A legtöbb vezetőnek nem az a baja, hogy kevés az adat, hanem hogy túl sok. Minden reggel ott a tíz dashboard, a heti riport, a havi kimutatás, a CRM, a webanalitika, a pénzügyi rendszer exportja. Az adat megvan. A döntés mégsem lett könnyebb tőle.
Ez a cikk erről a szakadékról szól: miért nem lesz magától az adatból döntés, és mi kell ahhoz, hogy legyen. A keret, amin keresztül nézzük, régi és jól bevált, csak ritkán mondják ki a nevét egy vezetői meetingen: a DIKW-piramis.
Öt szint az adattól a döntésig
A DIKW egy négy, egyes változataiban öt szintből álló sor, amely azt írja le, hogyan jutunk el a nyers adattól a döntésképes bölcsességig. A betűszó a szintek angol neveiből áll: Data (adat), Information (információ), Knowledge (tudás), Wisdom (bölcsesség). A kiterjesztett változat beszúr egy ötödik szintet a tudás és a bölcsesség közé: Insight, vagyis a felismerés.
A modellt gyakran Russell Ackoff amerikai szervezetkutató 1989-es, „From Data to Wisdom” című munkájához kötik, bár a gondolat régebbi, és a szintek pontos száma, neve szerzőnként változik. Ez a képlékenység nem hiba a modellben; ez az első árulkodó jel arról, hogy nem valamiféle merev, kőbe vésett lépcsőről van szó. A cikk végén visszatérünk rá.
Maguk a szintek egyszerűek, ha egyszer kimondjuk őket:
- Adat: nyers, kontextus nélküli jel. Egy szám, egy időbélyeg, egy naplósor. Önmagában nem jelent semmit.
- Információ: az adat kontextust kap. Strukturáljuk, címkézzük, összegezzük. Egy példa: „a márciusi árbevétel 12 százalékkal magasabb a februárinál”. Ez már megválaszol egy kérdést: mi történt?
- Tudás: az információk közötti összefüggés. „Az árbevétel akkor ugrik meg, amikor a kampány és az utánrendelési hullám egybeesik.” Nemcsak azt látod, mi történt, hanem azt is, hogyan kapcsolódnak a dolgok.
- Felismerés: a tudásból kiemelkedő, döntést mozgató belátás. Nem minden összefüggés egyformán fontos; a felismerés az, amelyik cselekvésre kényszerít.
- Bölcsesség: a felismerésből döntés. Nemcsak tudod, mi számít, hanem el is döntöd, mit teszel, figyelembe véve a célt, a kockázatot és az értékeidet.
A modell ereje akkor mutatkozik meg, ha ugyanazt az adathalmazt nézzük végig mind az öt szinten.
Az öt panel ugyanazt a néhány tucat adatpontot mutatja, mégis egyre többet: ahogy balról jobbra haladunk, nem az adat lesz több, hanem az, amit ki tudunk olvasni belőle.
Nem lépcső, hanem munkafázisok
A piramis képe félrevezető lehet, mert lépcsőt sugall, amin fölfelé sétálsz. A valóságban minden szintváltás más típusú munkát igényel, és egyik sem következik magától az előzőből. Ha megnézzük, mi történik két szint között, kiderül, miért akad meg a legtöbb szervezet pont ott, ahol.
- Adatból információ: strukturálás. Kontextust adsz: mikor, mennyi, mihez képest. Ezt a lépést a gépek jól végzik; egy jól beállított dashboard pontosan ezt csinálja.
- Információból tudás: összefüggés-keresés. Itt már értelmezés kell. A dashboard megmutatja, hogy két görbe együtt mozog; azt viszont nem, hogy ez oksági viszony-e vagy véletlen egybeesés. Ehhez már emberi gondolkodás kell (vagy egy modell, ami helyettünk elvégzi).
- Tudásból felismerés: kiemelés. A legtöbb összefüggés igaz, de lényegtelen. A felismerés az a ritka pont, ahol egy összefüggés dönteni kényszerít. Ez ítéletet igényel: mit engedünk el, és mire figyelünk.
- Felismerésből bölcsesség: döntés. A felismerés még mindig leírás; a bölcsesség már választás, felelősséggel és következménnyel. Itt lép be a cél, a kockázatvállalás és az értékrend, amit egyetlen adatbázisból sem lehet kiolvasni.
Ez a szétbontás megmutatja a lényeget: a szintek között nem adat áramlik, hanem munka történik. És ez a munka a piramis felső felében nem gyorsul, hanem lassul, mert egyre kevésbé gépesíthető.
