Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

Die letzten Jahrzehnte haben erstaunliche Fortschritte in den Bereichen Datenwissenschaft, Business Intelligence und künstliche Intelligenz (KI) gebracht. Als Reaktion darauf sind Unternehmen zunehmend entschlossen, diese Technologien in ihre täglichen Entscheidungen einzubeziehen. Eine Umfrage des Beratungsunternehmens McKinsey aus dem Jahr 2019 ergab, dass ein typisches Fortune-500-Unternehmen durch bessere Entscheidungsfindung bis zu 250 Millionen US-Dollar pro Jahr einsparen kann.

Dies ist eine große Chance, die Ergebnisse der Organisation zu verbessern, auch wenn es den schlechten Zustand der heutigen Entscheidungsfindung in Organisationen widerspiegelt.

Aber wir sind noch weit davon entfernt, dieses Nirwana zu erreichen. In der ZeitschriftFortune schreiben Alan Murray und Jackson Fordyce: "Die Führungskräfte in der Wirtschaft werden so sehr mit Daten überschüttet, dass sie kaum noch funktionieren können." Und heute scheitern viele "datengesteuerte" und "evidenzbasierte" Initiativen. Der Grund dafür ist einfach, dass es bei der Entscheidungsfindung nicht wirklich um Daten geht: Es geht darum, die Ziele eines Unternehmens zu erreichen, wobei Daten zwar eine wichtige Rolle spielen, aber im Vergleich zu den Geschäftsergebnissen zweitrangig sind. Diese falsche Fokussierung auf die Daten selbst führt dazu, dass die Arbeit mit Daten und künstlicher Intelligenz in vielen Unternehmen nicht mit den Ergebnissen und den gewünschten Zielen übereinstimmt.

Intelligente Unternehmen gehen stattdessen zu einer "ergebnisorientierten" Entscheidungsfindung über, bei der Daten und Technologien "unter der Haube" arbeiten, um ihre Entscheidungen zu verbessern.

Auf dem Weg dorthin ist eine neue Disziplin entstanden, die sich Decision Intelligence (DI) nennt. DI vereint KI (einschließlich generativer KI-Technologien wie ChatGPT), Daten, menschliches Fachwissen, Forschung und mehr in einem integrierten Rahmen, der zwei Fragen beantwortet: "Was ist das Ergebnis, wenn ich heute in diesem Kontext diese Handlung vornehme?" und "Was ist die beste Handlung, um die Wahrscheinlichkeit zu erhöhen, dass ich meine Ziele erreiche?"

Bei DI geht es darum, dass Entscheidungsträger/innen die leistungsfähigsten Technologien nutzen können und dass Entscheidungsfindungssysteme Informationen auf eine Weise präsentieren, die sich natürlich und intuitiv anfühlt. DI bringt Organisationen dazu, nicht nur historische Daten zu nutzen, die Informationen und Erkenntnisse über die Gegenwart und Vergangenheit liefern, sondern auch Fragen über die Zukunft zu beantworten.

Hallo, wir sind die Autoren dieses Buches, N. E. Malcolm und L. Y. Pratt. Pratt hat DI (zusammen mit Mark Zangari) im Jahr 2010 erfunden. Seitdem haben wir mit unserem Team dazu beigetragen, dass sich DI zu einem so vielversprechenden Feld entwickelt hat, dass Forbes fragt, ob es "die neue KI" ist. Die Gartner Group prognostiziert, dass mehr als ein Drittel der großen Unternehmen bis zum Erscheinen dieses Buches DI einsetzen werden; das Marktforschungsunternehmen MarketsandMarkets geht davon aus, dass DI bis 2027 zu einem 22-Milliarden-Dollar-Markt anwachsen wird; und der chinesische Gigant Alibaba setzt DI auf Platz zwei seiner Liste der Top-Technologietrends für 2023 (gleich nach generativer KI).

