Πώς οι ηγέτες συνδυάζουν δεδομένα και διαίσθηση για να λάβουν καλύτερες αποφάσεις

DΜε την άνοδο του ψηφιακού μετασχηματισμού τις τελευταίες δύο δεκαετίες, η υπόσχεση για δεδομένα φαίνεται να είναι μεγάλη. Χωρίς αμφιβολία, τα δεδομένα είναι απαραίτητα για την κατανόηση των πελατών σας, την ανάπτυξη της επιχείρησής σας και τη μέτρηση της επιτυχίας, αλλά δεν είναι το μόνο πράγμα που χρειάζεστε. Οι καλές αποφάσεις απαιτούν και τα δύο δεδομένα και διαίσθηση.

Πολλοί άνθρωποι έχουν καταλήξει στην εσφαλμένη πεποίθηση ότι τα δεδομένα είναι ο βασιλιάς και η διαίσθηση είναι ο γελωτοποιός. Κατά καιρούς φαίνεται ότι οι δυο τους επιδίδονται σε μια διελκυστίνδα, διαβεβαιώνοντας ότι κανένας δεν μπορεί να βασιλέψει με την παρουσία του άλλου.

Αυτό δεν θα μπορούσε να απέχει περισσότερο από την αλήθεια. Η διαίσθηση παίζει επίσης ρόλο σε όλες τις καλές αποφάσεις. Όταν τα δεδομένα και η διαίσθηση συνδυάζονται, δημιουργούν έναν κύκλο ανατροφοδότησης που βελτιώνει και ενισχύει τα νοητικά μοντέλα. Η διαίσθηση μπορεί να οδηγήσει στη σωστή ερώτηση για τα δεδομένα, με την προκύπτουσα ιστορία να ενημερώνει τη διαίσθηση. Η διαίσθηση μπορεί να μας προειδοποιήσει όταν τα δεδομένα είναι ελλιπή ή έχουν προκλήσεις ποιότητας. Ενώ τα δεδομένα μπορούν να μας βοηθήσουν να αναγνωρίσουμε πότε λειτουργούμε από προκαταλήψεις ή οι συνθήκες έχουν αλλάξει.

Αυτό έχει σημασία σε μια εποχή αυξανόμενης αβεβαιότητας, με νέες επιχειρηματικές προκλήσεις σε κάθε γωνία. Τα δεδομένα μπορούν να δώσουν μια σταθερή κατανόηση του παρελθόντος, αλλά όταν είμαστε πολύ παγιδευμένοι στην ακρίβεια—στην ακρίβεια, στη δημιουργία του τέλειου μοντέλου δεδομένων—μπορούμε να χάσουμε αυτό που συμβαίνει ακριβώς μπροστά μας. Η διαίσθηση μπορεί να μας βοηθήσει να κατανοήσουμε γρήγορα την κατευθυντικότητα, η οποία μπορεί να είναι τόσο επιδραστική στη λήψη αποφάσεων όσο κάθε ποσοτικός αριθμός. Όταν χρησιμοποιούνται σωστά, η διαίσθηση και τα δεδομένα μπορούν να είναι οι δύο κύριοι σύμμαχοί σας στην επίτευξη της νίκης ενάντια στην αβεβαιότητα.

Η λήψη αποφάσεων στον πραγματικό κόσμο

Μιλήσαμε με τον Michael Nolting, τον ανώτερο διευθυντή Ψηφιακών Υπηρεσιών και Αναλύσεων Δεδομένων στο Volkswagen, και Michael Sasaki, πρώην αντιπρόεδρος του Global Head of Customer Success and Support στο Μίτεκ, για να μάθουν πώς οι εταιρείες τους εξισορροπούν τα δεδομένα με τη διαίσθηση για τη λήψη αποφάσεων και την επίτευξη επιχειρηματικών αποτελεσμάτων.

Tableau: Πώς λαμβάνονται οι αποφάσεις στην εταιρεία σας;

Nolting: Δουλέψαμε πολύ σκληρά τα τελευταία χρόνια για να κάνουμε την παραγωγή του αυτοκινήτου μας βασισμένη στα δεδομένα [στη Volkswagen]. Δημιουργήσαμε μια πλατφόρμα που ονομάζεται Snowpark, η οποία συγκέντρωσε όλα τα δεδομένα που είχαμε από τα test drives και τους πελάτες μας. Αναλύσαμε αν υπήρχε κενό όσον αφορά τη χρήση του αυτοκινήτου.

