資料科學的新發(fā)展提供了改進決策的重大機會。企業(yè)若在決策初期就采用機器學習、樣式辨認（pattern recognition）、和其他預測分析工具，可形成競爭優(yōu)勢的來源；但就像任何新的能力一樣，認知、目的和早期投入，以及取得重大商業(yè)影響力之間，存在著巨大的鴻溝。
對于把資料科學潛力轉(zhuǎn)化為真實商業(yè)成果的流程，企業(yè)該如何進一步管理？企業(yè)如何做出突破，不再只是對員工或客戶行為的改變產(chǎn)生新見解（而未能進一步分析）？我們想要運用AIG早期部署新分析工具的經(jīng)驗，提供一些心得教訓，供考慮采取類似途徑的各產(chǎn)業(yè)領(lǐng)導者參考。
2012年1月，AIG推出「科學團隊」。一般人在保險公司里發(fā)現(xiàn)「科學團隊」，可能會覺得很驚訝，但是這家全球保險業(yè)巨擘的總裁兼CEO彼得．漢考克（Peter Hancock）發(fā)現(xiàn)，在仍然非常仰賴個別專家判斷的行業(yè)中應用實證決策，會得到一項重大機會，這樣做不僅能創(chuàng)造戰(zhàn)略優(yōu)勢，也能創(chuàng)造競爭優(yōu)勢。到了2014年初，來自各種科學和管理背景的130人致力于實現(xiàn)團隊的任務：成為AIG實證決策的觸媒。
「科學團隊」刻意避免使用「資料」或「分析」等詞匯，因為該團隊的能力遠遠超越這兩個領(lǐng)域：行為經(jīng)濟學家、心理學家、工程師和變革管理專家，與資料科學家、數(shù)學家和統(tǒng)計學家攜手合作。而且合作很合乎情理：這種跨領(lǐng)域的方法，攸關(guān)能否突破既有的做法，不僅從資料產(chǎn)生新見解，也在真實的商業(yè)背景中有系統(tǒng)地加強個別的人為判斷。團隊里90%的成員是從保險業(yè)之外招聘，目的是讓團隊能夠挑戰(zhàn)現(xiàn)有的決策方法?！缚茖W團隊」不只準備資料和建立模型，另外也強調(diào)識別商機和教育培訓、變革管理和執(zhí)行，也就是從擬定問題乃至于改變行為的完整價值鏈。
到目前為止，「科學團隊」行動成功的關(guān)鍵因素如下：
一開始聚焦于重要的問題和疑慮。小部分的勞工賠償申請，解釋了大部分的AIG復雜性、爭論、延遲和損失：10%的賠償申請，占了將近60%的成本。因此，索賠幅度預測器（Claims severity predictor）讓人提早更精確地鎖定干預措施，比方說醫(yī)師評估和特別調(diào)查，借此大大地改進成果。這個好例子說明，在業(yè)務中充分置入技術(shù)解決方案能發(fā)揮強大的力量：結(jié)果不只是加強預測和降低成本，還為顧客增進了許多好處。
確定使命不只是產(chǎn)生見解──還有支援整個組織的變革和學習流程。AIG不僅支援內(nèi)嵌解決方案和控管變革，以實現(xiàn)特定機會，同時也推出全公司計劃，以運用實體高峰會和隨需應變模組化線上學習工具，來增進量化和決策的技巧。
與早期采用者一起證明全組織都可以看到的重要勝利。大部分的AIG業(yè)務仰賴保險代理人和經(jīng)紀人。要評估關(guān)系并且按優(yōu)先順序處理，主要是根據(jù)數(shù)量、價值、潛力和它們的整體效用。AIG建立的決策平臺，能夠精確預測單一經(jīng)紀人的自留額（retention）和「呈交」（建議書）效率──業(yè)界很少有人能夠取得的微區(qū)隔（micro-segmentation）程度以及預測。每天，以使用者親和的視覺形式呈現(xiàn)的集中和深入績效分析，被推送到銷售經(jīng)理手邊，以支援關(guān)于如何管理中間人網(wǎng)絡的決定。
不要讓行動取決于一、兩項方案：要采用組合方法。在倡導新的決策方法時，并非每項行動都能成功，因此企業(yè)應該不要只押注在一項專案的成功。除了上述例子之外，AIG目前有大約十幾項處于各種不同發(fā)展階段的決策相關(guān)專案。
反覆、快速的周期調(diào)適方法，遠比經(jīng)過規(guī)劃、單一步驟的改變更有效──大部分的學習都是借由采取行動而發(fā)生。對AIG來說，預防欺詐賠償申請是一個重要領(lǐng)域，因為它對財務影響很大。AIG已經(jīng)開發(fā)專用工具和模型，可以運用機器學習、預測模型、連結(jié)分析、型樣分析和其他技巧，來識別賠償申請資料中的預測型樣。經(jīng)歷第一代之后，AIG開發(fā)的第二代工具識別的詐欺案件數(shù)目，幾乎是主要供應商產(chǎn)品的兩倍。最先應用到勞工的賠償，現(xiàn)在同樣的方法已在多項事業(yè)單位推出。這個例子說明，針對解決方案開發(fā)的反覆、以學習為主的方法很重要，而且具有威力。諷刺的是，這包含了對行動而非對規(guī)劃或分析的偏見──甚至是在分析領(lǐng)域中也一樣！
不僅著重于短期，同時對中、長期也預作規(guī)劃。結(jié)合當下已證實有價值的做法、一些中期的大勝利，以及未來轉(zhuǎn)型的長期觀點。除了上述的中、短期解決方案之外，AIG也在思考更大膽、更長期的方案，這種方案可能會改變商業(yè)模式和商業(yè)范圍。例如，它正在尋找各種可能性，像是使用照片影像分析來評估汽車意外的損害求償，或是使用感應器和車載資通訊系統(tǒng)（telematics）進行風險評估并加以調(diào)整控制。
不斷發(fā)展的資料科學工具，將促成和要求企業(yè)持續(xù)改進決策方法。但是只改進現(xiàn)有的決策，等于是自我設限；企業(yè)也需要注意建立全新決策方式的機會，甚至因為更多機會的釋出，而重新考慮新的商業(yè)模式和企業(yè)的活動足跡。