Kuidas kaasav praktika ja andmed aitavad vähendada otsustusprotsessi kallutatust

Eelarvamused võivad kergesti hiilida otsuste tegemise erinevatesse aspektidesse – isegi kui arvate, et põhinete oma otsustes objektiivsetel faktidel. Niisiis, kuidas saate otsuste tegemisel erapoolikust piirata? Mis täpselt on andmetel põhinev otsuste tegemine? Ja kuidas hoida eelarvamusi oma andmetesse imbumast?

Siin on palju lahti pakkimist, nii et mõtiskleme korraks.

Esiteks peame kõnelema vanasõnade toas oleva elevandiga: kõigil on eelarvamusi. Eelarvamus ei ole kaasasündinud halb ega midagi, mida peaks häbenema – see on inimese loomulik impulss. Sageli väldivad inimesed eelarvamuste käsitlemist ja uurimist, kuna arvavad, et see on nõrkus või viga. Siiski peaksid juhid olema teadlikud, et teha tahtlikke ja teadlikke otsuseid. Tahtlik empaatia praktiseerimine ja enda otsustest loobumine võib viia kaasavamate tulemusteni.

Andmepõhine otsuste tegemine kasutab fakte, mõõdikuid ja andmeid, et suunata strateegilisi äriotsuseid, mis vastavad teie eesmärkidele, eesmärkidele ja algatustele. Siin on rõhk "juhendil".

Andmed ei ole tühikuul, mis tühistab igasuguse eelarvamuse. Siiski võib see luua ruumi, et keskenduda oma eeldustest ja hakata nägema erinevaid viise, kuidas konkreetset olukorda saab vaadata, mõista või käsitleda.

Siit saate teada, kuidas oma ettevõtte jaoks otsuste tegemisel eelarvamusi piirata.

1. Võtke omaks andmetel põhinev otsuste tegemine – lihtsalt veenduge, et teie andmed ise ei oleks kallutatud. Andmed on mõeldud vestluse, mitte kogu vestluse alguseks. (Lisateavet selle kohta, kuidas andmepõhine otsuste tegemine välja näeb siin.)

Andmete analüüsimisel vaatame neid esmalt koondnäitajatena, et jõuda mõistliku valimi suuruseni. Andmete jaotamisel saame aga rohkem aimu erinevatest muutujatest ja sellest, kuidas erineva taustaga vastajad küsitlusele vastasid. Andmete lõikamine ja vaatamine erinevate muutujate (nt vanus, sugu, rass, asukoht, aasta jne) järgi võib paljastada muid tagajärgi ja mustreid. Kui hakkate andmeid lahti pakkima ja neid erinevatel kaalutlustel filtreerima, muutub lugu, mida need jutustavad, nüansirikkamaks. Näiteks kui vaatate töötajate heaolu kogu oma organisatsioonis, võiksite uurida konkreetselt soolist identiteeti ja näha, kuidas ja kas see mõjutab tajumist. Veenduge, et olete valimi suurusest teadlik ja hoidke oma vastajate kogumid anonüümsena.

Kui esitate ainult pealiskaudseid küsimusi või kui te ei ole oma uurimistöö kavandamise, andmete kogumise või kogutavate andmete osas läbimõeldud, ei ole teie andmed nii head. Täieliku pildi võimalikult lähedale saamiseks vaadake üle kogu teie käsutuses olev teave, eraldage andmed ja ärge tehke nähtu kohta oletusi. Enne selle tegemist proovige vähendada oma alusandmete kallutatust. Veenduge, et teie ettevõtte andmeanalüütikud ja ärikasutajad teaksid jälgida andmetega töötamise eri etappides kallutatust; eelarvamus võib tuleneda andmete kogumise ja edastamise protsessist endast. Siin on mõned Urban Institute'i tipphetked Juhend Ära kahjusta mis selgitab, kuidas seda teha:

Andmete kogumise etapp. Erinevad meeskonnad võivad aidata tuvastada eelarvamusi ja luua seoseid erinevate õppevaldkondade vahel, mille asjakohasus ei pruugi esmapilgul ilmne olla. Samuti võivad need paremini kajastada nende populatsioonide demograafiat, mida nad soovivad uurida. Võimaluse korral muutke oma andmete kogumise eesmärgid selgeks, et vastajad mõistaksid, miks nende osalemine on oluline.

