Kako voditelji združujejo podatke in intuicijo, da sprejemajo boljše odločitve

Dz vzponom digitalne transformacije v zadnjih dveh desetletjih so obljube podatkov postale velike. Brez dvoma so podatki bistveni za razumevanje vaših strank, rast vašega podjetja in merjenje uspeha, vendar niso edino, kar potrebujete. Dobre odločitve zahtevajo oba podatka in intuicija.

Mnogi ljudje so prišli do zmotnega prepričanja, da so podatki kralj in da je intuicija norček. Včasih se zdi, da se oba vlečeta za vrvi in ​​zagotavljata, da nobeden ne more vladati ob prisotnosti drugega.

To ne more biti dlje od resnice. Pri vseh dobrih odločitvah ima vlogo tudi intuicija. Ko se podatki in intuicija združijo, ustvarijo cikel povratnih informacij, ki izpopolnjuje in krepi mentalne modele. Intuicija lahko vodi do pravega vprašanja, ki ga je treba zastaviti glede podatkov, pri čemer nastala zgodba informira intuicijo. Intuicija nas lahko opozori, ko so podatki nepopolni ali imajo težave s kakovostjo. Medtem ko nam podatki lahko pomagajo prepoznati, kdaj delujemo iz pristranskosti ali so se okoliščine spremenile.

To je pomembno v dobi vse večje negotovosti, z novimi poslovnimi izzivi za vsakim vogalom. Podatki lahko dajo trdno razumevanje preteklosti, toda ko smo preveč ujeti v natančnost – v točnost, v oblikovanje popolnega podatkovnega modela – lahko zamudimo, kaj se dogaja tik pred nami. Intuicija nam lahko pomaga hitro ugotoviti smer, ki je lahko enako pomembna za odločanje kot katera koli kvantitativna številka. Ob pravilni uporabi sta lahko intuicija in podatki vaša glavna zaveznika pri doseganju zmage proti negotovosti.

Odločanje v resničnem svetu

Pogovarjali smo se z Michaelom Noltingom, višjim direktorjem digitalnih storitev in analitike podatkov pri Volkswagen, in Michael Sasaki, nekdanji podpredsednik globalnega vodje oddelka za uspeh in podporo strankam pri Mitek, da se naučijo, kako njihova podjetja usklajujejo podatke z intuicijo za sprejemanje odločitev in doseganje poslovnih rezultatov.

Tableau: Kako se sprejemajo odločitve v vašem podjetju?

Nolting: V zadnjih letih smo zelo trdo delali, da bi naša proizvodnja avtomobilov [v Volkswagnu] temeljila na podatkih. Ustvarili smo platformo, imenovano Snowpark, ki je zbirala vse podatke, ki smo jih imeli od naših testnih voženj in strank. Analizirali smo, ali obstaja vrzel glede uporabe avtomobila.

Če razumemo, kako resnične stranke uporabljajo naše avtomobile, lahko izdelamo avtomobile v skladu z njihovimi potrebami in zagotovimo boljše izdelke, pa tudi zmanjšamo skupne stroške.

Pri Volkswagnu se odločamo na podlagi občutkov in podatkov. Podatki imajo prednost in jih je mogoče uporabiti za postopno optimizacijo nečesa. Vaš občutek je potreben za raziskovanje, ko sprejemate težke odločitve na podlagi premalo podatkov (zaradi pomanjkanja podatkov, preveč vhodnih dimenzij, premajhne velikosti učinka ali preveč potrebnega znanja o kontekstu). Osnovno dejavnost je treba preseliti čim dlje v podatkovno cono.

Za prevzemanje tveganja potrebujete hierarhijo, ki temelji na količini tveganja. Vodje na ravni C morajo tvegati.

Podatki iz našega voznega parka MOIA (skupna rešitev mobilnosti v Hamburgu in Hannovru) so bili demokratizirani. Do njega lahko dostopa vsak pri Volkswagnu z računom.

Naš cilj je interno demokratizirati vse naše podatke. V mojem oddelku trenutno gradimo ogromno podatkovno skladišče, kjer želimo vsakemu podjetju [uporabniku] omogočiti uvoz in analizo podatkov. Iz vsakega podjetja [uporabnika] naredimo podatkovnega inženirja/podatkovnega znanstvenika.

Sasaki: Sprejemanje odločitev [pri Miteku] zahteva usklajenost med deležniki. Konec koncev obstajajo tisti, ki sprejemajo končne odločitve, in običajno so funkcionalni strokovnjaki tisti, ki na koncu sprejmejo odločitev. Vendar porabimo veliko časa za srečanja in zagotavljanje, da imamo vsi enake informacije in gledamo iste podatke, razumemo podatke in se strinjamo z definicijami.

