Enterprise Decisions Management, vaak afgekort als "EDM", behelst alle aspecten van het beheer, de implementatie en het ontwerp van geautomatiseerde beslissingen, die een organisatie gebruikt bij interacties met klanten, medewerkers en leveranciers. Het biedt organisaties de mogelijkheid om beter om te gaan met de aspecten: precisie, consistentie, wendbaarheid, snelheid en kosten, bij geautomatiseerde beslissingen. Dit is in de volgende figuur geïllustreerd:



Het aspect wendbaarheid (agility) wordt vaak in relatie tot EDM genoemd. Dit is te realiseren door geautomatiseerde beslissingsregels uit afzonderlijke applicaties te halen en deze centraal te beleggen in een rules-engine. De wendbaarheid kan nog extra worden vergroot door de bedrijfsregels niet door de IT-afdeling te laten opstellen en te beheren maar door business experts. Hierdoor hoeft er geen vertaling in softwarespecificaties plaatst te vinden en er is tevens geen programmeerinspanning vereist. In de volgende figuur is geïllustreerd welke voordelen bij een dergelijke aanpak te behalen zijn.



In de figuur is ook zichtbaar dat alle systemen die ondersteunend zijn bij klantcontacten (customer facing systems) gebruik maken van dezelfde geautomatiseerde bedrijfsregels. Tevens maken de regels gebruik van dezelfde klantgerelateerde gegevens in een centraal CRM-systeem. Op die wijze kan worden geregeld dat er over verschillende kanalen en systemen heen, op een consistente wijze (consistency) met de klant wordt gecommuniceerd. Integratie van regels over kanalen en productgroepen heen is noodzakelijk om tot een consistente regelverzameling te komen. Zonder deze maatregel blijft de kans groot dat de klant tegenstrijdige en verwarrende boodschappen ontvangt. Het registreren en gebruiken van klantcontacthistorie is andere voorwaarde om consistentie te bereiken. Hiermee wordt consistentie in de tijd afgedwongen. Interpretatieverschillen en afwijkingen in beoordelingen worden verkleind, doordat dit niet meer aan individuele medewerkers wordt overgelaten. Een gevolg daarvan is dat een foute verzameling van regels een grotere impact heeft, dan wanneer een individueel geval afwijkend van de regels wordt beoordeeld. Een goede set van regels zal juist een in een grotere positieve impact resulteren. Een aandachtspunt hierbij is dat de optimale regelverzameling van vandaag in de toekomst achterhaald kan zijn. Passende adaptieve besturingsmechanismen kunnen een oplossing bieden voor dit probleem Champion-challenger testen is een een voorbeeld van een veelgebruikte techniek bij adaptieve besturing.

Kostenbesparing (cost) kan worden bereikt doordat het werk met minder mensen gedaan kan worden. Dit gaat echter alleen op voor beslissingen, die met een hoge frequentie (high-volume) genomen moeten worden. De individuele financiele impact (low-value) van dergelijk high-volume beslissingen is in de regel beperkt. De optelling van deze beslissingen kan wel een significante impact tot gevolg hebben. In de onderstaande figuur staan voorbeelden degelijke high-volume/low-value beslissingen.



Een aangename eigenschap van high-volume beslissingen is dat er snel veel data verzameld kan worden ten behoeven van statistische analyse. Dit helpt bij het preciser (precision) en daarmee effectiever maken, van de beslissingsregels. Een ander hulpmiddel bij de verbetering van de regels zijn voorspellende modellen (predictive models). Hierbij de beschikbaarheid van veel data ook een voordeel. Bij de analyseren van data en de bouw van voorspellende modellen is geen real-time data nodig.

De snelheid (speed) waarmee beslissingen gemaakt kunnen worden is tevens een aspect waarmee de dienstverlening naar de klant kan worden verbeterd. Om binnen een klantdialoog beoordelingen te kunnen uitvoering, adviezen te kunnen geven, en grenzen te kunnen aangeven, moeten real-time beslissingen gemaakt kunnen worden. Daarbij is ook real-time beschikbaarheid vereist van de noodzakelijke gegevens.

Een volwaardige EDM-oplossing biedt meer dan alleen een centrale plek om bedrijfsregels te definiëren en vanuit applicaties te kunnen aanroepen.

1. Bedrijfsregels kunnen worden gecombineerd met voorspellende modellen en/of zelflerende modellen.
2. Logging van beslissingen en de bijbehorende context.
3. Operationele raportages in relatie tot geautomatiseerde beslissingen.