Kā vadītāji apvieno datus un intuīciju, lai pieņemtu labākus lēmumus

DPēdējo divu desmitgažu laikā pieaugot digitālajai transformācijai, datu solījums ir kļuvis liels. Nav šaubu, ka dati ir būtiski, lai izprastu savus klientus, attīstītu savu biznesu un novērtētu panākumus, taču tie nav vienīgais, kas jums nepieciešams. Labiem lēmumiem nepieciešami abi dati un intuīcija.

Daudzi cilvēki ir nonākuši pie maldīga pārliecības, ka dati ir karalis un intuīcija ir jestri. Brīžiem šķita, ka abi iesaistījušies virves vilkšanā, apliecinot, ka neviens nevar valdīt ar otra klātbūtni.

Tas nevarētu būt tālāk no patiesības. Arī intuīcijai ir nozīme visos labos lēmumos. Kad dati un intuīcija tiek apvienoti, tie rada atgriezeniskās saites ciklu, kas uzlabo un stiprina garīgos modeļus. Intuīcija var novest pie pareizā jautājuma, ko uzdot par datiem, un iegūtais stāsts informē intuīciju. Intuīcija var mūs brīdināt, ja dati ir nepilnīgi vai tiem ir kvalitātes problēmas. Lai gan dati var mums palīdzēt atpazīt, kad mēs strādājam no aizspriedumiem vai apstākļi ir mainījušies.

Tam ir nozīme pieaugošās nenoteiktības laikmetā, kad aiz katra stūra ir jauni biznesa izaicinājumi. Dati var sniegt stingru izpratni par pagātni, bet, ja mēs pārāk aizraujamies ar precizitāti — precizitāti, perfekta datu modeļa izstrādi —, mēs varam nepamanīt to, kas notiek tieši mūsu priekšā. Intuīcija var palīdzēt mums ātri izprast virzību, kas var būt tikpat svarīga lēmumu pieņemšanā kā jebkurš kvantitatīvs rādītājs. Pareizi lietojot, intuīcija un dati var būt jūsu divi galvenie sabiedrotie, lai gūtu uzvaru pret nenoteiktību.

Lēmumu pieņemšana reālajā pasaulē

Mēs runājām ar Maiklu Noltingu, digitālo pakalpojumu un datu analīzes vecāko direktoru plkst Volkswagenun Maikls Sasaki, bijušais globālā klientu panākumu un atbalsta nodaļas viceprezidents Mitek, lai uzzinātu, kā viņu uzņēmumi sabalansē datus ar intuīciju, lai pieņemtu lēmumus un veicinātu biznesa rezultātus.

Tableau: Kā jūsu uzņēmumā tiek pieņemti lēmumi?

Nolting: Pēdējos gados mēs ļoti smagi strādājām, lai padarītu mūsu automašīnu ražošanu balstītu uz datiem [Volkswagen]. Mēs izveidojām platformu Snowpark, kas apkopoja visus datus, kas mums bija no mūsu testa braucieniem un klientiem. Mēs analizējām, vai ir atšķirības attiecībā uz automašīnas izmantošanu.

Ja mēs saprotam, kā īsti klienti izmanto mūsu automašīnas, mēs varam izgatavot automašīnas atbilstoši viņu vajadzībām un piegādāt labākus produktus, kā arī samazināt kopējās izmaksas.

Mēs Volkswagen pieņemam lēmumus, pamatojoties uz iekšām [sajūtām] un datiem. Priekšroka tiek dota datiem, un tos var izmantot, lai pakāpeniski optimizētu kaut ko. Jūsu apziņa ir nepieciešama izpētei, kad pieņemat smagus lēmumus, pamatojoties uz nepietiekamu datu daudzumu (jo datu trūkums, pārāk daudz ievades dimensiju, pārāk mazs efekta lielums vai pārāk daudz zināšanu par kontekstu). Pamatdarbība ir jāpārvieto pēc iespējas tālāk datu zonā.

