ภายในพอดแคสต์เรื่อง "What-If" Machine: Dharmateja Uddandarao พูดถึงการเติบโตของ Causal Analytics และ Intelligence ทางเศรษฐกิจที่อิงหลักฐาน

https://www.youtube.com/watch?v=c9Qib8q7AAo

โดย Erika Balla

ในยุคที่มีความผันผวน การเปลี่ยนแปลงทางเทคโนโลยีอย่างรวดเร็ว และการแข่งขันที่รุนแรงขึ้น การตัดสินใจกลายเป็นทั้งสำคัญและซับซ้อนมากขึ้น ตอนพอดแคสต์ล่าสุดที่มีผู้เชี่ยวชาญด้านวิทยาการข้อมูลอาวุโส Dharmateja Priyadarshi Uddandarao ได้สำรวจว่ากระบวนการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลซึ่งมีรากฐานมาจากสถิติ การอนุมานเชิงสาเหตุ และการให้เหตุผลทางเศรษฐศาสตร์กำลังเปลี่ยนแปลงวิธีที่องค์กรประเมินความเสี่ยง การลงทุน และกลยุทธ์อย่างไร

แทนที่จะเน้นไปที่ทฤษฎีเชิงนามธรรม การอภิปรายเน้นย้ำถึงความเป็นจริงที่เติบโตขึ้นในทุกอุตสาหกรรม: สัญชาตญาณเพียงอย่างเดียวไม่เพียงพอสำหรับการตัดสินใจที่มีความเสี่ยงสูงอีกต่อไป ตั้งแต่การเปิดตัวผลิตภัณฑ์และกลยุทธ์การกำหนดราคาไปจนถึงการพยากรณ์ทางการเงินและการประเมินนโยบาย ผู้นำกำลังพึ่งพาระบบวิเคราะห์ที่เข้มงวดมากขึ้นเพื่อแนะนำทางเลือกที่มีผลกระทบหลายล้านดอลลาร์

ก้าวข้ามแดชบอร์ด: จากการคิดเชิงพรรณนาสู่เชิงสาเหตุ

หนึ่งในหัวข้อหลักของการสนทนาคือความแตกต่างระหว่างการวิเคราะห์เชิงพรรณนาและปัญญาการตัดสินใจ แม้ว่าแดชบอร์ดและ KPI จะยังคงจำเป็นสำหรับการติดตามประสิทธิภาพ พอดแคสต์เน้นย้ำว่าการรู้ว่าเกิดอะไรขึ้นนั้นแตกต่างโดยพื้นฐานจากการรู้ว่าทำไมมันถึงเกิดขึ้น

Dharmateja อธิบายว่าองค์กรสมัยใหม่กำลังเปลี่ยนไปใช้แบบจำลองการอนุมานเชิงสาเหตุและเทคนิคทางสถิติขั้นสูงที่แยกความสัมพันธ์เชิงเหตุและผลมากกว่าความสัมพันธ์ระดับผิวเผิน วิวัฒนาการนี้ช่วยให้ผู้ตัดสินใจสามารถตอบคำถามเช่น:

• ความคิดริเริ่มนี้ขับเคลื่อนการเติบโตจริงหรือไม่ หรือการเติบโตเกิดขึ้นอยู่แล้ว?
• อะไรจะเกิดขึ้นถ้าเราไม่ได้เข้าแทรกแซง?
• การลงทุนใดสร้างมูลค่าเพิ่มที่แท้จริง?

