อนาคตของข้อมูลและการวิเคราะห์ไม่ได้อยู่ที่การเพิ่มแดชบอร์ด แต่คือปัญญาการตัดสินใจ

ธุรกิจไม่ได้ขาดแดชบอร์ด พวกเขาสามารถมองเห็นองค์กรได้มากกว่าที่เคยเป็นมา ทำไมหลังจากที่เราลงทุนทั้งหมดในข้อมูล, แพลตฟอร์ม, การแสดงผล, และการวิเคราะห์แบบเซลฟ์เซอร์วิสแล้ว องค์กรยังคงประสบปัญหาในการตัดสินใจและดำเนินการ?

เส้นทางจากสัญญาณสู่การกระทำยังคงเป็นกระบวนการที่ทำด้วยมืออย่างน่าแปลกใจ ต้องมีคนค้นหาแดชบอร์ดที่เหมาะสม แปลความว่าอะไรเปลี่ยนแปลงแล้ว ปรับให้สอดคล้องกับความรู้ที่ถูกเก็บไว้ในระบบอื่นและในหัวของคน จัดทีม ประกอบการตัดสินใจว่าจะทำอย่างไร แล้วจึงดำเนินการ

แดชบอร์ดยังคงมีคุณค่า แต่ถูกสร้างขึ้นเป็นหลักเพื่อเพิ่มการมองเห็น พวกมันมักไม่รวบรวมบริบททั้งหมดที่การตัดสินใจต้องการ พวกมันแทบไม่ให้ข้อมูลเชิงปัญญาในขณะตัดสินใจ ปัญหาไม่ได้อยู่ที่การเข้าถึงข้อมูล แต่เป็นระยะทางและความพยายามระหว่างข้อมูลกับการกระทำ AI กำลังเปิดเผยช่องว่างนั้น และ AI ยังมอบโอกาสให้ผู้นำด้านเทคโนโลยีได้เชื่อมช่องว่างนี้

ปัญญาการตัดสินใจ เชื่อมต่อข้อมูลที่เชื่อถือได้, บริบททางธุรกิจ, การตัดสินใจของมนุษย์, และการกระทำที่กำกับโดยรอบการตัดสินใจที่สร้างคุณค่า ด้วยมัน CIO สามารถพัฒนาข้อมูลและการวิเคราะห์จากฟังก์ชันการส่งมอบข้อมูลที่ขับเคลื่อนด้วยวัตถุ ไปสู่ระบบการตัดสินใจขององค์กรที่สร้างคุณค่ามากขึ้น ข้อมูลเชิงลึกต้องถูกส่งมอบในขณะตัดสินใจ ไม่ใช่ภายในขอบเขตของคลังข้อมูลขององค์กร

อนาคตของข้อมูลและการวิเคราะห์ไม่ได้อยู่ที่การเพิ่มแดชบอร์ด แต่คือปัญญาการตัดสินใจ

ให้การเข้าถึงข้อมูลองค์กรแบบกระจายที่ควบคุมโดย AI

ปัญญาการตัดสินใจพึ่งพา AI ที่เข้าถึงข้อมูลองค์กรที่เชื่อถือได้เป็นบริบทโดยไม่ทำให้การควบคุมความปลอดภัยที่มีอยู่เสียหายหรือเพิ่มความเสี่ยงด้านข้อมูลและการวิเคราะห์ขององค์กร

นำโมเดลไปสู่ข้อมูลเพื่อบรรเทาความเสี่ยงของ AI ให้ AI มีบริบทข้อมูลทั่วทุกแพลตฟอร์ม รวมสายงานข้อมูลและทำให้ การรักษาความปลอดภัยของข้อมูลและการควบคุมการเข้าถึง เป็นศูนย์กลางทั่วทั้งทรัพย์สินข้อมูล

ทำให้การวิเคราะห์ประจำวันและการสร้างแดชบอร์ดเป็นประชาธิปไตย

มอบหมายการผลิตแดชบอร์ดให้กับธุรกิจ ให้บริการข้อมูลและการวิเคราะห์แบบเซลฟ์เซอร์วิสที่แท้จริง เพื่อสร้างข้อมูลเชิงลึกอย่างต่อเนื่องในวันนี้ ทรัพยากรที่มีทักษะด้านข้อมูลต้องใช้เวลาหลายชั่วโมงและหลายวันเพื่อทำความเข้าใจสคีมาของข้อมูล, เขียนคิวรีและพายป์ไลน์, กำหนดเวลางาน, และแสดงเมตริกและ KPI ผู้ใช้ภาษาธรรมชาติไม่ได้รับความสะดวกเท่าไร พวกเขาต้องรอคิวในทีมวิเคราะห์เป็นสัปดาห์หรือเดือน

