資料科學(xué)的新發(fā)展提供了改進(jìn)決策的重大機(jī)會(huì)。企業(yè)若在決策初期就采用機(jī)器學(xué)習(xí)、樣式辨認(rèn)（pattern recognition）、和其他預(yù)測(cè)分析工具，可形成競(jìng)爭(zhēng)優(yōu)勢(shì)的來(lái)源；但就像任何新的能力一樣，認(rèn)知、目的和早期投入，以及取得重大商業(yè)影響力之間，存在著巨大的鴻溝。
對(duì)于把資料科學(xué)潛力轉(zhuǎn)化為真實(shí)商業(yè)成果的流程，企業(yè)該如何進(jìn)一步管理？企業(yè)如何做出突破，不再只是對(duì)員工或客戶行為的改變產(chǎn)生新見解（而未能進(jìn)一步分析）？我們想要運(yùn)用AIG早期部署新分析工具的經(jīng)驗(yàn)，提供一些心得教訓(xùn)，供考慮采取類似途徑的各產(chǎn)業(yè)領(lǐng)導(dǎo)者參考。
2012年1月，AIG推出「科學(xué)團(tuán)隊(duì)」。一般人在保險(xiǎn)公司里發(fā)現(xiàn)「科學(xué)團(tuán)隊(duì)」，可能會(huì)覺得很驚訝，但是這家全球保險(xiǎn)業(yè)巨擘的總裁兼CEO彼得．漢考克（Peter Hancock）發(fā)現(xiàn)，在仍然非常仰賴個(gè)別專家判斷的行業(yè)中應(yīng)用實(shí)證決策，會(huì)得到一項(xiàng)重大機(jī)會(huì)，這樣做不僅能創(chuàng)造戰(zhàn)略優(yōu)勢(shì)，也能創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。到了2014年初，來(lái)自各種科學(xué)和管理背景的130人致力于實(shí)現(xiàn)團(tuán)隊(duì)的任務(wù)：成為AIG實(shí)證決策的觸媒。
「科學(xué)團(tuán)隊(duì)」刻意避免使用「資料」或「分析」等詞匯，因?yàn)樵搱F(tuán)隊(duì)的能力遠(yuǎn)遠(yuǎn)超越這兩個(gè)領(lǐng)域：行為經(jīng)濟(jì)學(xué)家、心理學(xué)家、工程師和變革管理專家，與資料科學(xué)家、數(shù)學(xué)家和統(tǒng)計(jì)學(xué)家攜手合作。而且合作很合乎情理：這種跨領(lǐng)域的方法，攸關(guān)能否突破既有的做法，不僅從資料產(chǎn)生新見解，也在真實(shí)的商業(yè)背景中有系統(tǒng)地加強(qiáng)個(gè)別的人為判斷。團(tuán)隊(duì)里90%的成員是從保險(xiǎn)業(yè)之外招聘，目的是讓團(tuán)隊(duì)能夠挑戰(zhàn)現(xiàn)有的決策方法?！缚茖W(xué)團(tuán)隊(duì)」不只準(zhǔn)備資料和建立模型，另外也強(qiáng)調(diào)識(shí)別商機(jī)和教育培訓(xùn)、變革管理和執(zhí)行，也就是從擬定問題乃至于改變行為的完整價(jià)值鏈。
到目前為止，「科學(xué)團(tuán)隊(duì)」行動(dòng)成功的關(guān)鍵因素如下：
一開始聚焦于重要的問題和疑慮。小部分的勞工賠償申請(qǐng)，解釋了大部分的AIG復(fù)雜性、爭(zhēng)論、延遲和損失：10%的賠償申請(qǐng)，占了將近60%的成本。因此，索賠幅度預(yù)測(cè)器（Claims severity predictor）讓人提早更精確地鎖定干預(yù)措施，比方說醫(yī)師評(píng)估和特別調(diào)查，借此大大地改進(jìn)成果。這個(gè)好例子說明，在業(yè)務(wù)中充分置入技術(shù)解決方案能發(fā)揮強(qiáng)大的力量：結(jié)果不只是加強(qiáng)預(yù)測(cè)和降低成本，還為顧客增進(jìn)了許多好處。
