2022–07–22
決策是經營管理者經常性的工作，決策的好壞往往決定了企業與組織的績效與成敗。現今網路時代，資料、資訊不代表知識，如何要求幕僚迅速將資料轉化為資訊，再結合決策者之判斷將其提升為寶貴之知識，以運籌帷幄作出正確決策，是現代企業和國家決勝千里之關鍵。
其實每個人都在做決策，而所有的決策者都在尋求優化的解決方案。然而，人類對於決策最大的謬誤之一就是認為自己直覺地知道如何做好決策。
決策科學是「決策者根據既有的和預估的資訊，權衡不同的目標，利用科學方法與分析技術，從所有可行方案中，選出可達到預期結果的最佳方案」。
所以如果手上未有足夠的資料，根本不可能有能力使用決策科學，即便你有再強大的 AI 計算器，沒有數據，幾乎可說是什麼都不是。
AI 大數據，在我們的未來絕對佔據舉足輕重的地位。
解決企業痛點，從強化決策能力出發
面對人口老化、勞動力減少、勞工意識抬頭，而市場需求變化加快，產品生命週期縮短，如何在研發、計劃和生產調度的決策上，能夠非常即時、靈活、彈性地回應市場的需求？甚至能夠預測性維護設備，避免設備無預警故障導致生產停擺？
最好還能做到預測需求，據此規劃企業接下來的資源配置決策，以增加營收和財務報酬。這些難題，都已經成為每家企業的痛點。傳統產業轉型智慧製造，常碰上的第一個問題，就是如何將現有的製造與管理經驗，系統化與數位化？如何讓黑手出身的老師傅，與公司的資訊工程師或外部顧問合作，協助將自己擁有的知識萃取出來？而且不只是知其然，還能知其所以然。
換言之，其實大多數廠商，缺的不是先進的軟硬體設備，而是缺少能讓系統發揮智慧製造，以及彈性決策能力的管理模式與組織運作。
智慧產業的評斷標準在「決策」能力
天下出版的一本書籍「工業 3.5」中提到，工業 4.0 即將帶來的改變和衝擊，不僅限於製造業，而是任何行業，皆無所遁逃。必須從營運決策、組織架構、人才、設計、生產到服務，整個產業生態系統和商業模式，需要進行換腦、換心、換臉的大手術。
若是智慧製造用無人工廠或「關燈率」當指標，顯得過度簡化這個概念，其實，真正的判斷依據，是建立擁有數位大腦的智慧型製造系統。換言之，「夠不夠智慧，差別在於有沒有辦法做『決策』」。
產業智慧化，人的分析判斷和決策角色會更重要。德國工業 4.0 戰略的八個工作項目當中，其中只有三個在講技術，其他五個都在講教育的改變。如果教育跟不上，沒有人才，一切都是白搭。每家公司都應該從人力資本優化和人力資源管理出發。
中國將 AI 大數據運用在法院
中國法院最近有一個流行的新名詞是「智慧法院體系」或「區塊鏈司法」。
這是中國要進一步將區塊鏈技術應用在審判執行當中，幫助智慧訴訟、智慧審判等等；其相關消息可以顯示中共正在想辦法讓全國法院的數據共享。呼倫貝爾市中級法院、河南焦作中級法院、珠海香洲區法院等，這些法院因為「智慧法院」建設成果的舉措，因而都被大陸媒體相繼報導。其中，黑龍江穆稜法院更是聲稱，他們以縣級市為單位，實現了互聯網開庭 100% 覆蓋，是黑龍江省首家。
「智慧法院體系」是什麼？
為中共提供科技服務的海康威視公司表示，智慧法院就是「依託音視頻處理、人工智能、大數據等先進技術，以提供 AI 能力平台和數據服務為基礎」，為法院提供智慧庭審、智慧警務、智能審務督察等系統解決方案。
智能法院系統六年前開始的時候，只是一個數據庫。但近年來，它更多地用在決策過程當中。按照最高法院的要求，法官必須就每個案件咨詢人工智能。如果法官拒絕 AI 的建議，AI 系統會要求法官提供書面解釋，以便記錄和審計。
