Keunggulan decision engine SaaS dibanding spreadsheet

Saat ada yang menanyakan keputusan kredit lama

Spreadsheet Anda masih terbuka. Keputusan dibuat beberapa waktu lalu, dan orang yang membuatnya sudah tidak ada. Kini ada yang bertanya secara spesifik: versi kebijakan mana yang dijalankan, input apa yang ditemukan, dan siapa yang mengubah logikanya?

Decision engine dapat memberikan jawaban tersebut bersama hasil keputusan. Output-nya memuat trace tentang bagaimana hasil itu diperoleh. Spreadsheet tidak menyediakan tempat untuk mencatat rangkaian informasi selengkap itu: revisi yang dijalankan, sumber setiap input, nilai yang tidak ditemukan, dan orang yang terkait dengan perubahan.

Perbedaannya terletak pada struktur. Ini bukan klaim tentang kecepatan atau kemampuan. Ini soal catatan yang melekat pada keputusan.

Catatan keputusan menunjukkan prosesnya

Saat tim underwriting meninjau hasil, mereka dapat memulai dari output yang dikembalikan. Untuk setiap komponen dalam alur keputusan, engine mencatat komponen yang dijalankan beserta revisi yang digunakan.

Trace juga mencatat status eksekusi, berhasil atau gagal, waktu eksekusi, serta cara input diselesaikan. Waktu tersebut adalah nilai eksekusi yang tercatat dalam trace, bukan perbandingan kinerja.

Catatan input menjawab pertanyaan yang kerap muncul setelah keputusan underwriting: apa yang sebenarnya dibaca oleh kebijakan? Setiap catatan input menunjukkan nilai sumber, nilai yang berhasil diperoleh, dan apakah input ditemukan. Input yang tidak ditemukan tetap tercatat demikian, bukan diam-diam dibaca sebagai nilai kosong.

Trace merupakan bagian dari output keputusan itu sendiri, bukan log terpisah. Trace menyertai hasilnya.

Versi yang dijalankan tersimpan sebagai rilis

Misalnya, kebijakan sudah berubah sejak keputusan itu dibuat. Pertanyaan berikutnya, apakah hasil lama masih dapat ditautkan ke logika yang menghasilkannya?

Rilis menyediakan acuan tersebut. Rilis menyimpan snapshot seluruh alur keputusan, termasuk ID rilis, ID alur keputusan, pengguna yang membuat dan memperbaruinya, waktu pembuatan dan perubahan, nama, catatan, serta isi rilis. Catatannya digunakan untuk release notes dalam Markdown.

Snapshot tersebut memuat definisi yang sudah dikompilasi. Isinya bukan sekadar tautan ke materi yang sedang diedit saat ini. Kumpulan aturan dalam rilis mencakup aturan, kondisi dan tindakan pada setiap aturan, agregat, fungsi, serta pemetaan. Jika kumpulan aturan itu diedit kemudian, rilis yang sudah ada tidak berubah.

Hal ini penting saat tim underwriting menelusuri kembali keputusan sebelumnya. Trace menunjukkan revisi komponen, sedangkan rilis menyimpan definisi yang menjadi bagian dari versi tersebut.

Sepuluh jenis komponen memiliki riwayat revisi masing-masing: jenis kasus, tabel keputusan, pohon keputusan, custom function, model, persyaratan kebijakan, kumpulan aturan, scorecard, dan alur keputusan. Di antarmuka revisi, pengguna dapat memilih revisi kiri dan kanan untuk dibandingkan, atau melihat satu revisi saja. Dengan begitu, perubahan kebijakan dapat ditinjau sebagai objek berversi.

Jalankan pemeriksaan ini dalam alur keputusan

Buat aturan untuk kredit, fraud, atau penagihan, lalu jalankan pada keputusan nyata.

Perubahan terhubung dengan orang dan permintaan

Menemukan revisi yang tepat baru sebagian dari proses penelusuran. Orang yang bertanggung jawab atas perubahan juga penting.

Log audit mencatat pengguna, ID pengguna, jenis entitas yang diubah, entitasnya, dan revisi yang terkait. Log ini juga mencatat jenis peristiwa, waktu pencatatan, alamat IP, user agent, detail, status keberhasilan peristiwa, dan konteks permintaan.

Revisi yang tercatat dalam log audit menjadi penghubung penting. Revisi itu mengaitkan orang dan entitas yang diaudit dengan versi logika yang tepat. Saat komponen dijalankan, trace keputusan mencatat revisi yang sama.

Jika pemeriksa memulai dari hasil lama, rangkaian informasinya jelas: output menunjukkan revisi, rilis menunjukkan definisi yang tersimpan, dan log audit mencatat pengguna, entitas, revisi, serta konteks permintaan. Spreadsheet tidak menyediakan kolom yang dapat menghubungkan semua informasi itu.

Logika tertentu dapat diperiksa sebelum dijalankan

Sebelum tabel keputusan dijalankan, tim underwriting dapat memeriksa apakah baris-barisnya mencakup input yang dimaksud dengan tepat. Platform menyediakan pemeriksaan untuk jenis komponen ini.

Pemeriksaan ini dapat menemukan kondisi yang tumpang tindih di antara dua baris. Pemeriksaan juga dapat mengidentifikasi baris yang mencakup semua input, lalu memeriksa apakah ada input yang tidak cocok dengan baris mana pun.

Pemeriksaan ini membantu menjawab dua pertanyaan spesifik. Apakah lebih dari satu baris dapat berlaku untuk input yang sama? Apakah ada input yang tidak tercakup oleh baris mana pun?