Einer von uns - Autor Pratt - hat das erste Buch über DI geschrieben: Link: How Decision Intelligence Connects Data, Actions, and Outcomes for a Better World.1 Wir haben inzwischen Dutzende von DI-Lösungen für große und kleine Unternehmen, Start-ups und den öffentlichen Sektor entwickelt und bereitgestellt. DI-Projekte - unsere und die von anderen DI-Praktikern - haben Organisationen auf der ganzen Welt Hunderte von Millionen Dollar gespart und generiert, zusätzlich zu sozialen und anderen nicht-finanziellen Vorteilen.

Über dieses Buch

Dieses Buch ist ein praktischer Leitfaden, der dir zeigt, wie du DI in deiner eigenen Organisation oder als Berater oder Decision Intelligence Service Provider (DISP) oder Decision Intelligence Infrastructure Provider (DIIP) für andere durchführen kannst. Der Leitfaden umfasst neun DI-Prozesse, die sich als bewährte Methoden erweisen. Wir führen dich durch jeden einzelnen Prozess, beginnend damit, wie du entscheidest, ob DI das Richtige für deine Situation ist. Wir zeigen dir, wie du eine Entscheidung treffen kannst. Wenn du das Buch durcharbeitest, wirst du über eine kontinuierlich verbesserbare Entscheidungsgrundlage verfügen, die mit Daten, KI und mehr auf eine Weise verknüpft ist, die den Wettbewerbsvorteil und den Erfolg durch bessere Entscheidungsfindung fördert.

Aber bevor wir in die knorrigen Details eintauchen, ist es wichtig, dass du weißt, dass du schon heute mit DI anfangen kannst. Im Ernst, wir reden hier von 20 Minuten: die Zeit, die du brauchst, um zu dem Abschnitt "Baue deine erste CDD, jetzt gleich!

Decision Intelligence in a Nutshell

Einfach gesagt, hilft DI Organisationen bessere Entscheidungen zu treffen. Sie hilft den Entscheidungsträgern zu verstehen, wie die möglichen Maßnahmen, die sie heute ergreifen können (die Dinge, die sie tun können), die gewünschten Ergebnisse (die Dinge, die sie erreichen wollen) beeinflussen könnten. Um von den Handlungen zu den Ergebnissen zu gelangen, konzentriert sich DI auf eine Zeichnung, das sogenannte Kausal-Entscheidungsdiagramm (CDD), das als "Entscheidungsentwurf" dient. Mit dem CDD kannst du eine Entscheidung entwerfen. Es dient dazu, alle Beteiligten auf den gleichen Stand zu bringen - Technologen, Entscheidungsträger und sogar die von der Entscheidung betroffenen Interessengruppen. Damit du dir ein Bild davon machen kannst, wie ein CDD aussieht, zeigt Abbildung P-1 ein sehr einfaches CDD.

Abbildung P-1. Ein einfaches Kausalentscheidungsdiagramm (CDD).

Wir werden in späteren Kapiteln noch mehr über CDDs erzählen, aber du kannst dir schon jetzt ein paar Dinge ansehen. Wir zeichnen Aktionen auf der linken Seite des Diagramms und Ergebnisse auf der rechten Seite. Zwischen den beiden befindet sich eine Kette von Konsequenzen. (Beachte, dass es sich dabei um Konsequenzen und nicht um Aufgaben handelt, die du in der Regel nicht mehr beeinflussen kannst, nachdem du eine Aktion durchgeführt hast).

Abbildung P-2 zeigt eine komplexere CDD, einschließlich einiger Anmerkungen, die zeigen, wo die Technologie in eine Entscheidung passt. (Um die Details zu sehen, kannst du eine PDF-Datei aus dem Repository für ergänzende Materialien herunterladen).

Abbildung P-2. Ein CDD, das Gebäudemanagern bei der Entscheidung hilft: "Wann und wie soll ich mein Gebäude öffnen und die Menschen vor der Pandemie schützen?"