Εάν κατανοήσουμε πώς οι πραγματικοί πελάτες χρησιμοποιούν τα αυτοκίνητά μας, μπορούμε να κατασκευάσουμε αυτοκίνητα σύμφωνα με τις ανάγκες τους και να προσφέρουμε καλύτερα προϊόντα—καθώς και να ελαχιστοποιήσουμε το συνολικό κόστος.

Παίρνουμε αποφάσεις στη Volkswagen με βάση τα έντερα [συναισθήματα] και τα δεδομένα. Τα δεδομένα προτιμώνται και μπορούν να χρησιμοποιηθούν για τη σταδιακή βελτιστοποίηση κάτι. Το ένστικτό σας χρειάζεται για εξερεύνηση, όταν παίρνετε σκληρές αποφάσεις με βάση ανεπαρκή δεδομένα (λόγω έλλειψης δεδομένων, πάρα πολλών διαστάσεων εισόδου, πολύ χαμηλού μεγέθους εφέ ή υπερβολικής απαιτούμενης γνώσης περιβάλλοντος). Οι βασικές εργασίες πρέπει να μετακινηθούν όσο το δυνατόν περισσότερο στη ζώνη δεδομένων.

Για την ανάληψη κινδύνων, χρειάζεστε μια ιεραρχία με βάση το μέγεθος του κινδύνου που πρέπει να αναλάβετε. Οι ηγέτες Γ-επιπέδου πρέπει να αναλάβουν ρίσκα.

Τα δεδομένα από τον στόλο μας MOIA (μια κοινή λύση κινητικότητας στο Αμβούργο και το Αννόβερο) έχουν εκδημοκρατιστεί. Μπορεί να έχει πρόσβαση οποιοσδήποτε στη Volkswagen με λογαριασμό.

Στόχος μας είναι να εκδημοκρατίσουμε εσωτερικά όλα τα δεδομένα μας. Αυτήν τη στιγμή χτίζουμε μια τεράστια αποθήκη δεδομένων στο τμήμα μου, όπου θέλουμε να επιτρέψουμε σε κάθε επιχείρηση [χρήστη] να εισάγει και να αναλύει δεδομένα. Κάνουμε κάθε επιχείρηση [χρήστη] μηχανικό δεδομένων/επιστήμονα δεδομένων.

Sasaki: Η λήψη αποφάσεων [στη Mitek] απαιτεί ευθυγράμμιση μεταξύ των ενδιαφερομένων. Τελικά, υπάρχουν οι τελικοί λήπτες αποφάσεων και συνήθως είναι οι λειτουργικοί ειδικοί που καταλήγουν να παίρνουν την απόφαση. Αλλά ξοδεύουμε πολύ χρόνο συναντώντας και φροντίζοντας να έχουμε όλοι τις ίδιες πληροφορίες και να εξετάζουμε τα ίδια δεδομένα, να κατανοούμε τα δεδομένα και να συμφωνούμε στους ορισμούς.

Tableau: Πώς εξισορροπείτε τα δεδομένα, τη διαίσθηση και την εμπειρία όταν λαμβάνετε αποφάσεις;

Nolting: Απαιτείται διαίσθηση για βαριές ερωτήσεις όταν οι άνθρωποι πρέπει τελικά να αναλάβουν ρίσκα και δεν υπάρχουν αρκετά διαθέσιμα δεδομένα λόγω της υψηλής πολυπλοκότητας του μοντέλου/ερώτησης.

Εξακολουθούμε να βρισκόμαστε στην εντερική ζώνη με ένα μερίδιο της βασικής μας δραστηριότητας και θέλουμε να το μεταφέρουμε βήμα-βήμα στη ζώνη δεδομένων για να γίνουμε εταιρεία που βασίζεται στα δεδομένα. Ωστόσο, τα έργα καινοτομίας ή η εξερεύνηση νέων επιχειρηματικών ευκαιριών θα παραμένουν πάντα εν μέρει στη ζώνη του εντέρου. Ποια είναι η πρόκληση με τη ζώνη του εντέρου, εάν η βασική επιχείρησή σας είναι ακόμα εκεί; Στη ζώνη του εντέρου, εάν θέλετε να απαντήσετε σε μια ερώτηση, η οποία έχει υψηλό κίνδυνο (διαβάστε: εκατομμύρια δολάρια που θα μπορούσατε να χάσετε), χρειάζεστε διευθυντές της εταιρείας που είναι πρόθυμοι να αναλάβουν το ρίσκο. Σύμφωνα με αυτό, φυσικά, έχουμε μια ιεραρχία. Με βάση τον εκτιμώμενο κίνδυνο σε ευρώ, έχουμε διαφορετικά επίπεδα διαχείρισης, τα οποία μπορούν να αναλάβουν τους κινδύνους. Εάν ο κίνδυνος είναι περίπου εκατομμύρια, μπαίνει το επίπεδο Γ.

