Så er du bare en idiot med en spand fuld af data

Virksomheder drukner i egen datasø, men har aldrig tørstet mere efter data, skriver Søren Christian Søndergaard Poulsen.
Brødtekst

Det er efterhånden blevet en af mine kæpheste at skrive om organisationer, der ikke får nok ud af deres data. Selv alle de data, der allerede ligger let tilgængelige i organisationens BI-setup.

Til de faste læsere, så har flere af mine seneste indlæg måske været præget af en vis grad af negativitet, men I må forstå, at jeg er passioneret ud over det sædvanlige for at få organisationerne til at lykkes med deres datainitiativer.

I drukner jer selv i datasøen, mens I aldrig har tørstet mere efter data. Den helt store datahamstring er i gang.

Men jeg er frustreret … Sikkert ligesom dig.

Derfor bliver jeg nødt til konstant at minde mig selv om, hvorfor jeg for 12 år siden faldt for denne branche. Faldt for de forretningsmæssige muligheder med data. Jeg husker stadig, da jeg lavede min første ’basket-analysis’-algoritme i 2009, som gav den organisation, jeg arbejdede for, en helt unik indsigt til at markedsføre deres produkter på nye måder. De var så begejstrede for disse data, og de muligheder disse data skabte, og det er historier som disse, der stadig holder mig i gang.

Så selvom jeg til tider virker som den helt trætte databehandler, så husk på, at det er af et professionelt hjerte, der bløder for at skabe forretningsmuligheder baseret på data.

Nå, nok violin for denne gang.

Vi skal tilbage på sporet.

Store afvigelser, men en passiv direktør

Jeg besøgte for nylig en organisation, som gerne ville snakke om alt godt fra data-godteposen.

Under den meget passionerede snak blev jeg præsenteret for en aktuel situation, der fik samtalen til at skifte karakter.

Organisationen havde, i det netop afsluttede regnskabsår, en betragtelig negativ afvigelse (+100 mio.) i forhold til budgettet, og nu krævede koncerndirektøren en redegørelse for, hvorfor det kunne gå så galt. Det paradoksale var, at selvsamme koncerndirektør måned efter måned i det forgangne år var blevet præsenteret for en rapportpakke, der belyste budgetafvigelserne fra forskellige perspektiver. Afvigelser, der kun havde aggregeret sig større fra første afvigelse tidligt i regnskabsåret.

it is pardonable to be defeated, but never to be surprised
-Frederik den Store

De, der har lavet rapportpakken, må have følt det, som om de havde et intetsigende liv. De kunne vel sagtens i stedet have tilbragt deres arbejdstid i sydens sol for fuld lampe, så de kunne have fået en smukkere teint end Ulf Pilgaard. For deres månedlige rapportpakke var tilsyneladende blevet statisten i teaterforestillingen for ingen mennesker.

Nu kunne jeg være meget hurtig til at placere et enormt stort ansvar ved selvsamme koncerndirektør, der kræver denne redegørelse, men hvorfor er det endt der, når alle data tidligt har indikeret denne udvikling og måned efter måned bekræftet den? Kørte koncerndirektøren på de helt gule data-amatørplader? Eller var han blot ramt af data-fugleskræmselseffekten?

  • Måske han/hun ikke kunne gøre noget ved det?
  • Måske han/hun har set tiden an?
  • Måske data ikke blev kommunikeret stærkt nok? Måske der var smidt lidt biased data-censur på nogle af historierne.
  • Måske de ikke kunne finde ud af at lægge budget?

Fortsæt selv listen.

Jeg skal ikke kunne sige det. Det eneste, jeg kan sige, er, at det ikke er hverken første eller sidste gang, jeg oplever det. Hvorfor jeg på vegne af hele data-branchen må opfordre jeres organisationer til en ordentlig omgang dialogkaffe. Den helt sorte af slagsen!

For der står koncerndirektøren og ligner en kæmpestor idiot med en spand fuld af data, der tidligt indikerede, at noget var galt, men som der aldrig blev eksekveret på.

Vigtige data bliver ignoreret

Det gav mig følgende forvirrende tankestrøm. Beklager på forhånd.

Hvorfor bliver vigtige data ignoreret?

Var det overhovedet de rigtige data, som koncerndirektøren blev præsenteret for?

Gør data os overhovedet klogere? Gør aggregerede data os dummere? Jeres ledere får oftest kun adgang til nøje udvalgte data, som allerede er processeret, som forstærker nogle stimuli og dæmper andre. I gør det af et godt hjerte, så I hjælper lederne med at fokusere deres opmærksomhed. Men er det en god idé?

Er verden – og ikke mindst de hastige skridt som den bevæger sig med – ikke alt, alt for kompleks til at blive smidt ned i et statisk dashboard? Vi leder efter afvigelser og trends i et simpelt dashboard, data-cube eller data-sø, men de data, vi analyserer, afspejler på ingen måde et opdateret verdensbilledet. Kun de data, man blev enige om at inkludere og fokusere på ved forrige styregruppemøde. Nogle data er allerede forældet, inden dashboardet blev udviklet.

Hvor ofte spørger I jer selv om, hvilke fakta der er de vigtigste i jeres organisation? Hvor ofte kalibrerer i jeres data-setup med virkeligheden? Og hvornår er en nedgang i f.eks. omsætningen et udtryk for et problem i markedet snarere end produktet? Er det udtryk for et fundamentalt skifte blandt forbrugerne eller blot en dårlig leverance? Og havde det gjort nogen forskel at have kunnet forudsige svarene på ovenstående?