Um ein CDD zu erstellen, dokumentierst du deine gewünschten Ergebnisse und die Maßnahmen, die du ergreifen kannst, um sie zu erreichen. Du hältst sie in einem Diagramm fest, das auch dein Verständnis der Ursache-Wirkungs-Ketten zeigt, die die Maßnahmen mit den Ergebnissen verbinden. Später kannst du, wenn du willst, Daten, Beweise, Modelle, Analysen und menschliches Fachwissen hinzufügen, die deine Entscheidung untermauern, so dass dein Diagramm nicht nur auf Papier steht, sondern auch von einem Computer simuliert werden kann. In dieser Form ist die Simulation, die auf dem CDD basiert, quasi ein "digitaler Zwilling der Entscheidung", der dir eine evidenzbasierte Möglichkeit bietet, zu bestimmen, welche Maßnahmen am effektivsten sind, um deine Ziele zu erreichen. In diesem Buch zeigen wir dir, wie du CDDs erstellen kannst.

Im Grunde genommen ist DI eine Integrations- und Designdisziplin, die Technologien miteinander und mit menschlichen Entscheidungsträgern verbindet. Und das CDD zeigt, wie diese Teile zusammenpassen. Einfach ausgedrückt: DI hilft Unternehmen, das Beste aus dem menschlichen Fachwissen herauszuholen, und zwar Hand in Hand mit allen Arten von Technologien. DI beginnt und endet mit der Gruppe oder Person, die die Entscheidung trifft. Die Technologie ist zweitrangig und wird zur Unterstützung besserer Entscheidungen eingesetzt. DI ist eine "hybride" KI-Methode, die nicht vollständig automatisiert ist, aber auch nicht nur auf menschlichem Urteilsvermögen beruht - einer der am schnellsten wachsenden Technologiemärkte.

Die DI-Methode geht davon aus, dass strukturierte Entscheidungsfindung als eine Reihe von genau definierten Prozessen dargestellt werden kann. Diese folgen einem Lebenszyklus, der mit der Formulierung der anstehenden Entscheidung beginnt und mit der nachträglichen Analyse der Effektivität der gewählten Vorgehensweise und der möglichen Wiederverwendung der Entscheidung oder ihrer Elemente für zukünftige Entscheidungen endet.

Das mag nach viel klingen, aber ein wichtiger Aspekt von DI ist, dass es einfach zu machen ist, besonders am Anfang. DI verlangt nicht, dass du auf eine neue Art und Weise über Entscheidungen nachdenkst, sondern verlangt lediglich, dass du die Art und Weise, wie du heute über Entscheidungen denkst, dokumentierst. Du wirst feststellen, dass es schon ausreicht, ein Bild von einer Entscheidung zu zeichnen - wie wir es dir im nächsten Kapitel beibringen werden -, um viel zu erreichen.

Auf dem Weg dorthin wirst du feststellen, dass DI diese wichtigen Elemente beinhaltet:

  • Klare Definition der Entscheidungsanforderungen

  • Darstellung der Entscheidungsfindung als eine Reihe klar definierter Prozesse, die einem Lebenszyklus folgen, von der Formulierung der Entscheidung bis zur nachträglichen Analyse ihrer Wirksamkeit und ihres Potenzials zur Wiederverwendung

  • Einem iterativen Planungsprozess folgen, der Daten, Analysen und Expertenurteile einbezieht, mehrere Szenarien zulässt und verschiedene mögliche Welten modelliert

  • Erstellung eines CDD als vereinheitlichende grafische Darstellung für eine geplante Entscheidung

  • Integration von Entscheidungsressourcen wie Daten, menschlichem Wissen, maschinellem Lernen (ML) und KI-Modellen mit Elementen der CDD; dadurch können Entscheidungen durch Daten und mehr gesteuert werden

  • Schwerpunkt auf Qualitätssicherung und Sicherheit

  • Umwandlung in eine entscheidungsorientierte Organisation mit Hilfe bewährter Methoden in Organisation und Kultur

