![“The Romance
of the Gut”
“A gut is a personal nontransferable
attribute, which increases the value of a
good one.”
31
1. Simple Business Rules;
2. Predictive Analytics;
3. Students;
4. Young Professional;
5. Experienced Professional.
These results have interesting implications for the use of
decision support systems in procurement management. At
this point, it seems appropriate to quote Meehl’s (1986):
‘‘There is no controversy in social science that shows
such a large body of qualitatively diverse studies
coming out so uniformly in the same direction as
this one [the relative validity of statistical versus clinical
prediction]. When you are pushing 90 investigations
[now over 130], predicting everything from the outcome
of football games to the diagnosis of liver disease and
when you can hardly come up with a half
dozen studies showing even a weak tendency in
favour of the clinician, it is time to draw a practical
conclusion.’’ (Meehl, 1986, pp. 372–373)
Meelh (1986) Grove and Meehl (1996) Wade and Travis (1998) Tazelaar and Batenburg (2003) Snijders and Tazelaar (2005)
“Computer Phobia”
Review and reflection indicate that no more than 5% of what was written in the 1954 book entitled,
Clinical Versus Statistical Prediction (Meehl, 1954), needs to be retracted 30 years later. If anything,
these retractions would result in the book’s being more actuarial than it was. Seven factors appear
to account for the failure of mental health professionals to apply in practice the strong and clearly
supported empirical generalizations demonstrating the superiority of actuarial over clinical
prediction.](https://image.slidesharecdn.com/20160406ngibacktothefuture-160721175127/85/Sessie-NGI-Back-to-the-future-31-320.jpg)
Uploaded byMartijn Zoet
Sessie NGI: Back to the future
business rules, decision management, algorithms
![[Dutch] Data: Van Innovatie naar Waarde](https://cdn.slidesharecdn.com/ss_thumbnails/agp22-p23damhof-151023121306-lva1-app6892-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Dutch] Data Health Care: hoe je data in goede gezondheid te krijgen](https://cdn.slidesharecdn.com/ss_thumbnails/umcgallaboutdatadamhofvanaerle-13305283201055-phpapp02-120229091509-phpapp02-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Dutch] Analytics is waarde-loos](https://cdn.slidesharecdn.com/ss_thumbnails/24012012heliviewppt-13305279926321-phpapp01-120229090834-phpapp01-thumbnail.jpg?width=640&height=640&fit=bounds)
Sessie NGI: Back to the future
- 1.
- 2. martijnzoet@gmail.com martijn.zoet@edm-cc.nl (@mzoet) “Working together todevelop and spread new insights and solutions for practical problems.“ 2
- 3.
- 4. Algorithmic Business is“the industrialized use of complex mathematical algorithms pivotal to driving improved business decisions or process automation for competitive differentiation”. “Algorithms are a mechanism to capture knowledge and insight in a packaged form that can be simply reused in a consistent fashion.” “Algorithms are not only providing the insight, but have become pivotal to competitive differentiation and are recognized for their value contribution. Organizations around the world have all realized the value that their algorithms deliver and are steadily taking steps to expand their use.” (Heta, 2016) 4
- 5. Algorithms are a mechanismto capture knowledge and insight in a packaged form that can be simply reused in a consistent fashion. (Heta, 2016) A business knowledge model denotes a function encapsulating business knowledge (OMG, 2015) 5
- 6. I need EDM(Enterprise Decision Management) I need ODM (Operational Decision Management) I need DMS (Decision Management System) I need DM (Decision Management) I need AM (Algorithm Management) 6
- 7. I need PLM(Product Lifecycle Management) I need PLM (Policy Lifecycle Management) I need BRM (Business Rules Management) I need CLM (Compliance Lifecycle Management) I need Risk Management 7
- 8.
- 9.
- 10.
- 11.
- 12. Taak / (Smart)Service Omgeving Observatie (Actie / Data) Communicatie 12
- 13.
- 14. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) Communicatie 14
- 15.
- 16. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) CommunicatieGedrag 16
- 17.
- 18.
- 19. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) CommunicatieGedrag Voorspel- baarheid 19
- 20.
