Data-driven Supply Chain Analytics Tools zijn niet genoeg

Supply Chain Analytics beoefenaars kunnen veel leren van Customer Analytics. De twee domeinen zijn gebaseerd op vergelijkbare bedrijfsfundamenten. Wat we ontdekken is dat data en datagestuurde beslissingstools niet genoeg zijn. De grootste moeilijkheden in Supply Chain of Customer Analytics liggen in de culturele praktijken van organisaties.

Het volgende artikel is geschreven door Maz Iqbal die zijn waardevolle perspectief vanuit Customer Analytics heeft gegeven.

Op LinkedIn deelt Don Peppers zijn visie op het nemen van betere beslissingen met gegevens. Dit heeft me aan het denken gezet en ik wil met jullie delen wat er bij mij naar boven kwam. Waarom naar mijn verhaal luisteren? Ik heb een wetenschappelijke achtergrond (BSc Toegepaste Natuurkunde). Ik ben gekwalificeerd als registeraccountant en was betrokken bij het produceren van allerlei rapporten voor managers en zag wat ze er wel of niet mee deden. Meer recentelijk was ik hoofd van een datamining en predictive analytics praktijk. Laten we beginnen.

Gegevens en tools voor gegevensgestuurde besluitvorming zijn niet genoeg

Ja, er is een stortvloed aan gegevens en deze stortvloed wordt steeds groter en sneller. Groot en snel genoeg om de pakkende naam Big Data te krijgen. Wat vergeten wordt, is de moeite die het kost om deze gegevens geschikt te maken voor modellering. Dit is geen gemakkelijke en goedkope taak. Toch is het mogelijk als je er genoeg middelen tegenaan gooit.

Ja, er zijn allerlei hulpmiddelen om patronen te vinden in deze gegevens. En in de handen van de juiste mensen (statistisch geschoold, zakelijk onderlegd) kunnen deze tools worden gebruikt om gegevens om te zetten in waardevolle (bruikbare) inzichten.

Dit is niet zo gemakkelijk als het klinkt. Waarom? Omdat er een tekort is aan deze statistisch geschoolde en weldenkende mensen: amateurs volstaan niet, er zijn experts nodig om onderscheid te maken tussen goud en dwaas goud - als je genoeg gegevens hebt, kun je zowat elk patroon vinden. Statistische kennis is niet genoeg, je moet het koppelen aan zakelijk inzicht. Laten we echter aannemen dat we deze beperking kunnen overwinnen.

De echte uitdaging bij het genereren van datagestuurde besluitvorming in bedrijven zijn de culturele praktijken. We hebben niet de culturele praktijken die de ruimte creëren voor datagedreven besluitvorming om te verschijnen en te bloeien. Een denker die veel slimmer is dan ik heeft zijn wijsheid al gedeeld, ik nodig je uit om te luisteren:

"Over het geheel genomen zijn wetenschappelijke methoden minstens zo belangrijk als elk ander onderzoek: want het is van het inzicht in de methode dat de wetenschappelijke geest afhangt: en als deze methoden verloren gaan, dan kunnen alle resultaten van de wetenschap een hernieuwde triomf van bijgeloof en onzin niet voorkomen. Slimme mensen kunnen zoveel leren als ze willen over de resultaten van de wetenschap - toch zal men altijd merken in hun conversatie, en vooral in hun hypotheses, dat ze de wetenschappelijke geest missen; ze hebben niet het kenmerkende wantrouwen tegen de dwalingen van het denken die door lange training diep geworteld zijn in de ziel van elke wetenschappelijke persoon. Ze zijn tevreden met het vinden van welke hypothese dan ook over een bepaalde zaak; dan zijn ze er helemaal klaar voor en denken dat dat genoeg is ........ Als iets onverklaard is, worden ze heet van de naald bij het eerste het beste idee dat in hun hoofd opkomt en op een verklaring lijkt....".

- Nietzsche (Menselijk, al te menselijk)

Het komt bij me op dat de wetenschappelijke methode nooit zijn weg heeft gevonden in het organisatieleven. Zet de rationalistische ideologie opzij en kijk eens goed naar wat er in het bedrijfsleven gebeurt, inclusief hoe beslissingen worden genomen. Ik zeg je dat Nietzsche's doordringende inzicht in de menselijke conditie vandaag de dag nog net zo waar is als toen hij het uitsprak. De praktijk van het nemen van beslissingen in elke organisatie waarmee ik ooit in contact ben gekomen is niet wetenschappelijk: het volgt niet de wetenschappelijke methode.