Sasaki: Είναι όλα συνυφασμένα στο μυαλό μου.

Τα δεδομένα είναι εξαιρετικά σημαντικά. Με τα δεδομένα, αρχίζετε να βλέπετε ένα υβρίδιο δεδομένων που ενημερώνει το έντερο σας. Λαμβάνετε αποφάσεις με βάση τα δεδομένα πελατών. Και αυτή είναι η εμπειρία που έχετε να εργάζεστε με τα δεδομένα, και βλέποντας τα αποτελέσματα που έχετε οδηγήσει με πελάτες σας βοηθά πραγματικά να φτάσετε στο σωστό μέρος. Αυτή η εμπειρία είναι εξαιρετικά σημαντική όταν δουλεύουμε με τα δεδομένα.

Οπότε δεν θα έλεγα ότι είναι το ένα ή το άλλο. Είναι ένα υβρίδιο και των δύο αυτή τη στιγμή. Και τα δύο είναι εξαιρετικά σημαντικά. Το έντερο καθοδηγείται από τα δεδομένα.

Tableau: Πότε ξέρετε ότι έχετε αρκετά δεδομένα για να πάρετε μια απόφαση;

Nolting: Δεν μπορείτε να πείτε, "Έχουμε αρκετά δεδομένα;" ή "Δεν έχουμε αρκετά δεδομένα;" Αυτό αφορά περισσότερο τη σύνδεση των σωστών συστημάτων και την ύπαρξη καλών δεδομένων. Το ερώτημα είναι πάντα μεταξύ ποιότητας και ποσότητας.

Όταν οι εταιρείες υφίστανται μετασχηματισμό δεδομένων, το μεγάλο ζήτημα είναι στην αρχή η ποιότητα των δεδομένων. Πρέπει να εξετάσετε πραγματικά τα δεδομένα εάν μπορείτε να εργαστείτε με αυτά ή όχι. Για ορισμένους πίνακες εργαλείων, χρειάζεστε δεδομένα πωλήσεων υψηλής ποιότητας. Χρειάζεστε διαχειριστές δεδομένων.

Για μεγάλα μεγέθη εφέ, χρειάζεστε μικρό όγκο δεδομένων (π.χ. από μικρούς στόλους αυτοκινήτων). Θέλαμε να μάθουμε πώς οι εμπορικοί πελάτες μας όπως η [εταιρεία αποστολής δεμάτων] DPD χρησιμοποιούν τα αυτοκίνητά τους σε σύγκριση με τους οδηγούς της κοινής μας λύσης κινητικότητας, MOIA. Αυτά τα δεδομένα μπορούν να συλλεχθούν από έναν δοκιμαστικό στόλο. Αν θέλουμε να μετρήσουμε μεγέθη μικρού εφέ, παίρνουμε δεδομένα από τον μεγάλο μας στόλο.

Χρησιμοποιούμε επίσης πίνακες εργαλείων Tableau για να βοηθήσουμε στην ιεράρχηση των εξαρτημάτων που παράγονται με βάση την έλλειψη εξαρτημάτων που έχουμε. Ένας πίνακας εργαλείων προβλέπει τις παραγγελίες των εξαρτημάτων που χρειαζόμαστε. Είναι πραγματικά πολύπλοκο—υπάρχουν δισεκατομμύρια συνδυασμοί. Και μετά κάνουμε τον υπολογισμό και παραγγέλνουμε τα εξαρτήματα όταν έχουμε έλλειψη. Αυτό έχει ως αποτέλεσμα τη βέλτιστη διαδικασία παραγωγής.

Sasaki: Πριν από πέντε με δέκα χρόνια, υπήρχε έλλειψη δεδομένων. Και τώρα υπάρχουν τόσα πολλά δεδομένα. Η προσπάθεια να καταλάβετε ποια δεδομένα είναι σημαντικά είναι πραγματικά το κλειδί και η πρόκληση. Επειδή μπορείτε να δείτε δεδομένα για να δικαιολογήσετε σχεδόν κάθε απόφαση που θέλετε να πάρετε. Και αυτή είναι μια παγίδα στην οποία μπορείς να πέσεις, όπου έχεις την απόφαση που θέλεις να πάρεις και αναζητάς τα δεδομένα για να τη δικαιολογήσουν, ώστε τα δεδομένα να αποκαλύπτουν πραγματικά το μονοπάτι που πρέπει να ακολουθήσεις.

