business rules, decision management, algorithms

1. Back
To the
1
Future

2. martijnzoet@gmail.com
martijn.zoet@edm-cc.nl
(@mzoet)
“Working together to develop and spread new insights
and solutions for practical problems.“
2

3. (Gartner, 2015)
3

4. Algorithmic Business is “the industrialized use of complex
mathematical algorithms pivotal to driving improved
business decisions or process automation for competitive
differentiation”.
“Algorithms are a mechanism to capture knowledge and
insight in a packaged form that can be simply reused in a
consistent fashion.”
“Algorithms are not only providing the insight, but have become pivotal to competitive
differentiation and are recognized for their value contribution. Organizations around the
world have all realized the value that their algorithms deliver and are steadily taking
steps to expand their use.”
(Heta, 2016)
4

5. Algorithms are a
mechanism to capture
knowledge and insight in a
packaged form that can be
simply reused in a
consistent fashion.
(Heta, 2016)
A business knowledge
model denotes a function
encapsulating business
knowledge
(OMG, 2015)
5

6. I need EDM (Enterprise
Decision Management)
I need ODM
(Operational Decision
Management)
I need DMS (Decision
Management System)
I need DM (Decision
Management)
I need AM (Algorithm
Management)
6

7. I need PLM (Product
Lifecycle Management)
I need PLM (Policy
Lifecycle Management)
I need BRM (Business
Rules Management)
I need CLM (Compliance
Lifecycle Management)
I need Risk Management
7

8. 8

9. 9

10. Omgeving
10

11. 11

12. Taak / (Smart) Service
Omgeving
Observatie
(Actie / Data)
Communicatie
12

13. 13

14. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
Communicatie
14

15. 15

16. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
CommunicatieGedrag
16

17. knowledge-
intensive
task
analytic
task
classification
synthetic
task
assessment
diagnosis
configuration
design
planning
scheduling
assignment
modelling
prediction
monitoring
design
Gedrag
(Breuker en Van de Velde, 1994)
17

18. 18

19. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
CommunicatieGedrag
Voorspel-
baarheid
19

20. Categorie1:
SourceCode
Categorie2:
‘Zwart/Wit’BRMS
Categorie3:
PredictiveBRMS
Categorie4:
AdaptiveBRMS
Categorie5:
DeMens
Gestructureerde
Gegevens
Ongestructureerde
Gegevens
Aantekeningen
Lage Variabiliteit
(Voorspelbaar)
Hoge Variabiliteit
(Onvoorspelbaar)
Voorspelbaarheid
20

21. Categorie1:
SourceCode
Gestructureerde
Gegevens
Ongestructureerde
Gegevens
Aantekeningen
Lage Variabiliteit
(Voorspelbaar)
Hoge Variabiliteit
(Onvoorspelbaar)
Variatie in executiepaden: zeer laag;
Verandersnelheid executiepaden: zeer laag;
Traditioneel programmeren (Java, C++ of C#);
Bedrijfskritische applicaties (bv kerncentrale).
Voorspelbaarheid
21

22. Categorie1:
SourceCode
Categorie2:
‘Zwart/Wit’BRMS
Gestructureerde
Gegevens
Ongestructureerde
Gegevens
Aantekeningen
Lage Variabiliteit
(Voorspelbaar)
Hoge Variabiliteit
(Onvoorspelbaar)
Variatie in executiepaden: laag tot middel;
Verandersnelheid executiepaden: laag tot middel;
Specificeren of Configureren
Twee soorten: 1) commerciële off-the-shelf softwaresystemen
(COTS) en 2) specificatiesystemen.
Voorspelbaarheid
22

23. 23
C.O.T.S versus SpecificatiePrahalad,C.(2010)inHarvardBusinessReview
Elk nadeel hep z’n
voordeel

24. Categorie1:
SourceCode
Categorie2:
‘Zwart/Wit’BRMS
Categorie3:
PredictiveBRMS
Gestructureerde
Gegevens
Ongestructureerde
Gegevens
Aantekeningen
Lage Variabiliteit
(Voorspelbaar)
Hoge Variabiliteit
(Onvoorspelbaar)
Variatie in executiepaden: middel tot hoog;
Verandersnelheid executiepaden: middel tot hoog;
Specificeren en Analyseren
commerciële off-the-shelf softwaresystemen (COTS) en 2)
specificatiesystemen.
Voorspelbaarheid
24