LLMs, OMG

Während dieses Buch in Druck geht, stellen ChatGPT und andere große Sprachmodelle (LLMs) die Welt der Technologie auf den Kopf, indem sie Schreiber, Programmierer, Betrüger und mehr überfordern. Und DI ist da keine Ausnahme. Wir beobachten bereits, dass die LLM-Technologie unseren DISP-Kunden unglaublich wertvolle Ratschläge gibt und in mehreren Phasen der DI-Prozesse, über die du hier lesen wirst, als neue, leistungsstarke Mitarbeiter/innen fungiert. Insbesondere haben wir erlebt, dass LLMs Aktionen, externe Faktoren, Ergebnisse und unbeabsichtigte Folgen aufzeigen, die vorher niemand in Betracht gezogen hatte, und so den "Tunnelblick" verringern.

Wir sehen die Rolle der LLMs in der DI als eine Art "Super-Google", das Entscheidungsmodellierern und Entscheidungsträgern einen viel einfacheren Zugang zu einer breiten Palette von Informationen bietet, die sie für ihre Entscheidungsfindung nutzen können. LLMs führen jedoch keine Action-to-Outcome-Simulationen durch, sodass sie die hier beschriebenen Entscheidungsfindungsmethoden ergänzen.

Für wen ist dieses Buch?

Dieses Buch ist für dich, wenn du lernen möchtest, wie du DI in deinem Unternehmen oder bei deinen Kunden einführen kannst. Vielleicht bist du eine Führungskraft, die Entscheidungen ernst nimmt und das Beste aus dem Wissen von Menschen und Computern kombiniert, um Wettbewerbsvorteile zu erzielen. Vielleicht liegt dir die Bekämpfung des Klimawandels am Herzen, aber du weißt, dass viele Erdbeobachtungsdaten ungenutzt bleiben, weil Datenwissenschaftler/innen nicht wissen, wie sie diese mit der Entscheidungsfindung verknüpfen können. Vielleicht bist du ein Daten- oder KI-Berater oder ein Angestellter in einem der aufstrebenden DISP-Unternehmen und möchtest dich von der Masse abheben, indem du etwas Neues und Wertvolles anbietest. Vielleicht bist du ein ML-Experte, der den Wert dieser wichtigen Technologie maximieren will, oder ein Leiter der Abteilung für Analytik oder Business Intelligence, der einen Weg sucht, mit seinen internen Kunden zu kommunizieren, damit seine Technologie ihnen hilft, bessere evidenzbasierte Entscheidungen zu treffen.

Wir haben dieses Buch für die "aufrührerische" Bottom-up-Perspektive geschrieben, aber auch für die wenigen Glücklichen, die von der zentralen Führungsebene unterstützt werden, um DI unternehmensweit einzuführen. Wir haben dieses Buch in Zusammenarbeit mit einer G20-Zentralbank geschrieben, die gerade dabei ist, genau das zu tun, und die Bank hat das Buch für ihre internen Zwecke angepasst.

Was du lernen wirst

Nachdem du dieses Buch gelesen hast, wirst du:

  • Verstehen, welche Entscheidungen Organisationen treffen und bei welchen Entscheidungen DI helfen kann

  • Verstehen, wie man CDDs erstellt, liest, verwendet, pflegt und wiederverwendet

  • Ein "Starter Kit" mit DI-Dokumenten und Templates, die du für deine Organisation anpassen kannst

Und du wirst verstehen, wie du DI nutzen kannst, um:

  • Strukturiere Entscheidungsgespräche über gewünschte Ergebnisse (finanziell oder nicht) und Maßnahmen, um sie zu erreichen

  • Modernste Tools für die Zusammenarbeit nutzen, um KI, Wissen, Daten und mehr in Entscheidungen einfließen zu lassen

  • Finde Einfachheit und Ordnung inmitten des Durcheinanders komplexer Daten, Werkzeuge und Entscheidungen

  • Verschaffe deinen Datenmanagement-Projekten einen Mehrwert, indem du sie auf die 10% der Daten lenkst, die 90% des Wertes haben

  • Finde Wege, um Silos innerhalb deiner Organisation zu integrieren

  • Spezifiziere deine Anforderungen an automatisierte Simulationen zur Entscheidungsfindung gegenüber einem Software-Team

  • Gewinne mehr Vertrauen und Glaubwürdigkeit für dein Daten-/Analyse-/AI-Team, weil du die Sprache deiner Kunden sprichst.