Το ερώτημα λοιπόν είναι, πότε ξέρετε ότι έχετε αρκετά δεδομένα για να πάρετε την απόφαση;

Θα έλεγα, λοιπόν, εδώ είναι η εμπειρία μου για την επιτυχία των πελατών με αποφάσεις που σχετίζονται με τους πελάτες. Μπορείτε να ρίξετε μια ματιά στα φωτεινά σημεία των πελατών για να δείτε ποια δεδομένα υπήρχαν για να οδηγήσετε στο επιθυμητό αποτέλεσμα που παρείχατε στο παρελθόν. Επομένως, εξετάζουμε πολύ τα αποτελέσματα που προέκυψαν και, στη συνέχεια, ποια δεδομένα ήταν πραγματικά σημαντικά που οδήγησαν πραγματικά αυτήν την απόφαση. Θα τα εντοπίσουμε λοιπόν και θα τα ξεχωρίσουμε πραγματικά.

Στηριζόμαστε επίσης πολύ στην ομάδα αναλυτών δεδομένων μας. Στη Mitek, υπάρχουν πολλοί διαφορετικοί τύποι ρυθμίσεων ομάδας δεδομένων. Υπάρχει η αποκεντρωμένη, όπου υπάρχει ένας αναλυτής δεδομένων σε διαφορετικές λειτουργίες — μία στο μάρκετινγκ, μία στα οικονομικά, μία στην επιτυχία των πελατών. Μπορείτε να έχετε μια κεντρική λειτουργία όπου όλα αυτά είναι μόνο μία ομάδα. Αλλά οι αναλυτές δεδομένων εργάζονται σε οποιαδήποτε αιτήματα εισέρχονται, ανεξάρτητα από τη λειτουργία από την οποία προέρχεται.

Δημιούργησα και δημιούργησα έναν ρόλο αναλυτή δεδομένων στην ομάδα επιτυχίας πελατών. Ήταν πολύ σημαντικό για δύο λόγους. Πιστεύω ότι ένας αναλυτής δεδομένων πρέπει να είναι ειδικός στην ανάλυση δεδομένων, αλλά και λειτουργικός ειδικός σε αυτό για το οποίο αναλύει τα δεδομένα. Η ύπαρξη ενός αναλυτή δεδομένων στην ομάδα επιτυχίας πελατών είναι πολύτιμη για την κατανόηση των δεδομένων των πελατών. Βασίζομαι στους αναλυτές δεδομένων μου όταν έχουν χρόνο να με βοηθήσουν να αποφασίσω πότε έχουμε αρκετά δεδομένα για να λάβουμε μια απόφαση. Και είναι μια πράξη εξισορρόπησης μεταξύ της ανακρίβειας και της αδράνειας.

Τι είναι πιο δαπανηρό—η λήψη της λανθασμένης απόφασης ή η απουσία δράσης; Δεν ξέρω αν νιώσεις ποτέ ότι έχεις αρκετά δεδομένα, αλλά φτάνεις σε ένα σημείο που νιώθεις αρκετά άνετα ώστε να μπορείς να κάνεις μια κλήση με βάση τα δεδομένα.

Tableau: Είναι εύκολο να κοιτάξεις τα δεδομένα και να ξεχάσεις ότι οι αριθμοί αντιπροσωπεύουν πραγματικούς, ανθρώπινους πελάτες. Πώς μπορούμε να αμυνθούμε από αυτό το λάθος;

Sasaki: Αντιμετωπίζω τον πελάτη. Είμαι υπεύθυνος για τον πελάτη και τα έσοδα. Η ομάδα ανάπτυξης προϊόντων έχει τους δικούς της στόχους και δεν αφορά πάντα τον άνθρωπο, ή ίσως δεν το καταλαβαίνουν και δεν φταίνε αυτοί. Είναι δική μου ευθύνη ως ηγέτης στην πλευρά που αντιμετωπίζει ο πελάτης, να δώσω ένα πρόσωπο σε αυτόν τον αριθμό, αυτό το σημείο δεδομένων.

Υπάρχουν ορισμένα πράγματα που μπορούν να κάνουν οι ηγέτες για να προσπαθήσουν να βάλουν ένα ανθρώπινο πρόσωπο στα δεδομένα. Έχουμε ξεκινήσει πολλά προγράμματα στην εταιρεία μας. Το ένα είναι ένα γεύμα-και-μάθε. Θα φέρουμε έναν πελάτη και θα αγοράσουμε μεσημεριανό γεύμα για όλη την εταιρεία. Τώρα οι μηχανικοί μπορούν να ακούσουν από τον πελάτη και μπορούν να συσχετίσουν τις μετρήσεις που εξετάζουν και οδηγούν προς έναν άνθρωπο, με έναν σκοπό.