Tableau: Kako usklajujete podatke, intuicijo in izkušnje pri sprejemanju odločitev?

Nolting: Intuicija je potrebna za obremenjena vprašanja, ko morajo ljudje končno tvegati in zaradi velike kompleksnosti modela/vprašanja ni na voljo dovolj podatkov.

Še vedno smo v območju črevesja z deležem naše osnovne dejavnosti in ga želimo postopoma premakniti v območje podatkov, da bi postali podjetje, ki temelji na podatkih. Kljub temu bodo inovacijski projekti ali raziskovanje novih poslovnih priložnosti vedno delno ostali v črevesju. Kakšen je izziv s črevesno cono, če je vaša osnovna dejavnost še vedno tam? V črevesnem območju, če želite odgovoriti na vprašanje, ki ima visoko tveganje (beri: milijone dolarjev, ki bi jih lahko izgubili), potrebujete vodje podjetja, ki so pripravljeni tvegati. Glede na to imamo seveda hierarhijo. Glede na ocenjeno tveganje v evrih imamo različne nivoje upravljanja, ki lahko prevzemajo tveganja. Če je tveganje okoli milijonov, stopi na vrsto C-level.

Sasaki: Vsi so prepleteni v mojih mislih.

Podatki so zelo pomembni. S podatki začnete videti hibrid podatkov, ki obveščajo vaše črevesje. Odločate se na podlagi podatkov o strankah. In to so izkušnje, ki jih imate pri delu s podatki in videnje rezultatov, ki ste jih dosegli s strankami, resnično pomagajo priti na pravo mesto. Ta izkušnja je zelo pomembna pri delu s podatki.

Tako da ne bi rekel, da je eno ali drugo. Trenutno je hibrid obojega. In oboje je zelo pomembno. Črevesje poganjajo podatki.

Tableau: Kdaj veste, da imate dovolj podatkov za odločitev?

Nolting: Ne morete reči: "Ali imamo dovolj podatkov?" ali "Ali nimamo dovolj podatkov?" Tu gre bolj za povezovanje pravih sistemov in dobre podatke. Vprašanje je vedno med kvaliteto in kvantiteto.

Ko so podjetja podvržena transformaciji podatkov, je na začetku velika težava kakovost podatkov. Podatke morate resnično preučiti, če lahko z njimi delate ali ne. Za nekatere nadzorne plošče potrebujete visokokakovostne podatke o prodaji. Potrebujete skrbnike podatkov.

Za velike velikosti učinka potrebujete majhno količino podatkov (npr. iz majhnih voznih parkov). Želeli smo ugotoviti, kako naše komercialne stranke, kot je [podjetje za dostavo paketov] DPD, uporabljajo svoje avtomobile v primerjavi z vozniki naše rešitve skupne mobilnosti MOIA. Te podatke je mogoče zbrati iz testnega voznega parka. Če želimo izmeriti majhne velikosti, vzamemo podatke iz našega velikega voznega parka.

Uporabljamo tudi nadzorne plošče Tableau za pomoč pri določanju prioritet, katere komponente so proizvedene glede na pomanjkanje komponent, ki jih imamo. Ena nadzorna plošča predvideva vrstni red komponent, ki jih potrebujemo. Res je zapleteno – obstaja na milijarde kombinacij. In potem naredimo kalkulacijo in naročimo komponente, ko nam primanjkuje. Posledica tega je optimalen proizvodni proces.

Sasaki: Pred petimi do desetimi leti je bilo podatkov premalo. In zdaj je toliko podatkov. Poskus ugotoviti, kateri podatki so pomembni, je resnično ključ in izziv. Ker si lahko ogledate podatke, da upravičite skoraj vsako odločitev, ki jo želite sprejeti. In to je past, v katero se lahko ujamete, kjer imate odločitev, ki jo želite sprejeti, in iščete podatke, ki bi to utemeljili, tako da podatki resnično razkrivajo pot, ki ji morate slediti.

Vprašanje je torej, kdaj veste, da imate dovolj podatkov za odločitev?

Rekel bi, no, tukaj je moja izkušnja uspeha strank z odločitvami, povezanimi s strankami. Ogledate si lahko svetle točke strank, da vidite, kateri podatki so bili prisotni za doseganje želenega rezultata, ki ste ga dosegli v preteklosti. Zato veliko gledamo na rezultate, ki so bili posledica tega, in potem, kateri podatki so bili resnično pomembni, da so resnično spodbudili to odločitev. Torej jih bomo identificirali in jih res ločili.

Veliko se zanašamo tudi na našo ekipo podatkovnih analitikov. Pri Miteku obstaja veliko različnih vrst nastavitev podatkovnih skupin. Tam je decentralizirano, kjer je podatkovni analitik v različnih funkcijah – eden v trženju, eden v financah, eden v uspehu strank. Lahko imate centralizirano funkcijo, kjer je to samo ena ekipa. Toda podatkovni analitiki delajo na vseh zahtevah, ki pridejo, ne glede na to, iz katere funkcije prihajajo.

