Hoe leiders gegevens en intuïtie combineren om betere beslissingen te nemen

DTijdens de opkomst van digitale transformatie in de afgelopen twee decennia is de belofte van data groot geworden. Data zijn ongetwijfeld essentieel om inzicht te krijgen in uw klanten, uw bedrijf te laten groeien en succes te meten, maar het is niet het enige dat u nodig heeft. Voor goede beslissingen zijn beide gegevens nodig en intuïtie.

Veel mensen zijn tot de verkeerde overtuiging gekomen dat data koning is en intuïtie de nar. Soms lijkt het erop dat de twee verwikkeld zijn in een touwtrekken, ervoor zorgend dat geen van beiden kan regeren met de aanwezigheid van de ander.

Dit kan niet verder van de waarheid zijn. Intuïtie speelt ook een rol bij alle goede beslissingen. Wanneer data en intuïtie samenwerken, creëren ze een cyclus van feedback die mentale modellen verfijnt en versterkt. Intuïtie kan leiden tot de juiste vraag om de gegevens te stellen, waarbij het resulterende verhaal de intuïtie informeert. Intuïtie kan ons waarschuwen wanneer gegevens onvolledig zijn of kwaliteitsuitdagingen hebben. Terwijl gegevens ons kunnen helpen herkennen wanneer we werken vanuit vooroordelen of de omstandigheden zijn veranderd.

Dit is van belang in een tijd van groeiende onzekerheid, met nieuwe zakelijke uitdagingen om elke hoek. Gegevens kunnen een goed begrip van het verleden geven, maar als we te veel verstrikt raken in precisie - in nauwkeurigheid, in het maken van het perfecte datamodel - kunnen we missen wat er recht voor ons gebeurt. Intuïtie kan ons helpen snel richting te begrijpen, wat net zo'n impact kan hebben op de besluitvorming als elk willekeurig cijfer. Bij correct gebruik kunnen intuïtie en gegevens uw twee belangrijkste bondgenoten zijn bij het behalen van de overwinning op onzekerheid.

Besluitvorming in de echte wereld

We spraken met Michael Nolting, de senior director Digital Services en Data Analytics bij Volkswagen, en Michael Sasaki, voormalig vice-president van Global Head of Customer Success and Support bij Mitek, om te leren hoe hun bedrijven gegevens combineren met intuïtie om beslissingen te nemen en bedrijfsresultaten te stimuleren.

Tableau: Hoe worden beslissingen genomen in uw bedrijf?

opwindend: We hebben de afgelopen jaren heel hard gewerkt om onze autoproductie datagestuurd te maken [bij Volkswagen]. We hebben een platform gemaakt met de naam Snowpark, dat alle gegevens verzamelde die we hadden van onze testritten en klanten. We analyseerden of er een kloof was in termen van het autogebruik.

Als we begrijpen hoe echte klanten onze auto's gebruiken, kunnen we auto's bouwen op basis van hun behoeften, betere producten leveren en de totale kosten minimaliseren.

We nemen beslissingen bij Volkswagen op basis van onderbuik [gevoelens] en data. Data heeft de voorkeur en kan worden gebruikt om geleidelijk iets te optimaliseren. Je gevoel is nodig voor verkenning, wanneer je moeilijke beslissingen neemt op basis van onvoldoende gegevens (door een gebrek aan gegevens, te veel invoerdimensies, te lage effectgrootte of te veel contextkennis die nodig is). De kernactiviteiten moeten zoveel mogelijk in de datazone worden verplaatst.

Voor het nemen van risico's heeft u een hiërarchie nodig op basis van de hoeveelheid te nemen risico's. Leiders op C-niveau moeten risico's nemen.

Gegevens van onze MOIA-vloot (een gedeelde mobiliteitsoplossing in Hamburg en Hannover) zijn gedemocratiseerd. Het is toegankelijk voor iedereen bij Volkswagen met een account.

Ons doel is om al onze gegevens intern te democratiseren. We bouwen momenteel een enorm datawarehouse op mijn afdeling, waar we elk bedrijf [gebruiker] in staat willen stellen om gegevens te importeren en te analyseren. We maken van elk bedrijf [gebruiker] een data-engineer/datawetenschapper.

sasaki: Beslissingen nemen [bij Mitek] vereist afstemming tussen belanghebbenden. Uiteindelijk zijn er eindbeslissers, en dat zijn meestal de functionele experts die uiteindelijk de beslissing nemen. Maar we besteden veel tijd aan vergaderen en ervoor zorgen dat we allemaal dezelfde informatie hebben en naar dezelfde gegevens kijken, de gegevens begrijpen en het eens zijn over de definities.

