Decision intelligence

Wat is decision intelligence?

Decision intelligence behandelt een terugkerende beslissing als iets dat je ontwerpt, opschrijft en verbetert, in plaats van iets dat in iemands hoofd gebeurt of in een vergadering geregeld raakt. De eenheid is de beslissing zelf: wat er beslist wordt, door wie of door wat, op welke gegevens, onder welke regels of welk model, uit welke opties, en wat ervan gekomen is.

Analytics stopt van oudsher een stap eerder. Een rapport levert een cijfer, dat cijfer komt op een scherm, en wat iemand ermee doet blijft impliciet. Nergens staat dat het cijfer er is omdat een aankoper elke dinsdag beslist of hij bijbestelt, en niemand kijkt een maand later na of die bijbestelling juist was. Decision intelligence zet de beslissing centraal en het cijfer in een bijrol.

Gartner omschrijft het in zijn woordenlijst als een praktische discipline die beslissingen vooruithelpt door expliciet te begrijpen en te ontwerpen hoe beslissingen genomen worden en hoe uitkomsten geëvalueerd, beheerd en via feedback verbeterd worden. Dat laatste stuk doet het werk, en het is net dat stuk dat de meeste bedrijven overslaan.

De naam heeft twee bronnen. Lorien Pratt en Mark Zangari van Quantellia schreven de aanpak uit in een white paper van december 2008, over hoe je modelleert dat acties tot uitkomsten leiden, en noemden ze decision engineering. De naam werd later decision intelligence, naar eigen zeggen omdat engineering niet verkocht bij managers. Google gaf de term bereik in 2018 door zijn toegepaste datascience-praktijk om te dopen tot decision intelligence engineering, onder Cassie Kozyrkov, die het vakgebied omschreef als de discipline om informatie om te zetten in betere acties, op eender welke schaal. Gartner zette het daarna op zijn lijst van strategische technologietrends voor 2022.

De anatomie van een terugkerende beslissing

Een beslissing die je vijftig keer per maand neemt heeft zeven onderdelen. Schrijf ze uit en je hebt die beslissing op één blad, en dat is de methode in haar goedkoopste vorm.

1. De aanleiding. Waardoor de beslissing opduikt, en hoe vaak. Een bestelling boven een limiet, een dinsdagochtend, een mail van een klant, een voorraad die onder een drempel zakt.

2. De gegevens. De feiten waar je naar kijkt en waar elk ervan staat. Wat wie beslist op dat moment echt voor zich heeft, en dat is meestal minder dan wat er in je systemen zit.

3. De regels of het model. Het stuk dat gegevens omzet in een antwoord. Soms een drempel en een beleidslijn, soms een voorspelling, vaak allebei.

4. De opties. Alles waaruit je mag kiezen. Dit vakje is leger dan mensen denken: heel wat beslissingen belanden als ja of nee op papier terwijl er vier zinnige antwoorden waren.

5. De beslisser. De persoon of het systeem dat de knoop doorhakt, en tot welk bedrag of welk niveau die dat mag doen zonder iemand te vragen.

6. De registratie. Wat je bewaart op het moment van beslissen: de gegevens zoals ze toen stonden, de versie van de regel of de score van het model, de gekozen optie, wie ze koos, en één regel motivering.

7. De feedback. Wat je later meet om te zeggen of het gewerkt heeft, en wanneer je daarvoor terugkijkt.

Vakjes één tot vijf zijn meestal ingevuld, al is het alleen in iemands hoofd. Vakje zes is half ingevuld: de uitkomst zit in het ERP, de motivering niet. Vakje zeven is leeg.

Een kredietlimiet, uitgewerkt

Neem een Belgische groothandel. Een bestelling blijft hangen omdat ze de klant over zijn kredietlimiet duwt, en iemand moet beslissen of die limiet omhoog gaat. Dat gebeurt een zestigtal keer per maand.

De aanleiding is de blokkering in het ERP. De gegevens zijn de huidige limiet, het openstaande saldo, de gemiddelde betaalachterstand over twaalf maanden, de ouderdom van de oudste onbetaalde factuur, het bedrag dat de kredietverzekeraar voor die klant dekt, en de bestellingen die al in de pijplijn zitten. Er zijn twee harde regels: nooit boven het verzekerde bedrag, en geen verhoging zolang er een factuur meer dan zestig dagen openstaat. Het model voorspelt hoe waarschijnlijk het is dat deze klant de komende zes maanden meer dan dertig dagen te laat betaalt, op basis van zijn eigen betaalgedrag. De opties zijn weigeren, verhogen tot het gevraagde bedrag, gedeeltelijk verhogen, of verhogen op voorwaarde van vooruitbetaling boven de oude limiet. Verhogingen onder tienduizend euro die binnen het verzekerde bedrag blijven gaan automatisch door, de kredietcontroleur beslist tot vijftigduizend euro, en de finance manager beslist daarboven.

