«Все мои лучшие решения в жизни и работе были приняты сердцем, интуицией, смелостью, а не анализом». - Джефф Безос в Вашингтонском экономическом клубе 2018

В течение многих лет у меня была ментальная модель, которая приравнивала принятие решений к количественному решению проблем. В этой ментальной модели решение может быть принято, когда решена количественная проблема; например, новый препарат не должен получать одобрение (принятие решения), если его лечебный эффект статистически не лучше, чем у препарата сравнения (количественное решение проблемы). У меня есть эта ментальная модель в течение долгого времени, потому что эта ментальная модель не только отражает мой опыт количественного подхода к задачам из учебников в школе, но также напрямую говорит о популярной концепции принятия решений на основе данных на рабочем месте. Эта ментальная модель рассматривает принятие решений как непрерывный процесс количественного решения проблем и заставляет меня поверить в то, что я знаю процесс принятия решений только потому, что знаю количественное решение проблем.

В отличие от моего воображаемого принятия решений, принятие решений на местах - это динамический процесс, который может либо полагаться на количественное решение проблемы, либо быть полностью независимым от него. В своей работе меня шокирует несоответствие между принятием решений и количественным решением проблем; многие специалисты по обработке данных также признают, что их результаты не очень хорошо воспринимаются их деловыми партнерами (ссылка). Отсутствие культуры данных становится легким оправданием, однако я считаю, что суть дела в том, что принятие решений - это в первую очередь не количественное решение проблем. Что такое принятие решений? Я никогда всерьез об этом не задумывался. На этот раз я хочу выйти за пределы сада науки о данных и внимательно изучить процесс принятия решений как таковой.

О чем идет речь:

  1. Проанализируйте четыре типа принятия решений, чтобы обосновать свою работу в области науки о данных
  2. Используйте модель N: N, чтобы помочь вам ориентироваться в сложной динамике сегодняшних процессов принятия решений.

У принятия решений есть отчетливые характеристики

Хотя мы можем универсально определить принятие решения как действие по выбору одного варианта из альтернатив, процесс согласования выбора сильно отличается от одного принятия решения к другому. Используя количество различных заинтересованных сторон, мы можем разделить принятие решений на принятие индивидуальных решений и принятие корпоративных решений. Принятие индивидуальных решений знакомо большинству людей, потому что это часть повседневной жизни. В принятии индивидуальных решений участвует одна или несколько заинтересованных сторон, обычно это сам человек, принимающий решения. Принятие индивидуальных решений целенаправленно, рентабельно и четко подотчетно. Принятие индивидуальных решений происходит как в личной жизни, так и на рабочем месте; вы можете выбрать специализацию в колледже и выбрать лучший способ присутствовать на работе. Принятие индивидуальных решений обычно имеет ограниченные последствия.

«Принятие решения включает выбор курса действий из двух или более возможных альтернатив, чтобы прийти к решению данной проблемы». - Тревата и Ньюпорт

Когда количество заинтересованных сторон велико, мы принимаем корпоративные решения. Корпоративные решения обычно принимаются на разных уровнях организаций и заработали плохую репутацию медленного, дорогостоящего, политического и неподотчетного, несмотря на то, что при принятии корпоративных решений учитываются более строгие оценки и множественные точки зрения. В крупных организациях небольшое решение может закончиться раундами встреч и планирования.

В упражнениях по науке о данных мы обычно сосредотачиваемся на индивидуальном принятии решений, когда управление заинтересованными сторонами не представляет никакой проблемы. Однако в реальных приложениях мы часто применяем науку о данных для принятия решений в организационном контексте со многими заинтересованными сторонами, поэтому мы в первую очередь работаем над принятием корпоративных решений. Поскольку специалисты по обработке данных никогда не занимаются взаимодействием с заинтересованными сторонами, те специалисты по данным, которые заинтересованы в методах моделирования, вероятно, будут шокированы сложностью принятия корпоративных решений. При принятии корпоративных решений заинтересованные стороны имеют конкурирующие точки зрения и интересы, при принятии решений полагаются как на количественную, так и на качественную информацию. Результаты науки о данных могут показаться не привлекательными, а скорее бессильными перед лицом бюрократии. Когда специалисты по данным считают, что данные должны в первую очередь определять принятие решений (идеология принятия решений на основе данных), этот специалист по данным может в конечном итоге сказать: «Результат очевиден, они просто не слушают».

