複雑な意思決定は、特にマーケティング組織内での強力な運用上の卓越性と生産性が重要な競争上の優位性になるにつれて、ますます困難になっています。 全体として、最も成功している企業や投資家は、リードの育成から採用、投資の決定に至るまで、迅速かつ正確な意思決定に依存しています。

調査によると、企業は年間最大 30 億の意思決定を行っており、Gartner による最近の調査では、意思決定の 65% が 2 年前よりも複雑になっている (より多くの利害関係者または選択肢が関与している) ことが報告されています。

今日の多くの企業と、その企業にサービスを提供するマーケティング担当者は、大量のデータとビジネス上の意思決定の間のギャップを埋めるために、より優れた洞察を必要としています。 「データドリブン」であると答えた企業は 24% に過ぎませんが、それ以外の企業は機会の損失、非効率性、ビジネス リスクの増大に直面しています。 平均的な S&P 企業は、意思決定の誤りにより、年間 2 億 5,000 万ドルの損失を被っています。

デシジョン インテリジェンスは、洞察と意思決定の間のギャップを埋めるフレームワークです。 これにより、組織はより優れた、一貫性のある、データ主導の意思決定を行うことができます。 リーダーとチームは、会社のあらゆるレベルで情報に基づいた意思決定を行うことができます!

意思決定インテリジェンスとは

デシジョン インテリジェンス (DI) は、データ、分析、AI、自動化、経験を組み合わせてより良い意思決定を行う、進化する分野です。 DI は、最適化、シミュレーション、および意思決定分析手法を使用して、実用的な洞察で意思決定者を導くのに役立ちます。

直感と経験に大きく依存する従来の意思決定アプローチとは対照的に、DI は系統的、分析的、およびデータ駆動型のアプローチを取り入れています。

DI の焦点は、テクノロジーだけではなく、それが人間の意思決定プロセスをどのように強化するかにあります。 これは、コンピューター サイエンス、統計学、心理学、経済学、ビジネスなど、さまざまな分野の専門知識を活用した学際的な分野です。

DI ソフトウェア プロバイダー Quantellia のチーフ サイエンス オファーで共同創設者であり、『LINK: How Decision Intelligence Connects Data, Actions, and Outcomes for a Better World』の著者である Loren Pratt 博士によると、DI のもう 1 つの重要な概念は意思決定の設計です。組織のように、最初に設計図を作成して、家、建物、飛行機を設計します。

青写真と同じように、意思決定の設計は、利害関係者を含む、その決定に関与するすべての人をその根拠に沿って調整するのに役立ちます。 彼女は、意思決定をデザインの問題のように扱うことで、構想、文書化、レンダリング、改良、QA、デザイン思考など、多くのデザインのベスト プラクティスを実現できることを発見しました。

2019 年、Google の最初の最高意思決定責任者である Cassie Kozyrkov は、行動科学、経済学、経営科学でデータ サイエンスを強化する新しい意思決定インテリジェンス エンジニアリング分野を確立し、データを超えた次のビジネス上の利点に焦点を当てました。

インテリジェントな意思決定は、設計、シミュレート、自動化、監視、および調整されます。

より深く掘り下げる: なぜデータドリブンなのか決断-CX 成功の基盤は「ものづくり」

意思決定インテリジェンスではないもの

意思決定科学。 意思決定科学は通常、データの定性的な側面に関連付けられてきました。 DS は包括的な用語であり、「意思決定インテリジェンス」は運用面です。

戦略的知性。 大まかに言うと、戦略的インテリジェンスとは、BI インサイトを使用して戦略を推進およびサポートすることを意味します。 これは、企業に現在の業界動向を提供し、将来の行動方針をナビゲートするために消費者の行動を理解するマーケット インテリジェンスとも呼ばれます。

計算された決定。 すべての結果や推奨事項が決定であるとは限りません、と Kozyrkov は言います。 意思決定分析の用語では、取り消し不能なリソースの割り当てが行われた後にのみ意思決定が行われます。 無料で気が変わるなら、まだ決定は下されていません。

意思決定インテリジェンスのアプリケーション

DI は、リソース割り当て、リスク管理、戦略計画、そしてマーケティングなど、さまざまな意思決定の問題に適用されます。 複雑なエネルギー、金融、政策、およびマーケティングの意思決定のためのシステムとプラットフォームの開発に使用してきました。

私たちの最新のスタートアップ プラットフォームは、市場開拓エグゼクティブの DI をサポートし、意思決定プロセスを 9 か月からわずかな時間に短縮し、可視性、トレーニング、影響力を高めました。

DI は、与信申請や金融サービスの不正検出に適用されています。 小売で、購入する在庫の量、最適な在庫レベル、または価格予測を決定するために使用されています。 Loren Pratt 博士によると、デシジョン インテリジェンスを採用することで、医療危機におけるエビデンスに基づく決定にプラスの影響を与えることができます。

その他のユース ケースには、顧客満足度、マーケティング アトリビューション、競争戦略、市場開拓戦略などがあります。 これらの決定のフレームワークの設計は、GTM の標準でした。 ただし、実装には、エンタープライズ プラットフォームの構築、トレーニング、およびデータ サポートが必要でした。 しかし最終的に、この意思決定にかかる時間は 9 か月から 1 ～ 3 か月に短縮されました。 平均的な影響は 1,000 万ドルを超え、アパレル会社はプラットフォームを採用して 9,000 万ドルの新しい収益源を発見しました。

より深く掘り下げる: 自動化意思決定リアルタイムの状況コンテキスト

意思決定インテリジェンスの利点

McKinsey のシニア パートナーである Kate Smaje 氏は、組織は以前は 10 か月かかっていた作業を 10 日で完了できるようになったと述べています。 DI を導入することで、競争力を維持するために必要な意思決定のペースがますます速くなっています。