Πίνακας: Πώς μπορούν οι αρχάριοι άνθρωποι να αρχίσουν να «εκπαιδεύουν» τα έντερα τους;

Nolting: Οι νέοι πρέπει να μάθουν να έχουν αποτυχίες και να ρισκάρουν να παίρνουν αποφάσεις. Αυτό είναι ένα πολιτιστικό πράγμα με το οποίο παλεύουν οι γερμανικές εταιρείες. Μπορείτε να εκπαιδεύσετε το έντερό σας μόνο αποκτώντας εμπειρίες και κάνοντας λάθη—και στη συνέχεια μπορείτε να αναλάβετε τον κίνδυνο δυσκολότερων αποφάσεων στο μέλλον. Στη Volkswagen, έχουμε δημιουργήσει ένα περιβάλλον ψυχολογικής ασφάλειας, όπου οι αστοχίες γίνονται δεκτές. Για να το πετύχετε αυτό, πρέπει να έχετε τη σωστή κουλτούρα επιχειρήσεων και δεδομένων.

Sasaki: [Στη Mitek,] ξεκινάμε με εμπειρία με δεδομένα. Οι ηγέτες της ομάδας μου έχουν μετατρέψει τους διαχειριστές επιτυχίας πελατών σε αναλυτές δεδομένων. Οι αναλυτές δεδομένων μας έχουν παράσχει τα εργαλεία στο Tableau για να μετατρέψουν τους διαχειριστές επιτυχίας πελατών σε αναλυτές δεδομένων. Τώρα, αν κοιτάξετε τις προβολές στο Tableau, σε όλη την εταιρεία, το 70% των προβολών είναι από τους διαχειριστές επιτυχίας πελατών μου.

Δεν μπορείς να φοβάσαι τα δεδομένα. Πρέπει να εκμεταλλευτείτε κάθε ευκαιρία ως εμπειρία και να αποκτήσετε όσες περισσότερες εμπειρίες με δεδομένα μπορείτε, είτε θετικές είτε αρνητικές. Αυτό θα είναι πραγματικά πολύτιμο για να εμπιστευτείτε το ένστικτό σας. Απλώς μπείτε εκεί, κατανοήστε τα δεδομένα, παίξτε με αυτά, κάντε ερωτήσεις και αποκτήστε όσες περισσότερες εμπειρίες —θετικές ή αρνητικές— μπορείτε. Και αυτό θα εκπαιδεύσει πραγματικά το έντερό σας.

Εάν έχετε δεδομένα, δεν μπορείτε να τα αντιτάξετε. Δεν υπάρχει καλύτερος τρόπος για να συνεργαστείτε με άλλες λειτουργίες και άλλους ηγέτες και άλλα μέλη της ομάδας από το να έχετε τα δεδομένα. Όταν μεταφέρετε τα δεδομένα στη συνομιλία, μπορείτε να ευθυγραμμίσετε πολύ γρήγορα. Μπορείτε να πάρετε αποφάσεις. μπορείτε ακόμη και να πείσετε τους πελάτες. Θα είναι μια συνάντηση βασισμένη σε δεδομένα, θα είναι μια συζήτηση βασισμένη σε δεδομένα. Οι συναντήσεις και οι αποφάσεις γίνονται πολύ πιο γρήγορα επειδή είναι απλώς πιο ενημερωμένοι με δεδομένα».

Είστε έτοιμοι να ηγηθείτε με δεδομένα;

Οι ηγέτες που βασίζονται σε δεδομένα είναι καλύτερα εξοπλισμένοι για να προσαρμοστούν στην αλλαγή και κατανοούν τις αποχρώσεις της λήψης αποφάσεων σε ένα ταχέως μεταβαλλόμενο επιχειρηματικό τοπίο. Γνωρίζουν ότι τα δεδομένα, επαυξημένα από την εμπειρία και τη διαίσθηση, είναι θεμελιώδη για την επιτυχία σε όλους τους οργανισμούς τους. Επίσκεψη Ταμπλό για στελέχη για να μάθετε περισσότερα σχετικά με το πώς τα δεδομένα επηρεάζουν μια νέα γενιά ηγετών επιχειρήσεων και πώς το Tableau μπορεί να τροφοδοτήσει σας μετασχηματισμός δεδομένων.