A dashboard-plafon
Most már látszik, miért reked meg a legtöbb cég ugyanazon a ponton. A dashboard, a riport, a vezetői kimutatás egyetlen szintváltást automatizál kifogástalanul: az adatból információt csinál. Megmondja, mi történt, gyorsan és megbízhatóan. De pontosan ott áll meg, ahol a nehezebb munka kezdődik.
A gyakorlatban gyakran azt látni, hogy a szervezetet a plafonhoz érve rossz ösztön hajtja: még több adatot gyűjt. Új dashboardot rendel, még egy forrást bekapcsol, finomítja a riportot. Csakhogy ez nem fölfelé mozdulás a piramison, hanem oldalra lépés: az alsó szintet szélesíti. Több információval is ugyanúgy hiányzik az összefüggés, a felismerés és a döntés. Lesz még több adat, de a döntés ugyanolyan nehéz marad.
A plafon oka nem technológiai, hanem szervezeti. Az adatból információ lépést egy rendszer végzi; az információból tudás, majd felismerés, majd döntés lépéseket viszont valakinek a szervezetben a kimondott feladatává kell tenni. A legtöbb helyen ezt a felelősséget senki nem viszi. A riportot valaki előállítja, valaki megnézi, aztán a „mit jelent ez, és mit kezdjünk vele” kérdés a levegőben marad, mert nincs a naptárban, nincs a munkaköri leírásban, és nincs gazdája.
Ahol a modell is téved
A DIKW hasznos gondolkodási keret, de rossz szolgálatot tennénk, ha tankönyvi igazságként kezelnénk. Három ponton érdemes óvatosnak lenni, és a modell kritikusai jellemzően ezeket hozzák fel.
Az első: nem lineáris. A valóságban a szintek átfednek és egymásba csúsznak; ritkán haladunk tiszta sorrendben az aljától a tetejéig. Gyakran előbb villan fel egy felismerés, és utána keressük hozzá az adatot, amivel alátámaszthatjuk vagy megcáfolhatjuk.
A második: a szintek visszahatnak egymásra. A bölcsesség nem a piramis tetején álló végállomás, hanem visszafolyik az aljára: egy érett döntés megváltoztatja, milyen adatot érdemes egyáltalán gyűjteni. A jó vezető sokszor nem több adatot kér, hanem mást.
A harmadik: a csúcs nem áll elő magától az aljából. Az az elképzelés, hogy elég sok adatot felhalmozni, és a bölcsesség majd magától összeáll, téves. A felismerés és a döntés ítéletet, kontextust és értékrendet igényel, ami nem magából az adatból jön. Ezért marad a felső két szint tartósan emberi felelősség még akkor is, amikor az alsókat már gépek végzik.
És mint láttuk, maga az Insight szint utólagos beszúrása is árulkodó: ha egy modell szintjeit szabadon át lehet nevezni és bővíteni, akkor nem természeti törvényről beszélünk, hanem egy hasznos térképről. A térkép pedig attól jó, hogy eligazít, nem attól, hogy tökéletesen fedi a terepet.
Mit kezdj vele holnap
A modell akkor ér valamit, ha megváltoztatja, milyen kérdést teszel fel a saját szervezetednek. Nem azt, hogy „van-e elég adatunk”, hanem azt, hogy „melyik szinten hozzuk meg a döntéseinket, és kinek a feladata feljebb vinni őket”.
Ha a válasz az, hogy a cég az információ szintjén él, azaz sok a riport, de a „miért” és a „mit tegyünk” senki asztalán nem ül, akkor a hiányzó láncszem nem egy újabb eszköz. Egy fegyelmezett kutatási vagy discovery-folyamat éppen ezt a felfelé haladást teszi kimondott, elvégezhető munkává: a nyers adatból strukturált információt, abból összefüggést, abból a néhány valóban döntést mozgató felismerést, végül egy védhető irányt.
Képzeljünk el két céget ugyanabban az iparágban, nagyjából ugyanazzal az adatvagyonnal. Az egyik a dashboard-plafonon áll: pontosan tudja, mi történt tavaly, tegnap és ma reggel. A másik ugyanabból az adatból eljut a döntésig: tudja, mi az a két-három dolog, ami számít, és emiatt mit tesz másképp. A kettő közötti különbség nem az adatban van, és nem is a szoftverben. Abban van, hogy az egyik szervezet a szintlépést is munkának tekinti, a másik pedig azt hiszi, hogy az adat magától felér a csúcsra.