Kaip lyderiai sujungia duomenis ir intuiciją, kad priimtų geresnius sprendimus

Dper pastaruosius du dešimtmečius išaugus skaitmeninei transformacijai, duomenų žada buvo didelė. Be jokios abejonės, duomenys yra būtini norint suprasti savo klientus, plėtoti verslą ir įvertinti sėkmę, tačiau tai nėra vienintelis dalykas, kurio jums reikia. Norint priimti gerus sprendimus, reikia abiejų duomenų ir intuicija.

Daugelis žmonių klaidingai mano, kad duomenys yra karalius, o intuicija yra juokdarys. Kartais atrodė, kad jiedu yra įsitraukę į virvės traukimą, užtikrindami, kad nė vienas negali karaliauti šalia kito.

Tai negalėjo būti toliau nuo tiesos. Intuicija taip pat vaidina svarbų vaidmenį priimant visus gerus sprendimus. Kai duomenys ir intuicija yra bendradarbiaujantys, jie sukuria grįžtamojo ryšio ciklą, kuris patobulina ir sustiprina psichinius modelius. Intuicija gali paskatinti teisingą klausimą užduoti apie duomenis, o gauta istorija informuoja intuiciją. Intuicija gali mus įspėti, kai duomenys yra neišsamūs arba kyla problemų dėl kokybės. Nors duomenys gali padėti mums atpažinti, kada veikiame dėl šališkumo arba pasikeitė aplinkybės.

Tai svarbu augančio netikrumo amžiuje, kai už kiekvieno kampo kyla naujų verslo iššūkių. Duomenys gali suteikti tvirtą supratimą apie praeitį, bet kai per daug įsisąmoniname tikslumo – tikslumo, tobulo duomenų modelio kūrimo – galime nepastebėti to, kas vyksta tiesiai prieš mus. Intuicija gali padėti mums greitai suprasti kryptingumą, o tai gali turėti tiek pat įtakos priimant sprendimus, kaip ir bet kuri kiekybinė figūra. Tinkamai naudojant, intuicija ir duomenys gali būti du pagrindiniai jūsų sąjungininkai siekiant pergalės prieš netikrumą.

Sprendimų priėmimas realiame pasaulyje

Kalbėjomės su Michaelu Noltingu, vyresniuoju skaitmeninių paslaugų ir duomenų analizės direktoriumi "Volkswagen"ir Michaelas Sasaki, buvęs pasaulinio klientų sėkmės ir palaikymo skyriaus viceprezidentas Mitek, kad sužinotų, kaip jų įmonės suderina duomenis su intuicija, kad galėtų priimti sprendimus ir skatinti verslo rezultatus.

Tableau: kaip jūsų įmonėje priimami sprendimai?

Nolting: Pastaraisiais metais labai daug dirbome, kad mūsų automobilių gamybos duomenys būtų pagrįsti [Volkswagen]. Sukūrėme platformą Snowpark, kuri surinko visus duomenis, kuriuos turėjome iš mūsų bandomųjų važiavimų ir klientų. Išanalizavome, ar nėra atotrūkio kalbant apie automobilio naudojimą.

Jei suprantame, kaip tikri klientai naudojasi mūsų automobiliais, galime pagaminti automobilius pagal jų poreikius ir pristatyti geresnius produktus, taip pat sumažinti bendras išlaidas.

„Volkswagen“ sprendimus priimame remdamiesi nuojauta [jausmais] ir duomenimis. Pirmenybė teikiama duomenims ir gali būti naudojami laipsniškai ką nors optimizuoti. Jūsų nuovoka reikalinga tyrinėjimui, kai priimate sunkius sprendimus remdamiesi nepakankamu duomenų kiekiu (dėl duomenų trūkumo, per daug įvesties matmenų, per mažo efekto dydžio arba per daug konteksto žinių). Pagrindinė veikla turi būti perkelta kuo toliau į duomenų zoną.

