这个决策引擎平台就是为了让公司能轻松管理、执行和部署各种半自动和全自动的决策。
随着各种技术的出现，决策自动化越来越受到关注，这些技术设计得特别好，能帮助人工智能在很多公司和行业里无缝工作。但是，有大概85%的人工智能项目都没能实现决策自动化的目标。
还有一个事实，只有不到10%的人工智能试点项目最后能真正用起来。在2019年，公司们在人工智能项目上花了375亿美元。仔细一看，发现有337亿美元是花在了那些不会带来任何商业价值的项目上。
这些报告和数据清楚地告诉我们，人工智能投资的商业预期和人工智能驱动的投资计划的预期回报之间有很大的差距，特别是在决策自动化项目上。
幸运的是，公司们可以通过用Together规则引擎来改变这种局面。Together规则引擎也是一个决策智能平台，主要目标是通过给企业提供一个统一且通用的决策建模平台来弥合这个差距，这个平台满足了决策自动化的所有独特要求，特别是支持完全和半自动化的业务决策。
要有一个强大的决策智能平台，尤其是提供更高级别的智能自动化的平台，这个平台的设计应该能让公司在不同级别和各种情况下无缝应用决策自动化。
为了让公司能处理所有可能的决策情况，无论是半自动还是全自动，无论是概率还是确定性用例，决策智能平台的设计方式必须仔细结合流程自动化、数据和分析、业务规则、机器人技术，当然还有机器学习技术。更重要的是，决策智能平台还必须在必要时为无状态或有状态的决策过程提供人工干预的机会。Together规则引擎让你拥有这些能力。
运营决策
不管用了哪种技术来自动化业务决策，都需要彻底了解新的和现有的运营决策是怎么运作的，以及它们是怎么影响业务运营的。所以，确保运营决策和决策建模都被视为决策智能平台的一部分是非常重要的。
业务规则
在考虑决策智能平台时，记住，建模、理解和自动化业务规则非常重要。但是，必须注意的是，业务规则是公司不可或缺的一部分，它为决策自动化提供了强大的解决方案；它需要成为决策自动化项目的一部分。请注意，不只是法律法规，公司内外的政策和程序都是定义和管理业务规则的基础，作为内聚决策自动化模型的一部分。
数据和分析
说到数据和分析，大多数人会想到仪表板、图表和图形用户界面，它们对于沟通和显示见解非常重要。但是你知道吗？数据和分析不仅仅是花哨的仪表板，特别是在决策智能平台方面。数据和分析是收集、接收和连接到各种数据源的能力。本质上，它应该让公司能够从收集的原始数据中共享所需的结构来进行决策。
机器学习
机器学习给我们提供了一个独特的机会，可以从数据中学习、识别模式、预测和分类，并且有一定的准确性。所以很容易理解为什么机器学习是决策自动化和决策智能平台不可或缺的一部分。通过利用一些机器学习技术来挖掘规则，公司可以将其方法从概率模型更改为确定性模型。
决策机器人
决策自动化的一部分需要和系统、应用程序、表单进行密切交互，并从公司现有解决方案和流程的核心中访问数据。记住，当人们需要和UI交互来收集数据或将决策结果反映到系统中时，这些要求将涉及在决策自动化期间引入人工手动接触点。决策机器人将通过模仿人类交互将手动接触点无缝自动化作为整体解决方案的一部分，从而帮助应对这一挑战。
业务流程
业务流程将稳健地编排与决策自动化相关的前后活动。它还将帮助协调不同组件的交互，同时将人工干预作为决策智能平台的一部分。因此，流程编排是决策智能平台的一个重要方面。
以决策为中心的方法™
我们讨论的关于决策智能平台的大多数事情都与技术和工具密切相关。当然，这还不够，这就是原因。决策智能平台主要结合了多种思维方式和技术来交付项目。然而，方法论确保与业务价值观保持一致，解决要制造什么、如何制作以及交付什么与工具同样重要。由于这个平台是关于决策自动化的，因此看到以决策为中心的方法帮助公司缩小技术和业务目标、价值观之间的差距也就不足为奇了。
结论
总的来说，你必须明白，如果解决方案不能提供真正的业务价值，那么这些都不重要。我们的意思是：比如，如果解决方案没有改变公司的行为，或者对业务运营的影响很小或没有影响，那么它就会导致很多问题，比如我们一开始为什么要这样做？这凸显了以决策为中心的方法™。Together规则引擎正是实现这些业务价值的工具，通过可视化决策模型的构建将你的管理渗透到你业务的方方面面。
