Pieci šķēršļi datos balstītiem lēmumiem Latvijā

Grūtākie lēmumi ir tie, kas jāpieņem neskaidrības, nenoteiktības apstākļos. Uz kuru no attīstības tirgiem mēģināt izvērst biznesu? Kādas politikas izmaiņas ātrāk samazinās aplokšņu algas Latvijā, neapgrūtinot godīgos uzņēmējus? Vai vērts ieguldīt naudu jaunā digitālā mārketinga kanālā, vai tomēr rīkot ikgadējo klientu pasākumu?

Šādu nenoteiktības apstākļos pieņemamu lēmumu daudzums tikai palielināsies, jo mēs dzīvojam globālās konkurences, savienotas patērētāju pasaules un tehnoloģiju radītu inovāciju laikmetā. Turklāt mums, Latvijā, ir īpaši apgrūtināti apstākļi, salīdzinot ar starptautiskiem spēlētājiem. Daudzās nozarēs un reizēm pat lielākajām organizācijām pietrūkst mēroga vai resursu, lai varētu ievākt un analizēt, piemēram, nepieciešamos tirgus izpētes datus. Tādēļ mūsdienās ir kritiski spēt neskaidrības apstākļos veikli atsijāt būtisko informāciju no nebūtiskā trokšņa, apkopot pieejamo aktuālo informāciju, un šādi pieņemt uz datiem balstītus lēmumus. Sevišķi vadītājiem Latvijā.

Nesen vienā no Baltijas lielākajiem uzņēmumiem vidējā līmeņa vadītājiem vadīju darbnīcu par datos balstītiem lēmumiem un kritisko domāšanu. Vienā no uzdevumiem kopā ar dalībniekiem aprakstījām biežākās problēmas vai situācijas, kurās netiek pieņemti datos balstīti lēmumi (gan šajā organizācijā, gan dalībnieku iepriekšējā pieredzē), kā arī kopīgi identificējām risinājumus.

Šī un līdzīgas pieredzes, kā arī paša profesionālie iespaidi, iedvesmoja aprakstīt biežāk sastaptos šķēršļus datos balstītu lēmumu pieņemšanai. Lai nemālētu bildi pavisam dramatiskos toņos, šeit apskatīšu tikai tos šķēršļus, kurus ir iespējams novērst īsā vai vidējā termiņā.

Svarīga piebilde: šis saraksts nebūt nepretendē uz absolūtu patiesību vai statistiski reprezentatīvu bildi par situāciju Latvijas organizācijās. Šeit apkopoju savus novērojumus, kas gūti, strādājot ar prāvu skaitu veiksmīgu Latvijas un Baltijas organizāciju konsultanta, pasniedzēja, vadītāja vai sadarbības partnera lomā.

Mērķi bez atskaites punkta

Vairumā lielo Latvijas organizāciju mērķi tiek nolikti uz urrā. Gandrīz visiem vadītājiem, darbiniekiem un vairumam nodaļu ir uzstādīti relatīvi skaidri mērķi, kas parādīs, vai darbs veikts labi. Jauniem projektiem tiek uzstādīti rādītāji, kas būtu jāsasniedz. Taču bieži šiem mērķiem tomēr pietrūkst vajadzīgais segums jeb atskaites punkts (t.s. benchmark).

Ko es ar to domāju? Ne velti aizdevumu procentu likmes privātpersonām tiek piesaistītas starpbanku aizdevumu likmēm. Ne velti, iegādājoties auto, mēs gribam salīdzināt vidējo degvielas patēriņu ar citiem modeļiem. Ne velti gan pabalstus, gan algas (labās prakses gadījumos) mēdz piesaistīt inflācijai. Ne velti uzņēmuma finanšu rādītāji jāskatās konkrētās nozares vidējo rādītāju kontekstā, kā arī uzņēmuma valsts, reģiona vai tā klientu auditorijas ekonomisko apstākļu kontekstā.

Ikviens skaitlisks rādītājs, kas tiek prezentēts bez atskaites punkta, strauji tiecas uz bezjēdzību.

Vai jums kāds mēģina kaut ko pārdot, minot iespaidīgus skaitļus? Pavaicājiet pēc skaitliska salīdzinājuma ar konkurentiem. Vai vadības uzstādītais mērķis ar jauno mārketinga kampaņu par 50% palielināt ceturkšņa pārdošanas apjomu ir jēgpilns? Jā, ja šo mērķi balstām līdzīgu iepriekšējo kampaņu rezultātu datos. Kā arī pieņemam, ka neradīsies būtiski ārēji apstākļi, piemēram, jauna konkurenta ienākšana tirgū. Te jau parādās dažādi iespējamie scenāriji; katram no tiem vajadzētu savu mērķi un atskaites punktus. Savukārt, ja šī mums ir pirmā tāda kampaņa, tad mērķi varētu balstīt informācijā par citu uzņēmumu, iespējams, pat citu nozaru, līdzīgu projektu vai kampaņu rezultātiem. Tādā gadījumā svarīgi rēķināties, ka mērķis ir indikatīvs un mēs nezinām, kā sanāks.

