Bagaimana Pemimpin Memadukan Data Dan Intuisi Untuk Membuat Keputusan Yang Lebih Baik

Delama kebangkitan transformasi digital selama dua dekade terakhir, janji akan data semakin besar. Tidak diragukan lagi, data sangat penting untuk memahami pelanggan Anda, mengembangkan bisnis Anda, dan mengukur kesuksesan, tetapi itu bukan satu-satunya hal yang Anda butuhkan. Keputusan yang baik membutuhkan kedua data tersebut dan intuisi.

Banyak orang sampai pada keyakinan yang salah bahwa data adalah raja dan intuisi adalah badut. Kadang-kadang tampaknya keduanya terlibat dalam tarik menarik, memastikan bahwa tidak ada yang dapat memerintah dengan kehadiran yang lain.

Ini tidak bisa jauh dari kebenaran. Intuisi juga berperan dalam semua keputusan yang baik. Ketika data dan intuisi digabungkan, mereka menciptakan siklus umpan balik yang memurnikan dan memperkuat model mental. Intuisi dapat mengarah pada pertanyaan yang tepat untuk ditanyakan dari data, dengan cerita yang dihasilkan menginformasikan intuisi. Intuisi dapat memperingatkan kita ketika data tidak lengkap atau memiliki tantangan kualitas. Sementara data dapat membantu kita mengenali kapan kita beroperasi dari bias atau keadaan telah berubah.

Hal ini penting di era ketidakpastian yang berkembang, dengan tantangan bisnis baru di setiap sudut. Data dapat memberikan pemahaman yang kuat tentang masa lalu, tetapi ketika kita terlalu terjebak dalam ketepatan—dalam akurasi, dalam menyusun model data yang sempurna—kita dapat melewatkan apa yang terjadi tepat di depan kita. Intuisi dapat membantu kita dengan cepat memahami arah, yang dapat berdampak pada pengambilan keputusan seperti angka kuantitatif lainnya. Jika digunakan dengan tepat, intuisi dan data bisa menjadi dua sekutu utama Anda dalam meraih kemenangan melawan ketidakpastian.

Pengambilan keputusan di dunia nyata

Kami berbicara dengan Michael Nolting, direktur senior Layanan Digital dan Analisis Data di Volkswagen, dan Michael Sasaki, mantan wakil presiden Global Head of Customer Success and Support di Mitek, untuk mempelajari bagaimana perusahaan mereka menyeimbangkan data dengan intuisi untuk membuat keputusan dan mendorong hasil bisnis.

Tableau: Bagaimana keputusan dibuat di perusahaan Anda?

Nol: Kami bekerja sangat keras selama beberapa tahun terakhir untuk membuat produksi mobil kami berdasarkan data [di Volkswagen]. Kami membuat platform bernama Snowpark, yang mengumpulkan semua data yang kami miliki dari test drive dan pelanggan kami. Kami menganalisis apakah ada kesenjangan dalam hal penggunaan mobil.

Jika kami memahami bagaimana pelanggan sebenarnya menggunakan mobil kami, kami dapat membuat mobil sesuai dengan kebutuhan mereka dan memberikan produk yang lebih baik—serta meminimalkan biaya keseluruhan.

Kami membuat keputusan di Volkswagen berdasarkan insting [perasaan] dan data. Data lebih disukai dan dapat digunakan untuk mengoptimalkan sesuatu secara bertahap. Naluri Anda diperlukan untuk eksplorasi, saat Anda membuat keputusan sulit berdasarkan data yang tidak cukup (karena kurangnya data, terlalu banyak dimensi input, ukuran efek terlalu rendah, atau terlalu banyak pengetahuan konteks yang dibutuhkan). Bisnis inti harus dipindahkan sejauh mungkin ke zona data.

Untuk pengambilan risiko, Anda memerlukan hierarki berdasarkan jumlah risiko yang harus diambil. Pemimpin tingkat C harus mengambil risiko.

Data dari armada MOIA kami (solusi mobilitas bersama di Hamburg dan Hannover), telah didemokratisasi. Itu dapat diakses oleh siapa saja di Volkswagen dengan akun.

Tujuan kami adalah mendemokratisasi semua data kami secara internal. Saat ini kami sedang membangun gudang data yang sangat besar di departemen saya, tempat kami ingin memungkinkan setiap [pengguna] bisnis untuk mengimpor dan menganalisis data. Kami menjadikan setiap [pengguna] bisnis sebagai insinyur data/ilmuwan data.

Sasaki: Pengambilan keputusan [di Mitek] membutuhkan keselarasan di antara para pemangku kepentingan. Pada akhirnya, ada pembuat keputusan akhir, dan mereka biasanya adalah ahli fungsional yang akhirnya membuat keputusan. Namun kami menghabiskan banyak waktu untuk bertemu dan memastikan bahwa kami semua memiliki informasi yang sama dan melihat data yang sama, memahami data, dan menyepakati definisi.

Tableau: Bagaimana Anda menyeimbangkan data, intuisi, dan pengalaman saat membuat keputusan?

