Kuidas juhid ühendavad andmeid ja intuitsiooni, et teha paremaid otsuseid

DDigitaalse ümberkujundamise tõusu tõttu viimase kahe aastakümne jooksul on andmete lubadus paistnud suureks. Kahtlemata on andmed klientide mõistmiseks, ettevõtte kasvatamiseks ja edu mõõtmiseks hädavajalikud, kuid need pole ainus asi, mida vajate. Heade otsuste tegemiseks on vaja mõlemaid andmeid ja intuitsioon.

Paljud inimesed on jõudnud ekslikule veendumusele, et andmed on kuningas ja intuitsioon on naljakas. Kohati tundus, et need kaks tegelevad köievedudega, kinnitades, et kumbki ei saa teise kohalolekuga valitseda.

See ei saa olla tõest kaugemal. Kõikides heades otsustes mängib rolli ka intuitsioon. Kui andmed ja intuitsioon on koostöös, loovad need tagasiside tsükli, mis täpsustab ja tugevdab vaimseid mudeleid. Intuitsioon võib viia õige küsimuseni, mida andmete kohta küsida, ja sellest tulenev lugu teavitab intuitsiooni. Intuitsioon võib meid hoiatada, kui andmed on puudulikud või kui neil on kvaliteediprobleeme. Kuigi andmed aitavad meil ära tunda, millal tegutseme eelarvamuste või asjaolude nihkumise tõttu.

See on oluline kasvava ebakindluse ajastul, kus iga nurga taga on uusi ärilisi väljakutseid. Andmed võivad anda minevikust kindla arusaama, kuid kui oleme liiga kinni täpsusest – täpsusest, täiusliku andmemudeli loomisest –, võime ilma jääda sellest, mis meie ees toimub. Intuitsioon võib aidata meil kiiresti mõista suunatavust, mis võib olla otsuste tegemisel sama mõjukas kui mis tahes kvantitatiivne näitaja. Õige kasutamise korral võivad intuitsioon ja andmed olla teie kaks peamist liitlast ebakindluse vastu võitlemisel.

Otsuste tegemine reaalses maailmas

Rääkisime Michael Noltingiga, digitaalteenuste ja andmeanalüüsi vanemdirektoriga Volkswagenja Michael Sasaki, endine globaalse kliendiedu ja -toe asepresident Mitek, et õppida, kuidas nende ettevõtted tasakaalustavad andmeid intuitsiooniga, et teha otsuseid ja edendada äritulemusi.

Tableau: Kuidas teie ettevõttes otsuseid tehakse?

Nolting: Tegime viimastel aastatel kõvasti tööd, et muuta meie autotootmine [Volkswagenis] andmetepõhiseks. Lõime platvormi nimega Snowpark, mis kogus kõik andmed, mis meil olid meie proovisõitudelt ja klientidelt. Analüüsisime, kas autokasutuses oli lünki.

Kui mõistame, kuidas tõelised kliendid meie autosid kasutavad, saame ehitada autosid vastavalt nende vajadustele ja tarnida paremaid tooteid ning minimeerida üldkulusid.

Teeme Volkswagenis otsuseid sisetunde ja andmete põhjal. Eelistatakse andmeid ja neid saab kasutada millegi järkjärguliseks optimeerimiseks. Kui teete ebapiisavate andmete põhjal raskeid otsuseid (andmete puudumise, liiga paljude sisendmõõtmete, liiga väikese efekti suuruse või vajaminevate kontekstiteadmiste tõttu), on teie julgust vaja uurida. Põhitegevus tuleb viia nii kaugele kui võimalik andmetsooni.

Riskide võtmiseks on vaja hierarhiat, mis põhineb võetava riski suurusel. C-taseme juhid peavad võtma riske.

Meie MOIA sõidukipargi andmed (ühiskasutatav mobiilsuslahendus Hamburgis ja Hannoveris) on demokratiseeritud. Sellele pääseb juurde igaüks Volkswagenis, kellel on konto.

Meie eesmärk on sisemiselt demokratiseerida kõik meie andmed. Ehitame praegu minu osakonnas tohutut andmeladu, kuhu tahame võimaldada igal ettevõttel [kasutaja] andmeid importida ja analüüsida. Teeme igast ettevõttest [kasutaja] andmeinseneri/andmeteadlase.

Sasaki: Otsuste tegemine [Mitekis] nõuab sidusrühmade ühtlustamist. Lõppkokkuvõttes on lõplikud otsustajad ja nad on tavaliselt funktsionaalsed eksperdid, kes lõpuks otsuse teevad. Kuid me kulutame palju aega kohtumisele ja veendumaks, et meil kõigil on sama teave ja me vaatame samu andmeid, mõistame neid ja lepime kokku määratlustes.