Norint rizikuoti, jums reikia hierarchijos, pagrįstos prisiimamos rizikos dydžiu. C lygio lyderiai turi rizikuoti.

Duomenys iš mūsų MOIA parko (bendras mobilumo sprendimas Hamburge ir Hanoveryje) buvo demokratizuoti. Ją gali pasiekti bet kuris „Volkswagen“ darbuotojas, turintis paskyrą.

Mūsų tikslas yra viduje demokratizuoti visus savo duomenis. Šiuo metu mano skyriuje kuriame didžiulę duomenų saugyklą, kurioje norime, kad kiekvienas verslas [vartotojas] galėtų importuoti ir analizuoti duomenis. Kiekvieną verslą [vartotoją] paverčiame duomenų inžinieriumi / duomenų mokslininku.

Sasaki: Norint priimti sprendimus [Miteke], reikia suderinti suinteresuotąsias šalis. Galiausiai yra galutinius sprendimus priimantys asmenys, ir dažniausiai jie yra funkciniai ekspertai, kurie galiausiai priima sprendimą. Tačiau mes praleidžiame daug laiko susitikdami ir įsitikindami, kad visi turime tą pačią informaciją ir žiūrime į tuos pačius duomenis, suprantame duomenis ir susitariame dėl apibrėžimų.

Lentelė: Kaip priimdami sprendimus subalansuojate duomenis, intuiciją ir patirtį?

Nolting: Intuicija reikalinga sunkiems klausimams, kai žmonės pagaliau turi rizikuoti ir nėra pakankamai duomenų dėl didelio modelio / klausimo sudėtingumo.

Mes vis dar esame „žarnų“ zonoje, turėdami dalį savo pagrindinės veiklos, ir norime žingsnis po žingsnio perkelti ją į duomenų zoną, kad taptume duomenimis pagrįsta įmone. Nepaisant to, inovacijų projektai ar naujų verslo galimybių ieškojimas visada iš dalies liks žarnyno zonoje. Koks yra žarnyno zonos iššūkis, jei jūsų pagrindinė veikla vis dar egzistuoja? Žarnyno zonoje, jei norite atsakyti į klausimą, kuris kelia didelę riziką (skaitykite: galite prarasti milijonus dolerių), jums reikia įmonės vadovų, kurie nori rizikuoti. Pagal tai, žinoma, turime hierarchiją. Pagal įvertintą riziką eurais turime skirtingus valdymo lygius, kurie gali prisiimti riziką. Jei rizika yra apie milijonus, įsijungia C lygis.

Sasaki: Jie visi susipynę mano galvoje.

Duomenys yra labai svarbūs. Turėdami duomenis, pradėsite matyti duomenų, informuojančių jūsų žarnyną, hibridą. Jūs priimate sprendimus remdamiesi klientų duomenimis. Tai yra ta patirtis, kurią turite dirbdami su duomenimis ir matydami rezultatus, kuriuos pasiekėte kartu su klientais, tikrai padedate patekti į reikiamą vietą. Ši patirtis yra labai svarbi dirbant su duomenimis.

Taigi nepasakyčiau, kad tai vienas ar kitas. Šiuo metu tai abiejų hibridas. Ir abu yra labai svarbūs. Žarnyną varo duomenys.

Tableau: Kada žinote, kad turite pakankamai duomenų sprendimui priimti?

Nolting: Negalite pasakyti: „Ar turime pakankamai duomenų? arba „Ar neturime pakankamai duomenų? Tai daugiau apie tinkamų sistemų prijungimą ir gerų duomenų turėjimą. Klausimas visada yra tarp kokybės ir kiekybės.

Kai įmonėse vyksta duomenų transformacija, didelė problema iš pradžių yra duomenų kokybė. Turite tikrai išnagrinėti duomenis, ar galite su jais dirbti, ar ne. Tam tikrose informacijos suvestinėse jums reikia aukštos kokybės pardavimo duomenų. Jums reikia duomenų valdytojų.