ทีมของฉันได้เปิดตัวเครื่องมือสอบถามด้วยภาษาธรรมชาติ (NLQ) เพื่อให้พนักงานที่ไม่มีทักษะด้านข้อมูล, ความรู้เกี่ยวกับข้อมูล, หรือความชำนาญทางเทคนิค สามารถสร้างข้อมูลเชิงลึกที่มีความหมายภายในแดชบอร์ดที่ปรับแต่งได้และสามารถแชร์กับผู้อื่น พวกเขาพัฒนาแดชบอร์ดของตนในไม่กี่นาทีหรือชั่วโมงโดยใช้เพียงคำสั่งเท่านั้น

เพื่อ ความปลอดภัย, เราได้รักษาข้อจำกัดความเป็นส่วนตัวของข้อมูลที่มีอยู่และใช้การรักษาความปลอดภัยระดับแถวโดยตรงจากแพลตฟอร์มข้อมูลของเราความเป็นส่วนตัว, เราใช้โมเดลสาธารณะเท่านั้นเพื่อแปลงข้อความเป็นเวกเตอร์และเปรียบเทียบกับเมทาดาต้าทางธุรกิจและเทคนิคความแม่นยำและความน่าเชื่อถือ, เราได้จำกัดการตอบกลับให้เป็นข้อมูลที่กำกับโดยองค์กรและ SQL ที่สามารถทำงานได้ แทนที่จะเป็นคำตอบที่เปลี่ยนแปลงได้, ไม่อธิบายได้, และสร้างโดย AI

NLQ ลดเวลาการได้ข้อมูลเชิงลึกลง 90% สำหรับผู้ใช้ภาษาธรรมชาติ

นอกจากความเร็วในการตัดสินใจที่เพิ่มขึ้นแล้ว เราได้สังเกตว่าหลังจากที่ธุรกิจได้รับสิทธิ์การเขียนและเป็นเจ้าของสินทรัพย์เชิงข้อมูล พวกเขามีความตระหนักที่มากขึ้นว่าข้อมูลเชิงลึกสามารถดึงคืนได้จากที่ใดเมื่อพวกเขาต้องการมากที่สุด

การทำให้การวิเคราะห์ประจำวันและการสร้างแดชบอร์ดเป็นประชาธิปไตยช่วยให้ทีมข้อมูลและการวิเคราะห์สามารถคืนความจุที่มีค่าเพื่อมอบงานที่มีมูลค่าสูงกว่า

ลงทุนใหม่ในความจุการวิเคราะห์เพื่อแสดงสัญญาณในขณะตัดสินใจ

นำความจุที่ปล่อยให้ใช้ใหม่มาลงทุนในปัญญาการตัดสินใจ ระบุสัญญาณที่ฝังลึกอยู่ในข้อมูลขององค์กร แล้วแสดงผลในขณะตัดสินใจที่สำคัญบนหน้าจอเดียว

ธุรกิจไม่ได้ถามว่า “อะไรกำลังเกิดขึ้นในบัญชีนี้?” อีกต่อไป พวกเขาถามว่า “ความต้องการใดที่ลูกค้าแสดงออกในการติดต่อกับเรา? ผลิตภัณฑ์หรือบริการใดที่จะตอบสนองความต้องการนั้น? บุคคลใดในแผนกใดควรรับผิดชอบเพื่อเติมเต็มความต้องการนั้นทันที?”

