Datadrivna verktyg för analys av försörjningskedjan räcker inte

De som arbetar med Supply Chain Analytics kan lära sig mycket av Customer Analytics. De två domänerna bygger på liknande grundläggande affärsprinciper. Det vi ser är att data och datadrivna beslutsverktyg inte är tillräckligt. De största svårigheterna med supply chain- eller kundanalys ligger i organisationernas kulturella praxis.

Följande artikel skrevs av Maz Iqbal som gav sitt värdefulla perspektiv från en Customer Analytics-synvinkel.

På LinkedIn delar Don Peppers med sig av sitt perspektiv på hur man fattar bättre beslut med hjälp av data. Detta fick mig att fundera och jag vill dela med mig av vad som dök upp för mig. Varför lyssna på min föreläsning? Jag har en vetenskaplig bakgrund (BSc Applied Physics). Jag kvalificerade mig som auktoriserad revisor och var involverad i att ta fram alla typer av rapporter för chefer och såg vad de gjorde eller inte gjorde med dem. På senare tid har jag varit chef för en verksamhet inom data mining och prediktiv analys. Låt oss börja.

Data och datadrivna verktyg för beslutsfattande är inte tillräckligt

Ja, det finns ett överflöd av data, och detta överflöd minskar allt snabbare. Tillräckligt stor och snabb för att få det fyndiga namnet Big Data. Det man glömmer bort är den ansträngning som krävs för att få dessa data att passa för modellering. Detta är ingen lätt och billig uppgift. Men det går att göra om man lägger tillräckligt med resurser på det.

Ja, det finns en mängd olika verktyg för att hitta mönster i dessa data. Och i händerna på rätt personer (statistiskt utbildade, affärsmässiga) kan dessa verktyg användas för att omvandla data till värdefulla (handlingsbara) insikter.

Det är inte så lätt som det låter. Varför inte? För att det råder brist på statistiskt utbildade personer: amatörer duger inte, experter är nödvändiga för att skilja mellan guld och guldkorn - med tillräckligt mycket data kan du hitta nästan vilket mönster som helst. Det räcker inte med statistiskt kunnande, det måste kombineras med affärsmässigt kunnande. Låt oss ändå anta att vi kan övervinna denna begränsning.

Den verkliga utmaningen när det gäller att skapa datadrivet beslutsfattande i företag är de kulturella rutinerna. Vi har inte de kulturella rutiner som skapar utrymme för datadrivet beslutsfattande att dyka upp och blomstra. En tänkare som är mycket smartare och klokare än jag har redan delat med sig av sin visdom, jag inbjuder dig att lyssna:

"På det hela taget är vetenskapliga metoder minst lika viktiga som all annan forskning: för det är på insikten i metoden som den vetenskapliga andan beror: och om dessa metoder går förlorade, då kan inte alla vetenskapens resultat förhindra en förnyad triumf för vidskepelse och nonsens. Kloka människor kan lära sig så mycket de vill av vetenskapens resultat - ändå kommer man alltid att märka i deras samtal, och särskilt i deras hypoteser, att de saknar den vetenskapliga andan; de har inte den distinkta misstro mot tankeavvikelser som genom lång träning är djupt rotad i själen hos varje vetenskaplig person. De nöjer sig med att hitta en hypotes överhuvudtaget om en viss fråga; sedan är de helt eld och lågor och tycker att det räcker. ........ Om något är oförklarligt blir de eld och lågor över den första idé som dyker upp i deras huvuden och som ser ut som en förklaring...."

- Nietzsche (Mänsklig, alltför mänsklig)

Det har slagit mig att den vetenskapliga metoden aldrig har fått fäste i organisationslivet. Lägg den rationalistiska ideologin åt sidan och ta en ordentlig titt på vad som händer i näringslivet, inklusive hur beslut fattas. Jag tror att du kommer att finna att Nietzsches genomträngande insikt om människans villkor är lika sann idag som när han uttalade den. Beslutsfattandet i alla organisationer som jag någonsin har kommit i kontakt med är inte vetenskapligt: det följer inte den vetenskapliga metoden.