Analüüsi etapp. Ärge eraldage oma analüütikuid ja suhtlustiime andmete kogumismeeskondadest täielikult – koostöö kogu andmetöövoo ulatuses on alati parem kui silod. Kui analüütikud ja suhtlejad saavad andmeid, peaksid nad esitama selliseid küsimusi: „Kuidas need andmed genereeriti? Kes on nendesse andmetesse kaasatud ja kes jäetakse välja? Kelle hääled, elud ja kogemused puuduvad?”

Esitluse etapp. Ärge kartke oma visuaalide keerukust ja nüansse, kui see kajastab andmetes leidu täpsemalt. Mõelge, kuidas keerukuse lisamine – andmetihedamate graafikute ja diagrammide näol – võib aidata näidata, et teie ja teie meeskonnad olete teie analüüsitöö tagajärgede üle põhjalikult mõelnud.

2. Tuvastage ja leevendage eelarvamusi ning mõistke, kuidas see teie otsustusprotsessi mõjutab. Teadvuseta kallutatus või kaudne eelarvamus viitab eelarvamusele, millest me pole teadlikud ja mis juhtub väljaspool meie kontrolli. See juhtub siis, kui anname kiireid hinnanguid ja hinnanguid inimeste ja olukordade kohta ning seda võivad mõjutada meie taust, kultuurikeskkond ja isiklikud kogemused.

Eelarvamus võib takistada meil kasvatamast erinevaid talente, arendamast kaasatud tööjõudu, kasutamast ainulaadseid kogemusi ja väljavaateid ning käivitamast koostöö kaudu innovatsiooni. Eelarvamus tööl võib ilmneda peaaegu kõikjal, kuid enamasti ilmneb see värbamisel, sõelumisel, tulemuslikkuse ülevaatamisel ja tagasisides, juhendamisel ja arendusel ning edutamisel.

3. Kaasata kaasavad tööprotsessi praktikad. Kaasava tööpraktika näide on oma otsustusprotsessi jaoks selgete valikukriteeriumide loomine. Need kriteeriumid peaksid olema kooskõlas teie organisatsiooni missiooni ja strateegiaga. Veenduge, et mõistate, miks te neid kriteeriume eelistate. Olge järjekindel selles, kuidas kõiki hindate, ja olge tahtlik.

Mõelge näiteks ettevõtte üritusele peaesineja leidmise kohta. Millise sõnumi soovite oma üritusel maanduda? Kas teil on vaja, et see lugu pärineks kindla suurusega ettevõttest, millel on teatud brändikapitali tase? Kas see on sama oluline või vähem oluline kui mõõdikud, mida soovite nende loo kohta esile tõsta? Ja kuidas on lood oma platvormi jagamisega erineva taustaga vaatenurkadega?

Selle stsenaariumi korral kipume ütlema, et tahame "kõike!" või keskenduda teatud kriteeriumidele, mis on meie kui üksikisiku või meeskonnaliikme vaatenurgast väga väärtuslikud. Aga mis saab siis, kui keegi toob selle madalalt rippuva vilja, et tal on suurepärane tiitel, kuid puudub õige lugu jutustada? Enne tähtaega selgete kriteeriumide kehtestamine tagab, et teie tehtud otsus vastab soovitud tulemusele.

