以假设为导向的模拟作为导航不确定未来的指南针

数据驱动技术的最新进展释放了人工智能 (AI) 预测的潜力。 然而，在未知领域进行预测仍然是一个挑战，历史数据可能不足，如流行病和新技术中断等不可预测的事件。 因此，面向假设的模拟可以成为一种有价值的工具，使决策者能够探索不同的场景并做出明智的决策。 在不确定的时代实现理想未来的关键在于使用面向假设的模拟以及数据驱动的人工智能来增强人类决策。

数据驱动的分析可以预测未来吗？

近年来，在数据驱动的显着进步的推动下，人工智能经历了一场变革之旅。 人工智能发展的核心在于从海量数据集中提取深刻见解的惊人能力。 深度学习模型的兴起和 大型语言模型 （法学硕士）已将该领域推向未知领域。 各种规模、各个行业的组织都可以利用数据做出明智的决策。

以制药行业为例。 在 安斯泰来，我们使用数据和分析来帮助告知投资哪些业务组合以及何时投资。 如果您正在开发专注于常见且易于理解的疾病领域的业务模型，那么数据驱动分析的力量使您能够深入了解从药物发现到营销的各个方面，这最终可以做出更明智的业务决策。

然而，虽然数据驱动的分析在拥有大量历史数据的成熟领域表现出色，但预测未知领域的未来仍然是一项艰巨的挑战。 在尚未获得足够数据的领域，例如发生了巨大变化或技术创新的领域，很难做出数据驱动的预测（很难预测传染性病毒突然大流行或新冠疫情的影响）生成式人工智能在特定业务的早期兴起）。 这些情景凸显了仅依靠历史数据来规划前进方向的局限性。

制药行业的一个典型例子是对基因和细胞疗法等颠覆性创新的估值，这也是安斯泰来经常遇到的例子。 由于可用数据如此之少，试图仅根据历史数据来预测这些创新的确切价值及其对投资组合的深远影响就像在没有指南针的情况下穿越浓雾一样。

展望未来：面向假设的模拟

驾驭不确定性的一种有前途的方法是面向假设的模拟，它模仿现实世界的过程。 如果您是一家正在冒险进入未知领域的企业，那么当历史数据不可用时，您需要采用以假设为导向的方法。 该模型表示过程中的关键因素如何影响结果，而模拟则表示模型在不同条件下如何随时间演变。 它使决策者能够在虚拟“平行世界”中测试不同的场景。

在实践中，这意味着在决策表上列出一系列关键场景，每个场景都有自己的概率和影响评估。 然后，决策者可以评估关键场景并根据这些模拟制定未来策略。 在制药行业，这需要对一系列因素做出假设，例如临床试验成功率、市场适应性和患者群体。 然后进行数以万计的模拟，以照亮前方的黑暗道路，并提供宝贵的见解来引导方向。

在安斯泰来，我们开发了一种以假设为导向的模拟，它可以创建场景并进行演绎猜测，以帮助制定战略决策。 我们能够通过实时更新模拟假设（在决策表上）来做到这一点，这有助于提高战略决策的质量。 项目评估是模拟方法的一个主题。首先，我们根据各种因素建立可能的假设，包括但不限于市场需求和临床试验的成功概率。 然后，根据这些假设，我们模拟临床试验期间或产品发布后发生的事件，以生成项目的可能结果和预期价值。 计算出的值用于确定我们应该采取哪些选项，包括资源分配和项目规划。

为了更深入地挖掘，让我们看一下该方法应用于早期项目评估的用例。 鉴于早期项目固有的高度不确定性，有大量机会可以减轻失败的风险，从而最大限度地提高成功的回报。 简而言之，项目处于生命周期越早，灵活决策的潜力就越大（例如战略调整、市场扩张、评估放弃的可能性等）。 因此，评估灵活性的价值对于捕捉早期项目的所有价值至关重要。 这可以通过结合实物期权理论和模拟模型来完成。

衡量面向假设的模拟的影响需要从过程和结果的角度进行评估。 成本降低、时间效率和收入增长等典型指标可用于衡量投资回报率。 然而，它们可能无法捕捉整个决策过程，尤其是当某些决策涉及不作为时。 此外，重要的是要认识到业务决策的结果可能不会立即显现。 以制药行业为例，从临床试验到上市的平均时间超过10年。

也就是说，假设驱动模拟的价值可以通过观察它如何融入决策过程来衡量。 模拟结果对决策的影响越大，其价值就越高。

数据分析的未来

数据分析 预计将分为三个主要趋势：（1）一种归纳方法，旨在识别大数据中的模式，其工作原理是假设数据中发现的模式可以应用于我们想要预测的未来（例如生成式人工智能） ）； (2) 分析方法，侧重于对无法利用足够数据的现象进行解释和理解（例如因果推理）； (3) 演绎方法，依赖于业务规则、原则或知识来了解未来的结果。 即使可用数据较少（例如，面向假设的模拟），它也能发挥作用。

法学硕士和其他数据驱动的分析准备显着扩展其实际应用。 它们有潜力通过加快人类工作的速度、提高其质量、在某些情况下甚至承担人类工作来彻底改变工作。 这种变革性的转变将使个人能够将精力集中在工作中更重要的方面，例如批判性思维和决策，而不是更耗时的活动，例如数据收集/整理/分析/可视化。分析师。 当这种情况发生时，朝哪个方向发展的重要性将会增加，重点将放在增强人类决策上。 特别是，趋势将是利用数据分析和模拟进行战略决策，同时从中长期角度管理未来的不确定性。

总之，在上述三种方法之间实现和谐平衡将最大限度地发挥数据分析的真正潜力，并使组织能够在快速发展的环境中蓬勃发展。 虽然历史数据是一笔巨大的财富，但认识到其局限性也很重要。 为了克服这一限制，采用以假设为导向的模拟以及数据驱动的方法，使组织能够为不可预测的未来做好准备，并确保他们的决策具有远见和审慎。