ก่อนหน้านี้องค์กรของเราต่อสู้กับการระบุโอกาสในการใช้บริการระดับมืออาชีพเพื่อปรับปรุงประสบการณ์ของลูกค้าShared Customer Intelligence, เป็นเครื่องมือที่สกัดข้อมูลจากกรณีสนับสนุนเพื่อระบุว่าลูกค้าประสบปัญหาในการเพิ่มประสิทธิภาพการใช้ผลิตภัณฑ์อย่างไร มันแสดงบริการระดับมืออาชีพและโอกาสการฝึกอบรมที่ช่วยลูกค้าเหล่านั้นมากที่สุด นอกจากนี้ยังแนะนำการยกระดับกรณีเมื่อพบความรู้สึกเชิงลบ

เพื่อเพิ่มศักยภาพการให้บริการลูกค้าให้สูงสุด, Case Analyzer แอปให้สรุปสั้น ๆ และความรู้สึกของกรณีทั้งหมดแก่ผู้จัดการบริการลูกค้า. พวกเขาสามารถเริ่มต้นใช้งานบัญชีได้ในเวลาเพียง 5% ของเวลาที่เคยใช้ก่อนหน้า, และสามารถให้บริการบัญชีได้มากกว่าสองเท่าในเวลาเดียวกัน. เครื่องมือนี้แสดงผลการแก้ไขกรณีที่เป็นไปได้โดยอิงจากกรณีที่แก้ไขแล้วและบทความฐานความรู้ที่เกี่ยวข้องอย่างสูง. มันยังแสดงข้อมูลเชิงลึกที่สำคัญต่อผู้จัดการบริการลูกค้าในขณะลูกค้าต้องการ. 

สิ่งที่เราเรียนรู้คือ ปัญญาการตัดสินใจเร่งความเร็วของการตัดสินใจ. จากนั้นเราจึงสงสัยว่าประโยชน์เพิ่มเติมใดที่เราจะได้รับหากการตัดสินใจสามารถมอบหมาย, อนุมัติก่อน, หรือทำอัตโนมัติภายในขอบเขตการกำกับดูแลที่เหมาะสม.

เชื่อมสัญญาณเหล่านั้นกับการกระทำที่กำกับดูแล

ปัญญาการตัดสินใจควรทำมากกว่าการปรับปรุงการตัดสินใจของมนุษย์ที่สำคัญ. ปัญญาการตัดสินใจมีสามโหมด: แสดงบริบทเพื่อให้ข้อมูลกับการตัดสินใจของมนุษย์, เสนอการกระทำโดยยังคงอำนาจของมนุษย์, ดำเนินการกระทำที่ได้รับอนุมัติตามการควบคุมที่กำหนดไว้ล่วงหน้า.

หากทีมการตลาดไม่จำเป็นต้องตรวจสอบโอกาสการฝึกอบรม, ให้เอเจนท์ AI เชิญลูกค้าเข้าร่วมเว็บบินาร์, เสนอการฝึกอบรมพร้อมส่วนลด, หรือเปิดโอกาสบริการมืออาชีพในระบบ CRM. หากสาเหตุรากฐานที่ระบุสำหรับกรณีเป็นที่แน่นอน, มอบหมายให้เอเจนท์สั่งลูกค้านำทางแก้ไข. หากยังไม่แน่นอน, ให้สิทธิ์เอเจนท์ขอข้อมูลเพิ่มเติมและบันทึกการแลกเปลี่ยนกับลูกค้า.

การกระทำอัตโนมัติต้องการการกำกับดูแลด้านไอทีที่แข็งแกร่ง, แน่นอน. การกระทำจะถูกทำอัตโนมัติ, แต่ความรับผิดชอบจะไม่เป็นเช่นนั้น. สิทธิ์การตัดสินใจ, เกณฑ์ความเชื่อมั่น, และกฎการยกระดับ ต้องกำหนดอย่างชัดเจน. ความสามารถในการอธิบาย, ความรับผิดชอบ, และการย้อนกลับต้องได้รับการออกแบบและสร้างอย่างระมัดระวังภายในกระบวนการทำงาน. การตรวจสอบโดยมนุษย์เป็นสิ่งสำคัญ.

โหมด “act” ของปัญญาการตัดสินใจสามารถเพิ่มประสิทธิภาพต้นทุนในธุรกิจและไอที. กระบวนการทำงานของธุรกิจต้องการการตรวจสอบโดยมนุษย์น้อยลง, และเนื่องจากการทำอัตโนมัตินั้นปรากฏนอกระบบการทำธุรกรรม, จึงหลีกเลี่ยงวงจรการแก้ไขวัตถุ CRM หรือ ERP ที่ยาวนาน. นั่นเป็นเรื่องดี, เพราะธุรกิจกำลังมีความอดทนต่อการรอการเปลี่ยนแปลงระบบน้อยลงเรื่อย ๆ.

