uit op de getransformeerde data om patronen en afwijkingen te identificeren.

Stap 3 – Onderzoek & Ontwikkeling:

• We hebben de meest geschikte kenmerken/attributen geïdentificeerd die de prestaties van de portefeuille gedekte leningen kunnen beïnvloeden.
• We bouwden voorbeeldregressiemodellen en integreerden AI-modellen in de bestaande workflow voor de uitgifte van leningen.
• We evalueerden de prestaties van de eerste modellen op basis van de inzichten die we tijdens het onderzoek opdeden. Na beoordeling hebben we het meest effectieve model geïdentificeerd op basis van de voorspellende nauwkeurigheid en relevantie voor de bedrijfsdoelstellingen.

Stap 4 – Levering en controle:

• We zorgden ervoor dat de code van het voorspellende model goed gedocumenteerd was en werd ingezet in de data-infrastructuur.
• Ons data science team hield de prestaties van het model in de gaten en voerde waar nodig verbeteringen door om optimale resultaten te garanderen.
• We hebben inzichten, modeluitkomsten en aanbevelingen duidelijk gecommuniceerd naar belanghebbenden.
• We hebben ook waarschuwingsmechanismen geïmplementeerd om belanghebbenden op de hoogte te stellen als de prestaties van het model afwijken van vooraf gedefinieerde drempelwaarden, zodat er ruimte is voor proactief beheer.

Dankzij onze gezamenlijke aanpak van mens en AI konden AI-modellen voorspellingen doen over het in aanmerking komen voor een lening. Het maakte de weg vrij voor besluitvormers om naadloos definitieve beslissingen te nemen en hielp bij het lanceren van op maat gemaakte marketingcampagnes voor gerichte klanten, wat resulteerde in een toename van 73% van de portefeuille met gewaarborgde leningen.

Oorspronkelijk gepubliceerd in onze LinkedIn nieuwsbrief, ZtoA Pulse.

Wil je in contact komen met onze experts? Laat je gegevens achter en we nemen contact met je op.