- 21. Categorie1: SourceCode Gestructureerde Gegevens Ongestructureerde Gegevens Aantekeningen Lage Variabiliteit (Voorspelbaar) Hoge Variabiliteit (Onvoorspelbaar) Variatiein executiepaden: zeer laag; Verandersnelheid executiepaden: zeer laag; Traditioneel programmeren (Java, C++ of C#); Bedrijfskritische applicaties (bv kerncentrale). Voorspelbaarheid 21
- 22. Categorie1: SourceCode Categorie2: ‘Zwart/Wit’BRMS Gestructureerde Gegevens Ongestructureerde Gegevens Aantekeningen Lage Variabiliteit (Voorspelbaar) Hoge Variabiliteit (Onvoorspelbaar) Variatiein executiepaden: laag tot middel; Verandersnelheid executiepaden: laag tot middel; Specificeren of Configureren Twee soorten: 1) commerciële off-the-shelf softwaresystemen (COTS) en 2) specificatiesystemen. Voorspelbaarheid 22
- 23. 23 C.O.T.S versus SpecificatiePrahalad,C.(2010)inHarvardBusinessReview Elknadeel hep z’n voordeel
- 24. Categorie1: SourceCode Categorie2: ‘Zwart/Wit’BRMS Categorie3: PredictiveBRMS Gestructureerde Gegevens Ongestructureerde Gegevens Aantekeningen Lage Variabiliteit (Voorspelbaar) Hoge Variabiliteit (Onvoorspelbaar) Variatiein executiepaden: middel tot hoog; Verandersnelheid executiepaden: middel tot hoog; Specificeren en Analyseren commerciële off-the-shelf softwaresystemen (COTS) en 2) specificatiesystemen. Voorspelbaarheid 24
- 25. 25 Context A Gegevens Beslissing ContextB: Business Rules Context C: Predictive Analytics Model Voorspelbaarheid
- 26. Categorie1: SourceCode Categorie2: ‘Zwart/Wit’BRMS Categorie3: PredictiveBRMS Categorie4: AdaptiveBRMS Gestructureerde Gegevens Ongestructureerde Gegevens Aantekeningen Lage Variabiliteit (Voorspelbaar) Hoge Variabiliteit (Onvoorspelbaar) Variatiein executiepaden: hoog tot zeer hoog; Verandersnelheid executiepaden: hoog tot zeer hoog; Specificeren en Analyseren commerciële off-the-shelf softwaresystemen (COTS) en 2) specificatiesystemen. Voorspelbaarheid 26
- 27. 27 Context A Beslissing Context B: BusinessRules Context C: Predictive Analytics Model+ Gegevens
- 28. Categorie1: SourceCode Categorie2: ‘Zwart/Wit’BRMS Categorie3: PredictiveBRMS Categorie4: AdaptiveBRMS Categorie5: DeMens Gestructureerde Gegevens Ongestructureerde Gegevens Aantekeningen Lage Variabiliteit (Voorspelbaar) Hoge Variabiliteit (Onvoorspelbaar) Variatiein executiepaden: hoog tot zeer hoog; Verandersnelheid executiepaden: hoog tot zeer hoog; Specificeren en Analyseren commerciële off-the-shelf softwaresystemen (COTS) en 2) specificatiesystemen. Voorspelbaarheid 28
- 29. Business Rules Managementand Decision Management Technology Landscape Predictive Analytics Management Systems Pure-Play Engines (Pure-Play) Analysis Pure-Play Specification Specification and Execution DMN Support Linear Solver Constraint Solver Decision Optimization Market Place By Martijn Zoet @mzoet 29
- 30. “The Romance of theGut” “A gut is a personal nontransferable attribute, which increases the value of a good one.” 30
- 31. “The Romance of theGut” “A gut is a personal nontransferable attribute, which increases the value of a good one.” 31 1. Simple Business Rules; 2. Predictive Analytics; 3. Students; 4. Young Professional; 5. Experienced Professional. These results have interesting implications for the use of decision support systems in procurement management. At this point, it seems appropriate to quote Meehl’s (1986): ‘‘There is no controversy in social science that shows such a large body of qualitatively diverse studies coming out so uniformly in the same direction as this one [the relative validity of statistical versus clinical prediction]. When you are pushing 90 investigations [now over 130], predicting everything from the outcome of football games to the diagnosis of liver disease and when you can hardly come up with a half dozen studies showing even a weak tendency in favour of the clinician, it is time to draw a practical conclusion.’’ (Meehl, 1986, pp. 372–373) Meelh (1986) Grove and Meehl (1996) Wade and Travis (1998) Tazelaar and Batenburg (2003) Snijders and Tazelaar (2005) “Computer Phobia” Review and reflection indicate that no more than 5% of what was written in the 1954 book entitled, Clinical Versus Statistical Prediction (Meehl, 1954), needs to be retracted 30 years later. If anything, these retractions would result in the book’s being more actuarial than it was. Seven factors appear to account for the failure of mental health professionals to apply in practice the strong and clearly supported empirical generalizations demonstrating the superiority of actuarial over clinical prediction.