Tableau: Hoe balanceer je data, intuïtie en ervaring bij het nemen van beslissingen?

opwindend: Intuïtie is nodig voor zwaar beladen vragen wanneer mensen eindelijk risico's moeten nemen en er niet genoeg gegevens beschikbaar zijn vanwege de hoge complexiteit van het model/de vraag.

We zitten nog steeds in de onderbuikzone met een deel van onze corebusiness en willen dat stap voor stap naar de datazone verplaatsen om een ​​datagedreven bedrijf te worden. Desalniettemin zullen innovatieprojecten of het verkennen van nieuwe zakelijke kansen altijd deels in de darmzone blijven. Wat is de uitdaging met de darmzone, als je core business er nog is? Als je een vraag wilt beantwoorden die een hoog risico met zich meebrengt (lees: miljoenen dollars die je zou kunnen verliezen), heb je managers van het bedrijf nodig die bereid zijn het risico te nemen. Volgens deze hebben we natuurlijk een hiërarchie. Op basis van het ingeschatte risico in euro's hebben we verschillende managementniveaus die de risico's kunnen nemen. Als het risico ongeveer miljoenen bedraagt, komt C-level tussenbeide.

sasaki: Ze zijn allemaal met elkaar verweven in mijn gedachten.

Gegevens zijn superbelangrijk. Met data begin je een hybride van data te zien die je onderbuik informeert. Je neemt beslissingen op basis van klantgegevens. En dat is de ervaring die je hebt met het werken met de gegevens, en het zien van de resultaten die je met klanten hebt bereikt, helpt je echt om op de juiste plek te komen. Die ervaring is super belangrijk bij het werken met de data.

Dus ik zou niet zeggen dat het het een of het ander is. Het is nu een hybride van beide. En beide zijn super belangrijk. De darmen worden gedreven door de data.

Tableau: Wanneer weet je dat je genoeg data hebt om een ​​beslissing te nemen?

opwindend: U kunt niet zeggen: "Hebben we genoeg gegevens?" of “Hebben we niet genoeg gegevens?” Het gaat meer om het aansluiten van de juiste systemen en het hebben van goede data. De vraag is altijd tussen kwaliteit en kwantiteit.

Wanneer bedrijven een datatransformatie ondergaan, is het grote probleem in het begin de datakwaliteit. Je moet echt in de data kijken of je ermee kunt werken of niet. Voor bepaalde dashboards heb je verkoopdata van hoge kwaliteit nodig. Je hebt datastewards nodig.

Voor grote effectgroottes hebt u een kleine hoeveelheid gegevens nodig (bijvoorbeeld van kleine wagenparken). We wilden weten hoe onze commerciële klanten, zoals [pakketvervoerder] DPD, hun auto gebruiken in vergelijking met de chauffeurs van onze gedeelde mobiliteitsoplossing, MOIA. Deze gegevens kunnen worden verzameld uit een testvloot. Als we kleine effectgroottes willen meten, nemen we gegevens van onze grote vloot.

We gebruiken ook Tableau-dashboards om te helpen prioriteren welke componenten worden geproduceerd op basis van het tekort aan componenten dat we hebben. Eén dashboard voorspelt de volgorde van de componenten die we nodig hebben. Het is echt ingewikkeld - er zijn miljarden combinaties. En dan doen we de berekening en bestellen we de onderdelen als we een tekort hebben. Dit resulteert in een optimaal productieproces.

sasaki: Vijf tot tien jaar geleden was er een gebrek aan gegevens. En nu zijn er zoveel gegevens. Proberen erachter te komen welke gegevens belangrijk zijn, is echt de sleutel en de uitdaging. Omdat u naar gegevens kunt kijken om bijna elke beslissing die u wilt nemen te rechtvaardigen. En dat is een valkuil waar je in kunt trappen, waar je de beslissing hebt die je wilt nemen, en je zoekt naar de gegevens om het te rechtvaardigen, zodat de gegevens echt het pad onthullen dat je moet volgen.

De vraag is dus: wanneer weet je dat je genoeg gegevens hebt om de beslissing te nemen?

Ik zou zeggen, hier is mijn klantsucceservaring met klantgerelateerde beslissingen. U kunt de lichtpuntjes van klanten bekijken om te zien welke gegevens aanwezig waren om het gewenste resultaat te behalen dat u in het verleden heeft geleverd. We kijken dus veel naar de resultaten die werden gestuurd, en vervolgens welke gegevens echt belangrijk waren die echt tot die beslissing hebben geleid. Dus we zullen die identificeren en die echt uit elkaar halen.

We leunen ook veel op ons data-analistenteam. Bij Mitek zijn er veel verschillende soorten datateamopstellingen. Er is gedecentraliseerd, waar er een data-analist is in verschillende functies: een in marketing, een in financiën, een in klantensucces. U kunt een gecentraliseerde functie hebben waar dat allemaal maar één team is. Maar data-analisten werken aan alle verzoeken die binnenkomen, ongeacht vanuit welke functie ze binnenkomen.