Bitte beachte, dass es einige Themen gibt, die hier nicht behandelt werden. Auf gehen wir zum Beispiel nicht auf die breiteren gesellschaftlichen Auswirkungen von DI oder ihr Potenzial zur Lösung komplexer Probleme wie Klima und Pandemien ein. Diese Auswirkungen werden in Link behandelt. Schließlich gehen wir auch nicht auf die technischen Details ein, wie man DI-Tools wie APIs, Schnittstellen oder KI- und Statistikmodelle entwickelt, die mit computerisierten DI-Modellen zusammenarbeiten. Diese Technologien ändern sich schnell, aber die Grundsätze, die wir hier vorstellen, sind unabhängig von der Wahl der Technologie.

Annahmen, die dieses Buch macht

Wir gehen nicht davon aus, dass du über besondere technische Kenntnisse verfügst. Wir haben dieses Buch geschrieben, um allen Beteiligten an einem Entscheidungsprozess zu helfen - nicht nur den Führungskräften, Managern und Stakeholdern, sondern auch den Analysten und Datenwissenschaftlern, die den Entscheidungsträgern Daten und andere Informationen zur Verfügung stellen.

Wir gehen auch nicht davon aus, dass du Link gelesen hast. Wir stellen dir alles über DI vor, was du wissen musst. Während Link ein visionärer Überblick über das Feld war, gibt dir dieses Buch umsetzbare Schritte an die Hand, mit denen du DI heute und sofort umsetzen kannst, mit oder ohne Technologie. In diesem Buch geht es auch um DI-Prozesse: Unser Schwerpunkt liegt auf der Abfolge der Schritte, die du in deinem Unternehmen unternehmen musst, um bessere Entscheidungen zu treffen und bessere Ergebnisse zu erzielen.

Inhalt dieses Buches

In Kapitel 1 führen wir dich in die DI ein. Wir geben einen kurzen Überblick über die Geschichte der DI und erklären ihre Vorteile aus verschiedenen Blickwinkeln. Du kannst Kapitel 1 überspringen, wenn du schnell mit den DI-Prozessen beginnen möchtest.

Die restlichen Kapitel sind um neun DI-Prozesse herum organisiert, die in Abbildung P-3 zusammengefasst sind.

Abbildung P-3. Die neun DI-Prozesse.

Kapitel 2 führt dich in die Entscheidungsfindung ein. Es befasst sich mit der Erstellung eines anfänglichen Entscheidungsziels und der Ausarbeitung des Entscheidungsentwurfs, einschließlich der Ermittlung der verfügbaren Maßnahmen und der gewünschten Ergebnisse.

Kapitel 3 befasst sich mit dem Entscheidungsdesign, in dem du dein erstes CDD erstellst.

In Kapitel 4 untersuchst du die technischen und datenbezogenen Ressourcen, die deine Entscheidung unterstützen können. Das nennt man Decision Asset Investigation.

Jetzt ist es an der Zeit, alles zusammenzutragen, um die beste Entscheidung zu treffen, die du treffen kannst. Das ist die Entscheidungssimulation, die in Kapitel 5 behandelt wird.

Bevor du auf der Grundlage deiner Entscheidung Maßnahmen ergreifst, musst du Risiken, Empfindlichkeiten und Ungewissheiten bewerten. Das ist die Entscheidungsbewertung, das Thema von Kapitel 6.

Jetzt ist es an der Zeit, die von dir gewählte(n) Maßnahme(n) zu ergreifen. In diesem Buch werden wir dir nicht sagen, wie du vorgehen musst, wenn du eine Entscheidung getroffen hast - wir gehen davon aus, dass du das schon ganz gut kannst. Aber in Kapitel 7 beschreiben wir das Entscheidungsmonitoring: wie du deine DI-Assets nutzen kannst, um die Ergebnisse deiner Aktion(en) (KPIs, Zwischenergebnisse, Resultate und mehr) zu überwachen, während sie sich in der Realität abspielen, damit du schnell Anpassungen vornehmen kannst, wenn die Dinge vom Kurs abdriften.