Tot daar doet een degelijk financieel team dit al. De registratie en de feedback zijn het stuk dat de beslissing daarna beter maakt. Bewaar op de dag zelf de zes ingevoerde waarden, de score van het model, de gekozen optie, de naam van wie koos en één regel waarom. Zes maanden later loop je elke beslissing opnieuw af: heeft die klant te laat betaald, is er iets afgeboekt, en hoeveel extra brutomarge kwam er uit het volume dat de hogere limiet mogelijk maakte.

Stel dat er over zes maanden 360 aanvragen waren. De harde regels weigerden er 90 meteen. Van de overige 270 waren er 200 verhogingen onder 10.000 euro die automatisch doorgingen, en 70 gingen naar een mens. Zes maanden later blijkt dat 6 van die 200 automatische verhogingen meer dan dertig dagen te laat betaalden, en 7 van de 70 die een mens goedkeurde deden hetzelfde. Twee van die dertien eindigden in een afboeking van gemiddeld 4.200 euro, samen 8.400 euro verlies. Meet nu ook de 90 weigeringen: 22 van die klanten plaatsten daarna geen enkele bestelling meer. Aan gemiddeld 1.900 euro brutomarge per jaar is dat 41.800 euro marge die weg is.

Niemand zat fout op een afzonderlijke beslissing, en elke weigering was op zich verdedigbaar. Pas door beide kanten te tellen wordt de afstelling zichtbaar: wat er aan dubieuze debiteuren toch door raakte kwam op 8.400 euro, en de voorzichtigheid die het daar hield kostte vijf keer zoveel aan marge. Zonder vakje zeven zie je dat nooit, want afboekingen komen op een grootboekrekening met een naam terecht en verloren klanten nergens.

Het vakje feedback is bijna altijd leeg

De meeste bedrijven kunnen je zeggen wat ze beslist hebben. Bijna niemand kan zeggen of het ook gewerkt heeft, en dus wordt de beslissing nooit beter.

Daar zijn drie praktische redenen voor. De uitkomst komt maanden na de beslissing, en tegen dan legt niemand het verband nog. De uitkomst is vervuild: de klant betaalde te laat, maar hij verloor die maand ook een grote afnemer, dus zat de kredietbeslissing fout of zat de wereld fout? En weigeringen leveren helemaal geen gegevens op, want een klant die niet meer bestelt stuurt daar geen briefje over.

Het werk rond decision quality van Strategic Decisions Group, uitgeschreven door Carl Spetzler en collega's, helpt hier. In die traditie zijn een goede beslissing en een goede uitkomst twee verschillende dingen. De kwaliteit zit in de zes elementen die in het beslissen gingen: de afbakening, de alternatieven, de informatie, de waarden en afwegingen, de redenering, en of er ook echt naar gehandeld is. De ketting is niet sterker dan de zwakste van die zes schakels. Een slechte uitkomst na een goed genomen beslissing is pech. Een goede uitkomst na een slordige beslissing leert je iets verkeerds.

Bij een terugkerende beslissing wordt dat onderscheid makkelijker, want je beoordeelt er vijftig per maand in plaats van één geval. Een enkele wanbetaler zegt niets. Zes op tweehonderd tegenover zeven op zeventig zegt wel iets. Net dat aantal laat je toe om uit uitkomsten te leren zonder te doen alsof elk geval afzonderlijk voorspelbaar was.

De minimale vorm van feedback is een tabel met een rij per beslissing en een kolom die je later invult. Als het lezen van die kolom een keer per kwartaal een drempel verzet, heeft de lus zichzelf al terugverdiend.

Regels, een model of een mens

De nuttige zet is niet de beslissing automatiseren. Het is de drie soorten werk erin uit elkaar halen.

Wat volledig te beschrijven valt hoort in regels. Als je het kan schrijven als voorwaarden en uitkomsten, en de uitkomst moet elke keer identiek zijn, dan is het een regel en hoort ze op een plek waar de eigenaar ervan ze zelf aanpast. De formele helft daarvan is DMN, de OMG-standaard om een beslissing zo op te schrijven dat de eigenaar van de regel en de engine die ze uitvoert hetzelfde lezen, met versie 1.5 aangenomen in augustus 2024. Het lemma over DMN in dit woordenboek behandelt de notatie, de beslissingstabel en de versionering. Decision intelligence geeft je de reden om er een te tekenen, DMN geeft je de vorm.

