निर्णय ऑटोमेशनः मानवी बुद्धिमत्तेसह भाकित विश्लेषक कसे वाढवायचे

हा लेख प्रगत विश्लेषण आणि मानवी परस्परसंवादासह स्वयंचलित निर्णय घेण्याच्या अचूक संयोजनाची तपासणी करतो. चला एक सोपा कोडे सह प्रारंभ करूया. हे चित्र पहा: एका टेबलवर चार कार्डे आहेत. आपला कार्य हा नियम तपासणे आहेः "जर कार्डच्या एका बाजूला स्वर असेल तर दुसर्‍या बाजूला एक सम संख्या आहे." या नियमाची वैधता सत्यापित करण्यासाठी आपल्याला कोणती कार्ड (ती) चालू करण्याची आवश्यकता आहे ते निर्धारित करा.

बर्‍याच प्रतिसादकांनी त्वरित उत्तर दिलेः "ए" कार्डची दुसरी बाजू तपासणे पुरेसे आहे. आणखी एक लोकप्रिय उत्तर म्हणजे आपल्याला "ए" आणि "2" दोन्ही कार्ड फ्लिप करावे लागतील. नक्कीच, आम्हाला "ए" कार्ड फ्लिप करावे लागेल कारण या कार्डावर एक स्वर आहे आणि या कार्डच्या दुसर्‍या बाजूला काय आहे याचा आमच्याकडे डेटा नाही. कार्ड "2" चालू करणे खरोखर आवश्यक आहे काय? आमचा नियम समान क्रमांकाबद्दल काहीही सांगत नाही, म्हणून आम्हाला हे कार्ड तपासण्यात रस नाही. तथापि, याचा अर्थ असा नाही की ए कार्ड तपासणे पुरेसे आहे. या कार्डाच्या दुसर्‍या बाजूला स्वर आहे की नाही हे पाहण्यासाठी आमच्याकडे "7" फ्लिप कार्ड देखील आहे. तसे असल्यास, ते नियम विरोध करते.

या कार्यास "वेसन सिलेक्शन टास्क" असे म्हणतात आणि पीटर वसन यांनी अग्रगण्य संज्ञानात्मक मानसशास्त्रज्ञ तयार केले. त्याच्या प्रयोगानुसार, पाच पैकी चार प्रतिसादकर्ता हा कोडे व्यवस्थित सोडवू शकत नाहीत. संज्ञानात्मक मानसशास्त्रज्ञांना असे आढळले आहे की लोक जास्त प्रमाणात अस्पष्टते असलेल्या घटकांबद्दल अनुमान लावण्यास काळजीपूर्वक काळजी घेतात. ते त्यांचे निर्णय केवळ ज्ञात वस्तुस्थितीवर आधारित ठेवण्यास प्राधान्य देतात. दुसर्‍या शब्दांत, ते अनिश्चित माहिती गमावण्याचा कल करतात. तथापि डेटामधील “लपलेल्या” माहितीशिवाय माहिती व अंतर्दृष्टीपूर्वक निर्णय घेणे शक्य नाही.

बेन Companyन्ड कंपनीच्या पॉल रॉजर्स आणि जेनी डेव्हिस-पेककॉड यांनी कंपन्यांना पीडित करणा decision्या 10 निर्णय घेणा-या रोगांची यादी तयार केली आहे आणि संबंधित अंतर्दृष्टीअभावी किंवा ते अंधुक दृष्टी म्हणून म्हणतात या आकलनात या आकलनात प्रथम स्थान आहे. पुढील भागात, भविष्यवाणी करणारी विश्लेषणे आणि निर्णय स्वयंचलन पद्धती विविध क्षेत्रात निर्णय घेण्यास कशी सुधारू शकतात याची काही उदाहरणे आम्ही देऊ इच्छित आहोत.

कर्ज देणार्‍यांमधील स्कोअरकार्ड आणि प्रगत ticsनालिटिक्स मॉडेल एम्बेड करून, सावकार सर्वात विश्वासार्ह आणि फायदेशीर खाती घेऊ शकतात, कर्ज किंमतीबद्दल सर्वोत्तम निर्णय घेऊ शकतात आणि क्रॉस-सेलिंग संधींचा फायदा घेऊ शकतात. हे ग्राहकांच्या संपादन मोहिमेची किंमत कमी करण्यासाठी, त्यांचे कर्ज पोर्टफोलिओ सुधारित करण्यास आणि एकूणच नफा सुधारण्यास पुढाकार देणार्‍या सावकारांना सक्षम करते.

विपणन व्यावसायिक निर्णय घेण्याकरिता ऑटोमेशन प्लॅटफॉर्मचा वापर ग्राहकांच्या जीवनचक्र व्यवस्थापन उपक्रम आणि विपणन मोहिमांच्या डिझाइन, चाचणी आणि अंमलबजावणीसाठी करू शकतात. अत्याधुनिक डेटा विश्लेषण आणि वर्तनात्मक स्कोअरकार्ड्सद्वारे ते बाजारातील तफावत ओळखू शकतात आणि त्यांच्या प्रतिस्पर्ध्यांना माहिती मिळवू शकतात. याव्यतिरिक्त, विपणन ऑटोमेशन सोल्यूशन्ससह, ते भिन्न लक्ष्य गटांसाठी उत्पादने आणि सेवांच्या कामगिरीचे परीक्षण करू शकतात आणि ग्राहकांच्या आवश्यकता बदलण्यावर लक्ष केंद्रित करत राहू शकतात.

निर्णय ऑटोमेशन तंत्रज्ञान व्यवसाय प्रवाहाचे अनुकूलन करतात आणि सर्व प्रकारच्या कंपन्यांना त्यांच्या दैनंदिन ऑपरेशनमध्ये माहिती अंतःस्थापित करण्यास सक्षम करतात. हुशार बाजाराचे भागीदार जे त्यांच्या निर्णयाचे अनुकूलन करण्यासाठी आणि जोखीम व्यवस्थापनासाठी अंदाज विश्लेषक वापरू शकतात त्यांना संबंधित अंतर्दृष्टींमध्ये प्रवेश करण्यात सक्षम राहणार नाहीः ते आपोआप माहिती फायदेशीर उपायांमध्ये रूपांतरित करण्यात सक्षम होतील.