Hoe kijkt u in deze verwarrende tijden naar de toekomst op het vlak van strategie, financiën, operationeel beheer, personeelsbezetting,…?
Om deze vraag te beantwoorden, passeren meestal heel wat (excel)tabellen de revue. Maar met enkel informatie uit het verleden is de kans klein dat u de toekomst postcorona nauwkeurig inschat. Anderzijds hebt u ook uw kennis, expertise, ervaring en buikgevoel als mogelijke voorspellende instrumenten. Maar zal dit volstaan?
U hebt nog een andere troef binnen handbereik: uw naaste medewerkers. Stuk voor stuk deskundigen, maar met verschillende informatie volgens hun positie in uw organisatie. Tegelijk zijn mensen geen volkomen rationele gebruikers van informatie: ze zijn vatbaar voor ruis als gevolg van overdreven optimisme of pessimisme, of simpelweg omwille van verkeerde informatie.
Hoe kunt u toch gebruikmaken van ‘the wisdom of the crowds’ om betere beslissingen te nemen?
Ten eerste door uit te middelen. Al werkt dit slechts als iedereen over min of meer dezelfde informatie beschikt én onafhankelijk van elkaar kan oordelen. Hier speelt de realiteit in uw nadeel:
Medewerkers delen spreadsheets tussen afdelingen, maar voegen verschillende variabelen toe.
Afdelingsspecifieke documenten spelen toch mee in de beoordeling.
Informatie wordt mondeling gedeeld in de gangen of bij het koffieapparaat
Maar ook de menselijke natuur is u niet gunstig gezind. Heel wat ‘cognitive biases’ werken niet bepaald mee (we komen hier op terug): The Base-Rate bias Charts and numbers bore and intimidate most of us. We're data phobic, prefer the warm fuzzies of the human touch and testimonials to hard facts. The word "probability" makes us squeamish, feel dumb. Nonetheless, we need to know that when judging a situation―for instance, diagnosing a patient's disease―there are two often types of information:
When people have both types of information, they tend to make judgments based entirely upon Type 2 information, leaving out the statistics. It's best to consider both types of information because there is always some possibility that an observation or test may be wrong.
Source: Amos Tversky & Daniel Kahneman, "Evidential Impact of Base Rates", in Judgment Under Uncertainty: Heuristics and Biases, Kahneman, Paul Slovic, and Tversky, editors (1985), pp. 153-160.
(Un)intentional misalignments
… the existing of incentive misalignments and unintentional departmental biases – like gaps in procedures and informational blind spots that affected some departments.
Source: Insead Knowledge (2020)
Wat kan u echt wel doen?
Stel een onafhankelijk team samen. Om een verkeerd prognosebeeld te voorkomen, moet het team los opereren van andere teams/afdelingen. De volgende processtappen komen in beeld:
Een eerste stap in het proces is een verificatie door het (onafhankelijk) team van de geldigheid van de aangeleverde gegevens. Dit biedt een goede garantie op vertrouwen in de informatie.
De volgende stap is de introductie van de base rate (waarover we hierboven spraken). Dit brengt ons bij de Bayesiaanse statistiek. Bayes leerde ons hoe u prognoses over toekomstige gebeurtenissen kunt maken door vroegere ervaringen te actualiseren met huidige inzichten.
Die huidige inzichten, hier en nu, van uw eigen bedrijf zijn gekend. De base rate zijn de gedragingen die binnen uw sector, over een langere periode van het verleden tot nu, tot ‘een gemiddelde’ geleid hebben.
Door uw situatie op die base rate te enten (en zo de base rate bias te voorkomen) kunt u voor uw eigen situatie een relevant toekomstbeeld creëren.
Een heldere metafoor hiervoor is er eentje uit de zeilwereld. U kan de huidige windrichting voelen en de stand van de zeilen bepalen. Maar u zal ook rekening moeten houden met de stroming (de base rate) want die neemt uw boot, willen of niet, mee op een koers waar je geen rechtstreeks vat op hebt. Maar als u die stroming kent, kan u alle zeilen bijzetten om er wel gebruik van te maken.