Wat een voorspelling nodig heeft, krijgt een model: hoe waarschijnlijk het is dat deze klant te laat betaalt, hoe de vraag er volgende maand uitziet, welke bestelling haar leverdatum dreigt te missen. Een model geeft je een cijfer met een marge errond, en dat cijfer is een invoer voor de beslissing, niet de beslissing.

Wat oordeel vraagt blijft bij een mens, met die twee als ondersteuning. Oordeel is wat overblijft wanneer de regels op zijn en het model onzeker is: een klant die al vijftien jaar meedraait en een slecht kwartaal heeft, een leverancier die je nog nooit in de steek liet. Tel die gevallen apart, want als oordeel tachtig procent van je dossiers dekt, is de beslissing nog niet ontworpen.

Agents veranderen wie uitvoert, niet die opdeling. Een agent kan de gegevens ophalen, de regel draaien, het model aanroepen en de registratie wegschrijven, en zo het administratieve werk rond een beslissing wegnemen. Hij kan de lijst met opties niet voor je bedenken en evenmin bepalen wat een goede uitkomst is, en hij erft wat jij in de vakjes zet. Een beslissing zonder feedbacklus die je aan een agent geeft, gaat nu sneller en op meer plaatsen fout. Automation bias maakt dat erger, want een zelfzekere aanbeveling op een scherm wordt vlotter aanvaard dan een even zelfzekere collega.

Decision intelligence tegenover een dashboard

De twee worden als hetzelfde verkocht. Ze verschillen op één punt: wat er uiteindelijk uitkomt.

Een dashboard geeft een toestand. Dit is het openstaand saldo, dit is de omzet van vorige maand, dit is de betaalachterstand per klant. Juist, actueel, en het zegt niets over wat je moet doen. Iemand leest het, interpreteert het en handelt, en van die interpretatie komt niets op papier. Twee mensen lezen hetzelfde dashboard, doen het omgekeerde, en allebei volgen ze de cijfers.

Een ontworpen beslissing geeft een keuze, met de reden en de registratie eraan vast. Deze limiet naar 30.000 euro, want de verzekeraar dekt 35.000, de klant betaalde over twaalf maanden gemiddeld vier dagen te laat en het model zet hem in de lage risicoklasse. Beslist door de kredietcontroleur op 14 maart. Herbekeken in september.

Het dashboard wordt niet slechter als je zo werkt, het wordt een invoer met een taak, en je ziet meteen welke grafieken er een hebben. Loop de tegels op je directiedashboard af en vraag bij elke tegel welke beslissing ze voedt. Die zonder antwoord staan er meestal omdat ze makkelijk te bouwen waren, en dat is de eerlijke reden waarom de meeste dashboards zo groot zijn.

Hoeveel hiervan nieuw is, en waar je begint

Wees eerlijk over de term. Decision intelligence is voor een stuk een etiket van analisten en leveranciers rond praktijken die al bestonden: beslissingsmodellering, business rules, uplift modelling, operations research, gewone managementdiscipline. Er worden nu decision intelligence platformen verkocht, en sommige zijn goede producten, maar de categorie is jonger en losser dan de praktijken die erin zitten. Bij die trend van 2021 hoorde de voorspelling dat een derde van de grote organisaties binnen twee jaar decision intelligence zou gebruiken, en dat zegt meer over hoe snel het woord zich verspreidde dan over hoe goed de methode landde. De eerste Magic Quadrant voor decision intelligence platformen kwam er pas op 26 januari 2026, vier jaar later.

De waarde zit in de discipline, en die discipline proberen kost niets. Neem een beslissing die je bedrijf vijftig keer per maand neemt: bijbestellen, een prijs geven, een onkost goedkeuren, een spoedbestelling aanvaarden, een technieker toewijzen. Schrijf de zeven vakjes op één blad en vul ze in, met de persoon die die beslissing echt neemt naast je.

Tel dan de lege vakjes. Meestal staan er twee opties waar er vier horen, bevat de registratie een uitkomst zonder motivering, en is het vakje feedback blanco. Vul dat laatste eerst in, want het is het vakje dat elke latere wijziging meetbaar maakt en het vraagt een kolom in een rekenblad in plaats van een project. Zodra dezelfde beslissing vijftig geregistreerde uitkomsten achter zich heeft, discussieer je over de drempel met cijfers in plaats van met anekdotes, en die discussie is meer waard dan eender welk platform dat je ervoor kan kopen.