Ja tiek izlaists šis plānošanas process, un mērķu rādītāji tiek ‘parauti no gaisa’, tad mēs mānām paši sevi, ka mums ir jēgpilns mērķis. Jā, reizēm nebūs datu un nekas cits neatliks. Reizēm labāk ‘no gaisa parauts’ mērķis, nekā bezmērķīga darbošanās. Taču tad svarīgi būt par to godīgiem organizācijas ietvaros. Citādi vienam darbiniekam vai nodaļai paveiksies, un bez īpašas piepūles sanāks sasniegt “izcilu rezultātu”, kamēr citi, godprātīgi un profesionāli ieguldoties par 150%, nesasniegs nospraustos mērķus. Tas ir labs veids, kā nodedzināt un pazaudēt labus darbiniekus.

“Ogošana datos”

Cilvēkiem lielākoties ir labi nodomi. Arī organizācijās cilvēki lielu daļu no lēmumiem pieņem, labu nodomu vadīti. Taču ir gadījumi, kad kāds vienkārši grib pierādīt savu taisnību. Kāds vēlas “pārdot” savu ideju. Ir gadījumi, kad lēmums no sākta gala nav bijis balstīts datos, piemēram, nav rādītāju un atskaites punktu, kas definēs panākumus. Tad rodas problēmas.

Tās ir situācijas, kurās kāds cilvēks izvēlēsies datus stāstam, lai mālētu labvēlīgu bildi. Nevienam taču nepatīk atzīt savu ideju negatīvos aspektus. “Idejas pārdošanas” posmā selektīva datu atlase notiek vienmēr. Tā notiek gandrīz vienmēr, kad pēc projekta kādam jāapkopo dati, lai radītu ziņojumu, kas parādīs, ka projekts bijis veiksmīgs. Lai kurš to darītu, parasti cilvēkiem nedz patīk atzīties pašiem savā neizdarībā, nedz arī apkopot pierādījumus par cita neizdarību. Tā kādam var sagandēt darba dienu, nedēļu, karjeru vai dzīvi.

Tad nu šādās situācijās sākas “ogošana datos” (angliski cherry picking). “Ogošana” datos ir viena no cilvēciskākajām un tāpēc arī biežākajām pašlabuma nosliecēm (self-serving bias). Šī problēma sagādā sevišķi lielas galvassāpes, kad trūkst skaidru mērķu ar skaidriem atskaites punktiem. Lai šo noslieci “atkostu”, nākas iedziļināties un kritiski vērtēt visus projektu novērtējuma rādītājus. Nākas prasīt pēc nozarē un pasaulē pieņemtiem salīdzinošiem rādītājiem.

Labākais veids, kā ilgtermiņā izvairīties no pašlabuma noslieces izpausmēm, ir mērķtiecīgi veidot uzticību savā organizācijā. Nebūt “skaldi vai valdi” tipa vadītājam un apzināties, ka darbinieki reizēm pieļaus kļūdas, cietīs neveiksmes. Proti, apzināties, ka darbinieki ir cilvēki, nevis roboti. Šeit vērts padomāt – cik izplatīta ir kļūdu pieļaušanas kultūra Latvijas valsts pārvaldē? Iestādēs, no kurām mēs, nodokļu maksātāji, pieprasām mūsu naudas neizšķērdēšanu, kur par kļūdām nereti draud ne tikai darba zaudēšana, bet arī kriminālapsūdzības. Cik bieži valsts pārvaldē šā iemesla dēļ nākas saskarties ar “ogošanu datos”?

Ticība eksperta (paš)tēlam

Ego ir lielākais vadītāja ienaidnieks. Ekonomistu un psihologu veiktie pētījumi[1] par ekspertu spriedumiem rāda: jo ekspertam svarīgāka viņa reputācija (pārsvarā gadījumu, ar dažiem loģiskiem izņēmumiem, to var reducēt uz “lielāks ego”), jo biežāk šie eksperti kļūdās. Turklāt slaveno, augstās reputācijas ekspertu kļūdas ir lielākas. Proti, viņi ne tikai kļūdas biežāk, bet arī pamatīgāk. Salīdzinājumā tie, kuriem ir mazāka emocionālā piesaiste izteiktajiem spriedumam, spriedumos kļūdās retāk. Piemēram, mēs visi atceramies, kā vairākums slaveno ekonomistu vēl neilgi pirms 2008. gada apgalvoja, ka finanšu krīze drīzumā nebija gaidāma.

