越来越多的组织开始转向这个相对较新的领域，它结合了数据科学、决策理论和人工智能，以增强和改进决策制定。
译自 Decision Intelligence: An Introduction，作者 Chris Cooney。
企业 IT 组织的员工和领导者每天都会做出多个影响公司成败的决策。为了保持领先地位并推动创新，越来越多的组织正在转向决策智能 (DI)，这是一个相对较新的领域，它结合了数据科学、决策理论和 人工智能，以增强和改进决策制定。
决策智能是商业智能的高级迭代。但此过程不会向决策者展示大量脱离语境的数据，而是利用 AI 和分析在一个视图中展示见解、做出预测并提供建议。
DI 可以帮助实现三个不同的级别：
决策者可以使用 分析、警报和数据探索等基本 工具 来为其决策提供信息。
示例：IT 管理员 Bob 使用 仪表板工具 实时监控网络流量和性能指标。该工具提供有关潜在瓶颈或安全威胁的分析和警报，以便 Bob 可以就网络优化或安全措施做出明智的决策。
机器更具主动性，并根据先前摄取和分析的数据向用户推荐决策。然后，用户可以查看建议并执行建议。
示例：当 Bob 的系统检测到可能表明安全漏洞或性能问题的异常行为时，它会自动生成补救措施的建议，例如阻止可疑 IP 地址或重新分配资源。
机器负责根据人类用户设定的标准和规则做出决策。它们还自动实施该决策。
示例：Bob 的工具应用预定义的规则和标准来确定每个事件的严重性和影响。然后，它自动触发预定义的响应操作，例如隔离受影响的系统或回滚更改，并在没有 Bob 干预的情况下自主处理整个事件响应过程。
贝恩的一项研究 表明决策有效性与财务绩效之间存在 95% 的相关性，麦肯锡的另一项调查报告称，标准普尔 500 指数公司平均每年因决策不当而浪费 2.5 亿美元。
虽然决策对组织有明确的财务影响，但它也会在个人层面产生压力。事实上， 甲骨文的一项研究 发现 74% 的员工和商业领袖表示他们每天做出的决策数量在过去三年中增加了 10 倍，其中 85% 的人在过去一年中对所做的决策感到后悔、内疚或质疑。
受访者还报告称，他们对收到的信息量感到不知所措，并且发现很难从不同的仪表板和数据分析工具中提取有价值的见解。这并不奇怪，因为大多数这些工具都是由数据科学家或 IT 专业人员使用的。
除此之外，决策不当会导致错失机会、声誉受损以及在不断变化的商业环境中竞争力下降。企业比以往任何时候都更需要决策支持，而 DI 成为在不确定性中导航、优化资源配置、利用新机会并最大程度降低风险的关键概念。
预计决策智能将在未来几年在所有行业增长，但由于数据丰富、系统复杂、技术创新速度快以及 IT 领域的特定安全问题，它对企业 IT 尤其重要。
决策智能平台是面向希望改善决策的 数据驱动 组织。这些平台整合并整理来自各种来源和格式的数据（包括内部数据库、外部来源和实时流），以创建统一视图。
使用高级分析和 机器学习算法，它们揭示了数据中的隐藏模式、趋势和相关性，以直观的仪表板和报告的形式为决策者提供可操作的见解和建议。DI 平台还提供设置特定规则和标准的能力，以自动化决策和例行任务。
但是，DI 工具的有效性取决于底层数据的质量和可访问性，这意味着公司必须采用整体方法来进行数据收集、系统监控和整体生态系统可见性。这涉及实施稳健的数据治理框架以确保数据质量、建立标准化数据收集和管理流程，以及投资于能够在整个组织中实现可靠数据集成和互操作性的技术。
同样重要的是要注意，决策智能的目标不是取代人类，而是赋予他们做出更好决策的能力。虽然员工应该接受适当的培训并被鼓励使用数据分析工具，但他们也应该依靠自己的判断。目前还没有 AI 工具能够达到 决策中所需的人类创造力和道德推理水平。
拥抱决策智能是现代组织的战略选择，尤其是在企业 IT 中。随着组织层面实施良好的数据实践，DI 平台 使机器和人类能够携手优化资源、抓住机会 并降低风险。