Ustvaril in zgradil sem vlogo analitika podatkov v skupini za uspeh strank. To je bilo zelo pomembno iz nekaj razlogov. Menim, da mora biti podatkovni analitik strokovnjak za analizo podatkov, pa tudi funkcionalni strokovnjak za to, za kaj podatke analizira. Imeti analitika podatkov v ekipi za uspeh strank je dragoceno za razumevanje podatkov o strankah. Zanašam se na svoje analitike podatkov, ko imajo čas, da mi pomagajo pri odločitvi, kdaj imamo dovolj podatkov za odločitev. In to je ravnotežje med netočnostjo in nedejavnostjo.

Kaj je dražje – sprejeti napačno odločitev ali sploh ne ukrepati? Ne vem, ali se vam kdaj zdi, da imate dovolj podatkov, vendar pridete do točke, ko se počutite dovolj udobno, da lahko opravite klic na podlagi podatkov.

Tableau: Preprosto je pogledati podatke in pozabiti, da številke predstavljajo prave, človeške stranke. Kako se lahko ubranimo pred to napako?

Sasaki: Soočam se s strankami; Odgovoren sem za stranko in prihodke. Ekipa za razvoj izdelkov ima svoje cilje in ne gre vedno za človeka ali pa tega morda ne razumejo in to ni njihova krivda. Moja odgovornost kot vodja na strani, ki se obrne k strankam, je, da se soočim s to številko, to podatkovno točko.

Obstajajo nekatere stvari, ki jih vodje lahko storijo, da poskušajo podatkom dati človeški obraz. V našem podjetju smo lansirali veliko programov. Ena je kosilo in učenje. Pripeljemo stranko in kupimo kosilo za celotno družbo. Zdaj lahko inženirji slišijo od stranke in lahko meritve, ki jih gledajo in h katerim se usmerjajo, povežejo s človekom, z namenom.

Tableau: Kako lahko ljudje v zgodnji karieri začnejo "trenirati" svoje črevesje?

Nolting: Mladi se morajo naučiti doživljati neuspehe in prevzemati tveganje pri odločanju. To je kulturna stvar, s katero se nemška podjetja spopadajo. Črevesje lahko trenirate le s pridobivanjem izkušenj in delanjem napak – nato pa lahko stopite korak naprej in sprejmete tveganje težjih odločitev v prihodnosti. Pri Volkswagnu smo ustvarili okolje psihološke varnosti, kjer so napake sprejete. Da bi to dosegli, morate imeti pravo podjetje in podatkovno kulturo.

Sasaki: [Pri Miteku] začnemo z izkušnjami s podatki. Vodje v moji ekipi so upravitelje uspeha strank spremenili v podatkovne analitike. Naši podatkovni analitiki so v Tableau zagotovili orodja, s katerimi upravitelje uspeha strank spremenijo v podatkovne analitike. Zdaj, če pogledate poglede v Tableau, v celotnem podjetju, je 70 % ogledov od mojih menedžerjev za uspeh strank.

Ne smete se bati podatkov. Vsako priložnost morate vzeti kot izkušnjo in pridobiti čim več izkušenj s podatki, ne glede na to, ali so pozitivne ali negativne. To bo res dragoceno za zaupanje v vaš občutek. Preprosto vstopite, razumejte podatke, igrajte se z njimi, postavljajte vprašanja in pridobite čim več izkušenj – pozitivnih ali negativnih –. In to bo resnično treniralo vaše črevesje.

Če imate podatke, jim ne morete nasprotovati. Ni boljšega načina za delo z drugimi funkcijami in drugimi vodji ter drugimi člani ekipe, kot da imajo ti podatke. Ko prinesete podatke v pogovor, se lahko zelo hitro uskladite. Lahko sprejemate odločitve; lahko celo prepričate stranke. To bo sestanek, ki temelji na podatkih, to bo razprava, ki temelji na podatkih. Sestanki in odločitve potekajo veliko hitreje, ker so samo bolj informirani s podatki.«

Ali ste pripravljeni voditi s podatki?

Vodje, ki temeljijo na podatkih, so bolje opremljeni za prilagajanje spremembam in razumejo nianse odločanja v hitro spreminjajočem se poslovnem okolju. Vedo, da so podatki, dopolnjeni z izkušnjami in intuicijo, bistveni za uspeh v njihovih organizacijah. Obisk Tableau za direktorje če želite izvedeti več o tem, kako podatki vplivajo na novo vrsto poslovnih vodij in kako lahko Tableau vpliva na to vaš preoblikovanje podatkov.