|
|
如何思考决策
让我们继续我们的决策管理项目最佳实践系列。 我们之前讨论了在规则实施中哪些是不应该做的,以及如何设计决策的返回值。 现在,让我们退后一步,考虑如何思考决策。 我想专注于你在设计决策时可以采取的方法。
认识我的人都知道我喜欢做饭。 为了达到理想的效果,食谱会提供操作的分步说明。 在我看来,这也是分解决策的最自然的方式。 决策流是做出决定的“菜谱”。
在项目的早期阶段,我喜欢与业务专家坐下来,汲取他们的想法,了解他们如何看待手头的决策。 根据客户的技术知识,我们使用白板或Visio绘制各类流程框。我们首先考虑整体,然后尝试详尽地描绘决策中的每一个步骤,并对决策步骤进行排序,最后明确我们的决策。 在任何时候,视觉辅助工具都可帮助在决策管理设计方面没有经验的业务专家更好的参与,为项目的成功做出贡献。
简而言之,决策流是将决策步骤联系在一起的一个图示。这些链接可以是直接链接,也可以是具有条件的链接。 你可以执行完所有适用的链接,也可以只选择满足条件的第一个链接。 你甚至可以通过在某些步骤上进行试验来改善你的业务绩效。在此示例中,从决策流的顶部开始,你检查一个保险申请的输入是否有效。如果所有的输入都是有效的,你将通过淘汰规则。既然淘汰规则没有理由拒绝此保险申请,我们将评估这个申请的风险等级以便对其进行评级。 在这个评级过程中,规则还是可能会导致申请被拒绝或复查。在此示例中,绿球标记标识正在被处理的申请的实际决策路径。你可以看到我们落入了复查决策步骤。 Heatmaps还显示流向每个分支的事务数量。我们的交易中有17%被复查。
使用此方法的优点是它反映了交易处理的实际决策路径。它是现实生活中实际发生的步骤的镜像。这样,我们可以轻松地与专家一道对业务处理逻辑进行回顾,并确定是否需要更新逻辑。也许团队会错过一些特殊的逻辑分支,也许业务发生了变化,业务规则需要更新。当决策流链基于实际数据处理业务时,你可以将其用作处理策略以改善业务成果的方法。 如果17%的复查率过高,你可以直接与业务专家一起分析导致此情况的决策路径,并进行实验以改善你的结果。
在我职业生涯的早期,我参与了一个引人入胜的法国政府项目。我实施了一个专家系统,帮助他们诊断导弹制导系统的问题。专家理应能够布置一系列步骤来评估哪一件设备出现故障。然而,这并不是他们习惯的思考方式。预先进行所有可能的测试是不可取的。首先,这些测试需要付出代价。但更重要的是,每次测试都可能对这些非常精密的工程造成破坏。
由于当时在专家系统设计中很常见,我们更多地采用“后向链接”方式。我们对决策逻辑进行了“反向工程”。我们在工作过程中收集了各类证据,以缩小可能的结论范围。
如果系统出现故障,可能是由于机械部件或电子部件造成的。如果它是机械的,则有3个主要部件。为了评估它是否是第一个组件,我们可以进行简单的测试。如果测试是否定的,我们可以转到第二个组件。等等。
最后,像这个迭代过程,考虑依赖关系比线性序列更有效。
今天,与该专家系统相比,大多数决策管理系统的复杂程度可能都很低。但是当时专家采用的方法与现今各个领域的专家团队中错综复杂的知识并没有太大的不同。我们常常看到项目能够更好地基于依赖被展现和组织。或者至少,以这种方式分解它们来提取这些宝贵的知识看起来更加自然。
什么是依赖关系图
依赖关系图从你需要做出的最终决策开始。这些链接不像决策流那样展示逻辑顺序。它们展示明确的依赖关系,显示了提供给更高级别的决策的输入或子决策。在此示例中,我们希望确定健康计划中成员的健康状况风险级别。许多不同方面的信息都会影响最终的决定。从具体的角度来看,我们可以看一下肥胖,血压,糖尿病和其他疾病,以评估目前的状况。从主观角度来看,我们可以评估恶化或改善因素,例如运动和营养等。对于每个因素,我们将查看特定的数据点。身高和体重将决定BMI,从而判定一个人是否是肥胖的。
与专家系统类似,没有正确或错误的顺序。许多因素会影响最终决定,这些因素会被独立评估。一个关键的区别是我们不会在这里对某个人做出诊断。我们可以考虑所有输入数据以做出最佳决策。在途中,分支逻辑之间是不会互相冲突的,它们服务于一个共同目标。最终的依赖图就是我们所说的决策模型。
依赖关系图是提取知识的好方法。在构建决策模型时,你将一个大问题分解为较小的问题,不同领域专家可以有针对性的贡献他们的知识。当决策不是线性的,并且决策逻辑尚未被记录时,这是正确的方法。
这种方法通常用于不同行业中。 OMG标准化了一组符号标记,并给以“DMN”这个名字,是Decision Model and Notation的缩写。 这种方法允许你收集知识并记录源规则。
决策流是最接近实际情况的一种方法。 相比较而言,依赖关系图或决策模型更关注知识本身。 他们直接对决策管理系统提供输入。 最后,以最适合你的团队和项目的方式思考决策。 无论如何,最终结果将转化为可执行的决策流。