Nol: Intuisi diperlukan untuk pertanyaan berat ketika orang akhirnya harus mengambil risiko dan tidak tersedia cukup data karena kompleksitas model/pertanyaan yang tinggi.

Kami masih berada di zona inti dengan bagian dari bisnis inti kami dan ingin memindahkannya selangkah demi selangkah ke dalam zona data untuk menjadi perusahaan berbasis data. Namun demikian, proyek inovasi atau menjajaki peluang bisnis baru sebagian akan selalu berada di zona usus. Apa tantangannya dengan zona usus, jika bisnis inti Anda masih ada? Di zona usus, jika Anda ingin menjawab pertanyaan yang berisiko tinggi (baca: Anda bisa kehilangan jutaan dolar), Anda membutuhkan manajer perusahaan yang bersedia mengambil risiko. Menurut ini kami, tentu saja, memiliki hierarki. Berdasarkan perkiraan risiko dalam euro, kami memiliki tingkat manajemen yang berbeda, yang dapat mengambil risiko. Jika risikonya sekitar jutaan, level C masuk.

Sasaki: Mereka semua terjalin dalam pikiranku.

Data sangat penting. Dengan data, Anda mulai melihat campuran data yang memberi tahu usus Anda. Anda membuat keputusan berdasarkan data pelanggan. Dan itu adalah pengalaman yang Anda miliki saat bekerja dengan data, dan melihat hasil yang Anda dorong dengan pelanggan benar-benar membantu membawa Anda ke tempat yang tepat. Pengalaman itu sangat penting saat bekerja dengan data.

Jadi saya tidak akan mengatakan itu satu atau yang lain. Ini adalah hibrida dari keduanya sekarang. Dan keduanya sangat penting. Usus didorong oleh data.

Tableau: Kapan Anda tahu bahwa Anda memiliki cukup data untuk mengambil keputusan?

Nol: Anda tidak dapat mengatakan, "Apakah kami memiliki cukup data?" atau "Apakah kami tidak memiliki cukup data?" Ini lebih tentang menghubungkan sistem yang tepat dan memiliki data yang baik. Pertanyaannya selalu antara kualitas dan kuantitas.

Ketika perusahaan mengalami transformasi data, masalah utamanya adalah kualitas data pada awalnya. Anda harus benar-benar melihat ke dalam data apakah Anda dapat bekerja dengannya atau tidak. Untuk dasbor tertentu, Anda memerlukan data penjualan berkualitas tinggi. Anda membutuhkan pelayan data.

Untuk ukuran efek yang besar, Anda memerlukan sejumlah kecil data (mis., dari armada mobil kecil). Kami ingin mengetahui bagaimana pelanggan komersial kami seperti [perusahaan pengiriman paket] DPD menggunakan mobil mereka dibandingkan dengan pengemudi solusi mobilitas bersama kami, MOIA. Data ini dapat dikumpulkan dari armada uji. Jika kami ingin mengukur ukuran efek kecil, kami mengambil data dari armada besar kami.

Kami juga menggunakan dashboard Tableau untuk membantu memprioritaskan komponen mana yang diproduksi berdasarkan kekurangan komponen yang kami miliki. Satu dasbor memprediksi urutan komponen yang kita butuhkan. Ini sangat rumit—ada miliaran kombinasi. Dan kemudian kami melakukan perhitungan dan memesan komponen ketika kami kekurangan. Sehingga menghasilkan proses produksi yang optimal.

Sasaki: Lima hingga sepuluh tahun yang lalu, ada kekurangan data. Dan sekarang ada begitu banyak data. Mencoba mencari tahu data apa yang penting sebenarnya adalah kunci dan tantangannya. Karena Anda dapat melihat data untuk membenarkan hampir setiap keputusan yang ingin Anda buat. Dan itu adalah jebakan yang dapat membuat Anda jatuh, di mana Anda memiliki keputusan yang ingin Anda buat, dan Anda mencari data untuk membenarkannya, sehingga data tersebut benar-benar mengungkapkan jalur yang perlu Anda ikuti.

Jadi pertanyaannya adalah, kapan Anda tahu bahwa Anda memiliki cukup data untuk mengambil keputusan?

Saya akan mengatakan, inilah pengalaman sukses pelanggan saya dengan keputusan terkait pelanggan. Anda dapat melihat titik terang pelanggan untuk melihat data apa yang ada untuk mendorong hasil yang diinginkan yang Anda berikan di masa lalu. Jadi kami banyak melihat hasil yang didorong, lalu data apa yang benar-benar penting yang benar-benar mendorong keputusan itu. Jadi kami akan mengidentifikasinya dan benar-benar memisahkannya.

Kami juga banyak bersandar pada tim analis data kami. Di Mitek, ada banyak jenis penyiapan tim data. Ada yang terdesentralisasi, di mana ada analis data dalam berbagai fungsi—satu di pemasaran, satu di keuangan, satu di kesuksesan pelanggan. Anda dapat memiliki fungsi terpusat di mana itu semua hanya satu tim. Tetapi analis data mengerjakan setiap permintaan yang masuk, terlepas dari fungsi apa yang masuk.