確定使命不只是產(chǎn)生見解──還有支援整個(gè)組織的變革和學(xué)習(xí)流程。AIG不僅支援內(nèi)嵌解決方案和控管變革，以實(shí)現(xiàn)特定機(jī)會(huì)，同時(shí)也推出全公司計(jì)劃，以運(yùn)用實(shí)體高峰會(huì)和隨需應(yīng)變模組化線上學(xué)習(xí)工具，來(lái)增進(jìn)量化和決策的技巧。
與早期采用者一起證明全組織都可以看到的重要?jiǎng)倮?/b>大部分的AIG業(yè)務(wù)仰賴保險(xiǎn)代理人和經(jīng)紀(jì)人。要評(píng)估關(guān)系并且按優(yōu)先順序處理，主要是根據(jù)數(shù)量、價(jià)值、潛力和它們的整體效用。AIG建立的決策平臺(tái)，能夠精確預(yù)測(cè)單一經(jīng)紀(jì)人的自留額（retention）和「呈交」（建議書）效率──業(yè)界很少有人能夠取得的微區(qū)隔（micro-segmentation）程度以及預(yù)測(cè)。每天，以使用者親和的視覺形式呈現(xiàn)的集中和深入績(jī)效分析，被推送到銷售經(jīng)理手邊，以支援關(guān)于如何管理中間人網(wǎng)絡(luò)的決定。
不要讓行動(dòng)取決于一、兩項(xiàng)方案：要采用組合方法。在倡導(dǎo)新的決策方法時(shí)，并非每項(xiàng)行動(dòng)都能成功，因此企業(yè)應(yīng)該不要只押注在一項(xiàng)專案的成功。除了上述例子之外，AIG目前有大約十幾項(xiàng)處于各種不同發(fā)展階段的決策相關(guān)專案。
反覆、快速的周期調(diào)適方法，遠(yuǎn)比經(jīng)過規(guī)劃、單一步驟的改變更有效──大部分的學(xué)習(xí)都是借由采取行動(dòng)而發(fā)生。對(duì)AIG來(lái)說，預(yù)防欺詐賠償申請(qǐng)是一個(gè)重要領(lǐng)域，因?yàn)樗鼘?duì)財(cái)務(wù)影響很大。AIG已經(jīng)開發(fā)專用工具和模型，可以運(yùn)用機(jī)器學(xué)習(xí)、預(yù)測(cè)模型、連結(jié)分析、型樣分析和其他技巧，來(lái)識(shí)別賠償申請(qǐng)資料中的預(yù)測(cè)型樣。經(jīng)歷第一代之后，AIG開發(fā)的第二代工具識(shí)別的詐欺案件數(shù)目，幾乎是主要供應(yīng)商產(chǎn)品的兩倍。最先應(yīng)用到勞工的賠償，現(xiàn)在同樣的方法已在多項(xiàng)事業(yè)單位推出。這個(gè)例子說明，針對(duì)解決方案開發(fā)的反覆、以學(xué)習(xí)為主的方法很重要，而且具有威力。諷刺的是，這包含了對(duì)行動(dòng)而非對(duì)規(guī)劃或分析的偏見──甚至是在分析領(lǐng)域中也一樣！
不僅著重于短期，同時(shí)對(duì)中、長(zhǎng)期也預(yù)作規(guī)劃。結(jié)合當(dāng)下已證實(shí)有價(jià)值的做法、一些中期的大勝利，以及未來(lái)轉(zhuǎn)型的長(zhǎng)期觀點(diǎn)。除了上述的中、短期解決方案之外，AIG也在思考更大膽、更長(zhǎng)期的方案，這種方案可能會(huì)改變商業(yè)模式和商業(yè)范圍。例如，它正在尋找各種可能性，像是使用照片影像分析來(lái)評(píng)估汽車意外的損害求償，或是使用感應(yīng)器和車載資通訊系統(tǒng)（telematics）進(jìn)行風(fēng)險(xiǎn)評(píng)估并加以調(diào)整控制。
?
不斷發(fā)展的資料科學(xué)工具，將促成和要求企業(yè)持續(xù)改進(jìn)決策方法。但是只改進(jìn)現(xiàn)有的決策，等于是自我設(shè)限；企業(yè)也需要注意建立全新決策方式的機(jī)會(huì)，甚至因?yàn)楦鄼C(jī)會(huì)的釋出，而重新考慮新的商業(yè)模式和企業(yè)的活動(dòng)足跡。