以假设为导向的模拟,作为导航未知未来的指南
以假设驱动的模拟:未知未来的导航指南' (以假设驅動的模擬:未知未來的導航指南)
数据驱动技术的最新进展通过人工智能(AI)揭示了预测的潜力。然而,在未知领域进行预测仍然是一项挑战,历史数据可能是不足够的,就像在无法预测的事件,如大流行病和新技术颠覆。作为回应,假设导向模拟可以成为一个有价值的工具,允许决策者探索不同的情景并做出明智的决策。在不确定时代实现所期望的未来的关键在于使用假设导向模拟,结合数据驱动的AI来增强人类的决策。
数据驱动的分析能否预测未来?
近年来,AI经历了一次具有变革性的发展,得益于令人瞩目的数据驱动进展。在AI发展的核心,是从海量数据中提取深入洞察的令人惊叹能力。深度学习模型和大型语言模型(LLM)的兴起将该领域推向了未知领域。利用数据进行明智决策的能力已经成为所有规模和各行各业组织所能够获得的。
以制药行业为例。在Astellas,我们利用数据和分析来帮助确定投资哪个业务组合以及何时投资。如果您正在开发以常见和且已理解的疾病领域为重点的商业模型,数据驱动的分析能够让您从药物发现到营销等方面的一切洞察,最终带来更明智的商业决策。
然而,尽管数据驱动的分析在充足历史数据的已确立领域表现出色,但在未知领域中预测未来仍然是一项艰巨的挑战。在尚未有足够数据的领域进行基于数据的预测是困难的,例如发生了非同寻常的变化或技术创新的领域(预测传染病病毒突然大流行或生成式AI在某个业务的早期阶段上产生的影响将非常困难)。这些场景凸显了仅依赖历史数据来规划未来路线的局限性。
制药行业有一个典型例子,Astellas经常面对的就是评估基因和细胞疗法等颠覆性创新的价值。由于数据非常有限,仅仅依靠历史数据来预测这些创新的确切价值及其对业务组合的深远影响,就像在浓雾中没有罗盘地航行一样。
展望未来:假设导向模拟
应对不确定性的一种有前景的方法是假设导向模拟,它模拟真实世界的过程。如果您是一个进入未知领域的企业,在没有历史数据的情况下,您需要采用假设导向的方法。该模型代表了进程中的关键因素如何影响结果,而模拟则代表了模型在不同条件下随时间演变的情况。它使决策者能够在虚拟的“平行世界”中测试不同的情境。
在实践中,这意味着在决策桌上提出一系列关键情境,每个情境都有其概率和影响评估。然后决策者可以评估关键情境,并制定基于这些模拟的未来战略。在制药行业,这需要对许多因素进行假设,如临床试验成功率、市场适应能力和患者人口。然后进行成千上万次的模拟,照亮前方曲折的道路,并提供宝贵的洞察来指引航程。
Astellas已经开发了一种假设导向模拟,它创建情境并作出演绎性猜想,以帮助决策制定战略。我们可以通过实时更新模拟假设(在决策桌上)来提高战略决策的质量。项目估值是其中一种使用该模拟方法的主题。首先,我们在包括但不限于市场需求和临床试验成功概率在内的各种因素上建立可能的假设。然后,基于这些假设,我们模拟临床试验过程中或产品发布后发生的事件,以生成项目可能的结果和预期价值。计算出的价值用于确定我们应该采取的选项,包括资源分配和项目计划。
为了更深入地了解,让我们看一个应用于早期项目估值的实例。考虑到早期项目本身带来的高度不确定性,有很多机会来降低失败的风险并最大化成功的回报。简单地说,项目在其生命周期的早期阶段越早,决策灵活性的潜力就越大(例如战略调整、市场扩张、评估放弃的可能性等)。评估灵活性的价值因此至关重要,以捕捉早期项目的全部价值。这可以通过结合实物期权理论和模拟模型来实现。
衡量以假设为基础的模拟的影响需要从流程和结果的角度进行评估。典型的指标如成本降低、时间效率和收入增长可用于衡量投资回报率(ROI)。然而,它们可能无法完全捕捉决策过程的全部内容,特别是当某些决策涉及不采取行动时。此外,需要认识到企业决策的结果可能不会立即显现。例如,在制药业中,从临床试验到市场推出的平均时间超过10年。
也就是说,通过观察假设驱动的模拟是如何融入决策过程中来衡量其价值。模拟结果对决策的影响越大,其价值就越高。
数据分析的未来
数据分析预计将分为三个主要趋势:(1)归纳方法,旨在识别大数据中的模式,其基本假设是在找到的模式可以应用于我们想要预测的未来情况下(例如生成式人工智能);(2)分析方法,重点在于解释和理解无法利用足够数据的现象(例如因果推断);(3)演绎方法,依赖业务规则、原则或知识来预测未来结果。即使数据较少时也可以使用(例如,以假设为基础的模拟)。
LLMs和其他数据驱动的分析方法有望显著扩展其实际应用。它们有潜力通过加快工作速度、提高工作质量,甚至在某些情况下代替人工工作来改变工作方式。这种转变将使个体能够将精力集中在工作的更重要方面,如批判性思维和决策,而不是数据分析师需要进行的更耗时的活动,如数据收集/整理/分析/可视化。当这种情况发生时,决策的方向将更加重要,重点将在增强人类决策能力上。特别是,在管理未来不确定性的VoAGI到长期视角下,将倾向于使用数据分析和模拟进行战略决策。
总之,在上述三种方法之间实现和谐平衡,将最大化数据分析的潜力,并使组织在快速变化的环境中蓬勃发展。尽管历史数据是一种重要的资产,但是需要认识到其局限性。为了克服这个限制,接纳以假设为基础的模拟与数据驱动方法相结合,使组织能够为不可预测的未来做好准备,并确保其决策具备前瞻性和审慎性。