Paano Pinagsasama ng Mga Pinuno ang Data At Intuition Upang Gumawa ng Mas Mabuting Desisyon

Dsa pag-usbong ng digital transformation sa nakalipas na dalawang dekada, ang pangako ng data ay napakalaki. Walang alinlangan, mahalaga ang data para sa pag-unawa sa iyong mga customer, pagpapalago ng iyong negosyo, at pagsukat ng tagumpay, ngunit hindi lang ito ang kailangan mo. Ang mabubuting desisyon ay nangangailangan ng parehong data at intuwisyon

Maraming tao ang dumating sa maling paniniwala na ang data ay hari at ang intuwisyon ay ang jester. Kung minsan ay tila nakikisali ang dalawa sa isang hatak ng digmaan, na tinitiyak na hindi maaaring maghari ang dalawa sa presensya ng isa.

Hindi ito maaaring malayo sa katotohanan. May papel din ang intuwisyon sa lahat ng mabubuting desisyon. Kapag pinagsama ang data at intuwisyon, lumilikha sila ng cycle ng feedback na nagpapadalisay at nagpapalakas sa mga modelo ng pag-iisip. Ang intuwisyon ay maaaring humantong sa tamang tanong na itatanong tungkol sa data, na ang resultang kuwento ay nagpapaalam sa intuwisyon. Maaaring balaan tayo ng intuition kapag hindi kumpleto ang data o may mga hamon sa kalidad. Habang ang data ay makakatulong sa amin na makilala kung kailan kami tumatakbo mula sa mga bias o ang mga pangyayari ay nagbago.

Mahalaga ito sa panahon ng lumalagong kawalan ng katiyakan, na may mga bagong hamon sa negosyo sa bawat sulok. Ang data ay maaaring magbigay ng matatag na pag-unawa sa nakaraan, ngunit kapag tayo ay masyadong nahuli sa katumpakan—sa katumpakan, sa paggawa ng perpektong modelo ng data—maaari nating makaligtaan kung ano ang nangyayari sa harap natin. Matutulungan tayo ng intuition na mabilis na maunawaan ang direksyon, na maaaring maging kasing epekto sa paggawa ng desisyon gaya ng anumang quantitative figure. Kapag ginamit nang naaangkop, ang intuwisyon at data ay maaaring maging iyong dalawang pangunahing kaalyado sa pagkamit ng tagumpay laban sa kawalan ng katiyakan.

Paggawa ng desisyon sa totoong mundo

Nakausap namin si Michael Nolting, ang senior director ng Digital Services at Data Analytics sa Volkswagen, at Michael Sasaki, dating vice president ng Global Head of Customer Success and Support at Mitek, upang matutunan kung paano binabalanse ng kanilang mga kumpanya ang data na may intuwisyon upang gumawa ng mga desisyon at humimok ng mga resulta ng negosyo.

Tableau: Paano ginagawa ang mga desisyon sa iyong kumpanya?

Nolting: Nagtrabaho kami nang husto sa mga nakaraang taon upang gawing batay sa data ang produksyon ng aming sasakyan [sa Volkswagen]. Gumawa kami ng platform na tinatawag na Snowpark, na kinuha ang lahat ng data na mayroon kami mula sa aming mga test drive at customer. Sinuri namin kung may gap sa mga tuntunin ng paggamit ng sasakyan.

Kung nauunawaan namin kung paano ginagamit ng mga tunay na customer ang aming mga sasakyan, maaari kaming bumuo ng mga kotse ayon sa kanilang mga pangangailangan at maghatid ng mas mahuhusay na produkto—pati na rin bawasan ang kabuuang gastos.

Gumagawa kami ng mga desisyon sa Volkswagen batay sa gut [mga damdamin] at data. Mas gusto ang data at maaaring gamitin upang unti-unting i-optimize ang isang bagay. Ang iyong gut ay kailangan para sa paggalugad, kapag gumawa ka ng matapang na pagpapasya batay sa hindi sapat na data (dahil sa kakulangan ng data, masyadong maraming input dimensyon, masyadong maliit na laki ng epekto, o masyadong maraming kaalaman sa konteksto na kailangan). Ang pangunahing negosyo ay kailangang ilipat hangga't maaari sa data zone.

