Bagaimana Praktik Inklusif Dan Data Membantu Mengurangi Bias Dalam Pengambilan Keputusan

Bias mudah menyusup ke dalam berbagai aspek pengambilan keputusan—bahkan ketika Anda berpikir bahwa Anda mendasarkan keputusan Anda pada fakta objektif. Jadi, bagaimana Anda bisa membatasi bias dalam mengambil keputusan? Apa sebenarnya pengambilan keputusan berdasarkan data? Dan bagaimana Anda bisa menjaga agar bias tidak menyusup ke data Anda?

Ada banyak hal yang harus dibongkar di sini, jadi mari kita merenung sejenak.

Pertama, kita harus berbicara dengan gajah di ruang pepatah: Setiap orang memiliki bias. Bias pada dasarnya tidak buruk atau sesuatu yang memalukan—itu adalah dorongan alami manusia. Seringkali, orang menghindari mengatasi dan mengeksplorasi bias karena mereka pikir itu kelemahan atau kekurangan. Namun, itu adalah sesuatu yang harus disadari oleh para pemimpin untuk membuat keputusan yang disengaja dan berdasarkan informasi. Bersikap disengaja tentang mempraktikkan empati dan membuat diri Anda tidak mengambil keputusan dapat mengarah pada hasil yang lebih inklusif.

Pengambilan keputusan berdasarkan data menggunakan fakta, metrik, dan data untuk memandu keputusan bisnis strategis yang selaras dengan tujuan, sasaran, dan inisiatif Anda. Penekanannya di sini adalah pada "panduan."

Data bukanlah peluru perak untuk meniadakan semua bias. Namun, ini dapat menciptakan ruang untuk mengurangi asumsi Anda sendiri dan mulai melihat berbagai cara agar situasi tertentu dapat dilihat, dipahami, atau ditangani.

Inilah cara membatasi bias saat membuat keputusan untuk bisnis Anda.

1. Rangkullah pengambilan keputusan berdasarkan data—pastikan saja data Anda tidak bias. Data dimaksudkan sebagai awal percakapan—bukan keseluruhan percakapan. (Pelajari lebih lanjut tentang seperti apa pengambilan keputusan berdasarkan data di sini.)

Saat kami menganalisis data, pertama-tama kami melihatnya secara agregat untuk mendapatkan ukuran sampel yang masuk akal. Namun, kita bisa mendapatkan lebih banyak wawasan tentang variabel yang berbeda dan bagaimana responden dari latar belakang yang berbeda menanggapi survei dengan memisahkan data. Mengiris dan melihat data menurut variabel yang berbeda seperti usia, jenis kelamin, ras, lokasi, tahun, dll. dapat mengungkapkan implikasi dan pola lain. Setelah Anda mulai membongkar data dan memfilternya untuk berbagai pertimbangan, cerita yang disampaikan akan menjadi lebih bernuansa. Misalnya, jika Anda melihat kesejahteraan karyawan di seluruh organisasi Anda, Anda dapat melihat secara khusus identitas gender dan melihat bagaimana dan apakah hal itu memengaruhi persepsi. Pastikan Anda tetap mengetahui ukuran sampel dan merahasiakan kumpulan responden Anda.

Jika Anda hanya mengajukan pertanyaan dangkal, atau jika Anda tidak memikirkan bagaimana penelitian Anda dirancang, bagaimana Anda mengumpulkan data, atau data apa yang Anda kumpulkan, data Anda tidak akan sebaik itu. Untuk mendapatkan gambaran lengkap sedekat mungkin, lihat semua informasi yang Anda miliki, pisahkan datanya, dan jangan membuat asumsi tentang apa yang Anda lihat. Sebelum Anda melakukan ini, cobalah untuk mengurangi bias pada data dasar Anda. Pastikan bahwa analis data dan pengguna bisnis perusahaan Anda mengetahui cara mengawasi bias pada berbagai tahap bekerja dengan data; bias dapat berasal dari pengumpulan data dan proses komunikasi itu sendiri. Berikut adalah beberapa sorotan dari Urban Institute's Panduan Jangan Membahayakan yang menjelaskan bagaimana melakukan ini:

Tahap pengumpulan data. Tim yang beragam dapat membantu mengidentifikasi bias dan membuat hubungan antara berbagai bidang studi yang relevansinya mungkin tidak terlihat pada pandangan pertama. Mereka juga dapat lebih mencerminkan demografi populasi yang ingin mereka pelajari. Jika memungkinkan, buat tujuan dari upaya pengumpulan data Anda secara eksplisit sehingga responden memahami mengapa partisipasi mereka penting.

