La Decision Intelligence (DI) è una disciplina pratica che mira a supportare il decision making comprendendo ed ingegnerizzando il processo d’intelligence indirizzando il processo decisionale e la valutazione (e miglioramento, attraverso processi di feedback) dei risultati di tali decisioni.

In quanto disciplina, essa si fonda sul concetto psico-sociale di decision making, declinato – nello specifico – nel sottoinsieme della Decision Intelligence nel quale rientrano:

• Decision Modeling: ovvero rendere espliciti i modelli decisionali (il loro flow e la loro logica, gli attori coinvolti, gli aspetti deterministici e non deterministi, strutturati e non strutturati) per comprendere e rendere operazionalizzabili i processi sottostanti le decisioni;
• Decision Intelligence Systems: ovvero l’implementazione dei modelli decisionali orchestrati da macchine.

Decision intelligence: una panoramica

La Decision Intelligence, quindi, è un insieme di tecnologie abilitanti per migliorare il decision making atte a far fronte alle crescenti necessità di trasparenza, ripetibilità, interpretabilità, imparzialità, affidabilità e accountability derivanti dalla dinamicità e complessità degli ecosistemi aziendali.

In breve, è un processo basato sui dati che consente di prendere decisioni più rapidamente e accuratamente sfruttando un panorama informativo completo, prendendo decisioni data-driven in tempi ristretti e con maggiore precisione.

Incrementa inoltre le capacità organizzative nell’utilizzare enormi (e diversificate) moli di dati per ottenere informazioni dettagliate, contestualizzare le decisioni aziendali e rivedere l’impatto che le decisioni avranno sull’organizzazione o sulla persona specifica.

La Decision Intelligence non sostituisce gli esseri umani nel processo decisionale, in quanto l’analista è sicuramente un valore aggiunto dell’analisi.

È però attraverso l’ausilio della piattaforma che l’analista è in grado di contestualizzare, organizzare ed analizzare dati eterogenei per poter fornire le sue raccomandazioni al decisore.Pertanto, essa aumenta la capacità degli analisti di prendere decisioni, migliorandole, contestualizzandole e rendendole più coerenti.

Al crescere dell’utilizzo della DI nei processi aziendali, proporzionalmente aumenta la velocità nel prendere decisioni e nella contestualizzazione delle informazioni supportando le indagini d’intelligence, le quali vengono raggiunte più facilmente e meno dispendiosamente.

La Decision Intelligence include un ciclo di feedback (noto anche come closed-loop learning) al fine di riqualificare e migliorare il sistema nel tempo.

Origini e teorie

La Decision Intelligence si basa sull’assunto secondo il quale, nella maggior parte delle organizzazioni, il processo decisionale potrebbe essere migliorato se si utilizzasse un approccio più strutturato.

Essa cerca di superare un “tetto di complessità” decisionale, caratterizzato da una discrepanza tra la sofisticatezza delle pratiche decisionali organizzative e la complessità delle situazioni in cui tali decisioni devono essere prese.

La Decision Intelligence rappresenta un’applicazione pratica nel campo dei sistemi complessi, che aiuta le organizzazioni a navigare nella complessità dei contesti in cui si trovano a dover operare.

Può anche essere considerata come un framework per analisi avanzate e tecniche di apprendimento automatico, fruibili comodamente dal desktop del decisore non esperto.

I teorici della Decision Intelligence ritengono che molte organizzazioni continuino a prendere decisioni sbagliate. In risposta a questo, la DI cerca quindi di unificare una serie di best practice decisionali.

La Decision Intelligence di Telsy: Context Intelligence

Nella crescente complessità degli scenari odierni, una delle principali priorità per le organizzazioni è diventare un’azienda basata sui dati, supportando i processi di big data analysis con tecnologie d’intelligenza artificiale per soddisfare le mutevoli esigenze dei clienti, avere successo tra i nuovi concorrenti digitali e diventare più resilienti e reattivi al cambiamento.

A livello operativo Olimpo, la soluzione Telsy di Decision Intelligence, riprende la metodologia dell’OODA loop (o ciclo di Boyd), supportando i processi decisionali strategici e operativi permettendo di efficientare processi analitici time-consuming.

Basata sull’integrazione e correlazione di fonti interne ed esterne all’organizzazione, strutturate e non strutturate, e implementando algoritmi di Machine Learning e Intelligenza Artificiale, Olimpo permette di porre il dato e la sua analisi a servizio delle decisioni e degli scenari strategici e operativi, favorendo scelte data-driven, time-relevant e soprattutto informate, basate sull’analisi di dati in tempo reale, fornendo informazioni ed insight derivanti dalla correlazione di una quantità massiva di fonti eterogenee.

Scopri di più sui nostri servizi di Monitoring, Detection & Response.

Leggi gli altri report sul blog di Telsy