Como comentábamos en el artículo “Aplicando Inteligencia Artificial a la toma de decisiones”, Digital Decisioning es la disciplina que se encarga de la toma de decisiones empresariales utilizando e integrando diferentes técnicas de Inteligencia Artificial. Utiliza la gestión de la decisión para ofrecer valor de negocio a través de la IA, utilizando reglas de negocio para garantizar la agilidad, la transparencia y el cumplimiento, y buscando el aprendizaje y la mejora continua.
De esta manera, consigue decisiones precisas, consistentes y en tiempo real, algo que se está convirtiendo en una necesidad para las compañías que cuentan cada vez con un mayor volumen de decisiones que tomar, con una mayor complejidad y que tienen un impacto directo en la experiencia del cliente y la rentabilidad del negocio.
Un sistema de Digital Decisioning se basa en 4 principios principales: la automatización de las decisiones; la predicción; la transparencia y la agilidad; y la mejora continua. Capacidades que le otorgan la implementación e integración de las diferentes tecnologías.
Para mejorar la predicción y precisión en la toma de decisiones, Digital Decisioning aplica técnicas analíticas, como el Machine Learning y la optimización matemática. De esta manera puede tomar decisiones basadas en datos, adelantándose a los acontecimientos futuros, y de manera más precisa y personalizada.
Por otro lado, utiliza sistemas de reglas de negocio (BRMS) para garantizar que las políticas se aplican correctamente a través de los diferentes canales y procesos de negocio, a lo largo del tiempo. Además, esta tecnología le permite tener una mayor transparencia y dar una respuesta rápida ante los cambios del mercado, regulatorios o de la propia compañía; reduciendo la pérdida de oportunidades, y el tiempo y coste de la realización de cambios en las reglas de negocio. Los sistemas de gestión de reglas poseen capacidad de simulación, por lo que la compañía puede comprobar el impacto que tendrá un cambio en las reglas antes de llevarlo a entornos productivos.
Aplicar Digital Decisioning en una compañía puede ayudar enormemente en las diferentes áreas de negocio. Al integrar diferentes tecnologías y centralizar todas las tomas de decisiones de la empresa, el potencial de mejora es altísimo. Algunos de los principales beneficios de su implantación son:
Con Digital Decisioning, las organizaciones pueden mejorar la calidad de su toma de decisiones a lo largo del tiempo.
Combinando el análisis predictivo con las reglas de negocio y la capacidad de simulación en un sólo sistema, Digital Decisioning permite a los usuarios de negocio asegurar el mejor resultado posible definiendo y realizando simulaciones, y ajustando parámetros para diferentes escenarios. Así pueden modificar rápidamente las reglas y ver los cambios desplegados de manera inmediata, teniendo la flexibilidad de hacer ajustes a medida que las necesidades de la empresa cambian.
Pongamos un ejemplo del típico modelo de Scoring Crediticio de un Banco, donde una determinada entidad decide realizar un modelo predictivo para saber si conceder microcréditos a sus clientes. En este caso, la entidad o bien el responsable del negocio tiene dos opciones:
Si toma la primera opción, la decisión estará delegada en un algoritmo de caja de negra, de forma que si aparecen nuevos datos que el modelo no haya sido capaz de generalizar en su entrenamiento, lo estará clasificando como OK cuando igual debería ser un KO. En este caso se deberá esperar a tener nuevos datos para volver a reentrenar el algoritmo y que éste vuelva a generalizar sobre los nuevos datos, pero mientras tanto, la entidad o el negocio no tiene forma de controlar las decisiones.
Si toma la segunda opción se apoyará en algoritmos de Machine Learning (C4.5, Association Rules, RIPPER, Random Forest, u otras variantes) para obtener patrones, que llevará a un BRMS para poder tener control sobre las decisiones. Así podrán cambiarlas en cualquier momento y sobre todo, podrán saber por qué a un cliente se le ha sometido a una decisión determinada.
Aterrizando más el ejemplo, contamos con un set de datos donde tenemos que predecir la variable final, es decir, si el cliente va a ser un buen pagador o no.
Cómo nuestro cliente ha tomado la segunda opción, ha decidido aprovecharse de las técnicas de Machine Learning, en este caso ha usado el algoritmo JRip, que le ha permitido descubrir trece patrones de clientes con una precisión del 73,3%.
Llevar esta información a un sistema de reglas, le permite tener controladas las decisiones que se toman, así como poder cambiarlas por determinados criterios de negocio atendiendo a las necesidades del Mercado o de la Organización.
En el ejemplo que nos ocupa, vemos la relación 1 a 1 entre la regla que descubre el modelo de ML:
(checking_status = Medium Income) and (duration >= 24) and (savings_status = Low) and (residence_since >= 2) and (credit_amount <= 5234) and (credit_amount >= 2718) => class=bad
Y su sencilla implementación en un Sistema de Gestión de Reglas de Negocio:
Sistema que permitirá a los usuarios de negocio cambiar, añadir o modificar cualquier decisión en tiempo real.
Resumiendo, en este ejemplo hemos visto cómo dos disciplinas de la Toma de Decisiones (Decision Making) conviven para montar un Sistema de Gestión de Decisiones (Decision Management) y Digitalización de las Decisiones (Digital Decisioning), y poder llegar a Automatizarlas.
En decide4AI somos expertos en Analítica Predictiva (Machine Learning), Optimización Matemática y Gestión de la Decisión; y llevamos más de 12 años desarrollando e implementado soluciones a medida que integran todas las tecnologías necesarias para lograr el mejor resultado posible y generar valor a nuestros clientes.
Por lo que contamos con el conocimiento y la experiencia necesarios para asegurar el éxito de una solución de Digital Decisioning, en la que centralizar, optimizar y automatizar todos los procesos de toma de decisiones de tu compañía.
Además, contamos con numerosos casos de éxito en diferentes industrias y áreas de negocio, desde compañías de seguros o banca, hasta empresas de logística, retail o producción.
La certificación tipo es un procedimiento reconoc...
La gestión de riesgos es hoy crítica para la fij...
Si piensas en productos de consumo, es probable qu...