25. 25
Context A
Gegevens Beslissing
Context B:
Business Rules
Context C:
Predictive
Analytics Model
Voorspelbaarheid

26. Categorie1:
SourceCode
Categorie2:
‘Zwart/Wit’BRMS
Categorie3:
PredictiveBRMS
Categorie4:
AdaptiveBRMS
Gestructureerde
Gegevens
Ongestructureerde
Gegevens
Aantekeningen
Lage Variabiliteit
(Voorspelbaar)
Hoge Variabiliteit
(Onvoorspelbaar)
Variatie in executiepaden: hoog tot zeer hoog;
Verandersnelheid executiepaden: hoog tot
zeer hoog;
Specificeren en Analyseren
commerciële off-the-shelf softwaresystemen
(COTS) en 2) specificatiesystemen.
Voorspelbaarheid
26

27. 27
Context A
Beslissing
Context B:
Business Rules
Context C:
Predictive
Analytics
Model+
Gegevens

28. Categorie1:
SourceCode
Categorie2:
‘Zwart/Wit’BRMS
Categorie3:
PredictiveBRMS
Categorie4:
AdaptiveBRMS
Categorie5:
DeMens
Gestructureerde
Gegevens
Ongestructureerde
Gegevens
Aantekeningen
Lage Variabiliteit
(Voorspelbaar)
Hoge Variabiliteit
(Onvoorspelbaar)
Variatie in executiepaden:
hoog tot zeer hoog;
Verandersnelheid
executiepaden: hoog tot
zeer hoog;
Specificeren en Analyseren
commerciële off-the-shelf
softwaresystemen (COTS)
en 2) specificatiesystemen.
Voorspelbaarheid
28

29. Business Rules Management and Decision Management Technology Landscape
Predictive Analytics
Management Systems Pure-Play
Engines
(Pure-Play) Analysis Pure-Play Specification Specification and Execution
DMN Support
Linear Solver Constraint Solver
Decision Optimization
Market Place
By Martijn Zoet @mzoet
29

30. “The Romance
of the Gut”
“A gut is a personal nontransferable
attribute, which increases the value of a
good one.”
30

31. “The Romance
of the Gut”
“A gut is a personal nontransferable
attribute, which increases the value of a
good one.”
31
1. Simple Business Rules;
2. Predictive Analytics;
3. Students;
4. Young Professional;
5. Experienced Professional.
These results have interesting implications for the use of
decision support systems in procurement management. At
this point, it seems appropriate to quote Meehl’s (1986):
‘‘There is no controversy in social science that shows
such a large body of qualitatively diverse studies
coming out so uniformly in the same direction as
this one [the relative validity of statistical versus clinical
prediction]. When you are pushing 90 investigations
[now over 130], predicting everything from the outcome
of football games to the diagnosis of liver disease and
when you can hardly come up with a half
dozen studies showing even a weak tendency in
favour of the clinician, it is time to draw a practical
conclusion.’’ (Meehl, 1986, pp. 372–373)
Meelh (1986) Grove and Meehl (1996) Wade and Travis (1998) Tazelaar and Batenburg (2003) Snijders and Tazelaar (2005)
“Computer Phobia”
Review and reflection indicate that no more than 5% of what was written in the 1954 book entitled,
Clinical Versus Statistical Prediction (Meehl, 1954), needs to be retracted 30 years later. If anything,
these retractions would result in the book’s being more actuarial than it was. Seven factors appear
to account for the failure of mental health professionals to apply in practice the strong and clearly
supported empirical generalizations demonstrating the superiority of actuarial over clinical
prediction.