Er det at have let adgang til data, det som gør det svært at få indsigter? Ender vi ikke i polariserede virkelighedsfjerne filterbobler personificeret ved dashboards og data-søer, hvor vi baseret på de få data, vi har til rådighed, forsøger at træffe beslutninger om en meget kompleks verden?

Er færre dashboards og statistiske rapporter kilden til rigtig og konkurrenceforbedrende indsigt?

En analytisk sovepude

Jeg holdt en workshop i data storytelling for en flok dygtige data analytikere, og under workshoppen var der flere af dem, der spurgte mig, hvordan jeg lavede min historiefortælling i Excel. Jeg havde ALDRIG bedt dem om at lave det i Excel!

Prøv at tænk, hvordan I kan gøre op med vanetænkning, som helt sikkert også præger dataanalyserne. I analyserer de data, som er let tilgængelige, på præcis samme måde som i sidste uge og ugen før den. Og man kan ikke bebrejde jer – det er jo let. Men det er en analytisk sovepude.

Rigtige indsigter kommer ved at forholde sig spørgende, være nysgerrig, lave udfordrende antagelser og hypoteser, som skal på- eller afvises. I skal ud af jeres katastrofale Six Sigma-inspirerede rapporteringssystem. I skal lave rigtige indsigter – ikke kun afvigelseshåndtering. Og laver I nogensinde en score for, hvad jeres databaserede anbefalinger udrettede i den virkelige verden?

Vi skal erkende, at vi er notorisk dårlige statistikere, hvor personlig gætværk, illusoriske korrelationer og årsagssammenhænge langt overstråler logisk ræsonnering og systemtænkning. Vi skal erkende, at det at lave en flot graf, er den mindste del af arbejde – analysen, historiefortællingen, beslutningen og eksekveringen den største del. Nogle af de ledere, jeg har arbejdet med, ser data uden anbefalinger lige så uoverskuelige som Alternativets folketingsgruppe, der prøver at stoppe partiflugten. I skal ud af jeres regneark og data-cubes, turde at lave nogle konkrete anbefalinger, der gør det let for lederne at eksekvere på data.

Og det er jeres lederes opgave at hjælpe jer med dette.

Organisationer designet ud fra en status quo-tankegang

Desværre er rigtig mange organisationer designet ud fra en status quo-tankegang, som er præget af rutiner, vaner og uniforme processer og procedure, der kan blive udført næsten uden at tænke sig om. Hvor repetition, nul-fejltolerance og konsistens er det primære mål, men i den grad sætter en stopper for erhvervelsen af nye og vigtige indsigter.

Jeres mellemledere er de værste.

For at skulle holde sig opdateret og forsøge at processere alt den information, fakta, data, forecasts m.m., som de bliver præsenteret for, bliver de nødt til at have nogle faste rutiner og måder at filtrere alle disse informationer på. De bliver nødt til at have rutiner for at kunne arbejde effektivt. Det må I da kunne forstå.

Tænk, hvis jeres Apple Airpod-bærende mellemledere ikke var effektive – hvem skulle så være det? De arbejder med antagelser for, hvem de gode leverandører er, hvem de største konkurrenter er, som influerer, hvilke kompetencer og initiativer der skal sættes i søen. Antagelser, som er svære at ændre på. De fleste drages af det velkendte, og her er jeres ledere på ingen måder en undtagelse. Husk på, at de arbejder på at reducere usikkerhed, lukke informationshuller og søge support i data for beslutninger, som allerede er truffet i stedet for at lede efter nye indsigter.

I drukner i data, realtidsindsigter og data-drevne alarmer. I drukner jer selv i jeres egen 'datasø', mens I aldrig har tørstet mere efter data.

Den helt store datahamstring er i gang.

Og selv hvis I får alle de data, I tørster efter, så skal I stadig analysere disse data. Det er den svære del. Den svære opgave er nemlig at sortere det, der er relevant, fra det der ikke er. At frasortere alt den værdiløse data-larm og finde en måde, at konsolidere de kritiske indsigter, der i dag befinder sig i isolerede organisationariske lommer og derfor ofte er umulige at sammensætte. Det er ikke tallene og de endeløse regneark og dashboards, der er interessante, men fortællingen bag, og hvad det kan føre til. Ledernes opgave er at være åbensindet og byde uvelkomne overraskelser indenfor. Og vi skal forholde os til, at vi mennesker nu har en koncentrationsevne, der er værre end en guldfisk.

The future belongs to those who can engineer attention.

Selvom behandling af data typisk er forbundet med at tænke og analysere snarere end at eksekvere, så er evnen til at eksekvere med baggrund i data jeres sande lakmustest for, i hvor høj grad I er data-drevet. Og fortsætter I jeres dataindsamlings vanvid – så start med at definere, hvad I kan/vil eksekvere med baggrund i disse såfremt afvigelser opstår og trends afstedkommer. Og øv jer på, hvordan I vil ændre jeres kollegers adfærd. Og gå i gang med at øve jer med det samme, for før jeres halv-krukkede ETL-udviklere har data klar til jer, er der er alligevel gået nogle måneder.

Sammenfattende må organisationernes største datahandicap være:

  • blinde vinkler og biases
  • evne til at filtrere signaler og støj
  • tværorganisatorisk informationsdeling
  • rutiner
  • knowing-doing gap

Det nytter ikke noget af have en 12-cylindret Mercedes, hvis ikke den har hjul. Får I styr på nogle af ovenstående tanker, så tror jeg, at I kan tage en tur til data-søen med byen største fiskestang.

Og måske koncerndirektøren er undskyldt – måske informationer druknede i alt det andet vigtige han/hun skal tage stilling til ...