决策智能（Decision Intelligence）二三事

导读：决策智能是关于做选择的，它融合了数据科学，社会科学和管理科学。人们用它来改善生活，提升企业价值，以及改变世界。

现在，我们对“人工智能”这四个字可以说是耳熟能详，通俗点说，烂耳朵了。今天，我们不谈人工智能，我们谈谈“决策智能”。

什么是决策智能？

大家看到这四个字，大多数人心里的发问会是”什么是决策智能“呢？别说你没想，别骗我了。那么什么是决策智能呢？以下是维基的定义：

“Decision intelligence is an engineering discipline that augments data science with theory from social science, decision theory, and managerial science.” --wikipedia

翻译一下：

“决策科学是一门通过运用社会科学，决策理论和管理科学中的理论知识来扩展数据科学的一门工程类学科”。

这里我们做一下人工NLP，提取一下关键点。首先它是一门工程类的学科，是数据科学的扩展，同时它吸纳了来自其它学科的知识。那么其它定义呢？来看看Towards Data Science的定义：

“Decision intelligence is a new academic discipline concerned with all aspects of selecting between options. It brings together the best of applied data science, social science, and managerial science into a unified field that helps people use data to improve their lives, their businesses, and the world around them.”

Decision intelligence is the discipline of turning information into better actions at any scale.

--Towards Data Science

提取一下重点：

决策智能是关于做选择的（有点废话），它融合了数据科学，社会科学和管理科学。人们用它来改善生活，提升企业价值，以及改变世界。

通过上面，我们大概知道了什么是决策智能？下面我们谈谈决策智能中的要素：决策，决策者和做决策。

决策智能的要素

决策(Decision)

通常来说，决策就是在面对不同选项，收集信息后，我们做出的选择。比如，我们高考填报志愿，我们收集学校信息，学校历年分数线和排名，本省的分数线，自己的分数等信息，来做出高考志愿填报的选择。当我们要建设一个工厂的时候，我们需要土地租金信息，城市信息，产品信息等，我们需要做出在哪建工厂，流程设计等决策。

“decision” to mean any selection between options by any entity

决策者(Decision Maker)

决策者就是对决策负责的人。”负责“这两个字很重要。我们拿计算机视觉的任务来说吧，训练后的模型在收到一张新的照片的时候，做出照片内容的判断，比如是一只猫还是不是一只猫。这是计算机做出的决策，但计算机不是决策者。为什么呢？因为计算机不对自己输出的结果负责，它不对自己做的决策负责。而决定是否发布系统的”人“才是这个场景中的决策者。

A ”decision maker" is the person who is responsible for decision architecture and context framing

做决策(Decision Making)

做决策其实就是决策者在做决策时做的动作，也可以说是信息转化为行为的过程。在不同学科下，做决策有不同定义。

* taking an action when there were alternative options (in this sense it’s possible to talk about decision-making by a computer or a lizard).

* performing the function of a (human) decision-maker, part of which is taking responsibility for decisions. Even though a computer system can execute a decision, it will not be called a decision-maker because it does not bear responsibility for its outputs — that responsibility rests squarely on the shoulders of the humans who created it.

拿例子来说，在高考志愿填报中，做出把高校和专业的选择，把它们填入系统，这个过程叫做做决策。

决策智能的分类

我们知道了决策智能的要素，那么决策智能有没有像人工智能一样的分类呢？来看这张图，

决策智能的分类

大的分类，我们可以把决策智能分为定性和定量。定性来说，决策智能就是决策科学。比如，

我们面对一个场景，需要决策用什么指标来做衡量？怎么量化一个决策的影响？

我们会考虑影响我们做决策的因素有哪些？比如情感，偏见？

那么这些影响因素每个的影响有多大呢？

......

定性的话，更是从人性本身出发，比如有经验的人士，运用自己多年的行业经验（这些就是他/她的数据）做出决策。但是人性本身的弱点会对决策有很多影响，另外每个人不可能掌握完美的信息。因此我们也需要定量的方法去看。

定量来说，就是运用数据科学的力量去做决策。我们常提到一个词叫“数据驱动（data-driven）"，其实也是运用数据的力量去帮助我们做决策。

统计和数据分析：基于历史部分信息，挖掘历史规律，发掘现状问题，决定是否哪些是要快速改正和优化的。

机器学习和AI：基于部分数据和信息，通过写代码，运用机器做出判断，行动。哪些特征需要使用，是否需要调节参数等。

......