Batas pemeriksaannya juga perlu dipahami. Platform tidak memvalidasi logika keputusan secara umum. Pemeriksaan tumpang tindih dan cakupan tersedia untuk kisi tabel keputusan. Struktur baris dan kolom pada kisi memungkinkan setiap pasangan baris dibandingkan.

Kumpulan aturan bertingkat tidak memiliki struktur yang sama untuk diperiksa. Pustakanya mencakup aturan, kondisi, tindakan, agregat, pemetaan, jendela, pengujian, dan pembuatan teks, tetapi tidak memiliki validasi setara untuk tumpang tindih atau cakupan di antara aturan bertingkat. Tabel keputusan memiliki pemeriksaan khusus ini, sedangkan kumpulan aturan bertingkat tidak.

Eksekusi mengikuti aturan yang jelas

Catatan menunjukkan apa yang dijalankan. Semantik eksekusi menjelaskan cara kerja komponen tersebut saat dijalankan.

  • Baris dalam tabel keputusan merupakan pilihan alternatif. Eksekusi berhenti pada baris pertama yang cocok, sehingga urutan baris menentukan hasil.
  • Scorecard mengalikan skor suatu bin dengan bobot prediktornya, lalu menjumlahkan hasilnya. Jumlah skor disertakan dalam hasil scorecard.
  • Custom function menghitung, tetapi tidak mengambil keputusan. Fungsi tidak dapat membuat percabangan. Jika diperlukan kondisi, gunakan aturan guard.
  • Data eksternal untuk satu keputusan diambil secara paralel melalui eksekusi multi-request pada platform.
  • Model yang telah dilatih berjalan sebagai komponen dalam alur keputusan, dengan pola executor yang sama seperti komponen eksekusi lainnya.

Bagi pemilik kebijakan kredit, alasan untuk beralih dari spreadsheet cukup jelas. Engine menunjukkan sumber input dan revisi komponen yang dijalankan, mempertahankan rilis yang digunakan, mengaitkan perubahan dengan orang dan permintaan, serta menyediakan pemeriksaan khusus untuk tumpang tindih dan cakupan tabel keputusan.

Catatan tersebut menjawab pertanyaan yang muncul kemudian, setelah keputusan dibuat.

Pertanyaan yang sering diajukan

Keputusan kredit mana yang sebaiknya dialihkan lebih dulu?

Mulailah dari keputusan dengan volume yang berarti, kebijakan yang stabil, dan hasil yang dapat diukur. Batasi cakupan awal pada satu produk atau segmen keputusan, serta sertakan pengecualian yang benar-benar ditangani tim. Sebelum mengubah keputusan yang sedang berjalan, bandingkan hasil engine dengan keputusan historis, termasuk pengajuan dengan input yang tidak ditemukan dan nilai yang berada di batas.

Apa yang perlu dibuktikan dalam pilot sebelum spreadsheet dihentikan?

Pastikan engine mengembalikan versi kebijakan yang digunakan, input yang ditemukan atau tidak ditemukan, serta trace tentang proses memperoleh hasil. Pastikan perubahan kebijakan oleh pengguna yang tercatat dapat dikaitkan dengan revisi yang dijalankan. Lalu, bandingkan hasil engine dengan keputusan yang telah disetujui pada beragam pengajuan, dan telusuri setiap perbedaan sebelum mengandalkan alur keputusan yang baru.

Bagaimana cara menguji tabel keputusan sebelum dirilis?

Periksa baris yang tumpang tindih dan input yang tidak cocok dengan baris mana pun, lalu tinjau batas saat input menghasilkan keputusan yang berbeda. Karena tabel keputusan menggunakan baris pertama yang cocok, pastikan urutan baris sesuai dengan kebijakan. Uji juga kasus yang mewakili kondisi umum dan input yang tidak ditemukan. Pemeriksaan tumpang tindih dan cakupan tidak memastikan bahwa hasil kredit yang ditetapkan sudah benar.

Untuk kebijakan kredit, sebaiknya gunakan tabel keputusan atau kumpulan aturan bertingkat?

Gunakan tabel keputusan jika kebijakan dapat disusun sebagai baris kondisi dan hasil, terutama saat peninjau perlu membandingkan berbagai kombinasi. Eksekusi berhenti pada baris pertama yang cocok, dan platform dapat memeriksa tumpang tindih serta input yang tidak tercakup. Gunakan kumpulan aturan bertingkat jika logikanya tidak sesuai dengan struktur kisi tersebut, tetapi siapkan pengujian terpisah karena pemeriksaan tumpang tindih dan cakupan yang sama tidak tersedia.

Apa yang perlu dimasukkan dalam analisis bisnis untuk decision engine SaaS?

Ukur waktu dan upaya yang saat ini digunakan untuk memelihara spreadsheet kebijakan, menelusuri keputusan lama, dan memeriksa perubahan kebijakan. Bandingkan dengan biaya langganan, integrasi, dan administrasi berkelanjutan. Gunakan volume dan waktu kerja staf Anda sendiri, bukan asumsi bahwa engine akan mencegah kerugian atau mengurangi pekerjaan peninjauan. Sertakan biaya mempertahankan proses spreadsheet selama masa transisi, lalu sepakati bukti yang diperlukan untuk memperluas pilot.

Jalankan pemeriksaan ini dalam alur keputusan

Buat aturan untuk kredit, fraud, atau penagihan, lalu jalankan pada keputusan nyata.