Para sa pagkuha ng panganib, kailangan mo ng hierarchy batay sa dami ng panganib na dadalhin. Ang mga pinuno sa antas ng C ay kailangang makipagsapalaran.

Ang data mula sa aming MOIA fleet (isang shared mobility solution sa Hamburg at Hannover), ay na-demokratize. Maaari itong ma-access ng sinuman sa Volkswagen gamit ang isang account.

Ang aming layunin ay panloob na gawing demokrasya ang lahat ng aming data. Kasalukuyan kaming gumagawa ng isang malaking data warehouse sa aking departamento, kung saan gusto naming paganahin ang bawat [user] ng negosyo na mag-import at magsuri ng data. Ginagawa naming data engineer/data scientist ang bawat negosyo [user].

Sasaki: Ang paggawa ng mga desisyon [sa Mitek] ay nangangailangan ng pagkakahanay sa mga stakeholder. Sa huli, may mga panghuling gumagawa ng desisyon, at kadalasan sila ang mga functional na eksperto na nagtatapos sa paggawa ng desisyon. Ngunit gumugugol kami ng maraming oras sa pagpupulong at pagtiyak na lahat tayo ay may parehong impormasyon at tumitingin sa parehong data, nauunawaan ang data, at sumasang-ayon sa mga kahulugan.

Tableau: Paano mo binabalanse ang data, intuwisyon, at karanasan kapag gumagawa ng mga desisyon?

Nolting: Kailangan ang intuition para sa mabibigat na tanong kapag ang mga tao sa wakas ay kailangang makipagsapalaran at walang sapat na data na magagamit dahil sa mataas na pagiging kumplikado ng modelo/tanong.

Nasa gut zone pa rin kami na may bahagi sa aming pangunahing negosyo at gusto itong ilipat nang hakbang-hakbang sa data zone upang maging isang kumpanyang batay sa data. Gayunpaman, ang mga proyekto ng innovation o paggalugad ng mga bagong pagkakataon sa negosyo ay palaging mananatiling bahagyang nasa gut zone. Ano ang hamon sa gut zone, kung nandoon pa rin ang iyong pangunahing negosyo? Sa gut zone, kung gusto mong sagutin ang isang tanong, na may mataas na panganib (basahin ang: milyon-milyong dolyar na maaari mong mawala) kailangan mo ng mga tagapamahala ng kumpanya na handang kumuha ng panganib. Ayon dito, siyempre, mayroon tayong hierarchy. Batay sa tinantyang panganib sa euro, mayroon kaming iba't ibang antas ng pamamahala, na maaaring kumuha ng mga panganib. Kung ang panganib ay halos milyon-milyon, ang antas ng C ay papasok.

Sasaki: Nag-intertwined silang lahat sa isip ko.

Napakahalaga ng data. Sa data, magsisimula kang makakita ng hybrid ng data na nagpapaalam sa iyong bituka. Gumagawa ka ng mga pagpapasya batay sa data ng customer. At iyon ay ang karanasang iyon na ikaw ay nagtatrabaho gamit ang data, at ang pagkakita sa mga resulta na naidulot mo sa mga customer ay talagang nakakatulong na maihatid ka sa tamang lugar. Napakahalaga ng karanasang iyon sa pagtatrabaho sa data.

Kaya hindi ko sasabihin na ito ay isa o isa pa. Ito ay isang hybrid ng pareho sa ngayon. At pareho silang sobrang mahalaga. Ang gat ay hinihimok ng data.

Tableau: Kailan mo alam na mayroon kang sapat na data upang makagawa ng desisyon?

Nolting: Hindi mo masasabing, “May sapat ba kaming data?” o “Wala ba tayong sapat na data?” Ito ay higit pa tungkol sa pagkonekta sa mga tamang system at pagkakaroon ng magandang data. Ang tanong ay palaging sa pagitan ng kalidad at dami.

Kapag ang mga kumpanya ay sumailalim sa isang pagbabagong-anyo ng data, ang malaking isyu ay ang kalidad ng data sa simula. Kailangan mo talagang tingnan ang data kung magagawa mo ito o hindi. Para sa ilang partikular na dashboard, kailangan mo ng mataas na kalidad na data ng benta. Kailangan mo ng mga tagapangasiwa ng data.

