In onze twee vorige blogs focusten we op het probleem van tewerkstelling en de impact ervan op uw organisatie. In deze blog zoomen we uit, om te ontdekken hoe u de beste resultaten kunt bereiken in uw business. Of het nu gaat om commercieel beleid, de transformatie van uw organisatie of strategische personeelsplanning: een strategische state of mind helpt u werkelijk vooruit.
Laat me beginnen met een wat provocerende quote.
Pablo Picasso zei ooit: "Computers zijn nutteloos. Ze kunnen je enkel antwoorden geven.”
Het eerste deel van deze uitspraak mag u gerust in twijfel trekken. Maar het tweede deel is toch wel enige aandacht waard.
Van de bestuurskamer tot de werkvloer klinkt de vraag naar datagestuurde besluitvorming steeds luider en duidelijker. Volgens velen leveren krachtige computers en een explosief groeiende gegevensopslag geavanceerde analyses op die het menselijk vermogen vergroten en het nemen van slimmere beslissingen faciliteert.
Maar is dit in de praktijk wel zo? Een voorbeeld.
Een mediabedrijf bezit data waaruit af te leiden valt welke van hun abonnees de neiging hebben om hun abonnement op te zeggen. Hierop reageert het bedrijf door budget vrij te maken om abonnees in deze ‘gevarenzone’ een geschenk te bezorgen.
Dit initiatief heeft effectief een positieve impact op het verloop van sommige klanten, maar werkt averechts voor anderen. Ik verklaar me nader:
De klanten die al het minst geneigd zijn om hun abonnement op te zeggen zonder het geschenk, zijn nog minder geneigd om op te zeggen wanneer ze een geschenk krijgen.
De klanten die de meeste kans hebben om hun abonnement op te zeggen zonder het geschenk, zijn echter nog meer geneigd om op te zeggen wanneer ze een geschenk ontvangen.
Met andere woorden: het geïnvesteerde budget bevestigt enkel het bestaande klantengedrag.
Beslissingen nemen op basis van beschikbare data komt vaak neer op het vinden van een doel voor die (beschikbare) data. Het biedt dus geen afdoende bescherming tegen de invloed van al bestaande overtuigingen, die op hun beurt remmend werken om uw organisatie aan te passen aan de steeds veranderende wereld.
In dit kader verwijs ik trouwens graag naar een vorig blogartikel, namelijk ‘Thinking Fast and Slow praktisch uitgelegd’.
Een betere aanpak is om data voor uw doel te vinden, in plaats van omgekeerd. Of zoals Bart de Langhe en Stefano Puntoni het noemen in hun MITSloan-artikel: ‘beslissingsgestuurde data-analyse’.
Natuurlijk ligt er een potentieel probleem op de loer. Zij die besluiten nemen, kunnen de gegevens nog steeds gebruiken om een reeds (impliciet) genomen besluit te ondersteunen, te verantwoorden of te verlengen. Ze tonen – onbewust – vooringenomenheid. Maar dit is geen beslissingsgestuurde data-analyse, maar een op voorkeuren gebaseerde data-analyse. Het is misschien wel de slechtste manier om beslissingen te nemen. Maar het is helaas wel een veelvoorkomende manier.
Om werkelijk de overstap te maken naar beslissingsgestuurde data-analyse, start u idealiter met het eerste deel van een strategisch traject: het identificeren en helder maken van de belangrijkste beslissingen die binnen uw bedrijf genomen moeten worden. Daarna kunt u inzetten op het tweede deel, ofwel een analysetraject:
het vinden van data voor uw doel, in plaats van het vinden van een doel voor de beschikbare data.
Over naar de praktijk.
Stap 1: Identificeer alternatieve manieren van bedrijfsvoering, innovatie en organisatieontwikkeling
Te veel beslissingen worden op automatische piloot genomen, nadat slechts één (gekende) actie is overwogen. Dit komt de kwaliteit van de besluitvorming, en dus de resultaten ervan, niet ten goede. Het nemen van beslissingen doet u best via een pad van ‘algemeen naar gefocust’. Breed denken is synoniem met vele alternatieve manieren genereren van bedrijfsvoering, om ze daarna te kunnen evalueren en rangschikken. Of anders gezegd:
“The goal of data analytics is to turn unknowns into knowns, so that alternative courses of action can be ranked more objectively.”
Stap 2: Bepaal welke gegevens u nodig hebt om alternatieven te evalueren
Uitgaan van de beslissing vestigt automatisch extra aandacht op onbekende aspecten van uw bedrijfsvoering: wat hebben we nodig om de betreffende beslissing te realiseren? Dit heeft een groot voordeel. Het maakt immers meteen duidelijk dat er grenzen zijn aan wat gekend kan worden, en dat wat onbekend is op heel wat verschillende manieren aangepakt kan worden.
U ontwikkelt best criteria om een hiërarchisch onderscheid te maken tussen de alternatieve manieren van bedrijfsvoering die in stap 1 geselecteerd werden. Het doel van het verzamelen en analyseren van data is om in deze stap onbekende elementen om te zetten in bekende, zodat u alternatieve manieren van handelen objectiever kunt beoordelen en rangschikken.
Stap 3: Selecteer de beste manier van handelen
De laatste stap maakt de implementatie van een strategie heel wat eenvoudiger. Als de eerste twee stappen goed uitgevoerd zijn, zal u betere implementatiekeuzes kunnen maken, omdat de data-analyse u de beste manier van handelen aanreikt.
Beslissingsgestuurde data-analyse benadrukt het belang van de juiste vraagstelling, en daarmee tegelijk het belang van oordeelsvorming.
Deze aanpak vestigt niet alleen de aandacht op zaken die u nog niet kende, maar zet ook aan tot aanvullende gegevensverzameling en -analyse. U profiteert van deze benadering omdat:
de overtuigingen van uw leidinggevenden over hoe de wereld werkt, eerder uitgedaagd dan versterkt worden;
uw analyse-initiatieven gekoppeld zijn aan actie, gericht op het beantwoorden van de vragen die er voor u toe doen.
Ter afsluiting van deze blog nodig ik u uit om onze eerdere blogartikels over de beslissingskalibratie-oefeningen (deel I, II en III) te herlezen.
Guido Van Nuffelen | www.orchestri.com
Comments