Ir riskanti paļauties uz vadītāja kā eksperta spriedumu. Jo pašpārliecinātāks vai slavenāks eksperts, jo zemāka viņa/viņas spriedumu precizitāte.

Datos balstīti lēmumi biežāk sastopami organizācijās, kuru vadības lokā nepastāv vadītāja kults. Pietiek ar to, ka atsakāmies no uzskata, ka vadītājs visu zinās labāk kā jebkurš cits. Praktiski tas nozīmēs ‘saplacināt’ organizācijas hierarhiju. Laba pazīme, kas uz to norāda: cik bieži ikdienā no vadītājiem dzirdam frāzi “es nezinu”. Tad, kad šis solis ir sperts, vadītājiem ir vieglāk paļauties uz savu ekspertīzi, izvirzot labas hipotēzes. Nākamais solis ir atrast datus, ar ko tās pārbaudīt.

Augsta līmeņa vadītājiem ir svarīgi ne tikai uzmanīties no iebraukšanas eksperta paštēla grāvī, bet arī pārlieku nepieķerties draugu, paziņu, citu uzņēmuma vadītāju vai citu “viedokļu līderu” rekomendācijām vai viedokļiem. Es esmu pārsteigts, cik daudz gadījumu nācies pieredzēt, kuros uzņēmumu vadītāji Latvijā pieņēmuši būtiskus lēmumus, balstoties uz paziņu, biznesa līderu, izmestiem viedokļiem par tirgus tendencēm vai biznesa virzieniem. Arī pats pāris reizes esmu bijis šis paziņa. Kad veiksmīga uzņēmuma vadītājs tev pusdienās pavaicā viedokli kādā jautājumā, tā taču ir “goda lieta” sniegt pārliecinošu atbildi, vai ne? Bet varbūt uzticamāk būtu neitrālā kontekstā pavaicāt viedokli dažiem nejauši izvēlētiem cilvēkiem no uzņēmuma mērķauditorijas.

Viltus dilemma starp kvalitatīviem un kvantitatīviem datiem

Latvijā valda divi galēji, nepamatoti aizspriedumi pret divām galēji atšķirīgām datu grupām.

Proti, tipiskākos aizspriedumus pret datiem var iedalīt divās lielās grupās. Pie pirmās grupas pieder brīži, kad cilvēki dzird “dati”, un nodomā “lielie dati” jeb “big data” jeb “liela apjoma kvantitatīvo datu statistiskā analīze” (vai arī Excel, SPSS, R, Python u.tml.).

Pie otrās grupas pieder brīži, kad cilvēki dzird tādas frāzes, kā ” cilvēciskais faktors”, “subjektīvs novērtējums”, vai “komunikācijas prasmes”, un nospriež: “Te nav runa par datiem”, tādējādi liedzot sev iespēju izdarīt izsvērtus lēmumus par kvalitatīviem datiem.

Abi izplatītie maldīgie priekšstati, ka (A) “Dati = ‘lielie dati’ vai ‘datu statistiskā analīze’” un (B) ar kvalitatīviem datiem nav iespējams strādāt sistemātiski, bremzē datos balstītu lēmumu pieņemšanu.

Kādēļ tā? No vienas puses, paškritiski jāatzīst, ka nozarēs un nodaļās, kuru darbs ikdienā norit ar tā saucamajām sociālajām prasmēm (piemēram, personāla vadībā, mārketingā, projektu vadībā u.c.), salīdzinājumā ar citām jomām pastāv kompetenču trūkums darbā ar kvantitatīviem datiem. Šīs prasmes netiek pienācīgi novērtētas, pieņemot darbā jaunus cilvēkus. Turklāt bieži jau studiju laikā uz šīm jomām novirzās tie, kuriem ar statistiku “uz Jūs”.

Savukārt nozares un nodaļas, kurās cilvēki īpaši daudz darbojas ar skaitļiem (finanses, pārdošana, ražošana u.c.), riskē piemirst kvalitatīvos rādītājus jeb datus. Taču arī kvalitatīvus datus ir iespējams “kvalificēt”, lai ar tiem varētu strādāt sistemātiski, un, uz tiem balstoties, pieņemtu lēmumus. Piemēram, tādus faktorus kā intervētāja subjektīvs vērtējums par kandidāta atbilstību amatam ir iespējams uzlikt uz skalas no 1 līdz 5. Lai klientu konsultants neoptimizētu veikto pārdošanas zvanu skaitu uz krītošas kvalitātes rēķina, ir iespējams ieviest klientu atsauksmju funkciju, vai arī veikt nejaušu zvanu ierakstu auditu. Līdzīgas pieejas kvalitatīvo datu sistematizēšanai ir iespējamas jebkurā jomā.

