Jak lídři kombinují data a intuici, aby činili lepší rozhodnutí

Ds nástupem digitální transformace v posledních dvou desetiletích se příslib dat rýsoval velký. Data jsou bezpochyby nezbytná pro pochopení vašich zákazníků, růst vašeho podnikání a měření úspěchu, ale nejsou to jediné, co potřebujete. Dobrá rozhodnutí vyžadují oba údaje a intuice.

Mnoho lidí dospělo k mylnému přesvědčení, že data jsou králem a intuice je šašek. Občas se zdálo, že se tito dva zabývají přetahováním lanem a zajišťují, že ani jeden nemůže vládnout přítomností toho druhého.

Tohle nemůže být dále od pravdy. U všech dobrých rozhodnutí hraje roli i intuice. Když jsou data a intuice spojeny, vytvářejí cyklus zpětné vazby, který zjemňuje a posiluje mentální modely. Intuice může vést ke správné otázce, kterou lze na data položit, přičemž výsledný příběh informuje intuici. Intuice nás může varovat, když jsou data neúplná nebo mají problémy s kvalitou. Zatímco data nám mohou pomoci rozpoznat, kdy pracujeme z předsudků nebo se okolnosti posunuly.

To je důležité ve věku rostoucí nejistoty, s novými obchodními výzvami na každém rohu. Data mohou poskytnout pevné pochopení minulosti, ale když jsme příliš ponořeni do přesnosti – do přesnosti, do vytváření dokonalého datového modelu – můžeme přijít o to, co se děje přímo před námi. Intuice nám může pomoci rychle pochopit směrovost, která může mít na rozhodování stejný dopad jako jakýkoli kvantitativní údaj. Při správném použití mohou být intuice a data vašimi dvěma hlavními spojenci při dosažení vítězství nad nejistotou.

Rozhodování v reálném světě

Mluvili jsme s Michaelem Noltingem, vrchním ředitelem digitálních služeb a analýzy dat ve společnosti Volkswagena Michael Sasaki, bývalý viceprezident Global Head of Customer Success and Support ve společnosti Mitek, aby se dozvěděli, jak jejich společnosti vyvažují data s intuicí, aby mohly přijímat rozhodnutí a dosahovat obchodních výsledků.

Tableau: Jak se ve vaší společnosti rozhodují?

Nolting: V posledních letech jsme opravdu tvrdě pracovali na tom, aby naše výroba automobilů byla založena na datech [ve Volkswagenu]. Vytvořili jsme platformu s názvem Snowpark, která sklízela všechna data, která jsme měli z našich testovacích jízd a zákazníků. Analyzovali jsme, zda existuje mezera v používání vozu.

Pokud pochopíme, jak skuteční zákazníci používají naše auta, můžeme vyrábět auta podle jejich potřeb a dodávat lepší produkty – a také minimalizovat celkové náklady.

Ve Volkswagenu se rozhodujeme na základě vnitřností [pocitů] a dat. Preferují se data a lze je použít k postupné optimalizaci něčeho. Vaše střeva jsou potřebná pro průzkum, když děláte těžká rozhodnutí na základě nedostatku dat (kvůli nedostatku dat, příliš velkému počtu vstupních dimenzí, příliš malé velikosti efektu nebo příliš mnoha potřebným znalostem kontextu). Hlavní činnost se musí přesunout co nejdále do datové zóny.

Chcete-li riskovat, potřebujete hierarchii založenou na výši rizika, které musíte podstoupit. Lídři na úrovni C musí riskovat.

Data z naší flotily MOIA (řešení sdílené mobility v Hamburku a Hannoveru) byla demokratizována. Má k němu přístup kdokoli ve Volkswagenu s účtem.

Naším cílem je interně demokratizovat všechna naše data. V současné době v mém oddělení budujeme obrovský datový sklad, kde chceme umožnit každému podniku [uživateli] importovat a analyzovat data. Děláme z každého podniku [uživatele] datového inženýra/datového vědce.

Sasaki: Rozhodování [ve společnosti Mitek] vyžaduje soulad mezi zainteresovanými stranami. V konečném důsledku existují koneční rozhodovatelé a jsou to obvykle funkční odborníci, kteří nakonec učiní rozhodnutí. Ale trávíme spoustu času schůzkami a ujišťováním se, že všichni máme stejné informace a díváme se na stejná data, rozumíme datům a souhlasíme s definicemi.

Tableau: Jak při rozhodování vyvažujete data, intuici a zkušenosti?

