211service.com
Wetenschappelijk denken in het bedrijfsleven
Door de geschiedenis heen hebben innovaties in instrumentatie - de microscoop, de telescoop en de cyclotron - de wetenschap herhaaldelijk gerevolutioneerd door het vermogen van wetenschappers om de natuurlijke wereld te meten te verbeteren. Nu menselijk gedrag steeds meer afhankelijk is van digitale platforms zoals het web en mobiele apps, instrumenteert technologie ook effectief de sociale wereld. De resulterende stortvloed aan gegevens heeft revolutionaire implicaties, niet alleen voor de sociale wetenschappen, maar ook voor de zakelijke besluitvorming.
Naarmate het enthousiasme voor big data groeit, waarschuwen sceptici dat te veel vertrouwen op data valkuilen heeft. Gegevens kunnen bevooroordeeld zijn en zijn bijna altijd onvolledig. Het kan ertoe leiden dat besluitvormers informatie negeren die moeilijker te verkrijgen is, of ervoor zorgen dat ze zich zekerder voelen dan zou moeten. Het risico is dat we bij het beheren van wat we hebben gemeten, missen wat er echt toe doet - zoals de minister van Defensie Robert McNamara uit het Vietnam-tijdperk deed door te veel te vertrouwen op zijn beruchte lichaamtelling, en zoals bankiers deden voorafgaand aan de financiële crisis van 2007-2009 in te veel vertrouwen op gebrekkige kwantitatieve modellen .
De sceptici hebben gelijk dat het onkritisch vertrouwen op alleen gegevens problematisch kan zijn. Maar dat geldt ook voor te veel vertrouwen op intuïtie of ideologie. Voor elke Robert McNamara is er een Ron Johnson, de CEO wiens rampzalige ambtstermijn als het hoofd van JC Penney werd gekenmerkt door zijn afwijzende gegevens en bewijzen ten gunste van instincten. Voor elk gebrekkig statistisch model is er een gebrekkige ideologie waarvan de starheid leidt tot: rampzalige resultaten .
Dus als data onbetrouwbaar zijn en intuïtie ook, wat moet een verantwoordelijke beslisser dan doen? Hoewel er geen juist antwoord op deze vraag is - de wereld is te ingewikkeld om door één recept te worden toegepast - geloof ik dat leiders in een breed scala van contexten baat zouden kunnen hebben bij een wetenschappelijke instelling voor besluitvorming.
Een wetenschappelijke denkwijze is geïnspireerd op de wetenschappelijke methode , dat in de kern een recept is om op een systematische, reproduceerbare manier over de wereld te leren: begin met een algemene vraag op basis van uw ervaring; een hypothese vormen die de puzzel zou oplossen en die ook een toetsbare voorspelling genereert; gegevens verzamelen om uw voorspelling te testen; en ten slotte, evalueer uw hypothese ten opzichte van concurrerende hypothesen.
De wetenschappelijke methode is grotendeels verantwoordelijk voor de verbazingwekkende toename van ons begrip van de natuurlijke wereld in de afgelopen paar eeuwen. Toch is het traag geweest om de wereld van politiek, zaken, beleid en marketing te betreden, waar onze wonderbaarlijke intuïtie voor menselijk gedrag altijd verklaringen kan genereren voor waarom mensen doen wat ze doen of hoe ze hen iets anders kunnen laten doen. Omdat deze verklaringen zo plausibel zijn, is onze natuurlijke neiging om er zonder meer naar te willen handelen. Maar als we één ding van de wetenschap hebben geleerd, dan is het dat de meest plausibele verklaring niet per se juist is. Het aannemen van een wetenschappelijke benadering van besluitvorming vereist dat we onze hypothesen testen met gegevens.
Hoewel gegevens essentieel zijn voor wetenschappelijke besluitvorming, blijven theorie, intuïtie en verbeeldingskracht ook belangrijk - in de eerste plaats om hypothesen te genereren, om creatieve tests te bedenken voor de hypothesen die we hebben en om de gegevens die we verzamelen te interpreteren. Met andere woorden, data en theorie zijn het yin en yang van de wetenschappelijke methode: theorie geeft de juiste vragen weer, terwijl data de gestelde vragen beantwoordt. Het benadrukken van een van beide ten koste van de ander kan leiden tot ernstige fouten.