คำถามเหล่านี้ซึ่งเคยจำกัดอยู่ในเศรษฐศาสตร์ ขณะนี้กำลังกำหนดรูปแบบการตัดสินใจทางธุรกิจในโลกแห่งความเป็นจริงในด้านเทคโนโลยี การเงิน พลังงาน และนโยบายสาธารณะ

การประเมินทางเศรษฐศาสตร์ในยุค AI

อีกพื้นที่สำคัญที่ Dharmateja กล่าวถึงในตอนนี้คือการประเมินทางเศรษฐศาสตร์ของความคิดริเริ่มทางธุรกิจ โดยเฉพาะในสภาพแวดล้อมที่ขับเคลื่อนด้วยเทคโนโลยี เมื่อบริษัทลงทุนอย่างหนักใน AI ระบบอัตโนมัติ และการเปลี่ยนแปลงสู่ดิจิทัล ผู้นำต้องเผชิญแรงกดดันที่เพิ่มขึ้นในการพิสูจน์ผลตอบแทนด้วยความเชื่อมั่นทางสถิติมากกว่าการคาดการณ์เชิงบวก

พอดแคสต์เน้นย้ำว่าการสร้างแบบจำลอง ROI สมัยใหม่ไม่ใช่แค่การใช้สเปรดชีตแบบคงที่อีกต่อไป แต่องค์กรกำลังนำมาใช้การจำลองเชิงคาดการณ์ การพยากรณ์ตามสถานการณ์ การวิเคราะห์ข้อเท็จจริงสมมติ

เครื่องมือเหล่านี้ช่วยให้ผู้บริหารสามารถทดสอบความเครียดของการตัดสินใจภายใต้เงื่อนไขในอนาคตหลายรูปแบบ เช่น ตลาดตกต่ำ การเปลี่ยนแปลงกฎระเบียบ หรือความต้องการที่กระทบกระเทือน ก่อนที่จะมอบหมายทรัพยากร การอภิปรายกำหนดกรอบการเปลี่ยนแปลงนี้ว่าเป็นการตอบสนองต่อความรับผิดชอบที่เพิ่มขึ้น: คณะกรรมการ หน่วยงานกำกับดูแล และนักลงทุนขณะนี้คาดหวังการพิสูจน์ด้วยหลักฐานสำหรับการเดิมพันเชิงกลยุทธ์

การประยุกต์ใช้และความท้าทายในโลกแห่งความเป็นจริง

การนำทฤษฎีมาสู่การปฏิบัติ พอดแคสต์ให้ตัวอย่างในโลกแห่งความเป็นจริงว่าการวิเคราะห์เชิงสาเหตุขั้นสูงถูกนำไปใช้ในภาคส่วนต่างๆ อย่างไร ในด้านการเงิน แบบจำลองเชิงสาเหตุช่วยบริษัทประเมินผลกระทบที่แท้จริงของการเปลี่ยนแปลงราคาและแรงจูงใจของลูกค้า ในด้านพลังงานและโครงสร้างพื้นฐาน แบบจำลองการพยากรณ์กำลังแนะนำการวางแผนกำลังการผลิตและการบรรเทาความเสี่ยงท่ามกลางความต้องการที่ผันผวนและความไม่แน่นอนด้านสภาพภูมิอากาศ

สิ่งที่ปรากฏอย่างชัดเจนคือวิทยาการข้อมูลไม่ใช่หน้าที่สนับสนุนอีกต่อไป แต่ฝังอยู่ในแกนหลักการตัดสินใจขององค์กรสมัยใหม่ นักวิเคราะห์ไม่ได้เพียงรายงานผลลัพธ์ แต่พวกเขากำลังกำหนดรูปแบบกลยุทธ์อย่างแข็งขันโดยการวัดความไม่แน่นอนและข้อแลกเปลี่ยน

แม้จะมีคำมั่นสัญญาของการวิเคราะห์ขั้นสูง การสนทนาก็ไม่หลีกเลี่ยงความท้าทาย ประเด็นที่เกิดขึ้นซ้ำๆ ที่กล่าวถึงคือความไว้วางใจ แบบจำลองที่ซับซ้อนอาจล้มเหลวได้ถ้า:

• ผู้มีส่วนได้ส่วนเสียเข้าใจผิดเกี่ยวกับผลลัพธ์เชิงความน่าจะเป็น
• ผู้นำเลือกใช้ผลลัพธ์เพื่อยืนยันความเชื่อที่มีอยู่ก่อนหน้า
• องค์กรขาดโครงสร้างการกำกับดูแลเพื่อให้แน่ใจว่ามีการใช้อย่างรับผิดชอบ