Nolting: Intuice je potřebná pro těžké otázky, kdy lidé konečně musí riskovat a kvůli vysoké složitosti modelu/otázky není k dispozici dostatek dat.

Stále jsme ve střevní zóně s podílem na naší hlavní činnosti a chceme ji krok za krokem přesunout do datové zóny, abychom se stali společností řízenou daty. Inovační projekty nebo zkoumání nových obchodních příležitostí však vždy zůstanou částečně ve střevech. Jaká je výzva se zónou střeva, pokud tam stále je vaše hlavní podnikání? Ve střevní zóně, pokud chcete odpovědět na otázku, která má vysoké riziko (čti: miliony dolarů, které můžete ztratit), potřebujete manažery společnosti, kteří jsou ochotni toto riziko podstoupit. Podle toho máme samozřejmě hierarchii. Na základě odhadovaného rizika v eurech máme různé úrovně řízení, kdo může riskovat. Pokud je riziko kolem milionů, nastoupí úroveň C.

Sasaki: Všechny jsou v mé mysli propletené.

Data jsou super důležitá. S daty začnete vidět hybrid dat informujících vaše nitro. Rozhodujete se na základě údajů o zákaznících. A to je zkušenost, kterou máte při práci s daty, a když vidíte výsledky, kterých jste se zákazníky dosáhli, opravdu vám pomůže dostat se na správné místo. Tato zkušenost je velmi důležitá při práci s daty.

Takže bych neřekl, že je to jedno nebo druhé. Momentálně je to hybrid obou. A obojí je super důležité. Střevo je poháněno daty.

Tableau: Kdy víte, že máte dostatek dat, abyste se mohli rozhodnout?

Nolting: Nemůžete říci: „Máme dostatek dat? nebo "Nemáme dostatek dat?" Tady jde spíše o propojení správných systémů a dobrá data. Otázka je vždy mezi kvalitou a kvantitou.

Když společnosti procházejí transformací dat, velkým problémem je zpočátku kvalita dat. Musíte se opravdu podívat do dat, jestli s nimi můžete pracovat nebo ne. Pro určité řídicí panely potřebujete vysoce kvalitní údaje o prodeji. Potřebujete správce dat.

Pro velké velikosti efektů potřebujete malé množství dat (např. z malých vozových parků). Chtěli jsme zjistit, jak naši komerční zákazníci, jako je [balíková přepravní společnost] DPD, používají svá auta v porovnání s řidiči našeho řešení sdílené mobility MOIA. Tato data lze shromáždit z testovací flotily. Pokud chceme měřit velikosti s malým efektem, bereme data z naší velké flotily.

Používáme také řídicí panely Tableau, které pomáhají upřednostňovat, které komponenty jsou vyráběny na základě nedostatku komponent, které máme. Jeden řídicí panel předpovídá objednávky komponent, které potřebujeme. Je to opravdu složité – existují miliardy kombinací. A pak provedeme výpočet a objednáme komponenty, když máme nedostatek. Výsledkem je optimální výrobní proces.

Sasaki: Před pěti až deseti lety chyběla data. A teď je tolik dat. Snaha zjistit, která data jsou důležitá, je skutečně klíčem a výzvou. Protože se můžete podívat na data, abyste odůvodnili téměř každé jednotlivé rozhodnutí, které chcete udělat. A to je úskalí, do kterého se můžete dostat, kdy máte rozhodnutí, které chcete udělat, a hledáte data, která to zdůvodní, takže data skutečně odhalují cestu, kterou musíte jít.

Otázkou tedy je, kdy víte, že máte dostatek dat, abyste se mohli rozhodnout?

Řekl bych, dobře, zde je moje zkušenost s úspěšností zákazníků s rozhodnutími souvisejícími se zákazníky. Můžete se podívat na světlá místa zákazníků, abyste viděli, jaká data byla přítomna pro dosažení požadovaného výsledku, který jste v minulosti dosáhli. Hodně se tedy díváme na výsledky, které byly řízeny, a pak na to, která data byla skutečně důležitá, která skutečně vedla k tomuto rozhodnutí. Takže je identifikujeme a opravdu je rozebereme.

Hodně se také opíráme o náš tým analytiků dat. Ve společnosti Mitek existuje mnoho různých typů nastavení datového týmu. Je to decentralizované, kde je datový analytik v různých funkcích – jeden v marketingu, jeden ve financích, jeden v zákaznickém úspěchu. Můžete mít centralizovanou funkci, kde je to všechno jen jeden tým. Ale datoví analytici pracují na všech požadavcích, které přicházejí, bez ohledu na to, z jaké funkce přicházejí.

