Wie man datengetriebene Entscheidungen trifft

Eine Entscheidung zu treffen setzt mehrere Schritte voraus, von der Analyse der Situation bis zur Formulierung eines Aktionsplans. Sehen wir uns an, wie sich eine datengetriebene Entscheidung von einer reinen Entscheidungsfindung unterscheidet.

7 Schritte der datengesteuerten Entscheidung

Hauptthemen des Artikels:

Warum brauchen wir datengetriebene Entscheidungen?

Eine Antwort in einem Wort lautet Komplexität. Jede Entscheidung, die wir treffen, basiert auf Daten. Sie entscheiden sich dafür, eine Straße zu überqueren, und sammeln intuitiv eine Menge Daten: Verkehr, Wetterbedingungen, Daten über das Verhalten anderer Fußgänger.

Im geschäftlichen Kontext können wir auch Entscheidungen treffen, indem wir intuitiv dem Instinkt, aber ihre Komplexität ist hoch, so dass uns dieser natürliche Ansatz nicht weit bringen wird. Zu einem bestimmten Zeitpunkt müssen wir zu datengetriebenen Entscheidungen übergehen.

Schlüsselmerkmale datengetriebener Entscheidungen

Datengetriebene Entscheidungsfindung (auch bekannt unter der Abkürzung DDDM) ist eine Praxis des Sammelns und Analysierens relevanter Daten zur Unterstützung der Entscheidungen.

Es gibt keine Vereinbarung über einen bestimmten Prozess, der einzuhalten ist. Während viele Autoren die DDDM von der Datenseite her angehen, möchte ich zeigen, wie die datengetriebene Entscheidungsfindung mit den Ideen der strategischen Planung zusammenpasst.

Hier sind die Hauptmerkmale eines disziplinierten, datentriebenen Ansatzes zur Entscheidungsfindung:

  • KPIs verfolgen. Key Performance Indicators (KPIs) verwenden, die auf eine Strategie abgestimmt sind; Vorsicht vor Selbstgefälligkeits-Kennzahlen und einfachen Kennzahlen.
  • Hintergründe aufschreiben. Aufschreiben, was Sie zu dieser Entscheidung geführt hat, die Gründe für die Entscheidung.
  • Lernen aus Fehlern. Analyse der Ergebnisse von schlechten und guten Entscheidungen, Schaffung von Lern- und Verbesserungsschleifen.

Im Folgenden erörtern wir, was diese Merkmale in der Praxis bedeuten.

Alternativen zu datengesteuerten Entscheidungen

Lassen Sie uns einige Alternativen zur datengesteuerten Entscheidungsfindung diskutieren.

KPI-getriebenes Management

Der Begriff „KPI-getriebenes Management“ bezieht sich in der Regel auf die Praxis, eine Hierarchie von KPIs aufzubauen und Geschäftsentscheidungen gemäß den KPI-Trends zu treffen.

  • Grundsätzlich sprechen wir von einer KPI-Scorecard. In guten Händen wird sie auf den geschäftlichen Kontext ausgerichtet sein und die Organisation zu den richtigen Zielen führen.

Manchmal wird der Begriff ironisch verwendet, um die Voreingenommenheit des Managementteams zu beschreiben, das sich auf die Leistungsmessung und nicht auf die Schaffung von echtem Geschäftswert konzentriert.

Big Data

Bei der Erörterung datengetriebener Entscheidungen gehen wir davon aus, dass Daten bereits verfügbar sind. Im Gegensatz dazu konzentrieren wir uns bei Big Data-Initiativen darauf, Informationen aus großen Mengen komplexer Daten zu extrahieren.

Wenn sie richtig gesammelt, analysiert und berichtet werden, wird Big Data eine Quelle für eine datengetriebene Entscheidung sein.

Datengetriebene Entscheidungen vs. Entscheidung ohne Daten

Ich habe die Schritte eines typischen Entscheidungsfindungsprozesses ohne Daten (nennen wir es „Dinge geschehen lassen“) mit einer datengetriebenen Entscheidungsfindung verglichen.

1. Geschäftskontext verstehen

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Wir haben eine tolle Idee – lasst es uns machen! Es geht nicht nur um eine Entscheidung, es geht darum, den Kontext zu verstehen, Prioritäten zu setzen und die Ursache-Wirkungs-Zusammenhänge zu finden. Sehen wir uns zunächst eine Strategiekarte an.

Im Idealfall sollte die Entscheidungsfindung ein taktischer Teil eines organisierten strategischen Planungsprozesses sein.

Gute Entscheidungen sind kohärent mit einer gemeinsamen Vision einer Organisation, die auf einer Strategiekarte dargestellt wird.

2. KPIs definieren

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Die Idee sieht interessant aus! Lasst uns dafür einige KPIs im Internet finden. Wir wollen eine Entscheidung greifbarer und spezifischer mit KPIs treffen. Wir entwerfen maßgeschneiderte KPIs. Hier sind die Fragen, die wir stellen:

  • Wie werden wir den Fortschritt der Ausführung kontrollieren (Frühindikatoren)?
  • Wie werden wir die erzielten Ergebnisse validieren?
  • Wann wollen wir diese Ergebnisse erreichen? (Zielwerte setzen)

KPIs sind der Schmerzpunkt jedes Leistungsmanagementsystems. Manche Menschen arbeiten lieber ohne KPIs, während andere lieber KPIs aus der langen Liste von Kennzahlen ziehen, die im Internet zu finden ist. Meiner Meinung nach ist es sinnvoll, Zeit in Leistungskennzahlen speziell für Ihre geschäftlichen Herausforderungen zu investieren.