Tahap analisis. Jangan pisahkan sepenuhnya tim analis dan komunikasi Anda dari tim pengumpulan data—kolaborasi di seluruh alur kerja data selalu lebih baik daripada silo. Ketika analis dan komunikator menerima data, mereka harus mengajukan pertanyaan seperti: “Bagaimana data ini dihasilkan? Siapa yang disertakan dan siapa yang dikecualikan dari data ini? Suara, kehidupan, dan pengalaman siapa yang hilang?”

Tahap presentasi. Jangan menghindar dari kompleksitas dan nuansa dalam visual Anda jika itu lebih akurat mencerminkan temuan dalam data. Pertimbangkan bagaimana menambahkan kompleksitas—dalam bentuk grafik dan bagan yang lebih padat data—dapat membantu menunjukkan bahwa Anda dan tim Anda telah berpikir keras tentang implikasi dari upaya analisis Anda.

2. Kenali dan kurangi bias—dan pahami bagaimana hal itu memengaruhi proses pengambilan keputusan Anda. Bias tidak sadar, atau bias implisit, mengacu pada bias yang tidak kita sadari, dan yang terjadi di luar kendali kita. Ini terjadi ketika kita membuat penilaian dan penilaian cepat terhadap orang dan situasi, dan itu dapat dipengaruhi oleh latar belakang, lingkungan budaya, dan pengalaman pribadi kita.

Bias dapat mencegah kita mengembangkan bakat yang beragam, mengembangkan tenaga kerja yang terlibat, memanfaatkan pengalaman dan perspektif unik, dan memicu inovasi melalui kolaborasi. Bias di tempat kerja dapat muncul di mana saja, tetapi paling sering muncul dalam perekrutan, penyaringan, tinjauan kinerja dan umpan balik, pembinaan dan pengembangan, dan promosi.

3. Memasukkan praktik proses kerja yang inklusif. Contoh praktik kerja inklusif adalah menciptakan kriteria seleksi yang jelas untuk proses pengambilan keputusan Anda. Kriteria ini harus selaras dengan misi dan strategi organisasi Anda. Pastikan Anda memahami mengapa Anda memprioritaskan kriteria tersebut. Bersikaplah konsisten dalam cara Anda mengevaluasi semua orang, dan jadilah disengaja.

Pertimbangkan contoh menemukan pembicara utama untuk acara perusahaan. Pesan apa yang ingin Anda sampaikan di acara Anda? Apakah Anda memerlukan cerita ini untuk datang dari perusahaan dengan ukuran tertentu dengan tingkat ekuitas merek tertentu? Apakah itu sama pentingnya atau kurang penting dari metrik yang ingin Anda soroti tentang kisah mereka? Dan bagaimana dengan berbagi platform Anda dengan perspektif yang datang dari beragam latar belakang?

Dalam skenario ini, kita cenderung mengatakan bahwa kita menginginkan "semuanya!" atau fokus pada kriteria tertentu yang bernilai tinggi dari sudut pandang kita sebagai individu atau sebagai bagian dari tim. Tetapi bagaimana ketika seseorang membawa buah yang menggantung rendah dengan judul yang bagus tetapi tidak memiliki cerita yang tepat untuk diceritakan? Memiliki kriteria yang jelas yang ditetapkan sebelumnya akan memastikan bahwa keputusan yang Anda buat sesuai dengan hasil yang Anda inginkan.