Tableau: Kuidas tasakaalustate andmeid, intuitsiooni ja kogemusi otsuste tegemisel?

Nolting: Intuitsiooni on vaja raskete küsimuste puhul, kui inimesed peavad lõpuks riskima ja mudeli/küsimuse suure keerukuse tõttu pole piisavalt andmeid.

Oleme endiselt oma põhitegevuse osaga kõhupiirkonnas ja tahame viia selle samm-sammult andmealasse, et saada andmepõhiseks ettevõtteks. Sellegipoolest jäävad innovatsiooniprojektid või uute ärivõimaluste uurimine alati osaliselt kõhupiirkonda. Mis on kõhupiirkonna väljakutse, kui teie põhitegevus on endiselt alles? Kõhupiirkonnas, kui soovite vastata suure riskiga (loe: miljoneid dollareid, mida võite kaotada) küsimusele, on teil vaja ettevõtte juhte, kes on valmis riskima. Selle järgi on meil loomulikult hierarhia. Lähtuvalt hinnangulisest riskist eurodes on meil erinevad juhtimistasandid, kes saavad riske võtta. Kui risk on miljonites, astub sisse C-tase.

Sasaki: Need kõik on mu mõtetes läbi põimunud.

Andmed on üliolulised. Andmete abil hakkate nägema teie soolestikku teavitavate andmete hübriidi. Teete otsuseid kliendiandmete põhjal. Ja see on andmetega töötamise kogemus ja klientidega saavutatud tulemuste nägemine aitab teid tõesti õigesse kohta jõuda. See kogemus on andmetega töötamisel ülimalt oluline.

Nii et ma ei ütleks, et see on üks või teine. See on praegu mõlema hübriid. Ja mõlemad on ülitähtsad. Soolt juhivad andmed.

Tableau: Millal teate, et teil on otsuse tegemiseks piisavalt andmeid?

Nolting: Te ei saa öelda: "Kas meil on piisavalt andmeid?" või "Kas meil pole piisavalt andmeid?" See puudutab rohkem õigete süsteemide ühendamist ja heade andmete olemasolu. Küsimus on alati kvaliteedi ja kvantiteedi vahel.

Kui ettevõtetes toimub andmete ümberkujundamine, on suur probleem alguses andmete kvaliteet. Peate andmeid tõsiselt uurima, kas saate nendega töötada või mitte. Teatud armatuurlaudade jaoks vajate kvaliteetseid müügiandmeid. Teil on vaja andmehaldureid.

Suurte efektide jaoks vajate väikest kogust andmeid (nt väikeste autoparkide kohta). Tahtsime teada saada, kuidas meie ärikliendid, nagu [pakiveoettevõte] DPD, kasutavad oma autosid võrreldes meie jagatud mobiilsuslahenduse MOIA juhtidega. Neid andmeid saab koguda katsepargist. Kui tahame mõõta väikese efektiga suurusi, võtame andmed oma suurest laevastikust.

Samuti kasutame Tableau armatuurlaudu, mis aitavad meil olemasolevate komponentide nappuse põhjal prioritiseerida, milliseid komponente toodetakse. Üks armatuurlaud ennustab meile vajalike komponentide tellimusi. See on tõesti keeruline – kombinatsioone on miljardeid. Ja siis teeme arvutuse ja tellime komponendid, kui meil on puudu. Selle tulemuseks on optimaalne tootmisprotsess.

Sasaki: Viis kuni kümme aastat tagasi nappis andmeid. Ja nüüd on nii palju andmeid. Püüdes aru saada, millised andmed on olulised, on tõesti võti ja väljakutse. Sest saate vaadata andmeid, et õigustada peaaegu iga otsust, mida soovite teha. Ja see on lõks, millesse võite sattuda, kui teil on otsus, mida soovite teha, ja otsite seda õigustavaid andmeid, nii et andmed näitavad tõesti teed, mida peate järgima.

Seega on küsimus selles, millal teate, et teil on otsuse tegemiseks piisavalt andmeid?

Ma ütleksin, et noh, siin on minu kliendi edukogemus kliendiga seotud otsustega. Saate heita pilgu klientide eredatele kohtadele, et näha, millised andmed olid olemas, et saavutada varem saavutatud soovitud tulemus. Seega vaatame palju tulemusi, mis olid ajendatud, ja siis millised andmed olid tõesti olulised, mis selle otsuse ajendasid. Nii et me tuvastame need ja eraldame need.

Toetume palju ka oma andmeanalüütikute meeskonnale. Mitekis on palju erinevat tüüpi andmemeeskonna seadistusi. Seal on detsentraliseeritud, kus on andmeanalüütik erinevatel funktsioonidel – üks turunduses, üks rahanduses, teine ​​​​kliendi edukuses. Teil võib olla tsentraliseeritud funktsioon, kus see kõik on vaid üks meeskond. Kuid andmeanalüütikud töötavad kõigi saabuvate päringute kallal, olenemata sellest, millisest funktsioonist see pärineb.