32. 32

33. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
33

34. Autonomie
34

35. 35

36. 36

37. (Kihn , 2015)
37

38. 38

39. Observation
Task
Reward
Action
Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Data
39

40. Data
Not free form data, but
relevant data in structured form.
40

41. 41

42. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
Data
(Office of the Commissioner of Baseball, 2016)
(Office of the Commissioner of Baseball, 2016)
42

43. 43

44. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
Antwoord
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Data
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
44

45. 45

46. Taak / (Smart) Service
Omgeving
Taak Observatie
(Actie / Data)
Beloning
Antwoord
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Data
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
46

47. 47

48. Taak / (Smart) Service
Classification
Assessment
Diagnosis
Monitoring
Design
Modelling
Planning
Scheduling
Assingment
Source Code
Black / White
BRMS
Predictive
BRMS
Adaptive BRMS
Human
Human
Human
supported
by machine
Machine
supported
by human
Machine
Prediction
Observation
Task
Reward
Action
Classification
Assessment
Diagnosis
Monitoring
Design
Modelling
Planning
Scheduling
Assingment
Source Code
Black / White
BRMS
Predictive
BRMS
Adaptive BRMS
Human
Human
Human
supported
by machine
Machine
supported
by human
Machine
Prediction
Observation
Task
Reward
Action
48

49. Super Mario
Omgeving
Taak Observatie
(Actie / Data)
Beloning
Antwoord
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Data
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
49

50. GO
Omgeving
Taak Observatie
(Actie / Data)
Beloning
Antwoord
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Data
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
50

51. House of Cards
Omgeving
Taak Observatie
(Actie / Data)
Beloning
Antwoord
(Actie / Data)
Communicatie
Autonomie
Gedrag
Voorspel-
baarheid
Registratie
Data
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
Synthetisch
(beperkingen)
Analytisch
(afleidingsregels)
(Copyright Netflix)
51

52. 52

53. 53

54. Feiten
Kans op
ondervoeding
A
B
C
FD
E
Wat is de kans op
ondervoeding?
Ontwerp Uitrol Uitvoering
BRMS Software Vendor A
A
B
C
FD
E
BRMS Software Vendor B / C / D / E
G
a
t
e
w
a
y
A
B
C
FD
E
Micro(service)
54

55. 55
Body Mass Index
Voedselinname
>20
18,5 – 20
<18,5
0
1
2
Gewichtverlies
<5%
5- 10%
>10%
0
1
2
> 5 dagen niet
< 5 dagen niet
2
0
Voedselinname
Gewichtverlies
Body Mass Index
Totaal
score 0 = laag risico op ondervoeding
score 1 = middelhoog risico op ondervoeding
score ≥ 2 = hoog risico op ondervoeding
Bepaal kans op ondervoeding
Bepaal Kans op
Ondervoeding
Beoordeel
gewichtsverloop Beoordeel BMI Beoordeel
Voedselinname
Bereken
gewichtsverloop Bereken BMI

56. Want to increase innovation?
Lower the cost of failure
Joi Ito, MIT Medialab
56

57. 57

58. 58
Data Network Effect
Task
(Algorithm)
Data
Read Write
Write Read
More
Data
Smarter
Algorithm
Better
Insight
Better
Service
More
Users
Read
Customer

59. 59
Data Network Effect
Task
(Algorithm)
Data
Read Write
Write Read
Read
Customer
5 rows versus 5 trillion rows;
Over weighted on data sciences;
Not free form text -> but relevant data in structured form.

60. The winner takes it all
60

61. Betting on selling
decisions 61

62. copyright https://algorithmia.com/
Algorithm markets (1/2)
62

63. Algorithm markets (2/2)
63

64. Aanpassing
Feitwaarde
Bestaande Feiten/
Nieuwe bedrijfsregels
Derde orde
wijzigingen
(deel-ontwerp)
Wijziging aan de
waardepropositie
Uitbreiden
Wendbaarheid
Reduceer
Wendbaarheid
Behoud
Van
Structuur
Wijziging
aan
structuur
Nieuwe feiten/
Nieuwe bedrijfsregels/
Aanpassing
afleidingsstructuur
Nieuwe feiten/
Nieuwe bedrijfsregels/
Nieuwe afleidingsstructuur
Vierde orde
wijzigingen
(configuratie)
Creeer een
nieuwe
structuur
Twee orde
wijzigingen
(ontwerpen)
Eerste orde
wijzigingen
(architectuur)
Wijziging aan een
context
Wijziging binnen een
context
Wijziging binnen een
bedrijfsregel
Wijzigingen
64