Integendeel, managers nemen beslissingen die in lijn liggen met hun intuïtie, hun vooroordelen en hun eigenbelang. Het is zo zeldzaam om een manager (en organisatie) tegen te komen die beslissingen neemt op basis van de wetenschappelijke methode, dat als dit gebeurt ik met mijn mond vol tanden sta. Het is net zo onverwacht als wanneer je een vrouwelijke streaker over het voetbalveld ziet rennen tijdens een competitiewedstrijd.

Wat zijn de uitdagingen bij het invoeren van datagestuurde besluitvormingspraktijken in organisaties?

Technologen hebben een gave. Welke gave? De gave dat ze het wezen van de mens niet diep genoeg begrijpen. Omdat ze dit niet begrijpen, kunnen ze (vol vertrouwen) opstaan en de deugden en voordelen van technologie prediken. Als het leven zo eenvoudig was.

De waarheid klinkt aantrekkelijk voor degenen onder ons die de gevolgen van de waarheid niet onder ogen hoeven te zien. Datagestuurde besluitvorming klinkt geweldig voor degenen onder ons die datagestuurde tools en diensten verkopen (er geld mee verdienen en hopen rijk te worden).

De uitdaging van het invoeren van datagestuurde besluitvormingspraktijken is dat het de status-quo verstoort. Wanneer je de status quo verstoort, neem je het op tegen de machtigen die profiteren van die status quo. Denk aan Socrates:

"De aard van wat Socrates deed maakte hem tot een ontwrichtende en subversieve invloed. Hij leerde mensen om alles in vraag te stellen en hij stelde de onwetendheid van individuen met macht en autoriteit aan de kaak. Hij werd geliefd maar ook gehaat .... Uiteindelijk arresteerden de autoriteiten hem voor .... en het niet geloven in de goden van de stad. Hij werd berecht en ter dood veroordeeld...".

- Bryan Magee, hoogleraar

 

Pas op voor succes bij het invoeren van een cultuur van gegevensgestuurde besluitvorming!

Met voldoende inzet en investeringen kun je een cultuur van datagestuurde besluitvorming creëren. Zoals de mensen bij Tesco hebben gedaan. En door beslissingen te nemen op basis van de gegevens over je klanten, je winkels, je producten, kun je al je concurrenten overtreffen, als een gek groeien en bumperwinsten maken. Opnieuw, opnieuw en opnieuw. Dan komt de dag van de afrekening - wanneer je oog in oog komt te staan met de gebreken van het nemen van beslissingen uitsluitend op basis van gegevens.

Tesco doet het niet zo geweldig. Het gaat al een aantal jaren niet zo goed - in 2012 gaf het bedrijf zelfs voor het eerst een winstwaarschuwing. Wat is de laatste stand van zaken? Tesco heeft een winstdaling van 23,5% gemeld in de eerste helft van dit jaar. Wat heeft Tesco gedaan om de situatie het hoofd te bieden? Dit staat er in het artikel:

Vorig jaar kondigde Tesco aan £1 miljard uit te geven om de winkels in het Verenigd Koninkrijk te verbeteren, door te investeren in winkelupgrades, productassortimenten, meer personeel en het online aanbod.

Datagestuurde besluitvorming heeft een aantal tekortkomingen. Ten eerste gaat datagestuurde besluitvorming ervan uit dat de toekomst een voortzetting zal zijn van het verleden. Dat is net zoiets als zeggen dat alle zwanen die we zijn tegengekomen wit zijn, dus moeten we plannen maken voor witte zwanen. En dan ontdek je op een dag dat de zwarte zwaan opduikt! De recessie en de verschuiving in het consumentengedrag als gevolg van deze recessie was de zwarte zwaan voor Tesco.

Bovendien gok ik dat de mensen bij Tesco in hun aanbidding op de preekstoel van datagestuurde besluitvorming de dimensies zijn vergeten die er wel toe doen, maar die niet zijn ingevoerd in de gegevens en de voorspellende modellen. Welke dimensies? Zoals de winkelervaring van de klant bij Tesco: te weinig personeel, ontevreden personeel, winkels die er met de dag gedateerder uitzien, de kwaliteit van hun producten...

Het lijkt erop dat de mensen bij Tesco geen acht hebben geslagen op de wijze woorden van een van mijn idolen:

Niet alles wat telt kan geteld worden, en niet alles wat geteld kan worden telt.

- Einstein

Dit artikel over 'Musings on Big Data, Customer Analytics, and Data Driven Business' is geschreven door Maz Iqbal, een expert die zich inzet om leidinggevenden, teams en organisaties te helpen het goed te doen door superieure waarde voor klanten te creëren en het leven van alle belanghebbenden te verrijken. Zijn website is http://thecustomerblog.co.uk/