Norint pasiekti didelį efektų dydį, reikia nedidelio duomenų kiekio (pvz., iš mažų automobilių parkų). Norėjome išsiaiškinti, kaip mūsų komerciniai klientai, tokie kaip [siuntų gabenimo įmonė] DPD, naudoja savo automobilius, palyginti su mūsų bendro mobilumo sprendimo MOIA vairuotojais. Šiuos duomenis galima rinkti iš bandomojo parko. Jei norime išmatuoti mažo efekto dydžius, imame duomenis iš savo didelio parko.

Taip pat naudojame „Tableau“ prietaisų skydelius, kad padėtų nustatyti, kurie komponentai gaminami pagal mūsų turimų komponentų trūkumą. Vienas prietaisų skydelis numato mums reikalingų komponentų užsakymus. Tai tikrai sudėtinga – yra milijardai derinių. Tada mes atliekame skaičiavimus ir užsakome komponentus, kai trūksta. Tai lemia optimalų gamybos procesą.

Sasaki: Prieš penkerius–dešimt metų trūko duomenų. Ir dabar yra tiek daug duomenų. Bandymas išsiaiškinti, kokie duomenys yra svarbūs, iš tikrųjų yra raktas ir iššūkis. Nes galite peržiūrėti duomenis, kad pateisintumėte beveik kiekvieną sprendimą, kurį norite priimti. Ir tai yra spąstas, į kurią galite patekti, kai turite priimti sprendimą, kurį norite priimti, ir ieškote duomenų, kurie jį pateisintų, kad duomenys iš tikrųjų atskleistų kelią, kuriuo turite eiti.

Taigi kyla klausimas, kada žinote, kad turite pakankamai duomenų sprendimui priimti?

Sakyčiau, štai mano klientų sėkmės patirtis priimant su klientais susijusius sprendimus. Galite pažvelgti į ryškias klientų vietas, kad sužinotumėte, kokie duomenys buvo pateikti, kad pasiektumėte norimą rezultatą, kurį pasiekėte praeityje. Taigi mes daug žiūrime į rezultatus, kurie buvo paskatinti, ir kokie duomenys buvo tikrai svarbūs, kurie iš tikrųjų lėmė šį sprendimą. Taigi mes juos identifikuosime ir tikrai atskirsime.

Taip pat labai remiamės savo duomenų analitikų komanda. „Mitek“ siūlo daugybę skirtingų duomenų komandos sąrankų tipų. Yra decentralizuotas, kai duomenų analitikas atlieka skirtingas funkcijas – vienas rinkodaros, kitas finansų, kitas klientų sėkmės srityje. Galite turėti centralizuotą funkciją, kur tai tik viena komanda. Tačiau duomenų analitikai dirba su visomis gaunamomis užklausomis, neatsižvelgiant į tai, iš kokios funkcijos ji gaunama.

Sukūriau ir sukūriau duomenų analitiko vaidmenį klientų sėkmės komandoje. Tai buvo labai svarbu dėl kelių priežasčių. Manau, kad duomenų analitikas turi būti duomenų analizės ekspertas, bet ir funkcinis ekspertas to, dėl ko jie analizuoja duomenis. Duomenų analitiko turėjimas klientų sėkmės komandoje yra vertingas norint suprasti kliento duomenis. Pasikliauju savo duomenų analitikais, kai jie turi laiko padėti man nuspręsti, kada turime pakankamai duomenų sprendimui priimti. Ir tai yra balansas tarp netikslumo ir neveiklumo.

Kas kainuoja brangiau – priimti neteisingą sprendimą ar išvis nesiimti jokių veiksmų? Nežinau, ar kada nors manote, kad turite pakankamai duomenų, bet pasijaučiate pakankamai patogiai, kad galėtumėte skambinti pagal duomenis.