Мы можем далее классифицировать решения на операционные и стратегические. Операционные решения характеризуются как повторяющиеся и структурированные; такие решения касаются повседневного ведения бизнеса и принимаются менеджерами среднего звена и сотрудниками, работающими на переднем крае. Стратегические решения характеризуются как нестандартные и неструктурированные; такие решения касаются политики и стратегии организации и принимаются высшим руководством и руководителями. Успешные приложения для анализа данных сегодня в основном связаны с принятием операционных решений, поскольку операционные решения более поддаются количественной оценке, имеют большой объем доступных данных для моделирования и меньше заинтересованных сторон. Подумайте об оценке стоимости дома, модели утверждения заявки на получение кредита и прогнозе удержания пользователей. Эти успешные приложения для обработки данных реализованы в виде кода и требуют ограниченного вмешательства заинтересованных сторон. Когда мы пытаемся экстраполировать эти успехи на другие категории принятия решений, нам нужно понимать, что процесс принятия решений имеет различные характеристики.

Создайте влияние, чтобы убедить деревню

Сегодняшний ландшафт принятия решений очень сложен. Структура руководства плоская, проекты управляются кросс-функциональными командами, поэтому у нас часто нет единого органа для принятия решений. Чтобы поддержать децентрализованное принятие решений, у специалистов по обработке данных есть деревня, которую нужно убедить. Как мы уже говорили о принятии корпоративных решений ранее, сложность принятия решений значительно возрастает с увеличением количества людей. В плоской структуре лидерства один человек, принимающий решения, или центр власти с меньшей вероятностью сохранят достаточно большие полномочия, поэтому окончательное решение может не быть полностью соблюдено сотрудниками, что приводит к полусердечному исполнению и плохому результату принятия решений. В упрощенном мире специалисту по обработке данных необходимо убедить одного человека, принимающего решения; в сегодняшней компании специалисты по обработке данных - лишь один из многих, кто убеждает многих лиц, принимающих решения. Нам нужно перейти от модели 1: 1 к модели N: N.

В модели N: N, с точки зрения специалиста по данным, специалисту по данным необходимо доставлять истории данных нескольким руководителям групп с разных точек зрения. В моей работе признаком успеха являются не аплодисменты в конце презентации, а знак успеха - это направление, которое я могу представить другому бизнес-лидеру. Еще одна презентация звучит неплохо, но нелегко рассказывать убедительные истории о данных N заинтересованным сторонам, потому что работа по науке о данных должна быть достаточно устойчивой по отношению к N измерениям проверки. В общении с N заинтересованными сторонами специалисты по обработке данных должны знать не только их разные точки зрения, но и разные предпочтения в принятии решений. Некоторые хотят, чтобы другие принимали решения за них, некоторые формулируют вопросы и интерпретируют результаты, некоторые могут говорить о системах баз данных и моделировании, а некоторые просто хотят, чтобы данные подтверждали существующее мнение. Специалистам по обработке данных необходимо быть готовыми к встрече с N лицами, принимающими решения.

В модели N: N, с точки зрения лица, принимающего решения, лицо, принимающее решения, принимает входные данные из нескольких источников, чтобы сформировать мнение. Лица, принимающие решения, постоянно получают информацию от внутренних команд и внешних консультантов через электронную почту, PowerPoint и электронные таблицы. В крупной компании, где работают группы специалистов по данным, из-за различий в источниках данных и различий в методологии лицо, принимающее решения, может услышать противоположные предложения решений от разных специалистов по данным, поэтому специалист по обработке данных конкурирует с другими специалистами по обработке данных и другими профессионалами, чтобы получить лучшее представление. для принятия решений. Лица, принимающие решения, никогда не полагаются на один ввод, поэтому не принимайте это на свой счет, если ваше предложение было проигнорировано. Миллиардер Рэй Далио прекрасно резюмирует эту динамику.

«Лучшее решение принимается меритократией идей с принятием решений, взвешенных на достоверность. Намного лучше взвесить мнение более способных лиц, принимающих решения, чем мнение менее способных лиц. Это то, что мы подразумеваем под взвешиванием правдоподобия ». - Рэй Далио, Принципы

Лидерство - это все

Несмотря на прогресс в области науки о данных, способность принимать обоснованные решения - это лидерская черта. Смелые лидеры могут слышать разные мнения и по-прежнему принимать правильные решения. Задача специалистов по обработке данных - донести до лиц, принимающих решения, точную информацию, но специалисты по обработке данных не могут изменить лидерские качества лиц, принимающих решения. Технологии помогают, но лидерство - это все. Принятие решений - это больше, чем количественное решение проблем. Специалисты по обработке данных не должны ограничиваться навыками решения проблем, а должны развивать лидерство в убеждении, влиянии и принятии решений.