محاكاة متجهة بالفرضية كبوصلة للملاحة في مستقبل غير مؤكد

تم فتح إمكانيات التنبؤ من خلال الذكاء الاصطناعي (AI) بواسطة التقنيات القائمة على البيانات. ومع ذلك ، يبقى التنبؤ في الأراضي غير المكتشفة تحديًا ، حيث قد لا تكون البيانات التاريخية كافية ، كما هو الحال مع الأحداث غير المتوقعة مثل الأوبئة والابتكارات التكنولوجية الجديدة. في الاستجابة ، يمكن أن تكون محاكاة متجهة بالفرضية أداة قيمة تتيح للمتخذين القرارات استكشاف سيناريوهات مختلفة واتخاذ قرارات مستنيرة. المفتاح لتحقيق المستقبل المرغوب فيه في عصر من عدم اليقين يكمن في استخدام محاكاة متجهة بالفرضية إلى جانب نهج قائم على البيانات لتعزيز اتخاذ القرارات البشرية.

هل يمكن للتحليلات القائمة على البيانات التنبؤ بالمستقبل؟

خضعت الذكاء الاصطناعي في السنوات الأخيرة لرحلة تحويلية ، مدفوعة بالتقدمات المذهلة القائمة على البيانات. في قلب تطور الذكاء الاصطناعي تكمن القدرة المذهلة على استخراج رؤى عميقة من مجموعات بيانات ضخمة. أدت ظهور نماذج التعلم العميق و النماذج اللغوية الكبيرة (LLMs) إلى دفع الحقل إلى أراضي غير مكتشفة. أصبحت القدرة على استخدام البيانات لاتخاذ قرارات مستنيرة متاحة للعديد من المنظمات من جميع الأحجام والقطاعات.

خذ على سبيل المثال صناعة الأدوية. في Astellas ، نستخدم البيانات والتحليلات لمساعدتنا في تحديد المحفظة التجارية التي يجب استثمارها فيها ومتي. إذا كنت تقوم بإنشاء نموذج تجاري يركز على منطقة مرض شائعة ومفهومة جيدًا ، فإن قوة التحليلات القائمة على البيانات تمكنك من استخلاص رؤى حول كل شيء من اكتشاف الأدوية إلى التسويق ، مما يمكن أن يؤدي في النهاية إلى اتخاذ قرارات تجارية أكثر استنارة.

ومع ذلك ، في حين تتمتع التحليلات القائمة على البيانات بالتميز في المجالات الموجودة مع بيانات تاريخية وافرة ، يبقى التنبؤ بالمستقبل في الأراضي غير المكتشفة تحديًا هائلاً. من الصعب إجراء تنبؤات قائمة على البيانات في المجالات التي لا تتوفر فيها بيانات كافية ، مثل المجالات التي حدثت فيها تغييرات استثنائية أو ابتكارات تكنولوجية (من الصعب التنبؤ بالتأثير الذي قد تحدثه وباء فيروس معدي فجأة أو ظهور الذكاء الاصطناعي التوليدي على عمل تجاري في مراحله الأولى). تسلط هذه السيناريوهات الضوء على حدود الاعتماد بشكل حصري على البيانات التاريخية لتوجيه المسار إلى الأمام.

يُعتبر التقييم النموذجي في صناعة الأدوية ، وهو ما يواجهه Astellas بانتظام ، هو تقييم الابتكارات المثيرة للانقسام مثل العلاجات الجينية والخلوية. مع قلة البيانات المتاحة ، يصبح من الصعب التنبؤ بدقة قيمة هذه الابتكارات وتأثيرها الواسع على المحفظة بالاعتماد فقط على البيانات التاريخية ، مثل التنقل عبر ضباب كثيف بدون بوصلة.

النظر إلى المستقبل: محاكاة متجهة بالفرضية

تُعتبر واحدة من النهج الواعدة للملاحة في مياه عدم اليقين هي محاكاة متجهة بالفرضية ، التي تمثل العمليات الحقيقية في العالم. إذا كنت شركة تتجه إلى مجالات مجهولة ، فإنك تحتاج إلى تبني نهج متجه بالفرضية عندما لا تتوفر البيانات التاريخية. يمثل النموذج كيف تؤثر العوامل الرئيسية في العمليات على النتائج ، في حين تمثل المحاكاة كيف يتطور النموذج بمرور الوقت تحت ظروف مختلفة. تمكن هذا النوع من المحاكاة المتخذين للقرارات من اختبار سيناريوهات مختلفة في “العوالم الموازية” الافتراضية.

في الممارسة ، يعني هذا وضع مجموعة من السيناريوهات الرئيسية على طاولة القرار ، كل منها مع تقييم احتمالية وتأثيره. يمكن للمتخذين للقرارات بعد ذلك تقييم السيناريوهات الحاسمة ووضع استراتيجيات للمستقبل بناءً على هذه المحاكاة. في صناعة الأدوية ، يتطلب هذا وضع افتراضات حول مجموعة من العوامل مثل معدلات نجاح التجارب السريرية ومدى تعديل السوق وسكان المرضى. يتم تشغيل عشرات الآلاف من المحاكاة لتوضيح المسار الغامض вперед وتوفير رؤى قيمة لتوجيه المسار.