Fokuss uz procesu, nevis rezultātu

“Mēs vienmēr esam lietas darījuši šādi” ir viena no destruktīvākajām frāzēm organizāciju darbā.

Augstāk minēto frāzi parasti nākas dzirdēt kā aizsargmehānismu brīdī, kad izteikts ieteikums ieviest uzlabojumu procesos, lai sasniegtu labāku rezultātu. Ja tu kā vadītājs dzirdi šo frāzi, uzreiz vajadzētu saausīties. Ļoti iespējams, šajā brīdī tiek nogriezti spārni kādai labai idejai.

Manā pieredzē šāda uz procesu, nevis rezultātu vērsta nosliece iet roku rokā ar padomju laika un deviņdesmito gadu “vadības skolu”, kā arī darbu valsts sektorā (lai piedod paziņas valsts struktūrās!). Ja padomājam, kāds īpatsvars no vidējiem un augstākajiem vadības posteņiem valsts struktūrās vai kapitālsabiedrībās ir no šī laika posma “skolas”, tad saprotam, ka šis varētu būt būtisks izaicinājums rezultatīvai valsts pārvaldei. Tas nenozīmē, ka pieredzējuši vadītāji nav spējīgi pielāgoties, un fokusēties uz rezultātu. Taču šādi piemēri diemžēl ir gana reti.

Divas svarīgas piezīmes. Pirmkārt, procesi ir būtiska organizāciju darba sastāvdaļa. Procesi ir efektīvi īsceļi, iemītas taciņas, kas nodrošina ātrumu bieži veicamos darbos. Taču zālājā iemītas taciņas esamība nenozīmē, ka blakus nobruģēt ceļu nebūtu efektīvāk. Rīcība, kad par to kāds uzsāk diskusiju, ir atbalstāma ikvienā organizācijā.

Otrkārt, un vēl svarīgāk – cilvēki ir dažādi dažādās situācijās. Pat konservatīvākais vai slinkākais darbinieks varētu izdomāt efektīvāku, vieglāku veidu, kā sasniegt rezultātu. Nepastāv “uz procesu orientēti cilvēki” un “uz rezultātiem orientēti cilvēki”, jo cilvēki nav kastītes. Taču, atkarībā no tā, kādas ir organizācijas motivācijas shēmas, tās var būtiski sekmēt orientāciju uz procesu vai uz rezultātiem. Skaidrs, ka “cieta alga” par 40 darba stundām nedēļām bez papildu motivācijas par labiem rezultātiem sekmēs pirmo.

Kāds vaicās: “Kur cepiens?” Sevišķi daudzu mazo un vidējo uzņēmumu (MVU) īpašnieku un lielo organizāciju augstāko vadītāju vidū ir izplatīts uzskats, ka biznesa tempa dēļ lēmumus nav iespējams pieņemt, balstoties uz datiem. Gribi vai negribi, tie jāpieņem uz intuīciju.

Tik tiešām, tāda mēdz būt daudzu MVU ikdiena. Taču tas, ka bieži nav naudas, lai iegūtu datus, nenozīmē, ka tas nav iespējams nekad, un ka to nebūtu jāmēģina. Tas arī nenozīmē, ka nav iespējams pielietot sistemātiskus datos balstītus lēmumus tādās jomās kā darbinieku pieņemšana darbā un novērtēšana.

“Cepiens” ir tādēļ, ka Latvijā gan privātajā, gan valsts sektorā pārāk bieži dati seko lēmumiem, nevis lēmumi seko datiem.

Labi vadītāji ir kā zinātnieki. Viņi nedomā, ka vienmēr visu zina labāk. Tā vietā viņiem ir hipotēzes, ko iespējams pārbaudīt. Viņi spēj savas hipotēzes skaidri formulēt savām komandām. Un viņi zina, kādus datus iespējams iegūt, lai šīs hipotēzes pārbaudītu.

 

[1] Pensilvānijas Universitātes profesors Filips Tetloks aprakstījis šos un citus pētījumus darbā Expert Political Judgment: How Good Is It? How Can We Know?, kā arī New Yorker rakstā. Pēdējo 10 gadu laikā Tetloks paplašinājis pētījumu sfēras un konstatējis līdzīgas noslieces arī ekonomikā, finansēs, biznesā un militārās jomās, kuras aprakstījis grāmatā Superforecasting (2015).