Ook belangrijk is experimenteren, wat niet betekent dat je nieuwe dingen moet proberen of creatief moet zijn, maar heel specifiek het gebruik van gecontroleerde experimenten om causale effecten te ontdekken. In het bedrijfsleven is het meeste van wat we waarnemen correlatie - we doen X en Y gebeurt - maar vaak willen we weten of X al dan niet veroorzaakt Y. Hoeveel extra eenheden van uw nieuwe product heeft uw advertentiecampagne ertoe aangezet om consumenten te kopen? Zal een uitgebreide ziektekostenverzekering ervoor zorgen dat de medische kosten stijgen of dalen? Het simpelweg observeren van de uitkomst van een bepaalde keuze geeft geen antwoord op causale vragen zoals deze: we moeten het verschil observeren tussen keuzes.
Veel van de meest ingrijpende beslissingen bieden maar één kans om te slagen.
Het repliceren van de voorwaarden van een gecontroleerd experiment is vaak moeilijk of onmogelijk in zakelijke of beleidsomgevingen, maar het wordt steeds vaker gedaan in veldexperimenten , waar behandelingen willekeurig worden toegewezen aan verschillende individuen of gemeenschappen. Zo heeft het Poverty Action Lab van MIT meer dan 400 veldexperimenten hulpverlening beter te begrijpen, terwijl economen dergelijke experimenten hebben gebruikt om de impact van online advertentie .
Hoewel veldexperimenten geen uitvinding van het internettijdperk zijn - gerandomiseerde proeven zijn al tientallen jaren de gouden standaard van medisch onderzoek - heeft digitale technologie ze veel gemakkelijker te implementeren gemaakt. Dus naarmate bedrijven als Facebook, Google, Microsoft en Amazon steeds meer prestatievoordelen halen uit datawetenschap en experimenten, zal wetenschappelijke besluitvorming alomtegenwoordig worden.
Toch zijn er grenzen aan hoe wetenschappelijke besluitvormers kunnen zijn. In tegenstelling tot wetenschappers, die de luxe hebben om een oordeel achter te houden totdat er voldoende bewijs is verzameld, moeten beleidsmakers of bedrijfsleiders over het algemeen handelen in een staat van gedeeltelijke onwetendheid. Strategische oproepen moeten worden gedaan, beleid moet worden geïmplementeerd, beloning of schuld moet worden toegewezen. Hoe rigoureus men zijn beslissingen ook probeert te baseren op bewijs, er zal enig giswerk nodig zijn.
Dit probleem wordt nog verergerd doordat veel van de meest ingrijpende beslissingen slechts één kans bieden om te slagen. De een kan niet ten strijde trekken met de helft van Irak en de ander niet alleen maar om te zien welk beleid beter uitpakt. Evenzo kan men het bedrijf niet op verschillende manieren reorganiseren en vervolgens de beste kiezen. Het resultaat is dat we misschien nooit weten welke goede plannen zijn mislukt en welke slechte plannen hebben gewerkt.
Maar zelfs hier is de wetenschappelijke methode leerzaam, niet om antwoorden uit te lokken, maar om de grenzen van wat bekend kan worden te benadrukken. We vragen ons af waarom Apple zo succesvol werd, wat de laatste financiële crisis veroorzaakte, of waarom Gangnam Style de meest virale video aller tijden was. We kunnen ons er ook niet van weerhouden om met plausibele antwoorden te komen. Maar in gevallen waarin we onze hypothese niet vaak kunnen testen, leert de wetenschappelijke methode ons om niet te veel af te leiden uit een bepaalde uitkomst. Soms is het enige echte antwoord dat we het gewoon niet weten.
Sommige mensen vinden deze conclusie deprimerend, maar een wetenschappelijke geest moet altijd sceptisch blijven over wat hij weet. Wees sceptisch over data, maar ook sceptisch over plausibele verklaringen, conventionele wijsheid, inspirerende ideologieën, meeslepende anekdotes en vooral je eigen intuïtie. Het resultaat mag geen totale verlamming zijn, noch een slaafs vasthouden aan data, noch mag het creativiteit of verbeeldingskracht op enigerlei wijze uitsluiten. Het zou ons eerder naar een meer rationele, op feiten gebaseerde wereld moeten leiden.
Duncan Watts is hoofdonderzoeker bij Microsoft Research en auteur van: Alles is duidelijk: hoe gezond verstand ons in de steek laat .