Tvärtom fattar chefer beslut som ligger i linje med deras intuition, deras fördomar och deras egenintresse. Det är så sällsynt att stöta på en chef (och organisation) som fattar beslut med hjälp av den vetenskapliga metoden att jag stannar upp när det händer. Det är samma typ av oväntat som att se en kvinnlig streaker springa över fotbollsplanen i en ligamatch.

Vilka är utmaningarna med att införa datadrivet beslutsfattande i organisationer?

Teknologer har en gåva. Vilken gåva? Gåvan att inte tillräckligt djupt förstå hur människor är beskaffade. I brist på denna förståelse kan de och gör det (självsäkert) stå upp och predika teknikens dygder och fördelar. Om livet vore så enkelt.

Sanningen framstår som attraktiv för dem av oss som inte behöver ta konsekvenserna av sanningen. Datadrivet beslutsfattande låter bra för dem av oss som säljer (tjänar pengar och hoppas på att bli rika) datadrivna verktyg och tjänster.

Utmaningen med att införa datadrivet beslutsfattande är att det rubbar status quo. När man stör status quo går man emot de mäktiga som drar nytta av status quo. Kom ihåg Sokrates:

"Själva arten av vad Sokrates gjorde gjorde honom till ett störande och omstörtande inflytande. Han lärde människor att ifrågasätta allt, och han avslöjade okunnigheten hos individer med makt och auktoritet. Han blev mycket älskad men också mycket hatad .... Till slut arresterade myndigheterna honom för .... och för att han inte trodde på stadens gudar. Han ställdes inför rätta och dömdes till döden..."

- Bryan Magee, professor

 

Akta dig för att lyckas införa en kultur med datadrivet beslutsfattande!

Med tillräckligt engagemang och investeringar kan du införa en datadriven beslutsfattande kultur. Precis som människorna på Tesco gjorde. Och genom att fatta beslut med hjälp av data om dina kunder, dina butiker och dina produkter kan du överträffa alla dina konkurrenter, växa som en galning och göra stora vinster. Igen, igen och igen. Sedan kommer räkenskapens dag - när du ställs ansikte mot ansikte med bristerna i att fatta beslut enbart på grundval av data.

Det går inte så bra för Tesco. Det har inte gått så bra på flera år - bland annat utfärdade man sin första vinstvarning någonsin 2012. Vad är den senaste situationen? Tesco har rapporterat en vinstminskning på 23,5 % under det första halvåret i år. Vad har Tesco gjort för att hantera situationen? Så här står det i artikeln:

Förra året meddelade Tesco att man skulle spendera 1 miljard pund på att förbättra sina butiker i Storbritannien, investera i butiksuppgraderingar, produktsortiment, mer personal samt sitt online-erbjudande.

Det finns ett antal brister i datadrivet beslutsfattande. För det första förutsätter datadrivet beslutsfattande att framtiden kommer att vara en fortsättning på det förflutna. Det är ungefär som att säga att alla svanar som vi har stött på är vita, så vi bör planera för vita svanar. Och så en dag upptäcker man att den svarta svanen dyker upp! Lågkonjunkturen och den förändring i konsumentbeteendet som låg bakom lågkonjunkturen var den svarta svanen för Tesco.

Dessutom vågar jag gissa att Tesco-folket i sin dyrkan av datadrivet beslutsfattande glömde bort de dimensioner som är viktiga men som inte matades in i data och prediktiva modeller. Vilka dimensioner? Som kundernas upplevelse av att handla i Tescos butiker: för lite personal, missnöjd personal, butiker som ser mer och mer föråldrade ut för varje dag, kvaliteten på deras produkter...

Det verkar som om människorna på Tesco inte lyssnade på de kloka orden från en av mina idoler:

Allt som räknas kan inte räknas, och allt som kan räknas räknas inte.

- Einstein

Denna artikel om "Musings on Big Data, Customer Analytics, and Data Driven Business" skrevs av Maz Iqbal som är en expert som hjälper chefer, team och organisationer att göra det bra genom att skapa överlägset värde för kunderna och berika livet för alla intressenter. Hans webbplats är http://thecustomerblog.co.uk/