Nie przegap kolejnych odcinków. Zostaw email lub słuchaj na Spotify / Apple Podcast

Transkrypcja odcinka

Wspieraj decyzje danymi.

Cześć. W dzisiejszych czasach niesamowicie ważne jest to, jak podejmujemy decyzje. W jakim trybie one są podejmowane, jaki proces przechodzi przez nasz zespół, przez naszą firmę, przez nasze głowy, aby podjąć konkretne, często strategiczne dla naszego rozwoju, dla rozwoju naszego biznesu, decyzje.

Coraz częściej mówi się o tym, że decyzje, jakie podejmujemy, powinny być wspierane danymi.

Po angielsku mówi się często o byciu data driven, czyli nieomalże prowadzonym przez dane, napędzanym przez dane.

To jest więcej niż slogan, to jest coś, co, szczególnie w biznesach związanych w jakiś sposób z internetem lub technologicznie szerszych niż internet, ale właśnie opartych o technologię, tych danych mamy często bardzo, bardzo dużo. I umiejętne korzystanie z nich decyduje o przewadze konkurencyjnej i tym, czym często młode firmy, czy startupy potrafią wygrać z dużymi korporacjami. Korporacje, owszem, danych mają jeszcze więcej, ale nie zawsze potrafią z nich korzystać. Mówi się o tym często, że jeśli czegoś nie mierzymy, to trudno to poprawić, a już na pewno trudno powiedzieć czy i w jakim stopniu udało się coś zmienić na dobre. Bo to, czy na dobre czy na złe, to powiedzmy, widzimy intuicyjnie, ale to, w jakim stopniu, o ile procent, w jakim znaczeniu udało nam się poprawić dane, konkretny parametr, i jaki to ma wpływ na nasz cały biznes – to już jest coś, co wykracza poza intuicję. I warto pamiętać o tym, że samo mierzenie nie wystarcza, bo wskaźniki, czy też nasz biznes cały, nie poprawia się od samego patrzenia na liczby. Z tych liczb, które zbieramy, z tych analiz, które wykonujemy my sami, czy dedykowana komórka do analiz wewnątrz naszego zespołu, z tego płyną wnioski. Te wnioski – rekomendacje z analiz, dopiero jeśli się je wdroży w życie, mamy szansę coś poprawić.

Czyli pamiętajmy o tym, że od samego patrzenia na liczby wskaźniki się nie poprawiają.

I tutaj często zapominanym elementem w zespołach, firmach, które się rozwijają, jest ten mix kompetencji w zespole, o którym często już mówiłem przy różnych okazjach, i to, że te analityczne funkcje, czyli umiejętność tego, żeby ktoś w zespole kierował się nie tak jak wszyscy, domyślnie, intuicją, czy jakimś przeczuciem, co może być dobre dla biznesu, ale właśnie miał ten analityczny zamysł, czyli ktoś, kto potrafi nawet czasami na błahe tematy odpalić Excela i zrobić prostą analizę. Takie umiejętności dobrze dopełniają intuicję, dopełniają wyczucie w pewnych sprawach. Te proste kalkulacje biznesowe czasami, właśnie ich istota i ich wartość sprowadza się do ich prostoty.

W myśl zasady done is better than perfect, czyli jeśli coś uda nam się zrobić, to lepsze jest to zrobione, nawet nieidealne, niż idealne,

ale coś, co pozostaje w sferze do zrobienia lub coś, co zajmie nam zbyt dużo czasu, albo sytuacja, gdzie tak zwane lekarstwo jest droższe od pacjenta, czyli gdzie analiza danej decyzji trwa znacznie dłużej, niż wykonanie tej decyzji w jedną lub w drugą stronę, czy nawet konsekwencje tej decyzji. Trzeba mieć to wyważone, ile czasu na tą analizę poświęcamy.

Przykładem takiego podejścia do analizy bardzo prostej, szczególnie na początku procesu decyzyjnego, omówiłem taki przykład w odcinku „Jak ogarnąć 100 pomysłów”, bardzo polecam i zachęcam was do wysłuchania tego odcinka, bo to pokazuje, jak czasami trywialna i prosta potrafi być taka analiza. Czasami to jest kwestia dodania czy przenoszenia dwóch liczb między siebie, posortowania wyników dla różnych projektów tych dwóch liczb i okazuje się, że już mamy pierwszą podstawową analizę, już jesteśmy poniekąd data driven, czyli napędzani danymi.

Oczywiście, te liczby, czy te decyzje, nie zawsze są takie proste, a czasami te analizy jak najbardziej powinny być poszerzane, ale również dostępne transparentnie wewnątrz całego zespołu. Im lepiej delegujemy całe cele, a nie tylko konkretne zadania, im lepiej dystrybuujemy dane wewnątrz firmy, tym łatwiej będzie naszym pracownikom, członkom zespołu, podejść do tego w odpowiedni sposób, czyli rzeczywiście podejmować decyzje na podstawie danych.