Vytvořil jsem a vybudoval roli datového analytika v týmu pro úspěch zákazníků. To bylo velmi důležité z několika důvodů. Domnívám se, že datový analytik musí být odborníkem na analýzu dat, ale také funkčním odborníkem na to, pro co data analyzuje. Mít v týmu pro úspěšnost zákazníků datového analytika je cenné pro pochopení dat o zákaznících. Opírám se o své datové analytiky, když mají čas, aby mi pomohli rozhodnout, kdy máme dostatek dat k rozhodnutí. A je to balancování mezi nepřesností a nečinností.

Co je dražší – udělat špatné rozhodnutí, nebo nepodniknout vůbec žádnou akci? Nevím, jestli máte někdy pocit, že máte dost dat, ale dostanete se do bodu, kdy vám to vyhovuje natolik, že můžete na základě dat volat.

Tableau: Je snadné se podívat na data a zapomenout na čísla představující skutečné lidské zákazníky. Jak se můžeme proti této chybě bránit?

Sasaki: Jsem vůči zákazníkovi; Zodpovídám za zákazníka a výnosy. Tým vývoje produktu má své vlastní cíle a ne vždy se to nutně týká lidí, nebo tomu možná nerozumí a není to jejich chyba. Je mojí odpovědností jako vedoucího na straně orientované na zákazníka přiblížit tomuto číslu, tomuto datovému bodu.

Existují určité věci, které mohou lídři udělat, aby se pokusili dát do dat lidskou tvář. V naší společnosti jsme spustili spoustu programů. Jedním z nich je oběd-a-učit se. Přivedeme zákazníka a nakoupíme oběd pro celou společnost. Nyní mohou inženýři slyšet od zákazníka a mohou spojit metriky, na které se dívají a k nimž míří, s lidskou bytostí, s účelem.

Tableau: Jak mohou lidé na začátku kariéry začít „trénovat“ svá střeva?

Nolting: Mladí lidé se musí naučit neúspěchy a riskovat rozhodování. To je kulturní záležitost, se kterou německé firmy bojují. Své střevo můžete trénovat pouze získáváním zkušeností a děláním chyb – a pak můžete v budoucnu podstoupit riziko těžších rozhodnutí. Ve Volkswagenu jsme vytvořili prostředí psychologické bezpečnosti, kde jsou chyby přijímány. Abyste toho dosáhli, musíte mít správnou podnikovou a datovou kulturu.

Sasaki: [Ve společnosti Mitek] začínáme se zkušenostmi s daty. Vedoucí v mém týmu proměnili manažery zákaznického úspěchu v datové analytiky. Naši datoví analytici poskytli nástroje v Tableau, aby proměnili manažery úspěchu zákazníků v datové analytiky. Nyní, když se podíváte na názory v Tableau, napříč společností, 70 % názorů pochází od mých manažerů zákaznického úspěchu.

O data se nemůžete bát. Každou příležitost musíte brát jako zkušenost a získat co nejvíce zkušeností s daty, ať už pozitivních nebo negativních. To bude opravdu cenné pro důvěru ve své nitro. Stačí se tam dostat, porozumět datům, hrát si s nimi, klást otázky a získat tolik zkušeností – pozitivních i negativních –, kolik jen můžete. A tím si pořádně procvičíte střeva.

Pokud máte data, nemůžete se proti nim bránit. Není lepší způsob, jak pracovat s jinými funkcemi a jinými vedoucími a dalšími členy týmu, než je nechat, aby měli data. Když přivedete data do konverzace, můžete se srovnat opravdu rychle. Můžete se rozhodovat; můžete dokonce přesvědčit zákazníky. Bude to schůzka řízená daty, bude to diskuse řízená daty. Schůzky a rozhodnutí se dějí mnohem rychleji, protože jsou prostě více informováni o datech.“

Jste připraveni vést s daty?

Lídři řízení daty jsou lépe vybaveni k tomu, aby se přizpůsobili změnám, a chápou nuance rozhodování v rychle se měnícím obchodním prostředí. Vědí, že data rozšířená o zkušenosti a intuici jsou základem úspěchu v celé jejich organizaci. Návštěva Tablo pro vedoucí pracovníky Chcete-li se dozvědět více o tom, jak data ovlivňují nový druh obchodních lídrů, a jak může Tableau pohánět váš transformace dat.