下载掌阅APP，畅读海量书库
立即打开
互联网和物联网产生了大量的数据，这给传统的决策范式带来变革。在大数据时代，决策范式在信息情景、决策流程、决策主体、理念假设四个方面都发生了转变（陈国青等，2020）。
从信息情景看，决策建模所使用的信息逐渐丰富，不同领域的信息相互融合，提升了模型的准确程度（陈国青等，2020）。不同来源的数据可以互补，例如，论坛数据和搜索数据各有其独特性，能够结合起来预测汽车产品销量或者股市的波动（Geva et al.，2017）。
传统的决策流程一般是线性分阶段展开的，例如西蒙提出的“情报收集”→“设计备选方案”→“选择方案”流程（Simon，1960）。在大数据支撑下，决策的调整频次会更高。一个原因是模型的预测能力在提升，精确预测的结果会作为其他部分或决策环节的输入，从而提升整个决策系统。这个类似大脑的皮质的反馈回路，在皮质的深层学习的模型类型更加多样，而且预测性能在提升，其对世界的感知和反馈速度进一步增强。因此，大数据驱动的决策流程更加高效（霍金斯，2022）。
从决策主体看，在大数据和人工智能时代，机器模型或者机器人在决策中的影响和主导作用在进一步提升（陈国青等，2020）。因此，关于人机交互、机器行为的设计变得更加重要（Rahwan et al.，2019），我们不仅要应用机器模型挖掘数据的价值来辅助决策，同样要关注机器对社会带来的不良影响。当机器协同工作时，我们需要考虑机器价值与人类价值相符，提升人机协同的绩效（Yuan et al.，2022）。机器通过与人的互动，可以学习社会规范和人类的偏好，这样不仅能向人类学习新的概念和信息，而且能够让人类乐于与其合作提供新的数据用于训练模型（Krishna et al.，2022）。
从理念假设方面看，大数据能够进一步放宽建模的假设（陈国青等，2020）。西蒙提出人的决策是有限理性的，而且行为经济学研究也一再验证人的判断存在偏差和噪声，大数据能够帮助决策者在更细的粒度上分析用户的行为，优化营销、库存管理、产品开发方面的决策。