Saya membuat dan membangun peran analis data di tim kesuksesan pelanggan. Itu sangat penting karena beberapa alasan. Saya percaya seorang analis data perlu menjadi ahli dalam analisis data, tetapi juga ahli fungsional dalam apa yang mereka analisis datanya. Memiliki analis data di tim sukses pelanggan sangat berharga untuk memahami data pelanggan. Saya bersandar pada analis data saya ketika mereka punya waktu untuk membantu saya memutuskan kapan kami memiliki cukup data untuk membuat keputusan. Dan itu adalah tindakan penyeimbang antara tidak akurat dan tidak aktif.

Mana yang lebih mahal—membuat keputusan yang salah, atau tidak mengambil tindakan sama sekali? Saya tidak tahu apakah Anda pernah merasa memiliki cukup data, tetapi Anda sampai pada titik di mana Anda merasa cukup nyaman sehingga Anda dapat melakukan panggilan berdasarkan data tersebut.

Tableau: Sangat mudah untuk melihat data dan melupakan angka yang mewakili pelanggan manusia yang nyata. Bagaimana kita bisa bertahan dari kesalahan ini?

Sasaki: Saya menghadapi pelanggan; Saya bertanggung jawab atas pelanggan dan pendapatan. Tim pengembangan produk memiliki tujuannya sendiri, dan ini tidak selalu tentang manusia, atau mungkin mereka tidak memahaminya, dan itu bukan kesalahan mereka. Merupakan tanggung jawab saya sebagai pemimpin di sisi yang berhadapan langsung dengan pelanggan, untuk menunjukkan angka itu, titik data itu.

Ada hal-hal tertentu yang dapat dilakukan pemimpin untuk mencoba menempatkan wajah manusia pada data. Kami telah meluncurkan banyak program di perusahaan kami. Salah satunya adalah makan siang dan belajar. Kami akan membawa pelanggan dan membeli makan siang untuk seluruh perusahaan. Sekarang para insinyur dapat mendengar dari pelanggan dan mereka dapat menghubungkan metrik yang mereka lihat dan arahkan ke manusia, ke suatu tujuan.

Tableau: Bagaimana orang-orang karir awal mulai "melatih" usus mereka?

Nolting: Anak muda harus belajar mengalami kegagalan dan mengambil resiko dalam mengambil keputusan. Ini adalah hal budaya yang diperjuangkan oleh perusahaan Jerman. Anda dapat melatih nyali Anda hanya dengan mendapatkan pengalaman dan membuat kesalahan—dan kemudian Anda dapat melangkah untuk mengambil risiko mengambil keputusan yang lebih sulit di masa depan. Di Volkswagen, kami telah menciptakan lingkungan keamanan psikologis, tempat kegagalan diterima. Untuk mencapai ini, Anda harus memiliki budaya perusahaan dan data yang tepat.

Sasaki: [Di Mitek,] kami mulai dengan pengalaman dengan data. Pemimpin di tim saya telah mengubah manajer kesuksesan pelanggan menjadi analis data. Analis data kami telah menyediakan alat di Tableau untuk mengubah manajer kesuksesan pelanggan menjadi analis data. Sekarang, jika Anda melihat tampilan di Tableau, di seluruh perusahaan, 70% tampilan berasal dari manajer kesuksesan pelanggan saya.

Anda tidak bisa takut dengan datanya. Anda harus mengambil setiap kesempatan sebagai pengalaman dan mendapatkan sebanyak mungkin pengalaman dengan data, baik positif maupun negatif. Itu akan sangat berharga untuk memercayai naluri Anda. Masuk saja ke sana, pahami datanya, bermain-main dengannya, ajukan pertanyaan, dan dapatkan sebanyak mungkin pengalaman—positif atau negatif—yang Anda bisa. Dan itu benar-benar akan melatih usus Anda.

Jika Anda memiliki data, Anda tidak dapat membantahnya. Tidak ada cara yang lebih baik untuk bekerja dengan fungsi lain dan pemimpin lain serta anggota tim lain selain meminta mereka memiliki data. Saat Anda membawa data ke percakapan, Anda dapat menyelaraskan dengan sangat cepat. Anda dapat membuat keputusan; Anda bahkan dapat membujuk pelanggan. Ini akan menjadi pertemuan berbasis data, ini akan menjadi diskusi berbasis data. Rapat dan pengambilan keputusan terjadi jauh lebih cepat karena mereka lebih terinformasi dengan data.”

Apakah Anda siap memimpin dengan data?

Para pemimpin yang digerakkan oleh data lebih siap untuk beradaptasi dengan perubahan, dan mereka memahami nuansa pengambilan keputusan dalam lanskap bisnis yang bergerak cepat. Mereka tahu bahwa data, ditambah dengan pengalaman dan intuisi, merupakan hal mendasar untuk kesuksesan di seluruh organisasi mereka. Mengunjungi Tablo untuk Eksekutif untuk mempelajari lebih lanjut tentang bagaimana data memengaruhi generasi baru pemimpin bisnis, dan bagaimana Tableau dapat berkuasa Tujuan transformasi data.