Derfor kan datadrevne beslutninger lønne sig for ledelsen

Incitamentet til at træffe datadrevne beslutninger er efterhånden allestedsværende hos de fleste virksomheder. Men for mange betyder omstillingen også et opgør med en forældet virksomhedskultur og en løsrivelse fra den personbundne intuition og erfaring. Ekstern lektor på ITU, Jens Gwen Stein fortæller hvorfor den datadrevne model kan hjælpe virksomheder med at fremtidssikre sig i et omskifteligt samfund.

Efteruddannelsealgoritmerledelseforretning

Skrevet 19. august 2021 14:51 af Johanne Jacobsen Halken

Datadrevne beslutninger behøver ikke overflødiggøre menneskelig intuition. Men hvis virksomheder vil lære at træffe datadrevne beslutninger, må de give afkald på en efterhånden forældet fiksering på personbunden erfaring og intuition.

»

For at fremtidssikre den enkelte virksomhed og følge med den hast samfundet bevæger sig, er datadrevne beslutningsprocesser centrale

Jens Gwen Stein

«

Det vurderer ekstern lektor ved IT-Universitetet, Jens Gwen Stein, Data Scientist og underviser i kurset Data Intelligence. Han ser flere grunde til, at virksomheder må gentænke beslutningsprocesser, der traditionelt har været overvejende personbundne:

”Den personbundne tilgang til beslutninger, som fortsat er dybt indlejret i mange virksomheder, er svært oversættelig, fordi den er gammeldags. Det er efterladenskaber fra gamle dages mesterlære. Mange virksomheder dvæler fortsat ved en mesterlærekultur, hvor medarbejdere, der har erhvervet sig en masse specialviden inden for organisationen eller inden for et bestemt område bærer virksomheden frem.”

På et fremtidigt usikkert og prekært arbejdsmarked vil mesterlærekulturen dermed også gøre mange virksomheder relativt sårbare. Kulturen kan især have konsekvenser for kontinuiteten og fastholdelsen af viden i virksomheden, som Jens fremhæver:

»

Mange virksomheder dvæler fortsat ved en mesterlærekultur, hvor medarbejdere, der har erhvervet sig en masse specialviden bærer virksomheden frem

Jens Gwen Stein

«

”Den her mesterlærestruktur baserer sig på en høj grad af loyalitet. For at strukturen skal kunne holde skal medarbejderne være mere tilbøjelige til at blive hos virksomheden i længere tid. Når samfundet bevæger sig i en anden retning og tenderer til flere prækære arbejdssituationer og kortere ansættelser, bliver denne struktur mindre og mindre holdbar.”

Des flere prekære og skiftende ansættelser, des mere må virksomheder i stigende grad gøre op med de personbundne beslutningsprocesser. Det bliver dermed sværere at basere beslutninger på den intuition og erfaringsmasse, medarbejdere har oparbejdet i takt med flere prekære og tidsbegrænsede arbejdsforhold.

Man behøver heller ikke skæve til traditionelle, markeds- og profitorienterede virksomheder som Google, Facebook, Amazon og Microsoft for at konstatere dette. Jens bemærker: ”Vi er midt i et samfundsskifte, hvor mange nye virksomheder i dag kan ses som IT-virksomheder. For at fremtidssikre den enkelte virksomhed og følge med den hast samfundet bevæger sig, er datadrevne beslutningsprocesser centrale.”

At identificere problemet i datatermer

Set fra et dataperspektiv bør ledere og medarbejder med beslutningskompetence kunne få og bedømme ideer, der er udførbare med data. Jens lader en søgemaskine tjene som eksempel: 

”Man kunne fx spørge, hvor god søgemaskinen er i en given virksomhed. Det er et relativt bredt problem, idet langt de fleste virksomheder med en hjemmeside også har en form for søgemaskine. Ledelsesopgaven består i at identificere problemet i datatermer og spørge ind til dataen. Man skal kunne stille en række spørgsmål. Lige fra, hvad er det for data, vi skal bruge, hvordan kan vi anskue det her problem som et dataproblem, hvad for data skal vi bruge for at løse problemet, og kan vi måle, hvor meget bedre søgemaskinen er blevet eller ikke er blevet? På baggrund af en sådan måling, vil lederen kunne tage velfunderet, datadreven beslutning.”

Intuitionen er dog fortsat en væsentlig faktor i en sådan proces. For ledere eller medarbejdere med beslutningskompetence handler det i så fald om at vende og opbygge intuitionen mod data. Med en god indsigt i de rigtige redskaber vil ledere også bedre kunne gennemskue, hvilke spørgsmål, de kan stille data og hvilke beslutninger, de kan basere på de svar, som de får i data.

”Der er statistiske redskaber, som ledere bør vide eksisterer og bør kunne skelne mellem for at kunne tage velfunderede beslutninger,” bemærker Jens. ”Ligesom der er statistiske redskaber, som kan klassificere brugerne og omsætte dem til data, så vil en anden type statistisk model være relevant hvis man fx gerne vil finde det optimale tidspunkt at sende et nyhedsbrev ud på.”

Mødet med tilpas mange forskellige typer spørgsmål besvaret med tilpas mange forskellige typer data er derfor afgørende. Ledere bør have en viden om, hvad de forskellige felter indebærer og hvilke modeller, redskaber og familier af statistiske algoritmer, der bedst kan besvare de forskellige typer spørgsmål.

Alle typer observationer kan bruges som data

For virksomheder, der endnu søger at skabe værdi med datadrevne beslutninger, foreslår Jens at trække på tankesæt på tværs af brancher og virksomhedskulturer. Inspiration kan hentes i alt lige fra datadrevne organisationer og aktører til NGO’er og politiske institutioner, der tænker i og arbejder med data på alskens måder.

Data ses oftest som et middel til at øge produktiviteten, forbedre forretningen og tilpasse og tilfredsstille kundernes behov. Men virksomheder bør også afspejle en bevidsthed om, at data ikke kun er et spørgsmål om økonomisk fortjeneste og ikke kun har til formål at profit- eller procesoptimere. Data kan bidrage til at opfylde behov og skabe en bedre oplevelse for brugerne:

”Det vil fx være relevant på et bibliotek, der ønsker at lære sine brugere bedre at kende. En indsigt i brugerne vil have en økonomisk omkostning for biblioteket, men afkastet vil ikke nødvendigvis være økonomisk. Afkastet vil i lige så høj grad være kulturelt.”

»

Spørgsmålet er mere, hvad i data man vælger at fokusere på, og hvad man ser som brugbare data

Jens Gwen Stein

«