决策智能，我们运用信息做出行动。

它和AI，ML有什么区别？

从定义来说，决策职能（DI）可以说是AI的多学科，多方向的扩展。AI和ML关注“如果我看到/听到/闻到X，那么我能得出什么结论？”，然而，DI回答的问题是，“如果我采取了行动A，会有什么结果“。

决策智能有什么应用？

企业决策管理系统（Enterprise Decision Management）：

企业涉及到很多决策过程，通常的做法是层层向上汇报，层层向下分任务执行，这样效率非常低下。EDM可以结合人类决策和机器决策，提高决策效率和决策效果。比如，员工上传调休，调班等请假意愿，如果基本符合流程的，系统会自动做出审批/驳回的决策。当系统无法判断或者情况复杂的时候，交由人继续审批。

企业决策管理架构图

目前中国的企业管理，大多还停留在梳理business rules和搭建business rules的过程中，少数进入了automatic prescriptive analytics的阶段。

调度系统：

比如滴滴派单系统，当某个乘客订单来了，系统做出决策匹配相应的司机，司机也可以决定是否接单，乘客决策是否进行修改。

当雨季来临，水位上升，水坝需要决策什么时候开闸放水，应该放多久以免下游水位较高，引发下游洪水。

滴滴调度系统示例

案例：

水资源管理技术公司Xylem通过决策智能解决方案进行水资源经济管理，利用数字化和信息化的科技改变了实用经济体系和运营，提升水资源价值，节省成本，提升了经济效益。

"Decision intelligence solutions use information to support dramatically better capital and operational decision-making, save money, reduce risk, protect the environment, and improve revenue recovery, driving real value for utilities and their customers."

其中，包括6大策略：

reducing non-revenue water, proactive asset management, ensuring water quality from source to tap, advancing water equity, managing urban watersheds, and mastering the data deluge.

减少不经济的水利用

积极的水资产管理

确保从源头到饮用水的水质

加强使用水的公平性

管理城市水环境

利用历史洪水数据，做好防洪

据悉，在使用先进的评估，监控和决策系统后，马里兰地区水管破损率减少73%，减少损失多达4200万美金。

选址决策：

很多便利店，大型零售超市都需要很关注在哪里建商店的问题。需要结合考虑地理位置，市场，商店定位，产品定位，成本等各方面因素，进行选址。通过搭建模型可以初步选出大概的位置，但是最终要人选取确定的门店，并且搞定门面和装潢。比如，便利店的密度会比较大，分布在闹市，提供的产品数量相对于大型商超更少，产品多为日常需求稳定的产品，和一些零售饮品。大型商超一般密度比较小，分布在相对更远离市区的地方。提供的产品比较丰富，也可能提供送货上门的服务。

有谁是研究这方面的？

Cassie Kozyrkov（https://www.linkedin.com/in/cassie-kozyrkov-9531919/）是谷歌首席决策科学家，主管Google Cloud决策过程，AI策略和搭建数据驱动相关部门和机构，同时拥有数理统计，经济学，心理学和认知神经科学的学位。

阿里巴巴达摩院决策智能实验室（https://damo.alibaba.com/labs/decision-intelligence?lang=zh）。达摩院的决策智能实验室通过运用机器学习和运筹优化等技术应用在调度控制，资源规划等领域。

我要如何学习？

决策智能不是单纯的技术领域，是数据推动决策的应用。因此需要很多综合能力。基于不同的业务场景，所学的可能不同。基础的包括运筹学，管理科学，数据科学，决策科学（定性）等。需要对业务场景的足够了解，有深入的思考，然后运用数据辅助决策，应用落地。

参考文献

https://towardsdatascience.com/introduction-to-decision-intelligence-5d147ddab767

https://en.wikipedia.org/wiki/Decision_intelligence

https://www.decision-intelligence.org/insights/decision-intelligence-from-facts-to-action

https://www.acc-hsg.org/uploads/1/1/5/7/11573431/hsg-decision_intelligence-concept.pdf

https://damo.alibaba.com/labs/decision-intelligence?lang=zh

https://markets.businessinsider.com/news/stocks/xylem-s-new-decision-intelligence-paper-presents-six-comprehensive-strategies-to-transform-the-economics-of-utility-water-management-1028266659

https://globalrisk.mastercard.com/online_resource/decision-intelligence/