In Kapitel 8 geht es schließlich darum, was du tust, nachdem das Entscheidungsmodell verwendet wurde. Mit der Aufbewahrung von Entscheidungsartefakten stellst du sicher, dass so viel wie möglich von der Entscheidungsfindung wiederverwendet werden kann. In der Entscheidungs-Retrospektive bewertest und verbesserst du deine Entscheidungsprozesse für das nächste Mal.

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Weist auf neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen hin.

Constant width

Wird für Programmlistings sowie innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter hinzuweisen.

Tipp

Dieses Element steht für einen Tipp oder eine Anregung.

Hinweis

Dieses Element steht für einen allgemeinen Hinweis.

Ergänzende Materialien verwenden

Zusätzliches Material (Arbeitsblätter usw.) kannst du unter https://oreil.ly/DIH-supplemental herunterladen .

Wenn du eine technische Frage oder ein Problem mit den Codebeispielen hast, schicke bitte eine E-Mail an

Dieses Buch soll dir helfen, deine Arbeit zu erledigen. Wenn in diesem Buch Beispielcode angeboten wird, darfst du ihn in deinen Programmen und deiner Dokumentation verwenden. Du musst uns nicht um Erlaubnis fragen, es sei denn, du reproduzierst einen großen Teil des Codes. Wenn du zum Beispiel ein Programm schreibst, das mehrere Teile des Codes aus diesem Buch verwendet, brauchst du keine Erlaubnis. Der Verkauf oder die Verbreitung von Beispielen aus O'Reilly-Büchern erfordert jedoch eine Genehmigung. Die Beantwortung einer Frage mit einem Zitat aus diesem Buch und einem Beispielcode erfordert keine Genehmigung. Wenn du einen großen Teil des Beispielcodes aus diesem Buch in die Dokumentation deines Produkts aufnimmst, ist eine Genehmigung erforderlich.

Wir freuen uns über eine Namensnennung, verlangen sie aber in der Regel nicht. Eine Quellenangabe umfasst normalerweise den Titel, den Autor, den Verlag und die ISBN. Zum Beispiel:"The Decision Intelligence Handbook " von L. Y. Pratt und N. E. Malcolm (O'Reilly). Copyright 2023 Quantellia, L.L.C., 978-1-098-13965-0."

Wenn du der Meinung bist, dass die Verwendung von Code-Beispielen nicht unter die Fair-Use-Regelung oder die oben genannte Erlaubnis fällt, kannst du uns gerne unter kontaktieren

O'Reilly Online Learning

Hinweis

Seit mehr als 40 Jahren bietet O'Reilly Media Schulungen, Wissen und Einblicke in Technologie und Wirtschaft, um Unternehmen zum Erfolg zu verhelfen.

Unser einzigartiges Netzwerk von Experten und Innovatoren teilt sein Wissen und seine Erfahrung durch Bücher, Artikel und unsere Online-Lernplattform. Die Online-Lernplattform von O'Reilly bietet dir On-Demand-Zugang zu Live-Trainingskursen, ausführlichen Lernpfaden, interaktiven Programmierumgebungen und einer umfangreichen Text- und Videosammlung von O'Reilly und über 200 anderen Verlagen. Weitere Informationen erhältst du unter https://oreilly.com.

Wie du uns kontaktierst

Bitte richte Kommentare und Fragen zu diesem Buch an den Verlag:

Wir haben eine Webseite für dieses Buch,, auf der wir Errata, Beispiele und zusätzliche Informationen auflisten. Du kannst diese Seite unter https://oreil.ly/DI-Handbook aufrufen .

Neuigkeiten und Informationen über unsere Bücher und Kurse findest du unter https://oreilly.com.