Lõin ja arendasin kliendi edu meeskonnas andmeanalüütiku rolli. See oli paaril põhjusel ülitähtis. Usun, et andmeanalüütik peab olema andmeanalüüsi ekspert, aga ka funktsionaalne ekspert selles osas, mille jaoks nad andmeid analüüsivad. Andmeanalüütiku olemasolu kliendi edu meeskonnas on kliendiandmete mõistmiseks väärtuslik. Toetun oma andmeanalüütikutele, kui neil on aega aidata mul otsustada, millal meil on otsuse tegemiseks piisavalt andmeid. Ja see tasakaalustab ebatäpse ja passiivse olemise vahel.

Kumb on kulukam – kas teha vale otsus või mitte midagi ette võtta? Ma ei tea, kas teil on kunagi tunne, et teil on piisavalt andmeid, kuid jõuate punkti, kus tunnete end piisavalt mugavalt, et saaksite andmete põhjal helistada.

Tableau: Lihtne on vaadata andmeid ja unustada, et numbrid esindavad tõelisi inimkliente. Kuidas saame selle vea eest kaitsta?

Sasaki: Olen kliendiga silmitsi; Mina vastutan kliendi ja tulude eest. Tootearendusmeeskonnal on oma eesmärgid ja see ei sõltu alati inimesest või võib-olla ei saa nad sellest aru ja see pole nende süü. Minu kui kliendipoolse poole juhi kohustus on anda sellele numbrile, andmepunktile nägu.

Juhid saavad andmetele inimnäo andmiseks teha teatud asju. Oleme oma ettevõttes käivitanud palju programme. Üks on lõunasöök ja õppimine. Toome kohale kliendi ja ostame lõunasöögi kogu ettevõttele. Nüüd saavad insenerid kliente kuulda ja seostada vaadeldavad ja nende poole liikuvad mõõdikud inimese ja eesmärgiga.

Tableau: Kuidas saavad karjääri alguses olevad inimesed hakata oma kõhutunnet "treenima"?

Nolting: Noored peavad õppima läbi kukkuma ja võtma riske otsuste tegemisel. See on kultuuriline asi, millega Saksa ettevõtted hädas on. Saate oma kõhutunnet treenida ainult kogemusi omandades ja vigu tehes – ja siis saate hakata riskima tulevikus raskemate otsustega. Oleme Volkswagenis loonud psühholoogilise turvalisuse keskkonna, kus ebaõnnestumised aktsepteeritakse. Selle saavutamiseks peab teil olema õige ettevõtte- ja andmekultuur.

Sasaki: [Mitekis] alustame andmetega seotud kogemustest. Minu meeskonna juhid on muutnud klientide edujuhid andmeanalüütikuteks. Meie andmeanalüütikud on Tableaus pakkunud tööriistu, et muuta kliendiedujuhid andmeanalüütikuteks. Kui nüüd vaadata vaateid Tableaus kogu ettevõttes, siis 70% vaadetest pärinevad minu kliendiedu juhtidelt.

Andmeid ei saa karta. Peate kasutama iga võimalust kui kogemust ja hankima andmetega võimalikult palju kogemusi, olgu need positiivsed või negatiivsed. See on oma sisetunde usaldamiseks väga väärtuslik. Lihtsalt minge sinna, mõistke andmeid, mängige nendega ringi, esitage küsimusi ja hankige võimalikult palju positiivseid või negatiivseid kogemusi. Ja see treenib teie sisetunnet tõesti.

Kui teil on andmeid, ei saa te neile vastu vaielda. Teiste funktsioonide ja teiste juhtide ja meeskonnaliikmetega töötamiseks pole paremat viisi, kui lasta neil andmeid omada. Andmete vestlusesse toomisel saate väga kiiresti joondada. Saate teha otsuseid; saate isegi kliente veenda. Sellest saab andmepõhine koosolek, see saab olema andmepõhine arutelu. Koosolekud ja otsused toimuvad palju kiiremini, sest nad on andmetega lihtsalt paremini kursis.

Kas olete valmis andmetega juhtima?

Andmepõhised juhid on paremini kohandatud muutustega ja mõistavad kiiresti muutuval ärimaastikul otsuste tegemise nüansse. Nad teavad, et kogemuste ja intuitsiooniga täiendatud andmed on nende organisatsioonide edu jaoks üliolulised. Külastage Tabel juhtidele et saada lisateavet selle kohta, kuidas andmed mõjutavad uut tüüpi ärijuhte ja kuidas Tableau võimust saab oma andmete teisendamine.