Zastanów się przez chwilę, jak organizacja podejmuje decyzję. Najpierw pojawiają się fakty — dane, które będą podstawą decyzji. Na podstawie tych faktów ktoś opracowuje alternatywne warianty działania i ocenia je zgodnie z przyjętymi kryteriami. Decydent wybiera następnie najlepszą opcję, a organizacja zobowiązuje się do jej realizacji.
Zaawansowana analityka może zautomatyzować części tego procesu; daje to szansę na szybsze, lepiej poinformowane decyzje i znacznie niższe koszty. Jednak, jeśli nie jesteś gotowy na transformację sposobu, w jaki ludzie współpracują w całym procesie podejmowania decyzji, możesz się rozczarować.
Weźmy prosty przykład: dział windykacji firmy. W przeszłości dziesiątki agentów windykacyjnych otrzymywało codziennie setki zaległych kont, przydzielanych losowo, każde z kilkoma podstawowymi informacjami o kliencie. Każdy agent przeglądał standardową listę możliwych działań i decydował, w jaki sposób spróbuje odzyskać należności.
Dziś algorytm może zebrać znacznie więcej danych o kontach niż człowiek byłby w stanie przetworzyć: długie historie płatności, szerokie dane demograficzne itd. Na tej podstawie może podzielić konta na proste kategorie, np. czerwone-żółte-zielone.
Teraz możliwe warianty działania są prostsze. Czerwone — niskiej wartości, mało prawdopodobne do odzyskania — trafiają bezpośrednio do zewnętrznej firmy windykacyjnej. Zielone — wysokiej wartości, z dużym prawdopodobieństwem spłaty — trafiają do specjalnie przeszkolonych konsultantów, którzy oferują „białe rękawiczki” obsługi. Żółte wymagają dokładniejszego przeglądu opcji i znacznie większej interwencji człowieka przed podjęciem decyzji.
W ramach kategorii żółtych i zielonych można przeprowadzać zaawansowane eksperymenty typu testuj-i-ucz się, które dostarczają informacji niezbędnych do podejmowania decyzji. Agenci mogą dzięki nim odkryć, które kanały i komunikaty przynoszą najlepszy zwrot finansowy przy jednoczesnym minimalizowaniu kosztów i niezadowolenia klientów. Mogą więc optymalizować swoje działania w zakresie odzyskiwania należności.
Nowy sposób działania jest lepszy i bardziej efektywny. Ale zwróć uwagę, jak zmienia sam proces — i oczekiwania wobec zaangażowanych osób:
Oprogramowanie wspomaga teraz zbieranie i analizowanie kluczowych informacji, eliminując zadania, które wcześniej wykonywali ludzie. Ale to ludzie muszą zdecydować, które dane zbierać i jak je wartościować.
Schematy klasyfikacyjne, takie jak czerwony-żółty-zielony, mogą przyspieszyć opracowywanie alternatyw. Zaawansowane modele analityczne mogą uwzględniać doświadczenia najlepszych decydentów w organizacji, pomagając wyeliminować mniej realne opcje i skupić ocenę na najbardziej obiecujących. Ludzie będą potrzebowali szkoleń w zakresie korzystania z nowych narzędzi wspierających decyzje.
W ramach grup żółtych i zielonych, wyniki testów mogą znacząco poprawić jakość decyzji podejmowanych przez organizację. Ludzie nadal będą musieli ustalać, jakie eksperymenty przeprowadzać i interpretować ich wyniki.
Nowe procedury podejmowania decyzji prawdopodobnie będą wymagały inwestycji w technologię — na przykład oprogramowania, które osadza reguły i nową logikę decyzyjną w systemach zarządzania pracą. Konieczne może być też przeprojektowanie ról ludzi, aby dopasować je do nowego procesu. Potrzeba nowych umiejętności może oznaczać szeroko zakrojone szkolenia lub konieczność zatrudnienia nowych pracowników.
Zastosowanie analityki może ogromnie poprawić jakość podejmowanych decyzji i zwiększyć efektywność procesu decyzyjnego nawet o 25%. Gdy jest dobrze wdrożona, prowadzi do większego zadowolenia klientów i pracowników. Jednak sama analityka nie wystarczy, aby osiągnąć te wyniki; konieczna jest zmiana całego procesu decyzyjnego, zdobycie nowych umiejętności i przyjęcie nowych ról. Transformacja ma charakter nie tylko technologiczny, ale również organizacyjny — i jest znacznie bardziej rozległa, niż wiele firm sobie wyobraża.
Opublikowano na HBR.org / 18 września 2014, Michael Mankins i Lori Sherer
