决策平台围绕业务规则和决策管理,具备多方面关键特性与功能

简介: 业务规则与决策管理通过BRMS和DMN等技术,实现企业策略自动化。DMN标准支持可视化建模,促进业务与IT协作,提升敏捷性,广泛应用于医疗、金融领域的合规、风控与智能决策。

一、业务规则和决策管理是啥玩意儿?

图片1.png

为了满足企业自动化的需求,计算机程序变得越来越大,也越来越复杂。

为了简化这些程序的构建和维护,新的编程方法出现了。简化的一种核心方法是从应用程序编程源代码主体中提取常见计算任务并对其进行标准化。第一个主要抽象是用数据库管理系统(DBMS)取代程序中的自定义数据管理。下一个重大变革是用业务流程管理系统(BPMS)取代了单个程序中逐步嵌入的过程逻辑。接下来是业务规则的抽象,它使组织通过业务规则管理系统(BRMS)操作的策略自动化。最新的演变是用决策管理系统(DMS)取代BRMS。

业务规则系统按照规则语句的原则工作-触发器然后操作范例-通常采用If->Then->Else风格,并且通常以专有“语言”与决策表一起定义。然后,当业务规则引擎(BRE)发生触发时,将处理这些规则。用于定义规则、版本、部署、执行、监控和管理规则的工具以及引擎通常捆绑在一起在业务规则管理系统(BRMS)中。这些系统本质上技术性很强,通常由IT资源拥有和维护。业务主题专家的直接参与通常非常有限。相反,主题专家(SME)从组织内部收获或挖掘(发现)业务规则,并将其定义为需求规范。然后IT将这些要求转化为规则声明。

决策管理系统的工作原理是定义业务决策,其中决策回答特定的业务问题,根据决策逻辑的预定义输入变量的值(通常在输入中)提供决策结果(输出)->决策逻辑->答案(输出)风格。最常用的决策管理技术是决策模型和表示法(DMN),这是由OMG发布和支持的国际标准,OMG是一个国际性、开放会员、非营利性技术标准联盟。DMN专注于对业务主题专家(SME)有意义的决策(更高级别的业务资产工件)。DMN还提供足够友好的表达语言(FEEL),这是一种简单但功能强大的方式,可以提供逻辑、文本、数学、列表处理、间隔、日期/时间以及商务人员做出决策所需的其他功能。

决策管理与规则管理有很大不同。最重要的是,决策不仅仅是规则语句的集合,而是特定的、可重用的业务逻辑模块,通常由业务主题专家创建和维护。DMN标准使用标准化、可验证的可视化模型,该模型充当决策自动化引擎的文档和可执行源。中小企业的可视化建模消除了业务规则错误的主要来源之一,即中小企业定义的规则(要求)到IT创建的规则的“翻译”。通过DMN,中小企业和IT人员都可以使用相同的决策模型。

二、为啥要用业务规则管理?

图片2.png

业务规则和决策管理系统让业务人员和主题专家不用了解复杂的IT编程语言就能创建和维护用于制定业务运营决策的自动化策略和逻辑。通过从传统IT应用程序和流程中抽象出这些规则和决策,规则和决策系统允许非IT人员在直接使用现有系统和IT的同时创建可重用的“单一事实版本”。这种抽象不仅促进了业务人员更直接的访问,而且还通过确保正确的人员能够访问组织的策略,同时为IT提供对更多技术实施和集成要求的访问来增强关注点分离。业务规则和决策管理系统抽象还提供了大大加速和简化运营决策的创建和更改的方法,从而实现更好的业务敏捷性。

虽然业务规则管理系统继续被使用,但随着时间的推移,它们的缺点变得更加明显。这些缺点包括缺乏标准化,迫使客户采用IT驱动的供应商特定的专有系统,并且需要更高的成本,难以找到技术人员来操作。最近,云计算和客户个性化需求的出现扰乱了大多数企业,导致规则激增,使规则逻辑更加难以理解和维护,并严重限制了敏捷性。由于大型业务规则存储库包含数千条单独的规则,因此验证和测试它们非常困难,因此需要大量的逐步IT技术参与,这不断拉大了IT和业务主题专家之间的差距。

