Öfters ist es notwendig in einem zu automatisierenden Prozess die Entscheidung, basierend auf zur Verfügung stehenden Daten, zu treffen.
Gerade wenn die Anzahl der beeinflussenden Faktoren für die Entscheidung größer 3 ist, ist die Abbildung der Entscheidungslogik im Prozess nicht gerade einfach und Blue Prism Decision schafft eine sehr gute Alternative.
Typischen Herausforderungen bei der Implementierung von ML Technologien sind:
- Man braucht Data Scientist um die Technologie zu implementieren.
- Die Menge von Daten um ein Model zu trainieren ist öfters sehr groß und die Modelle reagieren sehr allergisch gegenüber unsauberen Daten.
- Model agiert wie eine Blackbox, d.h. wir kennen zwar die Antwort auf die Frage, allerdings können wir die Entscheidung nicht erklären.
Blue Prism Decision wurde konzipiert um gerade diese Herausforderungen zu meistern:
- Ein Business User kann ohne jedes Training und innerhalb von wenigen Minuten / Stunden die Modele trainieren.
- Es reichen teilweise nur wenige Daten um ein Model zu trainieren.
- Jede Entscheidung kann argumentiert und nachgewiesen werden.
Wie genau funktioniert Blue Prism Decision?
Setup von einem neuen Model verläuft in 4 einfachen Schritten:
1) DEFINE - Es wird ein neues Model eingelegt, wobei die Frage, über die entscheiden werden muss, und der benötigten Inputs definiert werden. Es können sowohl numerische als auch kategorische Werte wie (Ja/Nein oder klein/mittel/groß) sein.
2) TRAIN - Hier können erst verschiedene Regeln eingepflegt werden, basierend auf bestimmten Werten von Inputs, die dann eine Entscheidung direkt beeinflussen und in Anschluss wird das System dem Business User einige Kombinationen der Input Variablen vorstellen und eine Antwort für die Kombination abfragen.
3) CALIBRATE - Sobald das Training abgeschlossen ist, hat man die Möglichkeit zu prüfen, wie gut das Model zurzeit ist, dabei werden die Rollen umgedreht und der Business User kann die Inputs vorgeben und schauen, was dabei die Entscheidung durch das Model wäre.
4) DEPLOY - Sobald ein Model trainiert wurde, kann es direkt in einem Blue Prism Prozess angewendet werden.
Als Ergebnis liefert Blue Prism Decision nicht nur die Entscheidung, sondern auch die Confidence der Entscheidung und die Begründung:
In einem automatisierten Prozess kann man die Confidence entsprechend nutzen und die sicheren Entscheidungen direkt verarbeiten, bzw. unsichere noch zu einem Business User weiterleiten, z.B. durch Interact um die Entscheidung zu überprüfen und gegeben falls nachzubessern.
Die Installation der 1. Version war nicht unbedingt einfach, allerdings die Version 4.6 (wird in 1-2 Wochen verfügbar sein) hat einen ordentlichen MSI Installer.
Außerdem wird die Version 4.6 die Möglichkeit bieten, die trainierte Modelle zu exportieren und importieren.
------------------------------
Michael Schechter
Partner Solutions Consultant
Blue Prism GmbH
Europe/Berlin
------------------------------
Ich möchte gerne einen Punkt noch mal aufgreifen.
Ein interessanter Ansatz durch den Einsatz von Decision ist es, dass die Komplexität der Entscheidungsfindung innerhalb eines Prozesses deutlich reduziert werden kann und auf die Decision Engine verwiesen werden kann.
Wie Michael schon geschrieben hatte, wandert so die Detailbearbeitung der Entscheidungsfindung vom Developer zum Business User, der dieses meistens genauer erarbeiten kann und somit auch dynamischer anpassen kann.
In einigen Kundenumgebungen bedeutet dies, dass die Anpassungen deutlich schneller durch die Fachabteilung angepasst werden, ohne dass ein Developer involviert werden muss. Natürlich bleibt die Governance und Auditability erhalten und wie Michael schon erwähnte, kann nun die Entscheidung besser nachvollzogen und argumentiert werden.
Wie der Unterschied innerhalb eines Prozesses aussieht, soll dieses Bild darstellen:
Auf der linken Seite sehen wir eine Entscheidungsmatrix, wie sie bisher im Prozess abgebildet wurde, auf der rechten Seite nur noch den Aufruf von Decision.
------------------------------
Martin Rohde
Partner Solution Consultant
Blue Prism
------------------------------
