Professor of Marketing
Door steeds meer data te verzamelen, zijn we erin geslaagd om Neptunus te ontdekken en uit te vogelen hoe Uranus rond de zon draait. Maar we hebben ook veel tijd verspild aan de zoektocht naar de planeet Vulcanus. En zonder Einsteins algemene relativiteitstheorie waren we wellicht nog steeds op zoek. Spoiler alert: Vulcanus bestaat niet. In het laatste hoofdstuk van Decision-Driven Analytics illustreren professoren Bart De Langhe en Stefano Puntoni aan de hand van deze anekdote dat oplossingen en beslissingen niet alleen afhangen van data en algoritmen, maar ook van het beoordelingsvermogen en de intelligentie van de mens. Zal dat in de toekomst nog steeds zo zijn? We spraken erover met Bart.
Wanneer we het hebben over de toekomst van data-analyse is er één onmiskenbare olifant in de kamer: de snelle ontwikkelingen op het gebied van AI. Hoe zullen die Barts visie op decision-driven analytics beïnvloeden?
Het razendsnel evoluerende AI-landschap spreekt inderdaad tot de verbeelding. Volgens Bart kunnen die snelle veranderingen zowel een positieve als een negatieve impact hebben. “Laten we beginnen met de negatieve kant. Naarmate de technologie geavanceerder wordt, kunnen bedrijven in de verleiding komen om zwaar te investeren in AI.” Zo zegt hij. “Een potentieel nadeel is dat dit voor een grotere kloof kan zorgen tussen de technologische experts en de personen die zakelijke beslissingen nemen.”
Hij voegt eraan toe: “Het positieve is dat het ons dwingt om met een frisse blik naar artificiële intelligentie te kijken. We gebruiken 'intelligentie' te vaak als containerbegrip, waardoor de betekenis verzwakt en er onduidelijkheid kan ontstaan over wat AI precies inhoudt.” Daarom stelt hij voor om intelligentie – zowel artificiële als menselijke – op te splitsen in enkele cognitieve bouwstenen.
Bart verklaart verder: “De meeste AI-toepassingen zijn gebaseerd op twee fundamentele capaciteiten: registreren en matchen. Machines beschikken over sensoren waarmee ze tal van variabelen in de omgeving kunnen waarnemen, en een ongelooflijk geheugen om die informatie op te slaan. Dat is de eerste bouwsteen: registreren. De tweede bouwsteen is matchen. Daarbij maken machines gebruik van krachtige motoren om correlaties te vinden tussen de geregistreerde variabelen. Wat registreren en matchen betreft, kunnen mensen niet op tegen de sensoren en grotere geheugencapaciteit van machines.”
Wij blinken dan weer uit in twee andere cruciale gebieden: abstraheren en causaal redeneren. Als mens kunnen we voorbij de concrete details kijken, abstracte patronen herkennen en nieuwe concepten creëren. Daarnaast excelleren we in causaal redeneren en kunnen we oorzaak-en-gevolgrelaties herkennen binnen abstracte patronen. “We zijn verhalenvertellers die de wereld om ons heen proberen uit te leggen”, aldus Bart. “Wat abstraheren en causaal redeneren betreft, loopt AI nog steeds achter.”
“Als we intelligentie benaderen aan de hand van deze vier bouwstenen – registreren, matchen, abstraheren en causaal redeneren – zien we dat machines fantastisch zijn in het verzamelen en correleren van data om de wereld weer te geven, maar dat menselijke vaardigheden essentieel zijn om die data te interpreteren”, concludeert hij.
Dankzij de ongeëvenaarde registratie- en matchingcapaciteiten van AI hebben mensen meer tijd om zich te richten op intellectuelere taken, zoals abstractie en causaal redeneren. Een groot voordeel, volgens Bart: “Dit geeft mensen meer tijd om de wereld te interpreteren. Interpreteren betekent nadenken over wat we proberen te bereiken, wat onze doelen en waarden zijn, welke opties we hebben en welke vragen we moeten stellen om betere beslissingen te kunnen nemen.”
En wie het boek al heeft gelezen, weet dat dit alles perfect aansluit bij het framework van Decision-Driven Analytics.
Als we vragen hoe hij de toekomst van data-analyse ziet, glimlacht Bart: “We weten allemaal dat de toekomst voorspellen bijzonder moeilijk is. Daarom raden we in ons boek aan om vage antwoorden te geven in plaats van precieze.” Hij voegt er snel aan toe: “Dat betekent echter niet dat je de vraag ontwijkt. Je identificeert verschillende scenario's die zich zouden kunnen voordoen en kent aan elk daarvan een waarschijnlijkheid toe.”
Eén scenario dat Bart waarschijnlijk acht, is een toenemende obsessie met data en technologie. “In eerste instantie kan dit de kloof tussen data-analisten en besluitvormers vergroten, maar ik denk dat data-analyse zich na verloop van tijd meer zal toespitsen op de besluitvorming.” Hij pauzeert even. “In zekere zin zal data-analyse meer naar de achtergrond verdwijnen en zullen we evolueren naar decision-analytics.” Hij wijst erop dat het in deze context ook nuttig is om onderscheid te maken tussen beslissingen en oordelen, en de processen die daarmee gepaard gaan. “Ik denk dat data en technologie heel nuttig zullen zijn om de processen achter besluitvorming te structureren, en dat dat uiteindelijk zal leiden tot betere beslissingen.”