Do tego służą różne narzędzia z kategorii tak zwanej BI, czyli business intelligence, to mogą być narzędzia takie jak Periscope, które wizualizują dane znacznie szybciej, niż można byłoby to zrobić w sposób ręczny. I nie tylko wizualizują, ale pozwalają na zmianę podstawowych kryteriów czy zmiennych, które zostaną zdefiniowane w każdym wykresie, w każdej części danych. Pozwalają na różne segmentacje czy agregacje danych dziennych, tygodniowych, miesięcznych w dowolny sposób.

Takie narzędzie jak Deep BI czy Luna, język programowania, który ułatwia kontakty między analitykami a stroną biznesową, czyli osób, które korzystają z tych danych.

To są niesamowicie ważne i przydatne narzędzia, głównie dlatego, że zwiększają realną dostępność w czasie poszczególnych analiz i też odpowiedzi na pytania. Jeśli po stronie biznesowej zarząd ma jakieś pytania, albo manager ma jakieś pytanie, i jeśli on wie, że pytanie to zadane, zlecone do działu analiz, będzie oznaczało, że za 2 tygodnie dostanie odpowiedź, to siłą rzeczy takich pytań zada mniej. Ale jeśli będzie miał dobre narzędzie, takie jak właśnie Deep BI, Luna czy Periscope, i będzie umiał samemu, na podstawie tych narzędzi weryfikować hipotezy, to tych hipotez też zweryfikuje znacznie więcej, bo będzie faktycznie wiedział, że w ciągu kilkunastu, kilkudziesięciu sekund jest w stanie znaleźć odpowiedź na pytanie, którego normalnie by prawdopodobnie nie zadał, wiedząc, że będzie musiał 2 tygodnie czekać na odpowiedź. Tym bardziej, że pytania rodzą pytania, jak znajdę odpowiedź na jedno pytanie, to może jeszcze będę chciał coś zweryfikować. I czekać kolejne wiele tygodni na odpowiedzi, to po prostu jest efekt taki, że te pytania nie są zadawane i dane nie są wykorzystywane. A przy okazji użycia takich narzędzi, nie tylko dostajemy ładne wykresy, ale tak naprawdę, przede wszystkim, dostajemy możliwość zadawania pytań i uzyskiwania odpowiedzi znacznie szybciej i znacznie bardziej wartościowych dla firmy i dla rozwoju całego zespołu i biznesu.

Dobrze jest też pamiętać, właśnie w kontekście danych, o tak zwanym sanity check, czyli każdy Excel wszystko przyjmie, praktycznie każda formuła wypluje nam, mówiąc kolokwialnie, jakiś wynik. Ale dopiero, kiedy zweryfikujemy ten sam wynik przy użyciu innych danych, czy spróbujemy dojść do tego samego wyniku na podstawie innego zbioru danych wyjściowych, to wtedy możemy zadawać sobie pytanie i weryfikować, czy to podejście jest właściwe. Bo jeśli patrząc bottom up, czyli od dołu, mając jakieś dane zupełnie organizacyjne, organiczne na samym początku, uda nam się dojść do jakiejś skali biznesu, a potem, niezależnie, od góry, czyli top down, od strony na przykład makrowskaźników danego rynku, danego kraju, danego regionu, uda nam się zejść niżej. Czyli z tych 2 analiz, top down i bottom up, dojdziemy do zbliżonych wartości, to dopiero wtedy mamy weryfikację i tak zwane właśnie sanity check, czy ta wartość, która nam wyszła z pierwotnej analizy, jest w ogóle w jakikolwiek sposób zbliżona do tej, która może być prawdziwą. Bo to, że jakaś wyjdzie, prawie zawsze wyjdzie, chyba że będziemy dzielić przez 0, to wtedy nawet Excel powie nam, że to jest głupota. Ale w podstawowych przypadkach coś nam wyjdzie, ale jeśli tego nie zweryfikujemy w jakiś sposób – jakąś kontrpropozycją czy kontranalizą, to często może się okazać, że będziemy w jeszcze gorszej sytuacji, niż nie wykonując żadnych danych, żadnych pomiarów. Będziemy mieli wrażenie, że udało nam się oprzeć nasze decyzje o dane, a tak naprawdę nic sensownego z tego nie wyszło i poszliśmy w złą stronę, mając błędne wrażenie, że opieramy nasze decyzje o dane.

Bardzo ciekawą drogę w kwestii podejścia do danych przeszedł AirHelp, któremu miałem okazję współprzewodzić, jako prezes zarządu polskiej spółki, ale też jako członek międzynarodowego zarządu. Tam dział analiz zaczynał się od jednego, potem kilku analityków, w pewnym momencie doszło do tego, że mieliśmy 13 analityków w dziale analiz oraz szereg team leaderów, managerów wyszkolonych przynajmniej w początkowych business case’ach. To są szkolenia, które ja też często w AirHelpie prowadziłem, w zakresie umiejętności przypisywania czy poszukiwania business case’ów, czyli uzasadnionych decyzji biznesowych i analiz, które to popierają, dla technicznych, ale też i nietechnicznych decyzji, często zmian procesów w firmie, które nie wymagały żadnego dodatkowego developmentu po stronie IT, a miały istotny wpływ na to, jak firma funkcjonowała.