Jika keputusan akan diinformasikan oleh lebih banyak orang daripada hanya Anda, bawalah orang di luar jaringan langsung Anda saat memilih kontributor untuk proyek, program, atau upaya pengambilan keputusan tertentu. Orang-orang di jaringan langsung Anda—orang-orang yang Anda tuju—lebih cenderung mirip dengan Anda daripada membawa perspektif yang berbeda. Ini dikenal sebagai bias afinitas.

4. Mengutamakan keragaman (representasi) dan inklusi di perusahaan Anda. Data dapat membantu Anda melihat dan menjelajahi konsep yang bukan milik Anda. Memastikan keragaman dan inklusi—baik dalam hal individu yang menyediakan data maupun individu di tim Anda yang menginterpretasikan data—akan menghasilkan lebih banyak interpretasi dan pemahaman yang lebih besar tentang apa yang dikatakan data tersebut. Penelitian telah menunjukkan dampak positif dari memiliki tim yang lebih beragam dengan perspektif yang lebih beragam. Berdasarkan sebuah penelitian terbaru, perusahaan yang beragam dan inklusif mungkin 60% lebih mungkin untuk mengungguli rekan-rekan mereka dalam hal pengambilan keputusan.

Tim yang beragam dan inklusif dapat mengganggu bias dengan membawa ide-ide baru dari sudut pandang yang unik. Menurut Deloitte, keragaman kognitif diperkirakan meningkatkan inovasi tim hingga 20%.

Ketika orang-orang dari latar belakang yang berbeda mengeksplorasi data, tim Anda dapat menjelajahi data dari sudut pandang yang berbeda, mengungkap informasi baru, dan menantang ide atau prasangka Anda sendiri. Semakin banyak Anda bisa melakukan itu, semakin banyak inovasi akan terjadi.

Cara lain untuk mengendalikan bias adalah dengan menciptakan suasana inklusif di mana karyawan dapat merasa aman secara psikologis. Dengan cara ini, mereka akan merasa cukup nyaman untuk berbagi perspektif unik mereka. Jika ini tidak didorong, orang-orang tidak akan menjadi rentan dan membagikan ide-ide mereka yang berpotensi menjadi terobosan. Membina suasana keamanan psikologis dan mampu bekerja lebih produktif bersama mengarah pada inovasi.

Pertanyaan lain yang perlu dipertimbangkan: Apakah Anda membuat tim inklusif? Apakah organisasi Anda berpikir di luar aspek perekrutan untuk mempekerjakan individu dari latar belakang yang berbeda?

5. Bersiaplah untuk menantang asumsi Anda selama proses pengambilan keputusan Anda. Manfaatkan kerangka kerja atau alat seperti Panduan Jangan Membahayakan untuk melakukannya. Pisahkan data Anda dan tanyakan pada diri Anda pertanyaan latihan inklusif.

Pastikan analis data dan pengguna bisnis perusahaan Anda tahu cara mengawasi bias di seluruh proses kerja mereka mulai dari strategi hingga eksekusi. Latihan inklusif dapat menciptakan momen untuk mengganggu bias—tetapi jika itu hanya aktivitas refleksi, Anda akan terlambat untuk memperbaikinya. Pertimbangkan untuk menggunakan kerangka kerja untuk menciptakan momen untuk direnungkan jika Anda memasukkan praktik inklusif ke dalam alur kerja Anda.

Mulai proses pengambilan keputusan dengan data

Bias tidak akan pernah sepenuhnya diberantas, dan data itu sendiri bukanlah jawabannya. Sebaliknya, data adalah awal dari proses untuk mengajukan lebih banyak pertanyaan yang pada akhirnya akan mengarah pada jawaban yang terinformasi. Dengan memiliki tim yang lebih beragam dan inklusif, Anda akan dapat memaksimalkan interpretasi data perusahaan Anda, yang mengarah pada wawasan dan keputusan yang lebih inovatif.

Buat keputusan yang lebih baik dengan data

Pelajari lebih lanjut tentang bagaimana menggunakan data untuk membuat keputusan bisnis yang terinformasi.

Sumber: https://www.forbes.com/sites/tableau/2022/09/23/how-inclusive-practice-and-data-help-reduce-bias-in-decision-making/