- 32.
- 33. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid 33
- 34.
- 35.
- 36.
- 37.
- 38.
- 39. Observation Task Reward Action Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Data 39
- 40. Data Not free formdata, but relevant data in structured form. 40
- 41.
- 42. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Synthetisch (beperkingen) Analytisch (afleidingsregels) Data (Office of the Commissioner of Baseball, 2016) (Office of the Commissioner of Baseball, 2016) 42
- 43.
- 44. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) Antwoord (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Data Synthetisch (beperkingen) Analytisch (afleidingsregels) Synthetisch (beperkingen) Analytisch (afleidingsregels) 44
- 45.
- 46. Taak / (Smart)Service Omgeving Taak Observatie (Actie / Data) Beloning Antwoord (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Data Synthetisch (beperkingen) Analytisch (afleidingsregels) Synthetisch (beperkingen) Analytisch (afleidingsregels) 46
- 47.
- 48. Taak / (Smart)Service Classification Assessment Diagnosis Monitoring Design Modelling Planning Scheduling Assingment Source Code Black / White BRMS Predictive BRMS Adaptive BRMS Human Human Human supported by machine Machine supported by human Machine Prediction Observation Task Reward Action Classification Assessment Diagnosis Monitoring Design Modelling Planning Scheduling Assingment Source Code Black / White BRMS Predictive BRMS Adaptive BRMS Human Human Human supported by machine Machine supported by human Machine Prediction Observation Task Reward Action 48
- 49. Super Mario Omgeving Taak Observatie (Actie/ Data) Beloning Antwoord (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Data Synthetisch (beperkingen) Analytisch (afleidingsregels) Synthetisch (beperkingen) Analytisch (afleidingsregels) 49
- 50. GO Omgeving Taak Observatie (Actie /Data) Beloning Antwoord (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Data Synthetisch (beperkingen) Analytisch (afleidingsregels) Synthetisch (beperkingen) Analytisch (afleidingsregels) 50
- 51. House of Cards Omgeving TaakObservatie (Actie / Data) Beloning Antwoord (Actie / Data) Communicatie Autonomie Gedrag Voorspel- baarheid Registratie Data Synthetisch (beperkingen) Analytisch (afleidingsregels) Synthetisch (beperkingen) Analytisch (afleidingsregels) (Copyright Netflix) 51
- 52.
- 53.
- 54. Feiten Kans op ondervoeding A B C FD E Wat isde kans op ondervoeding? Ontwerp Uitrol Uitvoering BRMS Software Vendor A A B C FD E BRMS Software Vendor B / C / D / E G a t e w a y A B C FD E Micro(service) 54
- 55. 55 Body Mass Index Voedselinname >20 18,5– 20 <18,5 0 1 2 Gewichtverlies <5% 5- 10% >10% 0 1 2 > 5 dagen niet < 5 dagen niet 2 0 Voedselinname Gewichtverlies Body Mass Index Totaal score 0 = laag risico op ondervoeding score 1 = middelhoog risico op ondervoeding score ≥ 2 = hoog risico op ondervoeding Bepaal kans op ondervoeding Bepaal Kans op Ondervoeding Beoordeel gewichtsverloop Beoordeel BMI Beoordeel Voedselinname Bereken gewichtsverloop Bereken BMI
- 56. Want to increaseinnovation? Lower the cost of failure Joi Ito, MIT Medialab 56
- 57.
- 58. 58 Data Network Effect Task (Algorithm) Data ReadWrite Write Read More Data Smarter Algorithm Better Insight Better Service More Users Read Customer
- 59. 59 Data Network Effect Task (Algorithm) Data ReadWrite Write Read Read Customer 5 rows versus 5 trillion rows; Over weighted on data sciences; Not free form text -> but relevant data in structured form.
- 60. The winner takesit all 60
- 61.
- 62.
- 63.