I w momencie, kiedy w firmie uda się zaszczepić taką potrzebę, korzyść i dostępność danych, ich analizy, ich istotę w procesie decyzyjnym, to cała firma zaczyna zupełnie inaczej funkcjonować.

Funkcjonuje w oparciu właśnie o dane, te dane są bardziej transparentnie dostępne wewnątrz całej firmy, co pozwala również pozytywnie wpłynąć na motywację pracowników wewnątrz tego zespołu, bo oni wiedzą, dokąd zmierzamy, wiedzą, jak dobrze lub źle nam idzie w danym obszarze, mają większą świadomość tego, co robimy, i większą świadomość tego, co można zrobić, co można zmienić, żeby faktycznie iść do przodu. I taka świadomość bazodanowa, czy danowa, jest potrzebna nie tylko na poziomie analityków czy działu analiz, ponieważ analitycy z założenia nie mogą znać się operacyjnie na każdym obszarze firmy, oni widzą dane i czasami je interpretują poprawnie, a czasami nie. I dopiero ze wsparciem osób merytorycznie blisko związanych z danym obszarem można tak naprawdę właściwe wnioski biznesowe wyciągnąć, czyli wsparcie statystyków, wsparcie data engineerów, ale z ludźmi merytorycznie nastawionymi na dany obszar, którego decyzja dana dotyczy. Dopiero w takim połączeniu można faktycznie podjąć dobre decyzje.

Innym przykładem, również bardzo ciekawym, jest to, jak jeden z naszych klientów zagranicznych, Supermercato24, funkcjonujący w branży e-groceries , decyduje o nowych rynkach, na które wchodzą. Sam proces tej analizy rynków do ekspansji jest również bardzo ciekawie zorganizowany, w oparciu o dane. I mimo, że w jakiś sposób z analizy konkretne udaje się tutaj wyłonić rekomendacje rynków, to jeszcze na to jest kilka warstw eksperckiej wiedzy różnych osób z tych rynków i różnych osób z zewnątrz firmy, które finalnie składają się na decyzję odnośnie tego, na jaki kolejny rynek firma ma wejść.

Jak jesteście w stanie sobie wyobrazić, to jest bardzo strategiczna decyzja do podjęcia dla firmy, w jakim kierunku się rozwijać, więc ciężko mi jest nawet sobie wyobrazić, jak można takie decyzje podejmować bez oparcia o dane,

i tutaj szczególnie dane top down i bottom up, czyli zarówno dane nasze, wewnętrze firmy, jak to do tej pory wygląda na naszych rynkach i jak można to przełożyć czy wyekstrapolować na inne rynki. Oraz dane top down, czyli od strony makro, od strony analiz globalnych czy międzynarodowych rynków, eksportu, importu, konsumpcji i tak dalej, czy faktycznie ma szansę założony wzrost czy obecność na danym rynku przynieść te efekty, o które nam chodzi.

Te analizy top down i bottom up są również niesamowicie istotne dla wielu strategicznych decyzji.

Bardzo Was zachęcam do tego, żebyście zastanowili się, czy procesy w waszej firmie są faktycznie oparte o dane i czy można robić to lepiej, czy można czasami spojrzeć na to, co robicie, w sposób inny.

Dobrze jest do tego często zatrudnić może nie tyle zewnętrznych analityków, co ludzi z biznesowym doświadczeniem, ale z takim analitycznym mindsetem, czyli z analitycznym podejściem do tematu, bo często osoby będące non stop w danej organizacji, ciągle w jej wnętrzu, nie są w stanie zauważyć pewnych rzeczy, które zauważą osoby spoza tego kręgu, czyli osoby z doświadczeniami z innych branż, z innych obszarów, z innych modeli biznesowych. Często, i przede wszystkim z innych firm, w których w różnym stopniu dane były w różny sposób wykorzystywane.

Tyle w tym krótkim, niejako wstępie do analizy i wstępie do bycia data driven, bo to, żeby popierać decyzje danymi, nieomalże zawsze, to jest sprawa już kluczowa w firmach technologicznych i mam nadzieję, że dla wielu z was oczywista.

Ważne jest to, żeby nie tylko mierzyć KPI, czyli key performance indicators, nie tylko patrzeć na liczby, ale faktycznie wyciągać z nich wnioski, zmieniać firmę, bo od samego patrzenia, tak jak powiedziałem na początku, od samego patrzenia na liczby te liczby się nie poprawią. Poprawią się od mądrego dystrybuowania tych treści, tych liczb, tych wniosków i analiz wewnątrz organizacji. Macie bardzo dużą szansę na poprawę motywacji członków waszego zespołu i  poprawienie tego, jak funkcjonuje wasz biznes. Tyle na sam początek roku, najlepszego w 2020 i dalej. Cześć.


Kliknij w obrazek, aby posłuchać lub nagrać komentarz głosowy