เมื่อการเป็นเจ้าของแดชบอร์ดเป็นประชาธิปไตย, ปัญญาการตัดสินใจเร่งความเร็ว, และการตัดสินใจและการกระทำประจำบางอย่างถูกส่งต่อให้เอเจนท์ที่มีการกำกับดูแลที่เหมาะสม, ทีมงานสามารถเตรียมพร้อมสำหรับวิวัฒนาการต่อไปของกระบวนการ แสดง-ตัดสินใจ-กระทำ.

ในที่สุดทำให้ส่วนประกอบของการออกแบบกระบวนการทำงานเป็นประชาธิปไตย

จุดหมายสุดท้ายอาจไม่ใช่เพียงการวิเคราะห์แบบเซลฟ์เซอร์วิส, การตัดสินใจที่ดีขึ้น, และกระบวนการทำงานอัตโนมัติ. เมื่อเวลาผ่านไป, อินเทอร์เฟซภาษาธรรมชาติอาจทำให้ทีมธุรกิจสามารถออกแบบส่วนประกอบของกระบวนการทำงานใหม่ด้วยตนเอง, ภายใต้การกำกับดูแลของไอที.

ยุคแดชบอร์ดมอบการมองเห็นข้อมูลข้ามโดเมนที่ไม่เคยมีมาก่อนให้กับองค์กร. ยุค AI ต้องการความสามารถในการแปลข้อมูลเชิงลึกที่เชื่อถือได้ให้เป็นการกระทำที่ทันเวลาและรับผิดชอบ. CIO ควรพิจารณาห้าการกระทำต่อไปนี้:

จัดระเบียบตามการตัดสินใจ, ไม่ใช่ตามผลลัพธ์ที่ส่งมอบ. ระบุการตัดสินใจทางธุรกิจที่เกิดซ้ำซึ่งส่งผลต่อรายได้อย่างมาก, ปรับต้นทุนให้เหมาะสม, ลดความเสี่ยง, และปรับปรุงประสบการณ์ของลูกค้า.

ทำให้โซ่ข้อมูลเชิงลึกทันสมัยขึ้น. นำโมเดล AI ไปสู่ข้อมูลที่เชื่อถือได้เป็นบริบท. ใช้การกำกับดูแลที่เหมาะสม, ความปลอดภัย, และการสืบค้นต้นตอ. พัฒนาทักษะของบุคลากรเกี่ยวกับสิทธิ์การตัดสินใจ, การตัดสินใจเชิงวิจารณ์, และการตรวจสอบ AI.

ปล่อยและลงทุนความจุใหม่. แทนที่กิจกรรมการสืบค้นและการสร้างภาพข้อมูลแบบประจำที่ทำโดยทีมข้อมูลและการวิเคราะห์ด้วยการสร้างแดชบอร์ดแบบไดนามิกที่กำกับดูแลและให้บริการตนเอง. ลงทุนใหม่ในการตรวจจับสัญญาณ, การออกแบบระบบการตัดสินใจ, และการปรับโครงสร้างกระบวนการธุรกิจ.

ทำให้การดำเนินงานธุรกิจเป็นระเบียบด้วยเอเจนท์ที่กำกับดูแล. ในขณะที่ยังคงการตรวจสอบโดยมนุษย์, ความรับผิดชอบของมนุษย์, และการกำกับดูแลไอที, ให้กำหนดสิทธิ์การตัดสินใจและเส้นทางการยกระดับใหม่เพื่อรวมเอเจนท์.

พัฒนามาตรวัดความสำเร็จ. การใช้และการนำแดชบอร์ดไปใช้เป็นมาตรวัดที่อ่อนแอ. วัดเวลาจากสัญญาณถึงการกระทำ, คุณภาพของการตัดสินใจ, และเช่นเคย, ผลลัพธ์ทางธุรกิจที่เกิดขึ้น.

ยุคแดชบอร์ดทำให้ข้อมูลเป็นที่มองเห็น. ยุคปัญญาการตัดสินใจต้องทำให้ข้อมูลนั้นมีผลลัพธ์.