Bortvis BI-konsulenterne med tilbagevirkende kraft

BI-konsulenter har brug for at kalibrere deres buzzword-verden med virkeligheden, skriver seniorrådgiver i VENZO Søren Christian Søndergaard Poulsen i dette synspunkt.
Brødtekst

Jeg elsker at lave data- & ai-strategier. Nogle gange føler jeg mig helt flov over, at nogle betaler mig for at lave det arbejde.

Ikke fordi jeg ikke synes, det arbejde, jeg laver, er godt. Men snarere fordi hvert interview, workshop, spørgeskema, observationsstudie el.lign., som vi bruger til at indsamle informationer fra eller om organisationen, altid er mig fagligt berigende.

Jeg ELSKER at lytte til de mennesker, der fortæller om, hvordan de hver dag bruger eller gerne vil bruge data i deres hverdag.

Jeg ELSKER også at lytte til dem, der ikke vil – eller om ikke andet – ikke har en klar holdning til data.

I forbindelse med et aktuelt data- & ai-strategiforløb blev jeg i den grad eksponeret for sidstnævnte. En form for anti-spreadsheet-jockey, der i sin weekend spiller hård jazz og havde en klar holdning til, at sådan nogle BI-konsulenter som os skulle bortvises med tilbagevirkende kraft.

Ja, det var fedt, fordi vi BI-konsulenter har brug for at kalibrere vores buzzword-verden med virkeligheden, og det blev jeg så sandelig mindet om her.

Vores interviewperson sagde:

»De systemer, jeg taster data i, fortæller jo ingenting om den virkelige verden. Jeg forstår ikke, hvorfor jeg skal taste alle disse ligegyldige data. Så bliver jeg præsenteret med 9 felter i et CRM-system, der skal indkapsle 60 dialoger, 3 gange så mange e-mail korrespondancer, og lig dertil mine 25 års erfaring. Så kan der sidde en eller anden ung data scientist og beregne en kundelivstidsværdi på disse data. Det giver jo ingen mening.«

Lig dertil, at data er ikke objektive. Data reflekterer værdier, standarder (eks. registreringspraksis), IT-systemer (eks. felter) og begrænsninger (eks. tid til at udfylde data) fra deres »skabere« (taste-medarbejderen).

Der er mange perspektiver på data, og et CRM-system kan heldigvis bruges til andet end at beregne kundelivstidsværdier, men det fik mig til at tænke på denne historie fra Shane Parrish' bog 'The Great Mental Models'.

»Imagine an old man who’s spent his entire life up in a small town. He’s the Lifer. No detail of the goings-on in the town has escaped his notice over the years. He knows the lineage, behavior, attitudes, jobs, income, and social status of every person in town. Bit by bit, he built that knowledge up over a long period of observations and participation in town affairs.

The Lifer knows where the bodies are buried and who buried them. He knows who owes money to whom, who gets along with whom, and who the town depends on to keep spinning. He knows about that time then town flooded, how many inches high the water was, and exactly who helped whom and who didn’t.

Now imagine a Stranger enters the town, in from the Big City. Within a few days, the Strangers decides that he knows all there is to know about the town. He’s met the mayor, the sheriff, the bartender, and the shopkeeper, and he can get around fairly easy. It’s a small town and he hasn’t come across anything surprising.

In the Stranger’s mind, he’s convinced he pretty much knows everything a Lifer would know. He has sized up the town in no time, with his keen eye. He makes assumptions based on what he has learned so far, and figures he knows enough to get his business done. Without intimately knowing the history of the town, how can he be sure that he has picked the right land for development or negotiated the best price?

After all, what kind of knowledge does he really have, compared to the Lifer.

Having this deep knowledge gives the Lifer flexibility in responding to challenges, because he will likely have more than one solution to every problem. And this depth increases his efficiency – he can eliminate bad choices quickly because he has all the pieces of the puzzle.

True knowledge of a complex territory cannot be faked.«

Erstat nu »the Lifer« med eks. en sælger i jeres organisation, der efter flere hundrede timers salgsproces udfylder 9 dumme felter i et CRM-system, heraf udfylder flere af felterne med 'andet'/'-', og »the Stranger« med en bruger af organisationens CRM-system samt dertilhørende BI-setup.

Eller en sagsbehandler i en kommune, der efter mange interaktioner med en bog hver dag udfylder felter i et dumt IT-system, imens resten af organisationen suger disse data til sig i et data warehouse.

En af pointerne i bogen 'The Great Mental Models' vedr. denne historie er, at det er vigtigt at være fuldt ud bevidste om, at vi ved, hvad vi ikke ved for at kunne træffe de bedste beslutninger. Da vi i så fald vil bruge denne erkendelse til at søge yderligere information.

For at blive en »Lifer« kræver det mere end lige at skimte overfladen. Vi må aldrig glemme, at der er findes en virkelighed separat fra disse data. Vi løber ind i problemer, når vores viden baseres på data, snarere end den faktiske verden. Virkeligheden indeholder alle de detaljer, som data ikke kan beskrive.

Jeg synes, organisationernes stræben efter at blive datadrevet drukner i et fokus på at lave dashboards bygget op i alle regnbuens farver (Tufte vil vende sig i graven, hvis han hørte det), cloud-migreringer og fokus på features and functions.

Vi bruger ikke mange millisekunder på at uddanne vores medarbejdere i, hvad de skal stille op med disse data.

Data er simple abstraktioner af virkeligheden. Data er proxier på virkelighed. Data er ledende alarmer og guides.

Og det kræver en hulens masse arbejde at få noget værdi ud af disse data, forstå årsagssammenhænge og forstå historierne bag.

For når data er simple abstraktioner, er det vigtigt, at vi kan bygge på med andre kompetencer; arbejde med tankeeksperimenter, skepticisme, kritisk- og analytisk tænkning eller Socratic Questioning, der sikrer, at vi udfordrer vores initiale tanker og antagelser baseret på disse proxy-data, vi bliver præsenteret for.

Og den del af den datadrevne agenda er fuldstændig usynlig – altså den vigtige.

Når jeg i »mine« strategiforløb altid spørger ind til vidensdelingsprocesserne i organisationen, bliver jeg nogle gang mødt med: »Hvad har det med emnet at gøre?« ALT!

Det er ekstremt vigtigt for mig at forstå organisationens vidensdelingsprocesser – da svaret, vi søger, sjældent ligger i de data, vi bliver eksponeret for, men i de systemer, stukturer og organisatoriske vidensdelingsprocesser, hvorfor de er mindst lige så vigtige at arbejde med, som de mange dashboards, data-cuber, portaler, eller hvad vi kan finde på at pakke data ind i. Sidstnævnte det nemme, førstnævnte det altafgørende.

Hvis ikke vi forstår, hvad data fortæller os, er de ubrugelige – måske endda farlige.

Dette indlæg er oprindeligt udgivet på LinkedIn.

Prøv DataTech gratis

DataTech giver dig ny viden, cases og erfaringer med at lykkes med AI og data science i praksis. Få 3 ugers gratis og uforpligtende prøveabonnement

Klik her