Lai uzņemtos risku, jums ir nepieciešama hierarhija, kuras pamatā ir jāuzņemas riska apjoms. C līmeņa vadītājiem ir jāuzņemas risks.

Dati no mūsu MOIA flotes (kopīgs mobilitātes risinājums Hamburgā un Hannoverē) ir demokratizēti. Tam var piekļūt ikviens Volkswagen uzņēmums ar kontu.

Mūsu mērķis ir iekšēji demokratizēt visus mūsu datus. Pašlaik manā nodaļā veidojam milzīgu datu noliktavu, kurā vēlamies ļaut ikvienam uzņēmumam [lietotājam] importēt un analizēt datus. Mēs padarām katru uzņēmumu [lietotāju] par datu inženieri/datu zinātnieku.

Sasaki: Lai pieņemtu lēmumus [uzņēmumā Mitek], ir jāsaskaņo ieinteresētās personas. Galu galā ir galīgo lēmumu pieņēmēji, un tie parasti ir funkcionālie eksperti, kas galu galā pieņem lēmumu. Taču mēs pavadām daudz laika, lai tiktos un pārliecinātos, ka mums visiem ir viena un tā pati informācija un mēs skatāmies tos pašus datus, saprotam datus un vienojamies par definīcijām.

Tabula: kā jūs līdzsvarojat datus, intuīciju un pieredzi, pieņemot lēmumus?

Nolting: Intuīcija ir nepieciešama smagi noslogotiem jautājumiem, kad cilvēkiem beidzot ir jāriskē un nav pieejams pietiekami daudz datu modeļa/jautājuma augstās sarežģītības dēļ.

Mēs joprojām atrodamies zarnās ar daļu no mūsu pamatdarbības un vēlamies to pakāpeniski pārvietot uz datu zonu, lai kļūtu par uz datiem balstītu uzņēmumu. Tomēr inovāciju projekti vai jaunu biznesa iespēju izpēte vienmēr daļēji paliks zarnu zonā. Kāds ir izaicinājums ar zarnu zonu, ja jūsu pamatdarbība joprojām pastāv? Zarnu zonā, ja vēlaties atbildēt uz jautājumu, kuram ir augsts risks (lasi: miljoniem dolāru, ko jūs varat zaudēt), jums ir nepieciešami uzņēmuma vadītāji, kuri ir gatavi uzņemties risku. Saskaņā ar to mums, protams, ir hierarhija. Pamatojoties uz aplēsto risku eiro, mums ir dažādi vadības līmeņi, kas var uzņemties riskus. Ja risks ir aptuveni miljons, iestājas C līmenis.

Sasaki: Tie visi ir savijušies manā prātā.

Dati ir ļoti svarīgi. Izmantojot datus, jūs sākat redzēt datu hibrīdu, kas informē jūsu zarnas. Jūs pieņemat lēmumus, pamatojoties uz klientu datiem. Un šī ir pieredze, kas iegūta, strādājot ar datiem, un, redzot rezultātus, ko esat sasniedzis ar klientiem, jūs patiešām varat nokļūt pareizajā vietā. Šī pieredze ir ļoti svarīga, strādājot ar datiem.

Tāpēc es neteiktu, ka tas ir viens vai otrs. Šobrīd tas ir abu hibrīds. Un abi ir ļoti svarīgi. Zarnu vada dati.

Tableau: Kad jūs zināt, ka jums ir pietiekami daudz datu, lai pieņemtu lēmumu?

Nolting: Jūs nevarat teikt: "Vai mums ir pietiekami daudz datu?" vai "Vai mums nav pietiekami daudz datu?" Tas vairāk attiecas uz pareizo sistēmu savienošanu un labu datu nodrošināšanu. Jautājums vienmēr ir starp kvalitāti un kvantitāti.

Kad uzņēmumi veic datu pārveidi, liela problēma sākumā ir datu kvalitāte. Jums patiešām ir jāizpēta dati, vai varat ar tiem strādāt vai nē. Dažiem informācijas paneļiem ir nepieciešami augstas kvalitātes pārdošanas dati. Jums ir nepieciešami datu pārvaldnieki.