Ik heb een rol als data-analist gecreëerd en uitgebouwd in het Customer Success-team. Dat was om een ​​aantal redenen super belangrijk. Ik geloof dat een data-analist een expert moet zijn in data-analyse, maar ook een functioneel expert in waarvoor ze de data analyseren. Het hebben van een data-analist in het klantensuccesteam is waardevol voor het begrijpen van de klantgegevens. Ik steun op mijn data-analisten als ze tijd hebben om me te helpen beslissen wanneer we genoeg data hebben om een ​​beslissing te nemen. En het is een evenwichtsoefening tussen onnauwkeurig zijn en inactief zijn.

Wat is duurder: de verkeerde beslissing nemen of helemaal geen actie ondernemen? Ik weet niet of je ooit het gevoel hebt dat je genoeg gegevens hebt, maar je komt op een punt waarop je je comfortabel genoeg voelt om te bellen op basis van de gegevens.

Tableau: Het is gemakkelijk om naar gegevens te kijken en te vergeten dat de cijfers echte, menselijke klanten vertegenwoordigen. Hoe kunnen we ons tegen deze fout verdedigen?

sasaki: Ik ben klantgericht; Ik ben verantwoordelijk voor de klant en de omzet. Het productontwikkelingsteam heeft zijn eigen doelen, en het gaat niet altijd om de mens, of misschien begrijpen ze dat niet, en het is niet hun schuld. Het is mijn verantwoordelijkheid als leider aan de kant van de klant om dat nummer, dat datapunt, een gezicht te geven.

Er zijn bepaalde dingen die leiders kunnen doen om data een menselijk gezicht te geven. We hebben veel programma's gelanceerd in ons bedrijf. Een daarvan is een lunch-en-leer. We halen een klant binnen en kopen een lunch voor het hele gezelschap. Nu kunnen ingenieurs van de klant horen en kunnen ze de statistieken waarnaar ze kijken en waar ze naar toe rijden relateren aan een mens, aan een doel.

Tableau: Hoe kunnen vroege carrièremensen hun gevoel beginnen te 'trainen'?

Nolting: Jonge mensen moeten leren mislukkingen te hebben en het risico te nemen om beslissingen te nemen. Dit is een cultureel iets waar Duitse bedrijven mee worstelen. Je kunt je gevoel alleen trainen door ervaringen op te doen en fouten te maken - en dan kun je een stapje verder gaan om het risico te nemen van moeilijkere beslissingen in de toekomst. Bij Volkswagen hebben we een omgeving van psychologische veiligheid gecreëerd, waarin mislukkingen worden geaccepteerd. Om dit te bereiken, heb je de juiste bedrijfs- en datacultuur nodig.

sasaki: [Bij Mitek] beginnen we met ervaring met data. Leiders in mijn team hebben van de klantsuccesmanagers data-analisten gemaakt. Onze data-analisten hebben in Tableau de tools geleverd om van customer success managers data-analisten te maken. Als je nu kijkt naar de weergaven in Tableau, in het hele bedrijf, is 70% van de weergaven afkomstig van mijn klantensuccesmanagers.

U kunt niet bang zijn voor de gegevens. Je moet elke kans als een ervaring aangrijpen en zoveel mogelijk ervaringen met data opdoen, zowel positief als negatief. Dat zal heel waardevol zijn om op je gevoel te vertrouwen. Ga gewoon naar binnen, begrijp de gegevens, speel ermee, stel vragen en doe zoveel mogelijk ervaringen op, positief of negatief. En dat zal je darmen echt trainen.

Als je data hebt, kun je er niet tegenin gaan. Er is geen betere manier om met andere functies en andere leiders en andere teamleden samen te werken dan ze de gegevens te laten hebben. Wanneer u de gegevens naar het gesprek brengt, kunt u heel snel afstemmen. Je kunt beslissingen nemen; je kunt zelfs klanten overtuigen. Het wordt een datagedreven vergadering, het wordt een datagedreven discussie. Vergaderingen en beslissingen gebeuren veel sneller omdat ze gewoon beter geïnformeerd zijn met data.”

Ben jij klaar om te leiden met data?

Datagestuurde leiders zijn beter uitgerust om zich aan te passen aan veranderingen en begrijpen de nuances van besluitvorming in een snel veranderend zakelijk landschap. Ze weten dat gegevens, aangevuld met ervaring en intuïtie, essentieel zijn voor succes in hun hele organisatie. Bezoek Tabel voor leidinggevenden om meer te weten te komen over hoe data een nieuw soort bedrijfsleiders beïnvloeden en hoe Tableau invloed kan uitoefenen jouw data transformatie.