Para sa malalaking sukat ng epekto, kailangan mo ng maliit na halaga ng data (hal., mula sa maliliit na sasakyang pandagat). Gusto naming malaman kung paano ginagamit ng aming mga komersyal na customer tulad ng [parcel shipping company] DPD ang kanilang mga sasakyan kumpara sa mga driver ng aming shared mobility solution, ang MOIA. Maaaring kolektahin ang data na ito mula sa isang pansubok na fleet. Kung gusto naming sukatin ang maliliit na laki ng epekto, kumukuha kami ng data mula sa aming malaking fleet.

Gumagamit din kami ng mga dashboard ng Tableau upang tumulong na bigyang-priyoridad kung aling mga bahagi ang ginawa batay sa kakulangan ng mga bahagi na mayroon kami. Hinuhulaan ng isang dashboard ang mga order ng mga sangkap na kailangan namin. Ito ay talagang kumplikado—may mga bilyon-bilyong kumbinasyon. At pagkatapos ay ginagawa namin ang pagkalkula at pag-order ng mga sangkap kapag kami ay may kakulangan. Nagreresulta ito sa isang pinakamainam na proseso ng produksyon.

Sasaki: Lima hanggang sampung taon na ang nakalilipas, kulang ang datos. At ngayon napakaraming data. Ang pagsisikap na malaman kung anong data ang mahalaga ay talagang ang susi at hamon. Dahil maaari mong tingnan ang data upang bigyang-katwiran ang halos bawat solong desisyon na gusto mong gawin. At iyon ay isang pitfall na maaari mong mahulog, kung saan mayroon kang desisyon na gusto mong gawin, at hinahanap mo ang data upang bigyang-katwiran ito, upang ang data ay talagang nagpapakita ng landas na kailangan mong sundin.

Kaya ang tanong ay, kailan mo alam na mayroon kang sapat na data upang makagawa ng desisyon?

Sasabihin ko, narito ang aking karanasan sa tagumpay ng customer sa mga desisyon na nauugnay sa customer. Maaari mong tingnan ang mga mahuhusay na lugar ng customer upang makita kung anong data ang naroroon upang himukin ang nais na resulta na naihatid mo sa nakaraan. Kaya marami kaming tinitingnan ang mga kinalabasan na hinimok, at pagkatapos ay kung anong data ang talagang mahalaga na talagang nagtulak sa desisyong iyon. Kaya tutukuyin namin ang mga iyon at talagang pipiliin namin iyon.

Marami rin kaming sandalan sa aming data analyst team. Sa Mitek, maraming iba't ibang uri ng mga setup ng data team. Mayroong desentralisado, kung saan mayroong data analyst sa iba't ibang function—isa sa marketing, isa sa finance, isa sa tagumpay ng customer. Maaari kang magkaroon ng isang sentralisadong function kung saan iyon ay isang koponan lamang. Ngunit ang mga data analyst ay gumagana sa anumang mga kahilingan na pumapasok, anuman ang function na nanggagaling.

Gumawa at bumuo ako ng papel ng data analyst sa koponan ng tagumpay ng customer. Iyon ay sobrang mahalaga para sa ilang kadahilanan. Naniniwala ako na ang isang data analyst ay kailangang maging eksperto sa pagsusuri ng data, ngunit isa ring functional na eksperto sa kung para saan nila sinusuri ang data. Ang pagkakaroon ng data analyst sa koponan ng tagumpay ng customer ay mahalaga para sa pag-unawa sa data ng customer. Sumasandal ako sa aking mga data analyst kapag may oras sila para tulungan akong magpasya kung mayroon kaming sapat na data para makagawa ng desisyon. At ito ay isang pagbabalanse sa pagitan ng pagiging hindi tumpak at pagiging hindi aktibo.

Alin ang mas magastos—paggawa ng maling desisyon, o hindi gumawa ng anumang aksyon? Hindi ko alam kung mararamdaman mo ba na mayroon kang sapat na data, ngunit darating ka sa puntong kumportable ka nang sapat na maaari kang tumawag batay sa data.

Tableau: Madaling tingnan ang data at kalimutan ang mga numero na kumakatawan sa mga tunay, mga customer na tao. Paano natin maipagtatanggol ang pagkakamaling ito?