Lieliem efektu izmēriem ir nepieciešams neliels datu apjoms (piemēram, no maziem automašīnu parkiem). Mēs vēlējāmies noskaidrot, kā mūsu komerciālie klienti, piemēram, [paku sūtījumu uzņēmums] DPD, izmanto savas automašīnas salīdzinājumā ar mūsu kopīgās mobilitātes risinājuma MOIA vadītājiem. Šos datus var savākt no testa flotes. Ja mēs vēlamies izmērīt mazas ietekmes izmērus, mēs ņemam datus no mūsu lielās flotes.

Mēs arī izmantojam Tableau informācijas paneļus, lai palīdzētu noteikt prioritāti, kuri komponenti tiek ražoti, pamatojoties uz mūsu rīcībā esošo komponentu trūkumu. Viens informācijas panelis paredz mums nepieciešamo komponentu pasūtījumus. Tas ir patiešām sarežģīti — ir miljardiem kombināciju. Un tad mēs veicam aprēķinus un pasūtām sastāvdaļas, kad mums trūkst. Tas nodrošina optimālu ražošanas procesu.

Sasaki: Pirms pieciem līdz desmit gadiem trūka datu. Un tagad ir tik daudz datu. Mēģinājums noskaidrot, kuri dati ir svarīgi, patiešām ir galvenais un izaicinājums. Jo jūs varat aplūkot datus, lai pamatotu gandrīz katru lēmumu, ko vēlaties pieņemt. Un tas ir slazds, kurā varat iekrist, ja jums ir jāpieņem lēmums, ko vēlaties pieņemt, un jūs meklējat datus, kas to attaisno, lai dati patiešām atklātu ceļu, kas jums jāiet.

Tātad jautājums ir, kad jūs zināt, ka jums ir pietiekami daudz datu, lai pieņemtu lēmumu?

Es teiktu, lūk, mana klientu veiksmes pieredze, pieņemot ar klientiem saistītus lēmumus. Varat aplūkot klientu spilgtās vietas, lai noskaidrotu, kādi dati bija pieejami, lai sasniegtu vēlamo rezultātu, ko nodrošinājāt iepriekš. Tāpēc mēs daudz skatāmies uz rezultātiem, kas tika virzīti, un pēc tam, kādi dati bija patiešām svarīgi, kas patiešām noteica šo lēmumu. Tāpēc mēs tos identificēsim un patiešām nošķirsim.

Mēs arī ļoti paļaujamies uz mūsu datu analītiķu komandu. Uzņēmumā Mitek ir daudz dažādu datu grupu iestatījumu veidu. Ir decentralizēts, kur ir datu analītiķis dažādās funkcijās — viens mārketingā, otrs finanšu jomā, otrs klientu panākumu jomā. Jums var būt centralizēta funkcija, kurā tā ir tikai viena komanda. Taču datu analītiķi strādā pie visiem saņemtajiem pieprasījumiem neatkarīgi no tā, no kuras funkcijas tas tiek saņemts.

Es izveidoju un izveidoju datu analītiķa lomu klientu veiksmes komandā. Tas bija ļoti svarīgi dažu iemeslu dēļ. Es uzskatu, ka datu analītiķim ir jābūt ekspertam datu analīzē, kā arī funkcionālam ekspertam attiecībā uz to, kāpēc viņi analizē datus. Datu analītiķa klātbūtne klientu veiksmes komandā ir vērtīga, lai izprastu klienta datus. Es paļaujos uz saviem datu analītiķiem, kad viņiem ir laiks palīdzēt man izlemt, kad mums ir pietiekami daudz datu, lai pieņemtu lēmumu. Un tas ir līdzsvars starp neprecīzumu un neaktīvu.

Kas izmaksā dārgāk — pieņemt nepareizu lēmumu vai neveikt nekādas darbības? Es nezinu, vai jums kādreiz šķiet, ka jums ir pietiekami daudz datu, taču jūs jūtaties pietiekami ērti, lai varētu veikt zvanu, pamatojoties uz datiem.