65. Informatielast voor klant bij aanvraag Informatielast voor klant bij verantwoording
Moeite om wijziging door te voeren
Laag
Middel
Hoog
Laag
Middel
Hoog
GeenGeen
Aanpassing Feitwaarden
Nieuwe Feiten/Nieuwe Bedrijfsregels/Aanpassing Afleidingstructuur
Nieuwe Feiten/Nieuwe Bedrijfsregels/Nieuwe Afleidingstructuur
Bestaande Feiten/Nieuwe Bedrijfsregels
‘Wijzigingswiggelroede’
65

66. martijnzoet@gmail.com
martijn.zoet@edm-cc.nl
(mzoet)
“Working together to develop and spread new insights
and solutions for practical problems.“
66

67. Slide Photo Artist/Contributor
2 Tower Nimishgogri
2 Classroom Edwin11
2 Medical Tubs SNRE
5 ‘ODM’ Girl Rennesi
5 ‘EDM’ Girl PumpkinCat
5 DMS Men Jcoterhals
5 AM Men Hamed Saber
5 DM Man Roger Blackwell
6 PLM Girl Rennesi
6 PLM Girl 2 PumpkinCat
6 BRM Men Jcoterhals
6 RM Men Hamed Saber
6 CLM Man Roger Blackwell
25 Nurse Walt Stoneburner
23 Tilli Blondinrikard Froberg
25 Nurse Walt Stoneburner
30 Hotelroom L'HOTEL PORTO BAY SÃO PAULO
30 Belly Fbellon
30 Flat ABS Tomas Sobek
This presentation used photos and artwork offered under the creative commons license “attribution
generic” . None of the artists / licensors who created the work have endorsed me or my use of their
work. The Creative Commons Photos can be found on http://www.flickr.com/. Photos and artwork
not listed are copyrighted by the author or 3rd parties.
67

68. Slide Photo Artist/Contributor
31 Hotelroom L'HOTEL PORTO BAY SÃO PAULO
31 Belly Fbellon
31 Flat ABS Tomas Sobek
34 Servers Paul Hammond
34 Men Jcoterhals
42, 44, 46,
49, 50 & 51
Judge Aha-Soft (www.aha-software.com)
42, 44, 46,
49, 50 & 51
Police Agent Aha-Soft (www.aha-software.com)
42, 44, 46,
49, 50 & 51
Nurse Icons-Land (www.icons-land.com)
42, 44, 46,
49, 50 & 51
Writer Icons-Land (www.icons-land.com)
42, 44, 46,
49, 50 & 51
Swimmer Icons-Land (www.icons-land.com)
42, 44, 46,
49, 50 & 51
Law Book Lawyer Wordpress Themes
(www.lawyerwordpresstheme.com)
42, 44, 46,
49, 50 & 51
Briefcase Lawyer Wordpress Themes
(www.lawyerwordpresstheme.com)
47 Coloured face ATT
This presentation used photos and artwork offered under the creative commons license “attribution
generic” . None of the artists / licensors who created the work have endorsed me or my use of their
work. The Creative Commons Photos can be found on http://www.flickr.com/. Photos and artwork
not listed are copyrighted by the author or 3rd parties.
68

69. Slide Photo Artist/Contributor
49 Super Mario Wallpaper Jared Young
50 Go Jaro Larnos
53 Prison Cells Miss Millions
54 Nurse Walt Stoneburner
60 Gold Bars Brian Glesen
61 Poker Fiches Play Among Friends Paf
66 Tower Nimishgogri
66 Classroom Edwin11
66 Medical Tubs SNRE
This presentation used photos and artwork offered under the creative commons license “attribution
generic” . None of the artists / licensors who created the work have endorsed me or my use of their
work. The Creative Commons Photos can be found on http://www.flickr.com/. Photos and artwork
not listed are copyrighted by the author or 3rd parties.
69