决策探索实验室:一个针对决策管理的可视分析解决方案(Decision Exploration Lab: A Visual Analytics Solution for Decision Management)

随着现在时代的发展,可视分析不仅仅用于传统的科学数据或者统计数据等量化、可描述的领域,而对于“过程”、“决策”等这些看似抽象的东西,也有可视分析的用武之地。这篇文章,我们就来介绍一个在管理科学领域,利用可视分析对决策流程的管理、探索与优化的故事。

故事的背景是这样的。以保险公司为例,他们每天需要处理许多申请保险赔付的请求,他们有一套类似自动机的跳转算法,来判断是否赔付,若赔付赔付多少。这其实是一个决策的集合,如下图所示,对于一个投保请求,首先根据申请人自身的情况(年龄、驾驶技能、职业)等进行第一步的判断(DM1),若符合条件,则跳转到根据投保与意外发生的程度来判断赔付多少钱的第二步判断(DM2),而不符合条件的直接进入拒绝流程,还有机器无法判断的则进入人工受理流程。

fig1

图1:保险公司中判断保险赔偿的决策

在这样的流程中,由于需要判断的条件很多,并且有不同的判断逻辑进行组合,因此会产生大量的‘决策序列’的排列组合。对于这些序列,传统的方法很难了解他们其中哪些逻辑设置是合理的,哪些的条件设置的并不科学或者有优化的空间。因此这就是可视分析的要解决的挑战 — 让用户能了解到实际执行情况和原先的逻辑设置期望的差距,以及造成差距的原因,并且提出相应的解决办法。

细化来理解包括这四个分析目标:

T1: 对决策的运行进行监测、验证、审计与测试,并且提供部分选择的功能来完成以上任务。

T2: 探索决策系统的输入数据(例如投保者的情况、意外发生程度),和输出决策(是否赔付、赔多少钱)之间的关联关系

T3: 验证期望的结论,发现原先不知道的现象

T4: 找到可以让绩效提升的空间,并能够解释具体的原因

fig2

 

图2:DEL决策探索实验室可视分析界面

针对以上的问题与目标,“决策探索实验室”提供了多个视图的组合、计算与交互。其中包括数据空间树视图、决策地图以及规则响应视图。用户可以在数据空间试图中利用自然语言来查询与过滤想要观察分析的决策输入对象与输出决策,选中的属性和决策会在决策地图中显示,并且实际的决策执行序列和系统预设的期望决策执行序列也会在规则响应视图中显示。具体的算法与交互请参考[1],以下我们就用一个例子介绍一下这个可视分析系统是如何工作的。

这个例子仍然以之前介绍的保险公司决策管理为例,讲的是如何通过该系统,探索分析为什么申请保险的不合格人数比预期的多。

首先,用户可以通过数据空间树了解到合格的请求占88.6%,这小于预期的90%-95%。对这些合格的请求进行属性归类, 了解到未成年人(<18岁)与老年人(>=80岁)的请求设定为不合格的。

其次,将所有数据导入MCA计算框架,获得高维数据点在二维显示中的分布,并且绘制出Voronoi图,尽量保持高维空间中属性的距离。在这里需要讲解的是,这个图中不同属性若是相邻,则说明它们在数据样本中同时发生(被同一样本具有),反之距离越远则同时发生的可能性越小。我们可以从下图A中可以看到,由于属性太多导致视图较乱。则用户可以通过筛选过滤掉在此投影空间中不占主要贡献的维度,这样获得了下图B,清晰许多。用户仍可以通过调整决策地图中不同区块合并的阈值,进一步通过合并并减少视觉遮挡。最后我们获得了下图C。

fig3

图3:系统探索案例分析

在这个图C中,我们可以看到年龄在80岁以上,18岁以下的与决策结果不合法相邻,而对于在25-80岁之间合法的人,我们可以看出与他们的‘是否结婚’、‘是否是优秀学生证明’等无关,而与‘是否是全职学生’较为相关。再看中间视图,我们可以看到在年龄18-25岁的在校学生中,决策的结果有合格、不合格与人工受理,在这里专家表示他们了解到对于18-25岁的学生,可以设置一些特殊的决策和保险模式,来提升效益。还有另一个观察就是在18岁以下的人中,投保不合格的大多是由于醉驾(DUI)造成的。这些醉驾的人数比预期的人数多了10倍,这些都值得保险公司进行进一步深入的研究。

因此我们可以看到通过这些可视分析,我们可以验证期望的结论,并且找到一些以前看不到的数据间内在的关系,并加以利用,以提高最终公司的效率。

引用文献

[1] Bertjan Broeksema, Thomas Baudel, Alex Telea, Paolo Crisafulli. Decision Exploration Lab: A Visual Analytics Solution for Decision Management. IEEE Transactions on Visualization and Computer Graphics (VAST) 19(12), 1972-1981, 2013.

评论关闭。