処方的分析は、具体的な行動を推奨します。つまり、「何をすべきか」という問いに答えるものです。予測分析は、何が起こるかを予測します。処方的分析はさらに踏み込み、それに対してどうすべきかを提案します。サプライチェーンモデルが主要部品の不足を予測した場合、処方的モデルは、注文を別のサプライヤーに変更したり、生産スケジュールを調整したり、顧客に通知したりすることを推奨します。この推奨事項は、予算、生産能力、契約、時間といった制約条件を考慮に入れています。

これらの手法には、最適化、シミュレーション、意思決定分析が含まれます。最適化は、制約条件の下で最適な解を見つけます。線形計画法、整数計画法、遺伝的アルゴリズムはすべてこのカテゴリに分類されます。シミュレーションは、さまざまなシナリオをモデル化し、結果を比較します。モンテカルロシミュレーションは、何千ものランダムな試行を実行して、可能な結果の範囲を推定します。意思決定分析は、複数の基準と不確実な結果を伴う複雑な選択肢を構造化します。処方的分析は、最も高度でありながら最も普及していないレベルです。これには、クリーンなデータ、高度なモデル、およびアルゴリズムの推奨事項に基づいて行動する組織の意思が必要です。多くの組織は予測分析で止まります。なぜなら、予測に基づいて行動するには、プロセスを変更し、モデルを信頼する必要があるからです。処方的分析は、説明責任についても疑問を投げかけます。モデルが行動を推奨し、その行動が失敗した場合、誰が責任を負うのでしょうか？データサイエンティスト、マネージャー、それともアルゴリズムでしょうか？これらの疑問が普及を遅らせています。技術は準備できていますが、ガバナンスがまだ整っていません。

処方的技法

• 最適化 ― 制約条件の下で最適な解を見つける
• シミュレーション ― シナリオをモデル化し、結果を比較する
• 意思決定分析 ― 複雑な選択肢を構造化する
• レコメンデーションエンジン - 行動やアイテムを提案する
• 強化学習 ― 時間をかけて最適な行動を学習する

処方分析は単に予測するだけでなく、処方する。そして、その処方は、誰かがそれに従って行動して初めて意味を持つ。