พอดแคสต์เน้นย้ำว่าการนำมาใช้อย่างประสบความสำเร็จต้องการความรู้ทางสถิติในระดับผู้นำ พร้อมกับการสื่อสารที่โปร่งใสระหว่างผู้เชี่ยวชาญด้านเทคนิคและผู้ตัดสินใจ หากไม่มีการจัดแนวนี้ แม้แต่แบบจำลองที่แม่นยำที่สุดก็มีความเสี่ยงที่จะถูกเพิกเฉยหรือใช้ในทางที่ผิด

อนาคต: ปัญญาการตัดสินใจเป็นความได้เปรียบทางการแข่งขัน

เมื่อมองไปข้างหน้า ตอนของ Dharmateja วาดภาพอนาคตที่ปัญญาการตัดสินใจกลายเป็นความได้เปรียบทางการแข่งขันที่กำหนดทิศทาง องค์กรที่สามารถวัดผลกระทบอย่างเป็นระบบ เรียนรู้จากการทดลอง และปรับกลยุทธ์แบบเกือบเรียลไทม์จะมีประสิทธิภาพเหนือกว่าองค์กรที่พึ่งพาสัญชาตญาณและกระบวนการแบบเดิม

แนวโน้มใหม่บางอย่างที่กล่าวถึง ได้แก่ ระบบการตัดสินใจที่เสริมด้วย AI แพลตฟอร์มการทดลองอัตโนมัติ แบบจำลองเศรษฐศาสตร์และการเรียนรู้ของเครื่องแบบบูรณาการ ความก้าวหน้าเหล่านี้ชี้ไปสู่โลกที่การวิเคราะห์ไม่ได้แทนที่การตัดสินของมนุษย์

ทำไมการสนทนานี้จึงสำคัญในตอนนี้

ความสำคัญของพอดแคสต์นี้อยู่ที่ระยะเวลา เมื่อตลาดโลกเผชิญแรงกดดันทางเศรษฐกิจต่อ AI การตรวจสอบข้อบังคับ และการเปลี่ยนแปลงทางเทคโนโลยีที่เร่งขึ้น องค์กรไม่สามารถจ่ายค่าจุดบอดในการตัดสินใจได้อีกต่อไป การสนทนานี้กับ Dharmateja สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นที่กำลังดำเนินการในทุกอุตสาหกรรม: จากการตระหนักรู้ข้อมูลสู่ความรับผิดชอบการตัดสินใจเชิงสาเหตุ

สำหรับผู้เชี่ยวชาญในสถิติ เศรษฐศาสตร์ และวิทยาการข้อมูล ข้อความชัดเจน อนาคตเป็นของผู้ที่สามารถแปลข้อมูลเป็นการตัดสินใจที่ป้องกันได้ อธิบายได้ และมีเหตุผลทางเศรษฐศาสตร์ ดังที่เน้นในตอนนี้ การเชี่ยวชาญจุดตัดของสถิติ เทคโนโลยี และการให้เหตุผลทางธุรกิจนี้ไม่ใช่ตัวเลือกอีกต่อไป แต่เป็นรากฐานของความเป็นผู้นำในเศรษฐกิจสมัยใหม่

เกี่ยวกับวิทยากร: Dharmateja Priyadarshi Uddandarao 

Dharmateja Priyadarshi Uddandarao เป็นนักวิทยาศาสตร์ข้อมูลและนักสถิติที่มีชื่อเสียง ซึ่งผลงานของเขาเชื่อมช่องว่างระหว่างสถิติขั้นสูงและการประยุกต์ใช้เชิงเศรษฐศาสตร์ที่ใช้งานได้จริง  ปัจจุบันเขาดำรงตำแหน่งนักวิทยาศาสตร์ข้อมูลอาวุโส–นักสถิติที่ Amazon ติดต่อได้ผ่าน LinkedIn | Email