Tableau: lengva pažvelgti į duomenis ir pamiršti, kad skaičiai atspindi tikrus žmones. Kaip galime apsiginti nuo šios klaidos?

Sasaki: Esu susisiekęs su klientu; Esu atsakingas už klientą ir pajamas. Produkto kūrimo komanda turi savo tikslus, ir tai ne visada priklauso nuo žmogaus, o gal jie to nesupranta, ir tai ne jų kaltė. Mano, kaip į klientus orientuoto lyderio, pareiga – išreikšti tą skaičių, tą duomenų tašką.

Yra tam tikrų dalykų, kuriuos lyderiai gali padaryti, kad pabandytų pateikti duomenis apie žmogišką veidą. Savo įmonėje pradėjome daug programų. Vienas iš jų yra pietūs ir mokytis. Atvešime klientą ir nupirksime pietus visai įmonei. Dabar inžinieriai gali išgirsti klientą ir gali susieti metriką, į kurią žiūri ir važiuoja link žmogaus, su tikslu.

Tableau: Kaip karjeros pradžioje žmonės gali pradėti „treniruoti“ savo žarnas?

Noltingas: Jauni žmonės turi išmokti patirti nesėkmes ir rizikuoti priimdami sprendimus. Tai kultūrinis dalykas, su kuriuo Vokietijos įmonės kovoja. Galite lavinti savo žarnyną tik įgydami patirties ir darydami klaidas, o tada galėsite rizikuoti ateityje priimti sunkesnius sprendimus. „Volkswagen“ sukūrėme psichologinio saugumo aplinką, kurioje priimamos nesėkmės. Norėdami tai pasiekti, turite turėti tinkamą įmonės ir duomenų kultūrą.

Sasaki: [„Mitek“] pradedame nuo patirties su duomenimis. Mano komandos lyderiai klientų sėkmės vadybininkus pavertė duomenų analitikais. Mūsų duomenų analitikai pateikė „Tableau“ įrankius, kad klientų sėkmės vadybininkus paverstų duomenų analitikais. Dabar, jei pažvelgsite į peržiūras Tableau, visoje įmonėje, 70% peržiūrų yra iš mano klientų sėkmės vadovų.

Jūs negalite bijoti duomenų. Turite pasinaudoti kiekviena galimybe kaip patirtimi ir gauti kuo daugiau patirties su duomenimis, nesvarbu, ar tai būtų teigiama, ar neigiama. Tai bus tikrai vertinga pasitikėjimui savo nuojauta. Tiesiog įeikite, supraskite duomenis, žaiskite su jais, užduokite klausimų ir gaukite kuo daugiau teigiamos ar neigiamos patirties. Ir tai tikrai lavins jūsų žarnas.

Jei turite duomenų, negalite jiems ginčytis. Nėra geresnio būdo dirbti su kitomis funkcijomis ir kitais vadovais bei kitais komandos nariais, nei turėti duomenis. Kai pateikiate duomenis į pokalbį, galite labai greitai suderinti. Galite priimti sprendimus; netgi galite įtikinti klientus. Tai bus duomenimis pagrįstas susitikimas, tai bus duomenimis pagrįsta diskusija. Susitikimai ir sprendimai įvyksta daug greičiau, nes jie tiesiog yra labiau informuoti apie duomenis.

Ar esate pasirengęs pirmauti su duomenimis?

Duomenimis valdomi lyderiai yra geriau pasirengę prisitaikyti prie pokyčių ir supranta sprendimų priėmimo niuansus greitai besikeičiančioje verslo aplinkoje. Jie žino, kad duomenys, papildyti patirtimi ir intuicija, yra labai svarbūs jų organizacijų sėkmei. Aplankykite Lentelė vadovams Norėdami sužinoti daugiau apie tai, kaip duomenys daro įtaką naujai verslo lyderių grupei ir kaip Tableau gali padėti jusu duomenų transformavimas.