Decision Intelligence und Decision Automation

Mehr mit weniger zu erreichen, ist heute in vielen Branchen ein wichtiger Grundsatz der Geschäftsstrategie.

Unternehmen wollen mehr aus KI und Machine Learning herausholen als nur neue Erkenntnisse. Sie benötigen Empfehlungen, die ihnen helfen, komplexe Entscheidungen darüber zu treffen, wie knappe Ressourcen zugewiesen, Aufgaben geplant und mit verändernden Rahmenbedingungen umgegangen werden soll. Hier kommt Decision Intelligence ins Spiel: Diese Methode bringt das Beste aus Data Science, Sozialwissenschaft und Management-Wissenschaft zusammen, um Menschen bzw. Unternehmen dabei zu helfen, die besten Entscheidungen treffen zu können (Decision Making) und schließlich bessere Arbeitsergebnisse zu erreichen.

Um die Entscheidungsprozesse in vielen verschiedenen Bereichen automatisieren zu können, eignet sich zu dem Decision Automation. Automatisierte Entscheidungen steigern die Produktivität und verringern gleichzeitig Risiken und Fehlerquoten in einem Entscheidungsprozess. Der Fokus und das Ziel von Decision Automation sind die Imitation, Modellierung und Automatisierung eines menschlichen Entscheidungsprozesses. Sie sind in Situationen am nützlichsten, die Lösungen für sich wiederholende Management-Probleme erfordern.

Wofür steht die Industrialisierung / Operationalisierung?

 

Skalierbarkeit

Wie können möglichst viele Nutzer sinnvoll eingebunden werden?

Wie lassen sich die Analysen auch auf andere Geschäftsbereiche übertragen?

data science software plattform medienbruch

 

Reproduzierbarkeit

Lassen sich die Modelle und Daten auch für andere Use Cases nutzen?

Kann ich Ad-hoc-Analysen durch kontinuierliche Insights ersetzen?

 

Integration

Wie muss die Plattform in meine Prozesse integriert werden?

Wie verhält sich die Plattform mit meiner bestehenden Infrastruktur?

Wie kommuniziert die Plattform mit anderen Anwendung?

 

 

Sicherheit

Wie gestaltet sich der Datenfluss?

Werden Informationen in die Cloud oder im internen Netz verarbeiten?

Gibt es definierte Nutzer- und Rollenrechte?

 


 

Podcast: KI und die Null-Fehler-Maschine von TRUMPF

Der Weg von der Idee, aus Daten Mehrwerte zu generieren, bis zur produktiven Plattform im Umfeld von KI und Data Science. Erfahren Sie am Beispiel des führenden Maschinenbauers TRUMPF, wie bessere Entscheidungen getroffen und abteilungsübergreifende Synergieeffekte erzielt werden.

 

Zum Podcast mit unserem Chief Data Scientist Oliver Bracht. 

 

Wie eine Plattform dabei helfen kann, neue digitale Services auf Basis von Daten und Algorithmen zu schaffen erfahren Sie außerdem in unserer TRUMPF Case Study.

 

Zur Case Study

 

KI Podcast mit Oliver Bracht

 


 

Case Study: Mit Predictive Maintenance zu neuen Kundenservices

Das Ziel von Schenck Process ist es, Zustandsänderungen an den Maschinen durch den Einsatz von Algorithmen zu erkennen, um somit frühzeitig die richtigen Entscheidungen treffen zu können. Konkret geht es um die Herleitung eines „Health Indicators“ auf Basis von Echtzeitdaten zur Erhöhung der Maschinenverfügbarkeiten für die Schenck Process Europe GmbH.

 

Zur Case Study

Firmensitz von Schenck Process

 


 

Case Study: Entwicklung eines Scoring-Algorithmus für die databyte® GmbH

Erhöhte Effizienz der Neukundenakquise und Kostensenkung: Um die Passgenauigkeit der Zielgruppe weiter zu erhöhen, soll für die bessere Entscheidungsfindung ein Machine-Learning-Algorithmus zum Scoring entwickelt werden. Dieser ermittelt auf Basis von Bestandskundenlisten Neukundenpotenziale mit möglichst hoher Abschlusswahrscheinlichkeit.

 

Zur Case Study

 

 

databyte logo

 


 

Data Science Trends 2021

Wir haben für Sie die 5 Topthemen aus dem Bereich Data Science identifiziert. Decision Intelligence / Decision Automation ist eines davon. Entdecken Sie auch die anderen Top-Themen – auf unserem Datenanalyse-Blog.

 

Zu den Data-Science-Trends

Wir realisieren auch Ihr Data-Science-Projekt!

Sprechen Sie uns an.