Sasaki: Nakaharap ako sa customer; Pananagutan ko ang customer at ang kita. Ang pangkat ng pagbuo ng produkto ay may sariling mga layunin, at hindi ito palaging tungkol sa tao, o marahil ay hindi nila naiintindihan iyon, at hindi nila ito kasalanan. Responsibilidad ko bilang isang pinuno sa panig na nakaharap sa customer, na ilagay ang mukha sa numerong iyon, ang punto ng data na iyon.

Mayroong ilang mga bagay na maaaring gawin ng mga pinuno upang subukang maglagay ng mukha ng tao sa data. Naglunsad kami ng maraming programa sa aming kumpanya. Ang isa ay tanghalian-at-matuto. Magdadala kami ng customer at bibili ng tanghalian para sa buong kumpanya. Ngayon ang mga inhinyero ay nakakarinig mula sa customer at maaari nilang iugnay ang mga sukatan na kanilang tinitingnan at nagmamaneho patungo sa isang tao, sa isang layunin.

Tableau: Paano magsisimulang "sanayin" ng mga maagang karera ang kanilang bituka?

Nolting: Dapat matuto ang mga kabataan na magkaroon ng mga kabiguan at makipagsapalaran sa paggawa ng mga desisyon. Ito ay isang kultural na bagay na pinaghihirapan ng mga kumpanyang Aleman. Maaari mo lamang sanayin ang iyong bituka sa pamamagitan ng pagkakaroon ng mga karanasan at paggawa ng mga pagkakamali—at pagkatapos ay maaari kang humakbang upang kunin ang panganib ng mas mahirap na mga desisyon sa hinaharap. Sa Volkswagen, lumikha kami ng kapaligiran ng sikolohikal na kaligtasan, kung saan tinatanggap ang mga pagkabigo. Upang makamit ito, kailangan mong magkaroon ng tamang enterprise at kultura ng data.

Sasaki: [Sa Mitek,] nagsisimula tayo sa karanasan sa data. Ginawa ng mga pinuno sa aking koponan ang mga tagapamahala ng tagumpay ng customer sa mga data analyst. Ang aming mga data analyst ay nagbigay ng mga tool sa Tableau upang gawing data analyst ang mga tagapamahala ng tagumpay ng customer. Ngayon, kung titingnan mo ang mga view sa Tableau, sa buong kumpanya, 70% ng mga view ay mula sa aking mga customer success manager.

Hindi ka maaaring matakot sa data. Kailangan mong kunin ang bawat pagkakataon bilang isang karanasan at makakuha ng maraming karanasan sa data hangga't maaari, positibo man o negatibo. Iyan ay magiging talagang mahalaga para sa pagtitiwala sa iyong bituka. Pumasok ka lang doon, unawain ang data, paglaruan ito, magtanong, at makakuha ng maraming karanasan—positibo o negatibo—na kaya mo. At talagang sasanayin niyan ang iyong bituka.

Kung mayroon kang data, hindi ka maaaring makipagtalo laban dito. Walang mas mahusay na paraan upang makipagtulungan sa iba pang mga pag-andar at iba pang mga pinuno at iba pang mga miyembro ng koponan kaysa magkaroon sila ng data. Kapag dinala mo ang data sa pag-uusap, maaari mong i-align nang mabilis. Maaari kang gumawa ng mga desisyon; maaari mo ring hikayatin ang mga customer. Ito ay magiging isang data-driven na pagpupulong, ito ay magiging isang data-driven na talakayan. Ang mga pagpupulong at pagpapasya ay nangyayari nang mas mabilis dahil mas alam lang ang mga ito sa data.”

Handa ka na bang manguna gamit ang data?

Ang mga lider na batay sa data ay mas mahusay na nasangkapan upang umangkop sa pagbabago, at naiintindihan nila ang mga nuances ng paggawa ng desisyon sa isang mabilis na paglipat ng landscape ng negosyo. Alam nila na ang data, na dinagdagan ng karanasan at intuwisyon, ay mahalaga sa tagumpay sa kanilang mga organisasyon. Bisitahin Tableau para sa mga Executive upang matuto nang higit pa tungkol sa kung paano naiimpluwensyahan ng data ang isang bagong lahi ng mga pinuno ng negosyo, at kung paano makapangyarihan ang Tableau iyong pagbabago ng data.