另一方面,基于DMN标准的决策管理系统是可视化模型驱动的、可验证的、标准化的,可以在业务主题专家和IT人员之间轻松共享。业务决策是一种可重用的有形业务资产,可以直接从可视化模型实现自动化,而无需IT翻译。DMN中的综合可视化模型可供IT和业务人员读取,可用作决策规范、决策逻辑、决策文档和自动化代码-所有这些都在一个可视化工件中。

三、医疗保健中的业务规则和决策管理

图片3.png

医疗保健行业非常庞大且极其多样化,包括一线工作人员(护理人员和提供者)以及众多后台工作人员。

大型医疗保健组织通常是由医生、急症护理医院、长期护理机构和保险组织组成并联网的企业。所有这些组织都需要基于安全标准的软件来帮助他们存储和检索数据,以及标准化和集中其业务各个部分的工作流程和决策。

医疗保健也是一个高度动态的行业,监管要求、新程序、新药物、新保险规则和快速发展的技术不断产生变化。每个医疗保健组织都必须能够快速制定与其数据相关的指导方针和政策,并根据各自的交付系统和业务模式进行定制,从而可以直接衡量并持续改进服务质量、成本控制和患者满意度。

业务规则和决策管理系统已用于改进临床指南、护理管理、事先授权、账单和付款、标签外处方政策、欺诈管理、精算和风险管理保险计算、呼叫中心脚本、将人工智能/机器学习纳入决策、复杂流程自动化路径和许多其他应用程序。决策建模和自动化与临床决策支持(CDS)相结合,用于在医疗服务提供者与患者接触期间提供实时临床决策支持(CDSHooks)。因此,提供者能够为患者考虑替代诊断、治疗和潜在的节省成本的措施。

其他示例包括数百个医疗保健计算器,如BMI、FEV/1、LACE、PEARL、DECAF、Framingham糖尿病风险等,以及外部机构预授权要求,如Medicare家庭氧气报销、全膝关节置换术(TKA)的传统保险预授权、关于超说明书用药评估和批准的内部组织政策。此类模型需要多项决策,通常需要特定的患者数据。其中一些决策是基于预设的外部要求(例如医疗保险政策),而另一些则是特定于决策组织的政策。一种方法并不适用于所有情况,因此,为了有效,模型必须有充分的记录并且易于更改以反映不断变化的政策。业务规则和决策管理系统解决方案使医疗保健组织能够轻松定义和部署这些示例以及与基于证据的最佳实践相关的更多解决方案。

四、财务中的业务规则和决策管理

图片4.jpeg

随着金融科技初创企业、不断加强的监管以及颠覆性的新商业模式,金融行业正面临着日益加快的变革步伐。

金融机构需要快速适应这一新现实并加速数字化转型,以满足并超越客户的期望。那些无法做到这一点的企业将不可避免地失去市场份额,让给新兴的新公司或能够更快转型的竞争对手。例如,当员工被迫远程工作时,仍在使用手动和纸质贷款审批程序的现有贷款机构就面临着困难。

业务规则和决策管理系统在金融领域得到广泛使用。与医疗保健一样,许多金融行业都受到联邦和地方各级的严格监管,需要严格的合规性和报告。此外,这些规定经常发生变化,并且因地而异。管理这些庞大的需求是业务成本的重要组成部分。

金融中业务规则和决策管理系统的使用包括几乎无穷无尽的关键政策和程序决策,包括监管合规性、监管风险评估、操作风险评估、一般和特定承保、交叉销售和追加销售决策、复杂的流程自动化抵押贷款行业标准维护组织(MISMO)、金融业业务本体(FIBO)、房地产标准组织(RESO)和合作运营研究与开发协会(ACORD)标准等标准的路径和使用保险等行业。