Tableau: Ir viegli aplūkot datus un aizmirst, ka skaitļi atspoguļo reālus cilvēkus. Kā mēs varam aizsargāties pret šo kļūdu?

Sasaki: Es saskaros ar klientu; Es esmu atbildīgs par klientu un ieņēmumiem. Produktu izstrādes komandai ir savi mērķi, un tas ne vienmēr ir saistīts ar cilvēku, vai varbūt viņi to nesaprot, un tā nav viņu vaina. Tā ir mana kā līdera atbildība no klientu puses, lai šim skaitlim, datu punktam, piešķirtu seju.

Ir noteiktas lietas, ko vadītāji var darīt, lai mēģinātu datiem attēlot cilvēka seju. Mēs savā uzņēmumā esam ieviesuši daudzas programmas. Viens no tiem ir pusdienas un mācīties. Mēs piesaistīsim klientu un nopirksim pusdienas visam uzņēmumam. Tagad inženieri var dzirdēt no klienta, un viņi var saistīt metriku, ko viņi skatās un virzās uz cilvēku, ar mērķi.

Tableau: Kā karjeras sākumā cilvēki var sākt "trenēt" savas zarnas?

Noltings: Jauniešiem jāiemācās piedzīvot neveiksmes un uzņemties risku pieņemt lēmumus. Tā ir kultūras lieta, ar ko vācu uzņēmumi cīnās. Jūs varat trenēt savas zarnas, tikai gūstot pieredzi un pieļaujot kļūdas, un tad varat uzņemties grūtāku lēmumu risku nākotnē. Volkswagen esam radījuši psiholoģiskas drošības vidi, kurā tiek pieņemtas neveiksmes. Lai to panāktu, jums ir jābūt pareizai uzņēmuma un datu kultūrai.

Sasaki: [Uzņēmumā Mitek] mēs sākam ar pieredzi ar datiem. Manas komandas vadītāji ir pārvērtuši klientu panākumu vadītājus par datu analītiķiem. Mūsu datu analītiķi ir nodrošinājuši rīkus Tableau, lai klientu veiksmes vadītājus pārvērstu par datu analītiķiem. Tagad, ja paskatās uz Tableau skatījumiem visā uzņēmumā, 70% skatījumu ir no maniem klientu panākumu menedžeriem.

Jūs nevarat baidīties no datiem. Katra iespēja ir jāizmanto kā pieredze un jāiegūst pēc iespējas vairāk pieredzes ar datiem neatkarīgi no tā, vai tas ir pozitīvs vai negatīvs. Tas būs ļoti vērtīgi, lai uzticētos savām zarnām. Vienkārši ieejiet tur, izprotiet datus, spēlējieties ar tiem, uzdodiet jautājumus un iegūstiet pēc iespējas vairāk pozitīvas vai negatīvas pieredzes. Un tas patiešām trenēs jūsu zarnas.

Ja jums ir dati, jūs nevarat tiem iebilst. Nav labāka veida, kā strādāt ar citām funkcijām un citiem vadītājiem un citiem komandas locekļiem, kā nodrošināt, ka viņiem ir dati. Ievadot datus sarunā, jūs varat ļoti ātri saskaņot. Jūs varat pieņemt lēmumus; jūs pat varat pārliecināt klientus. Tā būs uz datiem balstīta sanāksme, tā būs uz datiem balstīta diskusija. Sanāksmes un lēmumi notiek daudz ātrāk, jo viņi vienkārši ir vairāk informēti par datiem.

Vai esat gatavs vadīt datus?

Uz datiem balstīti vadītāji ir labāk sagatavoti, lai pielāgotos pārmaiņām, un viņi saprot lēmumu pieņemšanas nianses strauji mainīgā biznesa vidē. Viņi zina, ka dati, ko papildina pieredze un intuīcija, ir viņu organizāciju panākumu pamatā. Vizīte Tabula vadītājiem lai uzzinātu vairāk par to, kā dati ietekmē jaunu uzņēmumu vadītāju šķirni un kā Tableau var palīdzēt jūsu datu transformācija.