最初の利点は、DI が、より焦点を絞った包括的な情報を使用して複雑な意思決定をナビゲートする際にリーダーを支援することです。 意思決定を設計する際に、特定の目標または目的に向けて組織間の情報を構造化できます。 この種の可視性を持つことで、競合する目的間のトレードオフのナビゲートが容易になります。 これにより、ほとんどの戦略的および高レベルの戦術的決定に見られる分析麻痺が解消されます。

次に、DI はリスクと不確実性を軽減します。 リアルタイムのデータと洞察を持つ意思決定者は、DI を活用して潜在的なリスクを特定し、予防的に軽減できます。 トレードオフを可視化することで、組織はリスク/報酬計画をより適切に適用して、競争力を妨げるコストのかかる間違いを回避できます。

意思決定インテリジェンスは、効率と生産性を高めます。 特定の意思決定プロセスを自動化し、意思決定者にリアルタイムのデータと洞察を提供することで、DI は意思決定を合理化し、生産性を向上させることができます。 意思決定の待ち時間を短縮しています。 これらのプロセスをシステムに組み込むかプログラムして、時間とリソースを解放し、より多くのオプションを検討したり、他の重要なタスクやイニシアチブに割り当てたりすることができます。

最後に、DI を活用する組織は、データとテクノロジーを活用することで、より強力な競争力を獲得します。そのためには、通常、勢いや変革を阻害する、よりインテリジェントで迅速な複雑な意思決定を評価し、それに基づいて行動します。

意思決定インテリジェンスの限界と課題

データ、AI、および自動化が関係しているため、DI にもいくつかの課題と制限が存在することは驚くべきことではありません。

倫理/偏見。 DI は、偏見を減らし、倫理的な決定を強化するのに系統的に役立ちます。 同時に、データ駆動型で自動化されたシステムでは、人間が作成した DI を活用した意思決定が、偏ったまたは差別的なデータやアルゴリズムに基づいて開発されるリスクが依然としてあります。 意識向上トレーニングは、他のすべての組織のデータ駆動型の取り組みとともに必須です。

データの可用性。 リーダーとプロジェクト マネージャーは、データ アクセスと可用性の制限を認識する必要があります。 意思決定の有効性は、小規模なデータセットで見つけるのが難しいことがよくあります。 うまくいかないこともありますが、それはデータよりも運に基づいています。 複雑で頻度の低い決定については、組織は決定を測定するためのアプローチを定義するための支援を必要とする場合があります。 このような場合、テクノロジーの制限により解決できない場合があります。 組織はそのような意思決定プロセスを形式化する必要があり、テクノロジーしか使用できません。 また、欠けている可能性があるものや可能な範囲を強調することも重要です。

抵抗。 DI の重要な部分は、意思決定プロセスにおける透明性、一貫性、およびトレーニングを強化することです。 意思決定者の伝統的な文化は、彼らの経験や本能を無視したり、彼らの特定の議題に反すると感じたりするため、最初は抵抗します。 DI の取り組みを担当する担当者は、DI がどのように自分たちの取り組みに利益をもたらし、個人や組織により良い結果をもたらすかを伝える必要があります。

リーダーは、明確なコミュニケーションとその適用範囲を明確に定義することで、これらの課題と制限を克服できます。 それぞれの新しいイニシアチブは、組織の意思決定文化を成長させ、強化することができます。

ヒントと要因

• 焦点を絞った決定を選択します。 ビジネスに不可欠な意思決定の改善が必要な機能 (データ駆動型、AI 駆動型など) に DI を実装することから始めます。 代替案には、大規模で複雑な意思決定や、自動化によってスケーリングおよび加速できる意思決定が含まれます。
  
• 結果から始めます。 組織には大量のデータがありますが、意思決定モデルを設計するには、その結果に関連するデータのみを収集する必要があります。 初期のセットで開始したら、追加のデータを追加するか、追加情報の理論をテストします。

• 意思決定を計画します。 意思決定に関わる仮定、考え、感情、懸念、恐れを文書化します。 四半期ごとまたは半年ごとにレビューします。 これにより、組織の意思決定力が向上します。

• すべてを自動化しないでください。 特に複雑で繊細な意思決定に関しては、人間が必要です。

• 決定には権限が必要です。 その決定の影響点に最も近い人々に決定を下す権限を与えます。 所有権は、効果的な意思決定を促進します。
  
• 新しい意思決定の習慣を開発します。 批判的思考、トレードオフ分析、偏見の認識、反対意見への傾聴など、体系的なベスト プラクティスを適用するよう意思決定者に教えます。

• 狭いフレーミングに注意してください。 Chip と Dan Heath による著書「Decisive」の中で、著者は、意思決定を改善するための率直な方法は、フレームの範囲を制限しないことであると説明しています。 意思決定が単に「はい」または「いいえ」になることはめったにありません。 常に複数のオプションがあるため、どのような決定でも少なくとも 3 つ利用できるようにします。

結論

意思決定者は、複雑な意思決定を行うために、より多くの情報、時間、および経験を必要とすることがよくあります。 Bain の調査によると、ビジネス パフォーマンスは意思決定の有効性と 95% 相関しているようです。 意思決定インテリジェンス システムは、意思決定を説明および正当化し、過去の意思決定のフィードバックから学習し、影響を比較して意思決定の有効性を向上させることにより、有効性を向上させます。

意思決定インテリジェンスは、より良い意思決定を行うのに役立つ重要なツールです。 データ サイエンス、AI、人間の専門知識を組み合わせることで、DI は不確実性を減らし、有効性を向上させることができます。 ただし、DI には課題と限界があります。 これらのリスクを認識し、それらを軽減するための措置を講じる必要があります。