在智慧法院之前，地方法院原本都有各自的數據庫，不過全國智能法院系統導入後，要求每個地方的法院把文件轉換為統一的數字格式，並把地方的數據庫連接到北京的中央「大腦」。人工智能每天在全國範圍內閱讀、分析和學習近 10 萬個案件，同時密切關注每個案件的進展，來發現瀆職或者腐敗的蛛絲馬跡。
不是只有大陸在推行智慧法院
其實很多國家都漸漸的在將 AI 導入到收集資料的系統，台灣由司法院建置的「量刑趨勢建議系統」就是一個類似的應用。國內清華大學研究團隊也開發出了「AI 人工智慧協助家事判決預測系統」，讓 AI 從判例「學會」法官的判決模式。
數位決策工具可以降低人為因素干擾
IC 設計公司最昂貴的資產是工程師的腦力，新技術研發專案不確定性極高，以往都是靠經驗預估，部門之間需要協調分配資源，常常會有高估或不足的問題。
許多 IC 大廠在發展專案組合決策時，為了最有效率的資源分配，提高人力資本和專案組合的全面資源管理能力，是少數 IC 設計公司能夠規模化的核心競爭力之一。科學管理能力不足，只有技術力卻不重視決策和管理等軟實力，是許多 IC 設計公司無法擴大規模只能是「一代拳王」的原因。
單純用人為決策分配資源會有很多主觀的問題，依照 PDCCCR：
- Pricing 定價策略
- Demand 需求規劃
- Capacity 產能組合
- Capital Expenditure 資本支出
- Cost 成本結構
- Return 收益
架構建設決策平台，人力、時間、人員條件等都能用系統調配，做出的決策有立論基礎，還能避免人為干擾，是運用決策工具的最大優點。
「大數據」就是現代化的決策工具之一，將複雜的專案模組化，根據組合的成分，可以推估出較準確的成本、交期與瓶頸，不同專案所需的資源彼此會競爭排擠，如果缺乏管理制度，只能挖東牆補西牆，到處救火。因此專案愈多的大公司，愈需要做資源調度與專案組合的優化，決策分析、AI 和大數據可以幫助我們把資源在對的時間放在對的地方。
透過集成學習（Ensemble Learning）等深度學習技術，運用多個系統預測再彙整多元意見做比較，哪個系統最準就聽它的，可使預測更精準並選出最佳決策。透過作業研究建構決策問題的數學規劃模型，再利用演算法找出複雜組合的最佳決策方案，在資源有限的情況下，盡量達成各個目標，同時避免人為誤差，藉由智能科技的數位決策系統，能夠幫助專案經理提升決策效能。
公司的數位決策工具需要集成學習系統嗎？
在統計學和機器學習中，集成學習方法使用多種學習算法來獲得比單獨使用任何單獨的學習算法更好的預測性能。不像統計力學中的系綜通常是無限的，機器學習集合僅由一組具體的有限的可替代模型組成，但通常允許在這些可替代方案中存在更靈活的結構。
集成學習是一門極大的學問，可涵蓋：遙感、土地覆蓋測繪、變化的檢測、計算機安全、分布式拒絕服務、惡意軟體檢測、入侵檢測、人臉識別、情感識別、欺詐檢測、金融決策……；其領域可說是非常的龐大。
有些公司（例如某出版集團）早早導入 ERP 把資源整合，用成本和收入用數據庫來檢視，但前端唯讀缺了前台銷售的詳細數據？
假如把銷售的詳細數據也同時納入，將潛在可能賣不掉的書籍也劃入可避免印製的成本中，能夠精準的預測銷售量和所需的印量，甚至還能找出某些促銷最佳方案、建議編輯在不同時期的選書，將前後端的資訊進而加入整個出版決策分析。
對於銷售書籍的書版社來說，可能需要更深化的數據，除了可以參考博客來線上書店的資料模型之外，還要發展屬於出版社自己最佳的模式，從目前手上已經有的網站、銷售數據，集中這些數據並創造分析的模型，讓分析結果來呈現並預測，適時的引入決策協助，對銷售的幫助就會有充分的助力。