金融领域使用的业务规则和决策管理系统的一些常见示例包括定价决策、索赔处理决策、投诉处理和缓解决策、风险缓解决策、产品合规决策、补偿利润分享和奖金决策以及反偏见决策。使用业务规则和决策管理系统来控制复杂的工作流程路径实际上是普遍的,并且结合人工智能和机器学习的决策管理系统是一个快速增长的领域。

相关文章
|
2月前
|
存储 JSON 安全
加密和解密函数是如何实现的?
加密和解密函数是如何实现的?
431 123
|
2月前
|
JSON 移动开发 网络协议
gRPC不是银弹:为内网极致性能,如何设计自己的RPC协议?
自研RPC协议针对内网高并发场景,通过精简帧头、长度前缀解决TCP拆包粘包,支持灵活扩展与高效序列化,显著提升性能与资源利用率,适用于对延迟敏感的分布式系统。
228 4
|
2月前
|
存储 SQL NoSQL
终于有人把数据库讲明白了
数据库是存储、管理与高效查询数据的系统,广泛应用于各类软件与企业系统。本文详解关系型与非关系型数据库的分类、特点及适用场景,结合实际案例教你如何选型,并介绍多数据库协同架构,助你构建高效、可扩展的数据体系。
终于有人把数据库讲明白了
|
2月前
|
算法 数据可视化 异构计算
SparseGPT:大规模语言模型的一次性精确剪枝——论文解读
SparseGPT提出首个可高效剪枝百亿参数大模型的一次性精确方法,通过稀疏回归与近似求解器实现高稀疏度下仍保持精度,支持半结构化稀疏与量化联合压缩,显著降低推理成本。
332 3
SparseGPT:大规模语言模型的一次性精确剪枝——论文解读
|
2月前
|
存储 Unix PHP
初识PHP-快速上手指南
本文介绍了PHP编程的基础知识,涵盖语法格式、变量定义、数据类型、运算符、流程控制语句(如if、switch、循环)、常用内置函数、超全局变量及表单处理示例,帮助初学者快速掌握PHP核心语法与实际应用。
329 2
初识PHP-快速上手指南
|
2月前
|
存储 安全 数据管理
数据资产入表30问!你最关心的都在这里了
随着数据资产入表新规实施,企业需将合规数据资源纳入资产负债表,实现从成本到资产的价值跃迁。本文以30问详解确权、计量、估值与管理全流程,助力企业把握数字时代新红利。(238字)
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型
大模型正重塑数字世界,以千亿级参数和深度学习技术驱动AI革命。它赋能内容生成、智能交互与知识服务,同时带来伦理、隐私与能耗挑战。未来需走向高效、可信、向善的可持续发展之路。
|
2月前
|
机器学习/深度学习 人工智能 供应链
决策智能是新的人工智能平台吗?
决策智能融合数据、决策与行动,通过AI与自动化技术提升企业决策质量与效率,支持从辅助到自动化的多级决策模式,推动业务敏捷性与价值转化。
|
2月前
|
Java
Java 数组学习笔记
本文整理Java数组常用操作:遍历、求和、查找、最值及二维数组行求和等典型练习,涵盖静态初始化、元素翻倍、去极值求平均等实例,帮助掌握数组基础与应用。
|
2月前
|
监控 数据可视化 安全
轻量级规则引擎在数字化决策中的商业优势
决策管理是企业提升运营效率和客户体验的关键方法,它通过明确识别和描述自动化决策,提高决策透明度、准确性和敏捷性。业务分析师利用决策建模技术,将复杂的决策逻辑可视化,便于团队协作、快速调整,并确保决策与业务目标一致。这种方法不仅优化了决策流程,还增强了企业的风险控制能力和竞争优势。