في Astellas ، قمنا بتطوير محاكاة متجهة بالفرضية ، التي تخلق سيناريوهات وتجري تخمين استدلالي ، لمساعدتنا في اتخاذ القرارات الاستراتيجية. نحن قادرون على القيام بذلك من خلال تحديث فرضية المحاكاة في الوقت الفعلي (على طاولة اتخاذ القرار) ، مما يساعد على تحسين جودة القرارات الاستراتيجية. يُعتبر تقييم المشروع أحد المواضيع التي تأتي فيها طريقة المحاكاة إلى حيز التطبيق. أولاً ، نبني فرضيات возможة حول مجموعة من العوامل ، بما في ذلك احتياجات السوق و احتمالية نجاح التجارب السريرية. ثم ، بناءً على هذه الفرضيات ، نمثل الأحداث التي تحدث خلال التجارب السريرية أو بعد إطلاق المنتج لتوليد نتائج ومقدرة محتملة للمشروع. يتم استخدام القيمة المحسوبة لتحديد الخيارات التي يجب اتخاذها ، بما في ذلك تخصيص الموارد وتخطيط المشروع.

لننظر بشكل أعمق ، دعونا ننظر إلى حالة تطبيق هذه الطريقة على تقييم المشروع في مرحلته المبكرة. بالنظر إلى مستوى عدم اليقين العالي الذي يأتي مع المشاريع في المراحل المبكرة ، هناك فرص كثيرة لتخفيف مخاطر الفشل وتحقيق مكاسب النجاح. ببساطة ، كلما كان المشروع في مرحلة مبكرة من دورته الحياتية ، زادت فرص اتخاذ قرارات مرنة (مثل التعديلات الاستراتيجية ، وتوسيع السوق ، وتقييم إمكانية التخلي ، إلخ). لذلك ، من الأهمية بمكان تقييم قيمة المرونة لتسجيل جميع قيم المشاريع في المراحل المبكرة. يمكن القيام بذلك عن طريق結ب نظرية الخيارات الحقيقية مع نموذج المحاكاة.

يتطلب تقييم تأثير محاكاة متجهة بالفرضية تقييمًا من منظورات العملية والنتائج. يمكن استخدام مؤشرات نمطية مثل تقليل التكاليف وزيادة الكفاءة ونمو الإيرادات لقياس عائد الاستثمار. ومع ذلك ، قد لا تكتمل هذه المؤشرات عملية اتخاذ القرار ، خاصة عندما تتضمن بعض القرارات عدم اتخاذ إجراء. بالإضافة إلى ذلك ، من المهم أن ندرك أن نتائج القرارات التجارية قد لا تكون واضحة على الفور. في صناعة الأدوية ، على سبيل المثال ، يبلغ متوسط الوقت من التجارب السريرية إلى إطلاق السوق أكثر من 10 سنوات.

يُقاس قيمة محاكاة متجهة بالفرضية من خلال مدى تأثير نتائجها على عملية اتخاذ القرار. كلما زاد تأثير نتائج المحاكاة على اتخاذ القرارات ، زادت قيمتها.

مستقبل تحليلات البيانات

من المتوقع أن تتفرع تحليلات البيانات إلى ثلاث اتجاهات رئيسية: (1) نهج استنتاجي يهدف إلى تحديد الأنماط في البيانات الكبيرة ، والذي يعمل تحت افتراض أن الأنماط الموجودة في البيانات يمكن تطبيقها على المستقبل الذي نريد التنبؤ به (مثل الذكاء الاصطناعي التوليدي)؛ (2) نهج تحليلي ، يركز على تفسير وفهم الظواهر حيث لا يمكن استخدام البيانات الكافية (مثل الاستدلال السببي)؛ و (3) نهج استدلالي ، يعتمد على قواعد الأعمال أو المبادئ أو المعرفة لمراقبة النتائج المستقبلية. يعمل هذا النهج حتى عندما تكون البيانات المتاحة أقل (مثل محاكاة متجهة بالفرضية).

تتمتع نماذج اللغة الكبيرة والتحليلات القائمة على البيانات الأخرى ب潜عة لتوسيع تطبيقاتها العملية بشكل كبير. لديها إمكانية ثورية في العمل من خلال تسريع وتحسين جودة العمل ، وفي بعض الحالات ، حتى إجراء العمل البشري. سوف يسمح هذا التحول المتغير للأفراد بالتركيز على جوانب أكثر أهمية من عملهم ، مثل التفكير النقدي واتخاذ القرارات ، بدلاً من الأنشطة التي تستغرق وقتًا طويلاً ، مثل جمع البيانات وتنظيمها وتحليلها وتصورها ، في حالة محللي البيانات. عندما يحدث ذلك ، سيزداد أهمية اتجاه الحركة ، وسيتركز التركيز على تعزيز اتخاذ القرارات البشرية. على وجه الخصوص ، سيكون الاتجاه هو استخدام تحليلات البيانات ومحاكاة متجهة بالفرضية لاتخاذ القرارات الاستراتيجية مع إدارة عدم اليقين من منظور متوسط إلى طويل الأجل.

باختصار ، سوف يؤدي تحقيق التوازن المتناغم بين النهج الثلاثة المذكورة أعلاه إلى تعظيم الإمكانات الحقيقية لتحليلات البيانات وتمكين المنظمات من الازدهار في مناظر متغيرة بسرعة. في حين أن البيانات التاريخية تمثل أصلًا رائعًا ، من المهم أن ندرك حدودها. لتجاوز هذه الحدود ، يمكن أن تمكننا محاكاة متجهة بالفرضية ، إلى جانب نهج قائم على البيانات ، من التأهب لمستقبل غير متوقع وضمان أن تكون قراراتنا مدعومة بالتبصر والحكمة.