- 64. Aanpassing Feitwaarde Bestaande Feiten/ Nieuwe bedrijfsregels Derdeorde wijzigingen (deel-ontwerp) Wijziging aan de waardepropositie Uitbreiden Wendbaarheid Reduceer Wendbaarheid Behoud Van Structuur Wijziging aan structuur Nieuwe feiten/ Nieuwe bedrijfsregels/ Aanpassing afleidingsstructuur Nieuwe feiten/ Nieuwe bedrijfsregels/ Nieuwe afleidingsstructuur Vierde orde wijzigingen (configuratie) Creeer een nieuwe structuur Twee orde wijzigingen (ontwerpen) Eerste orde wijzigingen (architectuur) Wijziging aan een context Wijziging binnen een context Wijziging binnen een bedrijfsregel Wijzigingen 64
- 65. Informatielast voor klantbij aanvraag Informatielast voor klant bij verantwoording Moeite om wijziging door te voeren Laag Middel Hoog Laag Middel Hoog GeenGeen Aanpassing Feitwaarden Nieuwe Feiten/Nieuwe Bedrijfsregels/Aanpassing Afleidingstructuur Nieuwe Feiten/Nieuwe Bedrijfsregels/Nieuwe Afleidingstructuur Bestaande Feiten/Nieuwe Bedrijfsregels ‘Wijzigingswiggelroede’ 65
- 66. martijnzoet@gmail.com martijn.zoet@edm-cc.nl (mzoet) “Working together todevelop and spread new insights and solutions for practical problems.“ 66
- 67. Slide Photo Artist/Contributor 2Tower Nimishgogri 2 Classroom Edwin11 2 Medical Tubs SNRE 5 ‘ODM’ Girl Rennesi 5 ‘EDM’ Girl PumpkinCat 5 DMS Men Jcoterhals 5 AM Men Hamed Saber 5 DM Man Roger Blackwell 6 PLM Girl Rennesi 6 PLM Girl 2 PumpkinCat 6 BRM Men Jcoterhals 6 RM Men Hamed Saber 6 CLM Man Roger Blackwell 25 Nurse Walt Stoneburner 23 Tilli Blondinrikard Froberg 25 Nurse Walt Stoneburner 30 Hotelroom L'HOTEL PORTO BAY SÃO PAULO 30 Belly Fbellon 30 Flat ABS Tomas Sobek This presentation used photos and artwork offered under the creative commons license “attribution generic” . None of the artists / licensors who created the work have endorsed me or my use of their work. The Creative Commons Photos can be found on http://www.flickr.com/. Photos and artwork not listed are copyrighted by the author or 3rd parties. 67
- 68. Slide Photo Artist/Contributor 31Hotelroom L'HOTEL PORTO BAY SÃO PAULO 31 Belly Fbellon 31 Flat ABS Tomas Sobek 34 Servers Paul Hammond 34 Men Jcoterhals 42, 44, 46, 49, 50 & 51 Judge Aha-Soft (www.aha-software.com) 42, 44, 46, 49, 50 & 51 Police Agent Aha-Soft (www.aha-software.com) 42, 44, 46, 49, 50 & 51 Nurse Icons-Land (www.icons-land.com) 42, 44, 46, 49, 50 & 51 Writer Icons-Land (www.icons-land.com) 42, 44, 46, 49, 50 & 51 Swimmer Icons-Land (www.icons-land.com) 42, 44, 46, 49, 50 & 51 Law Book Lawyer Wordpress Themes (www.lawyerwordpresstheme.com) 42, 44, 46, 49, 50 & 51 Briefcase Lawyer Wordpress Themes (www.lawyerwordpresstheme.com) 47 Coloured face ATT This presentation used photos and artwork offered under the creative commons license “attribution generic” . None of the artists / licensors who created the work have endorsed me or my use of their work. The Creative Commons Photos can be found on http://www.flickr.com/. Photos and artwork not listed are copyrighted by the author or 3rd parties. 68
- 69. Slide Photo Artist/Contributor 49Super Mario Wallpaper Jared Young 50 Go Jaro Larnos 53 Prison Cells Miss Millions 54 Nurse Walt Stoneburner 60 Gold Bars Brian Glesen 61 Poker Fiches Play Among Friends Paf 66 Tower Nimishgogri 66 Classroom Edwin11 66 Medical Tubs SNRE This presentation used photos and artwork offered under the creative commons license “attribution generic” . None of the artists / licensors who created the work have endorsed me or my use of their work. The Creative Commons Photos can be found on http://www.flickr.com/. Photos and artwork not listed are copyrighted by the author or 3rd parties. 69