Przymknij na chwilę oczy i pomyśl o tym, w jaki sposób organizacja podejmuje decyzje. Na początku pojawiają się fakty, dane, które posłużą do podjęcia decyzji. Na bazie tych faktów ktoś formułuje alternatywne ścieżki działania i ocenia je zgodnie z ustalonymi kryteriami. Osoba podejmująca decyzję wybiera następnie najlepszą alternatywę, a organizacja zobowiązuje się do działania.

Zaawansowana analiza może zautomatyzować części tego procesu; oferuje perspektywę szybszych, lepiej poinformowanych decyzji i znacznie niższych kosztów. Jednak chyba że jesteś gotów zmienić sposób współpracy między ludźmi na każdym etapie procesu podejmowania decyzji, możesz się rozczarować.

Weźmy prosty przykład: funkcja windykacji w firmie. W przeszłości dziesiątki agentów ds. windykacji otrzymywały codziennie setki losowo przydzielonych kont zaległych płatności, z kilkoma faktami dotyczącymi klienta. Każdy agent następnie przeglądał standardową listę alternatywnych działań i decydował, w jaki sposób spróbuje odzyskać dług.

Dziś algorytm może zbierać znacznie więcej faktów dotyczących kont niż jakikolwiek człowiek mógłby łatwo przetworzyć: długie historie płatności, obszerne dane demograficzne i tak dalej. Wykorzystując te fakty, może on rozdzielić konta na proste kategorie, na przykład czerwone-żółte-zielone.

Teraz alternatywne ścieżki działania są prostsze. Czerwone – o niskiej wartości, mało prawdopodobne do spłaty – trafiają od razu do agencji windykacyjnej. Zielone – o wysokiej wartości, prawdopodobne do spłaty – trafiają do specjalnie przeszkolonych rozmówców, zapewniających usługi na najwyższym poziomie. Żółte wymagają dokładnego przejrzenia alternatyw i znacznie większej ingerencji ludzkiej, zanim podejmowana jest decyzja.

W ramach grup żółtej i zielonej zaawansowane eksperymenty testowania i uczenia się mogą dostarczać informacji na temat pozostałych decyzji. Agenci mogą dowiedzieć się z tych eksperymentów, które kanały i komunikaty generują największy zwrot finansowy, minimalizując koszty i niezadowolenie klientów. W ten sposób mogą zoptymalizować swoje wybory dotyczące sposobu dochodzenia do zaległych płatności.

Nowy sposób działania jest lepszy i bardziej efektywny. Ale zobacz, jak zmienia sam proces – i czego oczekuje się od zaangażowanych osób:

• Teraz oprogramowanie pomaga w zbieraniu i analizie krytycznych informacji, eliminując zadania, które kiedyś wykonywali ludzie. Ale ludzie muszą określić, jakie fakty zbierać i jak je ważnie ocenić.
• Czerwono-żółto-zielone lub inne proste schematy kategoryzacji mogą przyspieszyć formułowanie alternatywnych działań. Zaawansowane modele analizy mogą uwzględniać doświadczenie najlepszych decydentów organizacji, pomagając eliminować mniej realne alternatywy i skupiając się na najbardziej obiecujących ścieżkach działania. Ludzie będą potrzebowali szkolenia w zakresie korzystania z wniosków płynących z nowych narzędzi do wspomagania decyzji.
• W obrębie grupy żółtej i zielonej wyniki testowania i uczenia się mogą znacząco poprawić jakość podejmowanych przez organizację decyzji. Ludzie nadal będą musieli określić, jakie eksperymenty przeprowadzić, a następnie interpretować wyniki.

Nowe procedury decyzyjne prawdopodobnie będą wymagały inwestycji w technologię – na przykład oprogramowanie, które włącza reguły i nową logikę decyzyjną do systemów przepływu pracy. Będzie to również wymagać przeprojektowania ról ludzi, aby dopasować je do nowego procesu. Możliwa konieczność zdobycia nowych umiejętności może oznaczać obszerne przeszkolenie i ewentualnie konieczność zatrudnienia nowych talentów.

Użycie analizy danych może ogromnie poprawić jakość twoich decyzji i może zwiększyć efektywność procesu decyzyjnego nawet o 25%. Przy dobrze przeprowadzonej realizacji prowadzi to do większej satysfakcji klientów i pracowników. Jednak same analizy danych nie osiągną tych wyników; proces decyzyjny musi się zmienić, a ludzie muszą nabyć nowe umiejętności i przejąć nowe role. Transformacja ta ma charakter organizacyjny oraz technologiczny i jest bardziej rozległa, niż wielu firm się wydaje.

Michael Mankins jest liderem w dziedzinie praktyk organizacyjnych i strategicznych w firmie Bain oraz partnerem w biurze w Austin. Jest współautorem książki „Time, Talent, Energy: Overcome Organizational Drag and Unleash Your Team’s Productive Power” (Harvard Business Review Press, 2017).

Lori Sherer jest partnerką w firmie Bain & Company w San Francisco i wspólnie kieruje praktyką Advanced Analytics w firmie.”