3. Visualisieren

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Machen wir ein paar Dashboards! Es ist einfacher, Trends und Anomalien zu erfassen, wenn wir unsere Daten auf einem Dashboard haben. Lassen Sie uns die Leistungsdaten für Früh- und Spätindikatoren auf dasselbe Diagramm setzen.

Es ist kein Problem, mit einem beliebigen Software-Tool ein beeindruckendes Dashboard zu entwerfen. Das Problem besteht darin, diese Informationen kontextbezogen genug zu gestalten, um für die Entscheidungsträger einen Unterschied zu machen.

  • Ich bin sicher, Sie kennen die Fälle, in denen ausgefallene Dashboards für Quartalsberichte verwendet werden, die wirklichen Entscheidungen werden jedoch mit Tonnen von selbstgebauten Tabellenkalkulationen getroffen.

In diesem Sinne bringt eine Software zur Strategieausführung (hier sprechen wir über den Unterschied zwischen einem Dashboard und einer Balanced Scorecard) Ihre Daten einen Schritt näher an die strategischen Herausforderungen heran.

4. Aktionsplan

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Wir haben einen Plan und wir haben ein Budget! Wir formulieren einen Aktionsplan auf der Grundlage unseres derzeitigen Verständnisses der Situation. Wir beschreiben:

  • Die Entscheidung und die damit verbundenen spezifischen Aktivitäten
  • Die Hintergründe
  • Die benötigte Zeit und das benötigte Budget

Das Budget ist ein wichtiger Teil eines jeden Aktionsplans, aber noch wichtiger ist es, alle Details zu formulieren, die hinter der Entscheidung stehen. Ein solcher Ansatz erleichtert es, neue Teammitglieder an Bord zu holen, Entscheidungen in der gesamten Organisation zu kaskadieren und die Ergebnisse zu analysieren (siehe Schritt 7).

5. Entscheidungen priorisieren

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Alles stehen und liegen lassen und zu einer neuen Idee wechseln. Wir verwenden eine Prioritäts-Scorecard, um neue Entscheidungen mit konkurrierenden Ideen zu vergleichen. Diejenige mit einer höheren Punktzahl kommt in der Regel an erster Stelle.

Bei der Strategie geht es darum, die Prioritäten zu wählen, zu entscheiden, was zuerst zu tun ist und was ignoriert werden soll. Manchmal genügt ein kurzer Blick auf die Idee, um sie zu genehmigen oder abzulehnen (siehe Schritt 1), während Sie in anderen Fällen Ihren eigenen Prioritätsrahmen erstellen, der für Ihre Organisation wichtige Faktoren berücksichtigt.

6. Ausführen

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Wir haben einen Plan, jemand wird ihn ausführen. Eine Person, die an der Diskussion beteiligt war, wird nun den genehmigten Plan befolgen. Wir verwenden Früh- und Spätindikatoren als Kontrollpunkte. Wir notieren alle unerwarteten Ergebnisse.

Es ist schön, ein Bild davon zu haben, wie die Dinge in Echtzeit ablaufen, aber seien Sie vorsichtig mit KPIs. In den meisten Fällen werden KPIs, die zur direkten Steuerung verwendet werden, versagen. Verwenden Sie stattdessen die Leistungsmessung als Grundlage für Diskussionen und Verbesserungen.

7. Ergebnisse analysieren

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Es sieht so aus, als hätte die Idee funktioniert/nicht funktioniert… Für jede Entscheidung planen wir eine Analyse der Ergebnisse. Wir verwenden Gap-Analysen oder das OKR-Framework, um die Ergebnisse formell zu überprüfen.

Hier hilft eine ausführlich beschriebene Begründung (siehe Schritt 4). Die endgültigen Leistungsdaten sind nicht so wichtig wie die Arbeit, die Ihr Team auf dem Weg dorthin geleistet hat. Führen Sie nicht nur die „Evaluierungen“ durch – analysieren Sie die tieferen Gründe für den Misserfolg/Erfolg und schlagen Sie strategische Verbesserungen vor.

8. Lernschleife

„Dinge geschehen lassen“ Datengetriebene Entscheidungsfindung
Schlechte Entscheidungen sind unvermeidlich… Wir überprüfen den Entscheidungsprozess selbst:

  • Welche Prinzipien waren hilfreich?
  • Welche Ansätze müssen verbessert werden?

Wir verbessern unsere Entscheidungskultur: Wir suchen nach wiederkehrenden Problemen, entfernen unnötige Komplexitäten, aktualisieren Vorlagen und Standards.

Das ist Ihre Chance, mit sich selbst in der Vergangenheit zu sprechen. Nutzen Sie diesen Schritt als Rückblick auf die Prinzipien, denen Ihr Team gefolgt ist. Verbessern Sie die Kommunikation, verbessern Sie die Infrastruktur, richten Sie die interne Mechanik besser auf die Wertschöpfung für die Endbenutzer aus.

Wenn Sie datengetriebene Entscheidungen ernsthaft planen, schauen Sie sich die KPIs für Big Data an, die Ihnen helfen werden, den Aufwand für Datenbeschaffung, Analyse und Berichterstattung zu quantifizieren.

Schlussfolgerungen

Beim Treffen datengetriebener Entscheidungen geht es nicht nur darum, sich schöne Dashboards anzusehen. Es geht mehr um einen disziplinierten Ansatz zur Formulierung des Problems, zur Quantifizierung von Kontrollpunkten und zur anschließenden Verfolgung der Fortschritte und Ergebnisse.

Korrekt implementierte Business-Frameworks, wie z.B. Balanced Scorecard oder OKR, unterstützen die datengetriebene Entscheidungsfindung „by design“.

Welche Praktiken verwendet Ihr Team für die datengetriebene Entscheidungsfindung? Berichten Sie uns gerne in den Kommentaren davon.

[cite]

Schreibe einen Kommentar