Kui otsusest teavitavad rohkem inimesi kui ainult teie, kaasake inimesi, kes ei kuulu teie vahetusse võrgustikku, kui valite konkreetsesse projekti, programmi või otsustusprotsessi kaastöötajaid. Inimesed, kes on teie vahetus võrgustikus – teie inimeste juurde minevad – on tõenäolisemalt teiega sarnased kui toovad teistsuguse vaatenurga. Seda nimetatakse afiinsuse eelarvamuseks.

4. Seadke oma ettevõttes esikohale mitmekesisus (esindatus) ja kaasamine. Andmed võivad aidata teil näha ja uurida mõisteid, mis pole teie enda omad. Mitmekesisuse ja kaasatuse tagamine – nii andmeid esitavate isikute kui ka andmeid tõlgendavate meeskonnaliikmete osas – annab teie meeskonnal rohkem tõlgendusi ja parem arusaamine sellest, mida andmed räägivad. Uuringud on näidanud mitmekesisemate ja mitmekesisemate väljavaadetega meeskondade positiivset mõju. Vastavalt Hiljutises uuringus, võivad mitmekesised ja kaasavad ettevõtted 60% tõenäolisemalt oma eakaaslastest otsuste tegemisel paremaid tulemusi saavutada.

Mitmekesised ja kaasavad meeskonnad võivad erapoolikust häirida, tuues uusi ideid ainulaadsetest vaatenurkadest. Deloitte sõnul, kognitiivne mitmekesisus parandab hinnanguliselt meeskonna uuenduslikkust kuni 20%.

Kui erineva taustaga inimesed uurivad andmeid, saab teie meeskond uurida andmeid erinevatest vaatenurkadest, avastada uut teavet ja vaidlustada teie enda ideid või eelarvamusi. Mida rohkem saate seda teha, seda rohkem innovatsiooni toimub.

Teine võimalus erapoolikust kontrolli all hoida on luua kaasav õhkkond, milles töötajad saavad end psühholoogiliselt turvaliselt tunda. Nii tunnevad nad end piisavalt mugavalt, et jagada oma ainulaadseid vaatenurki. Kui seda ei julgustata, ei ole inimesed haavatavad ja jagavad oma potentsiaalselt murrangulisi ideid. Psühholoogilise turvalisuse õhkkonna edendamine ja produktiivsem koos töötamine viib uuendusteni.

Muud küsimused, mida kaaluda: kas loote kaasavaid meeskondi? Kas teie organisatsioon mõtleb kaugemale värbamise aspektist, milleks on erineva taustaga inimeste palkamine?

5. Olge oma eeldustele kahtluse alla seadmisel kogu oma otsustusprotsessi vältel kavatsuslik. Kasutage raamistikku või tööriista, näiteks Juhend Ära kahjusta seda teha. Eraldage oma andmed ja küsige endalt kaasavaid praktilisi küsimusi.

Veenduge, et teie ettevõtte andmeanalüütikud ja ärikasutajad teaksid, kuidas jälgida oma tööprotsesside kallutatust strateegiast elluviimiseni. Kaasav praktika võib tekitada hetki eelarvamuste häirimiseks, kuid kui see on vaid mõtisklustegevus, siis olete kursuse parandamiseks liiga hilja. Kaaluge raamistiku kasutamist, et luua mõtisklemiseks hetki, kui kaasate kaasava praktika oma töövoogu.

Alustage otsustusprotsessi andmetega

Eelarvamust ei saa kunagi täielikult välja juurida ja andmed ise ei ole lahendus. Pigem on andmed protsessi algus, mille käigus küsitakse rohkem küsimusi, mis lõpuks viivad teadliku vastuseni. Mitmekesisemate ja kaasavamate meeskondade abil saate oma ettevõtte andmeid maksimaalselt tõlgendada, mis toob kaasa uuenduslikuma ülevaate ja otsuste tegemise.

Tehke andmete põhjal paremaid otsuseid

Loe edasi kuidas kasutada andmeid teadlike äriotsuste tegemiseks.