Finde uns auf LinkedIn: https://linkedin.com/company/oreilly-media

Folge uns auf Twitter: https://twitter.com/oreillymedia

Schau uns auf YouTube: https://youtube.com/oreillymedia

Danksagungen

Dieses Buch wäre nicht möglich gewesen ohne das großartige Team von Mitarbeitern und Investoren bei Quantellia, die uns bei der herausfordernden Aufgabe unterstützt haben, eine neue Disziplin zu schaffen und gleichzeitig Lösungen dafür anzubieten. Es war ein langer Weg, aber eine großartige Erfahrung. Es gibt wirklich keine Worte, um unsere Dankbarkeit für unsere langjährigen Unterstützer auszudrücken. Besonders erwähnenswert ist Mark Zangari, der als Miterfinder von DI das "verborgene Juwel" hinter vielem ist, was wir tun: Seine Erkenntnisse sind tief in das eingewoben, was du hier lesen wirst.

Wir sind auch von dem Wissen und der Erfahrung des O'Reilly-Teams überwältigt, vor allem von Michelle Smith und Sarah Grey, die sich die Zeit genommen hat, DI so gründlich zu lernen, während sie unseren Entwurf bearbeitete, dass wir sie als einen Beitrag zu dieser Disziplin betrachten!

Wir sind auch mit großartigen Kolleginnen und Kollegen gesegnet, mit denen wir DI-Lösungen entwickelt und umgesetzt haben. Dazu gehören Jessica Jaret, Elizabeth Nitz, Dr. John Wooten, Skye Wiersma und Katie Harder sowie in früheren Zeiten Rick Ladd, Sammy Thomas, Jennifer Fruehauf, Margaret Johnson, Allie Golon und Janet Nemmers. Besonders dankbar sind wir auch Erik Balodis, der mit großartigen Ideen zu einem frühen Entwurf dieses Buches beigetragen hat, aus dem dieser Artikel entstanden ist.

Außerhalb unserer Organisation haben zahlreiche Freunde und Fans unsere Arbeit unterstützt, die wir hier nicht alle aufzählen können. Besonders erwähnenswert sind Jim Casart, Dr. David Roberts (ein weltweit führender Vertreter der DI im akademischen Bereich, der auch einen Entwurf dieses Buches geprüft hat), Allan Frank, Robert Walker, Joseph Wiggins, VR Ferose, Håkan Edvinsson, James Parr und sein Team bei Trillium (die die DI in einen der wichtigsten Bereiche unserer Zeit einbringen: die Klimaresilienz), Dr. Grady Booch, Dr. Cassie Kozyrkov, Jeffrey Williams, Tim McElgunn und Linda Kemp. Wir haben großartiges Feedback von einer Reihe von technischen Gutachtern erhalten und sind Joshua Dejong, Dr. Roger Moser, Donald Farmer, Tobias Zwingmann, Anand Thakar, Jen Stirrup und Jazmine Cable sehr dankbar. Auch die Gemeinschaft der DI-Anbieter hat uns sehr unterstützt. Data Innovation.AI, Pyramid Analytics, Astral Insights, Agilisys, CModel und C-Plan.IT sind hier besonders zu erwähnen. Wir sind auch unseren Familienmitgliedern sehr dankbar: Michael Malcolm, Dr. Annis Pratt, Dr. Faith Hopp, John Smith, Casper Smith und Aspen Smith (und Mitautorin Pratt dankt auch ihrem Hund Bowie) für ihre aufopferungsvolle Unterstützung bei diesem wichtigen Unterfangen. Co-Autorin Pratt dankt auch Landlocked Ales (deren Decision Fatigue-Bierflüge sie zum Schreiben anregten).

1 L. Y. Pratt, Link: How Decision Intelligence Connects Data, Actions, and Outcomes for a Better World (Bingley, UK: Emerald Publishing, 2019).

Get Das Handbuch der Entscheidungsintelligenz now with the O’Reilly learning platform.

O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.

Start your free trial