Simularea orientată pe ipoteză ca busolă pentru navigarea într-un viitor incert

Avansurile recente în tehnologiile bazate pe date au deblocat potențialul prezicerii prin intermediul inteligenței artificiale (IA). Cu toate acestea, prognozarea în teritorii neexplorate rămâne o provocare, unde datele istorice pot să nu fie suficiente, așa cum se întâmplă cu evenimente imprevizibile, cum ar fi pandemii și noi întreruperi tehnologice. Ca răspuns, simularea orientată pe ipoteză poate fi un instrument valoros care permite factorilor de decizie să exploreze diferite scenarii și să ia decizii informate. Cheia pentru a atinge viitorul dorit într-o eră de incertitudine constă în utilizarea simulării orientate pe ipoteză, alături de IA bazată pe date, pentru a completa luarea deciziilor umane.

Își poate prezice analitica bazată pe date viitorul?

În ultimii ani, IA a parcurs o călătorie transformativă, alimentată de avansurile remarcabile și bazate pe date. În inima evoluției IA se află capacitatea uimitoare de a extrage insight-uri profunde din seturi masive de date. Ascensiunea modelului de învățare profundă și a modelului de limbaj mare (LLM) au împins domeniul în teritorii neexplorate. Puterea de a utiliza date pentru a lua decizii informate a devenit accesibilă organizațiilor de toate dimensiunile și din toate industriile.

Luăm ca exemplu industria farmaceutică. La Astellas, folosim date și analize pentru a ne ajuta să determinăm în ce portofolii de afaceri să investim și când. Dacă dezvoltați un model de afaceri axat pe o boală comună și bine înțeleasă, puterea analiticii bazate pe date vă permite să obțineți insight-uri despre tot, de la descoperirea medicamentelor la marketing, ceea ce poate duce în final la decizii de afaceri mai informate.

Cu toate acestea, în timp ce analitica bazată pe date excelează în domenii stabilite cu date istorice ample, prezicerea viitorului în teritorii neexplorate rămâne o provocare formidabilă. Este dificil să faci previziuni bazate pe date în zone unde nu există suficiente date disponibile, cum ar fi zonele în care s-a produs o schimbare extraordinară sau o inovație tehnologică (ar fi foarte greu de prezis impactul unei pandemii bruște a unui virus infectios sau al apariției inteligenței artificiale generative asupra unei afaceri în stadiile sale incipiente). Aceste scenarii subliniază limitele în care ne bazăm exclusiv pe date istorice pentru a trasa un curs înainte.

Un exemplu tipic în industria farmaceutică, și unul cu care Astellas se confruntă în mod regulat, este evaluarea inovațiilor disruptivă, cum ar fi terapiile genice și celulare. Cu atât de puține date disponibile, încercarea de a prezice valoarea exactă a acestor inovații și impactul lor de durată asupra portofoliului, doar pe baza datelor istorice, este ca și cum ai naviga printr-o ceață densă fără busolă.

Căutând în viitor: Simularea orientată pe ipoteză

O abordare promițătoare pentru a naviga apele incertitudinii este simularea orientată pe ipoteză, care imită procesele lumii reale. Dacă sunteți o afacere care se aventurează în zone necunoscute, trebuie să adoptați o abordare orientată pe ipoteză atunci când datele istorice nu sunt disponibile. Modelul reprezintă modul în care factorii cheie din procese afectează rezultatele, în timp ce simularea reprezintă modul în care modelul evoluează în timp, în condiții diferite. Acesta permite factorilor de decizie să testeze diferite scenarii în “lumi paralele” virtuale.

În practică, acest lucru înseamnă prezentarea unui ansamblu de scenarii cheie pe masa decizională, fiecare cu propria evaluare a probabilității și impactului. Factorii de decizie pot evalua apoi scenariile critice și formula strategii pentru viitor pe baza acestor simulări. În industria farmaceutică, acest lucru necesită efectuarea de ipoteze despre o serie de factori, cum ar fi ratele de succes ale trialurilor clinice, adaptabilitatea pe piață și populațiile de pacienți. Sunt efectuate zeci de mii de simulări pentru a ilumina drumul înainte și a oferi insight-uri valoroase pentru a ghida cursul.

