Datagedreven beslissingen maken

Datagedreven. Een term die we zo vaak horen in zowel ons professionele als ons persoonlijke leven. Maar hoe kun je er zeker van zijn dat je daadwerkelijk effectieve datagestuurde beslissingen neemt?

Datagedreven. Een term die we zo vaak horen in zowel ons professionele als ons persoonlijke leven. Tijdens de pandemie hebben we allemaal politici, vrienden en collega’s horen verkondigen dat we ‘de wetenschap moeten volgen’ en ‘de gegevens moeten vertrouwen’ – maar wat betekent dat eigenlijk? En hoe kun je er zeker van zijn dat je echt effectieve, datagestuurde beslissingen neemt?

Gartner voorspelde dat tegen eind 2022 90% van de bedrijven data als een belangrijke hulpbron zal noemen, en daarmee datageletterdheid van een expliciete en noodzakelijke waarde voor het bedrijf. Deze blog kan je daarmee helpen!

Laten we beginnen met enkele basisprincipes:

• Wat is een datagedreven beslissing en wat zijn de voordelen?
• Invloed, en de impact ervan
• Begin met een hypothese
• Het definiëren van jouw acties

Wat betekent het en waarom is het belangrijk?

Laten we beginnen met wat een datagedreven beslissing niet is -het nemen van een dergelijke beslissing is niet gebaseerd op een technologie, het zijn niet een paar rapporten of grafieken die de prestaties van de afgelopen week laten zien, en het is niet iets waarvan je zomaar kunt verkondigen dat je het wilt doen- en dan verwachten dat het gebeurt zonder nogmaals nadenken.

Een datagedreven besluit is een objectief, beargumenteerd en verklaarbaar besluit. Het wordt beschermd tegen jouw natuurlijke vooroordelen en leidt uiteindelijk tot beslissingen en inzichten van hogere kwaliteit.

Wordt bepaald door, of afhankelijk van, het verzamelen of analyseren van gegevens.
– Oxford Languages

Of: een op data geïnspireerde beslissing is veel sneller en gemakkelijker, maar je natuurlijke vooringenomenheid is bepalend, wat betekent dat de waarde en kwaliteit van de beslissing afneemt.

Om jouw beslissingen en acties volledig door datagestuurd te laten zijn, moeten deze worden geïnterpreteerd zonder enige invloed, vooringenomenheid of voorbeschikking. Maar waarom is dat belangrijk?

De impact van invloed

Beïnvloeding is iets ongelooflijks. Van nature zoeken we altijd naar bevestiging van onze eigen overtuigingen, meningen en vermoedens. Een veel voorkomende valkuil die we in bedrijven zien, is de wens om data te gebruiken ter ondersteuning van reeds genomen beslissingen, of om meer data te gebruiken ter ondersteuning van een beslissing of inzicht dat we vanuit het verleden hoog in het vaandel hebben staan.

Datagedreven zijn betekent dat je je moet overgeven aan een mening, overtuiging of vermoeden voor dat je de data hebt gezien en zonder beïnvloed te zijn. Je moet je eigen hypothese noteren.

Een sterke hypothese schrijven

Een hypothese, en jouw vermogen om deze te testen, is van fundamenteel belang voor een datagestuurde beslissing. Er is online veel informatie beschikbaar over het schrijven van effectieve hypothesen, dus ik ga hier niet te veel op in, maar als korte handleiding gebruik ik het volgende:

Omschrijf het resultaat (effect), en de variabelen (of oorzaken)

Een sterke hypothese moet het resultaat omvatten dat je probeert te verklaren, en de variabelen of oorzaken van dat effect die je wilt begrijpen.

Bijvoorbeeld:

• Slecht weer (oorzaak), vermindert de verkoop van voetbalitems in onze winkels (resultaat)

Zorg dat het te testen is

Het heeft geen zin om de meest grandioze hypothesen op te stellen als je ontdekt dat de gegevens die je nodig hebt om deze te testen niet beschikbaar zijn.

Het hele doel van het schrijven van een sterke hypothese als begin van een datagestuurde beslissing is dat je op het resultaat wilt kunnen vertrouwen en actie wilt ondernemen.

Hou het simpel!

Soms is het prima, en wordt het zelfs aangemoedigd, om klein te beginnen. Als ik mijn achtjarige zoon als inspiratie neem, is er niets mis met het opnieuw vragen van ‘waarom?’… en opnieuw… en opnieuw. Bouw de complexiteit op, zorg ervoor dat je volledig vertrouwen kunt hebben in het resultaat.

Acties, grenzen en vertrouwen

Het definiëren van jouw acties is een belangrijke stap in het proces. De toewijding aan de beslissing die je neemt, voordat je de resultaten ziet, stelt je in staat objectief en pragmatisch te denken. Als je dit pas achteraf doet, is het veel te gemakkelijk om jezelf te laten inspireren door de data in plaats van echt datagedreven te zijn.

De standaard actie

Je moet altijd beginnen met het definiëren van een standaardactie. Dit is de actie die wordt ondernomen (of niet wordt ondernomen) bij gebrek aan data of voldoende vertrouwen in de resultaten. Het is het moment om echt open te zijn tegenover jezelf en belanghebbenden over de soms teleurstellende realiteit: een hypothese klopt vaak niet, en dat is geen slechte zaak. Je hebt je ertoe verbonden jouw beslissing te laten bepalen door de data. Aarzel niet en doe de moeite om jezelf echt af te vragen wat de standaardactie is in deze scenario’s.

Het verwerpen van de hypothese – omdat de gegevens deze niet ondersteunen – is geen verspilde moeite. Het is een kans om te gebruikenm wat je hebt geleerd, en opnieuw in de datagestuurde draaimolen te stappen. Wat is je volgende hypothese?

Stel grenzen aan de beslissingen

De tweede, en misschien wel de meest opwindende stap, is het vaststellen van de grenzen en actiematrices– met andere woorden, wat is er nodig om voorbij de standaardacties te komen en een andere aanpak te kiezen.

Nogmaals, dit hoeft in het begin niet waanzinnig ingewikkeld te zijn (we zullen het later wetenschappelijker maken), het moet gewoon eerlijk zijn. Beschouw deze matrix als een verplichting, schrijf hem in steen en zorg ervoor dat de beslissingen waaraan je je hebt verbonden, kunnen worden genomen als de data dit ondersteunt.

Vertrouwen

Het laatste stukje van de puzzel waar we in dit bericht naar zullen kijken, is het vaststellen van jouw eisen voor bewijs en vertrouwen.

Op dit punt is het een goed moment om jezelf een aantal vragen te stellen:

• Hoeveel data heb ik nodig? Is volume of volledigheid belangrijker?
• Hoe gaan we om met uitschieters? Wat is onze definitie van een uitschieter?
• Kan ik de resultaten documenteren en reproduceren indien nodig?

Het doel van dit proces is niet alleen om veiligheid, comfort en een goede nachtrust te bieden in de wetenschap dat je vandaag een goede beslissing hebt genomen – het is ook een fundamentele stap die betekent dat je de acties keer op keer kunt beoordelen en meten.

Samengevat…

In het kort hoop ik dat je na het lezen van deze blog een goed fundamenteel begrip hebt van wat een datagedreven beslissing is, en begrijpt wat enkele van de eerste stappen zijn die je moet ondernemen voordat je zelfs maar naar de data gaat kijken.