快速了解决策科学并使用数据改变决策

 nbsp；作者：Mary Branscombe

；前言：决策科学是企业数据科学中最有趣的领域之一，但它必须是您所在组织构建的数据科学生态系统的一部分。

；数字化转型的共同目标之一通常被表述为“成为一家数据驱动的公司"；无论是商业智能、预测分析还是机器学习，使用客观数据而不是直觉来促进决策都是企业日益关注的话题。

；有许多挑战。并非所有的大型组织都足够灵活，能够充分利用数据驱动的决策，或者足够熟练，能够大规模收集可靠的数据并提出正确的问题。NewVantage Partners年度大数据研究中的大多数高管都希望数据能够做出更好的决策，但只有三分之一的人认为他们的公司拥有数据驱动的文化。

；在基于数据做出决策之前，有必要判断重要的数据维度，并拥有正确的数据以获得答案。

；什么是决策科学？

；谷歌决策智能负责人卡西·科兹科夫（Cassie Kozyrkov）将决策智能描述为来自先前孤立学科的工具和想法的组合，并将其应用于企业发展中的各种决策，以基于数据做出更有价值的判断。她写道：；它将最好的应用数据科学、社会科学和管理科学整合到一个统一的领域，可以帮助人们使用数据来改善他们的生活、业务和周围的世界"；

；与行为经济学和其他领域类似，行为经济学预测市场行为，并使用激励机制来改变市场，而计算机科学和经济学的交叉点是EconCS（微软用于设计Bing广告拍卖、Azure云定价和Xbox游戏）营销。

；然而，决策科学尚未得到广泛关注。它通过预测决策结果来解决数据和算法的具体业务问题。

；决策科学和数据科学

；预测决策结果的这一方面是决策科学和数据科学之间的关键区别。

；微软高级首席研究员格雷格·刘易斯解释道：；决策科学结合理论和数据来预测当个人或组织做出改变其环境的决定时会发生什么“；这是一个水晶球，可以帮助决策者找到正确的选择。

；刘易斯说，另一方面，数据科学可以预测如果什么都没有改变会发生什么"；例如，您可以使用数据科学来计算商店的库存将以当前速度耗尽多长时间；决策科学将有助于决定是购买更多库存并保持价格不变还是提高价格，从而证明维持当前库存是最佳选择"；

；LinkedIn的数据科学总监Chi Yi Kuan指出，决策科学仍然是数据科学的一部分，直到最近，他还是该公司决策科学解决方案团队的负责人。他总结为“指导和推动决策的定量分析和技术”

 quot；在数据科学领域，我们做了很多工作来了解发生了什么，描述分析历史是什么。然后，诊断分析将进行深入的研究和理解。当我们变得更先进时，我们可以进行预测性分析：未来会发生什么？通俗地说，我们所说的人工智能和机器学习都是关于预测和预测的"；关说。

；数据科学是将原始数据转化为有意义的数据见解。决策科学将其应用于决策者的建议。数据科学的工作是在生态系统中做出更好的决策，以帮助公司发展；在决策科学中，重点只放在决策上。

；每个人的数据驱动决策

；高级管理人员应该熟悉决策科学的原则，因为他们已经在运营领域使用了这些原则，但他们应该从领域专家那里获得商业见解，并根据他们的经验（以及有限的数据量）提供建议，这太慢，而且每次都很难做出决策。Kuan表示，决策科学使使用实时数据的能力民主化。

；这意味着不仅要有一个数据科学团队，还要赋予人们使用数据进行决策的权力。许多公司都有数据科学团队，但管理层没有赋予他们权力，也不信任他们提出建议。

；他认为，除非你将数据转化为决策，否则数据是无用的。这意味着