La Astellas, am dezvoltat o simulare orientată pe ipoteză, care creează scenarii și face o presupunere deductivă, pentru a ajuta la luarea deciziilor strategice. Putem face acest lucru prin actualizarea ipotezei de simulare în timp real (la masa decizională), ceea ce ajută la îmbunătățirea calității deciziilor strategice. Evaluarea proiectului este un subiect unde metoda de simulare este aplicată. Mai întâi, construim ipoteze posibile despre diverse factori, inclusiv, dar nu limitat la, nevoile pieței și probabilitatea de succes a trialurilor clinice. Apoi, pe baza acestor ipoteze, simulăm evenimentele care au loc în timpul trialurilor clinice sau după lansarea produsului pentru a genera rezultatele și valoarea posibilă a proiectului. Valoarea calculată se utilizează pentru a determina care opțiuni ar trebui să fie luate, inclusiv alocarea de resurse și planificarea proiectului.

Pentru a analiza mai în detaliu, să examinăm un caz de utilizare în care metoda este aplicată la evaluarea proiectelor în stadiu incipient. Având în vedere nivelul înalt de incertitudine inerentă proiectelor din stadiul incipient, există o multitudine de oportunități de a reduce riscurile eșecului și de a maximiza recompensele succesului. Simplu spus, cu cât un proiect este mai devreme în ciclul său de viață, cu atât mai mare este potențialul pentru luarea deciziilor flexibile (de exemplu, ajustări strategice, extinderi de piață, evaluarea posibilității de abandon, etc.). Evaluarea valorii flexibilității este, prin urmare, esențială pentru a captura toate valorile proiectelor din stadiul incipient. Acest lucru poate fi realizat prin combinarea teoriei opțiunilor reale cu modelul de simulare.

Măsurarea impactului simulării orientate pe ipoteză necesită o evaluare din perspectiva procesului și a rezultatelor. Indicatori tipici, cum ar fi reducerea costurilor, eficiența timpului și creșterea veniturilor, pot fi utilizați pentru a măsura ROI. Cu toate acestea, acestea nu pot capta întregul proces de luare a deciziilor, mai ales atunci când unele decizii implică inacțiune. Mai mult, este important să recunoaștem că rezultatele deciziilor de afaceri nu pot fi întotdeauna imediat evidente. În industria farmaceutică, de exemplu, timpul mediu de la trialurile clinice la lansarea pe piață este de peste 10 ani.

Acesta este, valoarea simulării bazate pe ipoteză poate fi măsurată prin vedere cât de mult este integrată în procesul de luare a deciziilor. Cu cât rezultatele simulării au un impact mai mare asupra deciziilor, cu atât valoarea sa este mai mare.

Viitorul analiticii de date

Analitica de date se așteaptă să se diverifice în trei tendințe majore: (1) O abordare inductivă care caută să identifice modele în date mari, care funcționează sub ipoteza că modelele găsite în date pot fi aplicate viitorului pe care dorim să-l prezicem (de exemplu, IA generativă); (2) O abordare analitică, care se concentrează pe interpretarea și înțelegerea fenomenelor în care nu pot fi utilizate suficiente date (de exemplu, inferență cauzală); și (3) O abordare deductivă, care se bazează pe reguli de afaceri, principii sau cunoștințe pentru a vedea rezultatele viitoare. Acesta funcționează chiar și atunci când există mai puține date disponibile (de exemplu, o simulare orientată pe ipoteză).

Modelele LLM și alte analize de date bazate pe date sunt pe punctul de a-și extinde semnificativ aplicațiile practice. Acestea au potențialul de a revoluționa munca prin accelerarea, îmbunătățirea calității și, în unele cazuri, chiar și preluarea muncii umane. Acest salt transformativ va permite indivizilor să-și concentreze eforturile asupra aspectelor mai importante ale muncii lor, cum ar fi gândirea critică și luarea deciziilor, mai degrabă decât activitățile mai consumatoare de timp, cum ar fi colectarea, aranjarea, analiza și vizualizarea datelor, în cazul analiștilor de date. Când se întâmplă acest lucru, importanța direcției în care să se meargă va crește, iar accentul va fi pus pe completarea luării deciziilor umane. În special, tendința va fi de a utiliza analitica de date și simularea pentru luarea deciziilor strategice, gestionând incertitudinile viitoare dintr-o perspectivă medie până la lungă.

În rezumat, realizarea unui echilibru armonios între cele trei abordări de mai sus va maximiza potențialul real al analiticii de date și va permite organizațiilor să prospere într-un peisaj în rapidă evoluție. În timp ce datele istorice sunt un activ enorm, este important să recunoaștem limitele. Pentru a depăși această limită, adoptarea simulării orientate pe ipoteză, alături de o abordare bazată pe date, permite organizațiilor să se pregătească pentru un viitor imprevizibil și să asigure că deciziile lor sunt informate de previziune și prudență.