Kedy sa rozhodovať intuitívne a kedy radšej až po analýze dát? A nie je „intuícia“ len zástierkou pre iracionálne a emóciami ovplyvnené rozhodovanie? Ak sa však riadime dátami, pozeráme sa na tie správne čísla? Nemrháme skúsenosťou, keď ju prebíjame pri rozhodovaní len vybranými dátami? A ako tieto prístupy skombinovať?

1. Rozhodovanie na základe
intuície, alebo dát ?
Peter Guštafík, lunchseminár PDCS
23. marca 2015

2. Harvard Business Review:
Algoritmy víťazia nad inštinktom
Analýza 17 štúdií hodnotení uchádzačov o
prácu: jednoduchá rovnica má minimálne o 25
% lepšie výsledky ako ľudia. Platí to v
akejkoľvek situácii s veľkým počtom
uchádzačov, bez ohľadu na pozíciu – vrátane
tých najvyšších pozícií v podnikoch.
Mnohí manažéri tvrdia, že žiaden algoritmus
nedokáže nahradiť kumulatívne znalosti
skúseného veterána.
Zdroj: https://hbr.org/2014/05/in-hiring-algorithms-beat-instinct
Analýza: http://psycnet.apa.org/journals/apl/98/6/1060/

3. Autori štúdie navrhujú:
Nathan R. Kuncel and Deniz S. Ones (University of Minnesota),
David M. Klieger (Educational Testing Service):
„Odporúčame použiť algoritmický systém s veľkým súborom
dát na zúženie počtu kandidátov a potom využiť ľudský
úsudok na výber z posledných pár finalistov – napr. troch. Ešte
lepšie: Nechajte niekoľkých manažérov rozhodovať nezávisle
na sebe a spriemerujte ich hodnotenia.“

4. Nové poznatky o (i)racionalite

5. BIG DATA
Prvý dotyk s oceánom

6. Rozhodovanie a dáta:
čo sa zmenilo?
Gut & gigabytes: Capitalising on
the art & science in decision
making, správa z prieskumu,
Economist Intelligence Unit,
zadal: PwC
Augmentovaná realita:
analýza dát vylepšuje
rozhodovanie postavené len na
skúsenostiach a intuícii.

7. Veľké rozhodnutia v biznise:
na čom sú založené?

8. Správa Big Decisions, PWC
Ako robia rozhodnutia výkonní riaditelia: 58 % z nich sa
spolieha primárne na: vlastnú intuíciu, skúsenosť a
skúsenosť ďalších ľudí v organizácii.
Ale: z firiem využívajúcich dáta, 43 percent hlási
v uplynulých 2 rokoch významné zlepšenie v
rozhodovaní.
V nasledujúcich 2 rokoch sú pre nich investície do
kvalitnej analýzy dát pre lepšie rozhodnutia tou
najvyššou prioritou. Zdroj: Big Decisions, PWC

9. Ako sa mení (a naďalej bude meniť)
rozhodovanie?

10. Prieskum Accenture: BIG DATA
predstavujú prelomovú a revolučnú zmenu

11. Intuícia, alebo analýza dát?
49 % výkonných riaditeľov sa vyjadrilo, že kvôli dostupnosti
dátových súborov a analýz postupne klesá význam
rozhodovania na základe intuície a skúseností (21 % s tým
nesúhlasí).
Výzva: ako spojiť inštinktívne rozhodovanie a analýzu dát.
Dnes sa rozhodovanie čoraz viac opiera o veľké množstvá dát,
hoci ani na tie najväčšie súbory dát sa nedá pri rozhodovaní
spoľahnúť bez zapojenia človeka.
Zdroj: Big Decisions, PWC

12. Prieskum CapGemini:
Ako uplatniť Big Data

13. ?

14. Decisive (Rozhodni se!)
Dan a Chip Heathovci

15. Decisive – Rozhodni se!
Dan a Chip Heath
Dan Lovallo, profesor na Sydney University, a
Oliver Sibony, riaditeľ McKinsey and Company:
Proces rozhodovania je dôležitejší
než analýza dát – a to 6-násobne.
Kvalitný proces často vedie k lepšej
analýze – napr. tým, že odstránime
nepresné a nelogické závery.

16. Ako zvyčajne prebieha rozhodovanie
1. Čelíme voľbe.
Ale kvôli úzkemu vymedzeniu možností prichádzame
o ďalšie varianty riešenia.
2. Analyzujeme varianty riešenia.
Ale tendencia k potvrdeniu predsudkov/predpojatosti
nás privádza k informáciám, ktoré naše predčasné
závery podporujú.
3. Rozhodneme sa.
Ale krátkodobé emócie nás často zvedú k výberu zlých
riešení.
4. Žijeme s rozhodnutím.
Ale často sme si príliš istí, ako bude budúcnosť
vyzerať.

17. Rozhodovanie
bez viacerých možností?

18. Rozhodovanie
bez viacerých možností?
V prieskume tínedžerov spadalo 65 percent rozhodnutí do dvoch
kategórií – rozhodné prehlásenia a voľba medzi áno a nie. Ak sa
tínedžer rozhoduje, je vysoko pravdepodobné, že k žiadnej skutočnej
voľbe nakoniec vôbec nedôjde.
Mnohé organizácie sú na tom podobne:
Paul Nutt (Ohio State University) analyzoval spolu 168 rozhodnutí vo
firmách. Zo skúmaných tímov sa len 29 percent zaoberalo viac než
jedným variantom riešenia.

19. Nepoznaná cena príležitosti:
Dáta, ktoré nevnímame

20. Nepoznaná cena príležitosti:
Dáta, ktoré nevnímame
A. Kúpiť film. (75 %)
B. Nekúpiť film. (25 %)
A. Kúpiť film. (55 %)
B. Nekúpiť film. Nechať si 15 dolárov na iný nákup. (45 %)

21. Vplyv na rozhodovanie má aj spôsob myslenia -
preventívny vs. povzbudivý
Preventívne uvažujúce organizácie robia v ťažkej situácii defenzívne
kroky - uťahujú opasok a znižujú riziko – s cieľom prežiť.
Povzbudivo uvažujúce spoločnosti pôsobili v čase ekonomickej krízy
naivne a reagovali pomaly. V nich rozvinutá kultúra pozitívneho myslenia
ich viedla k tomu, že nezdravo prehliadali skutočné riziká.
Najúspešnejšie organizácie dokázali spojiť najlepšie prvky
preventívneho a povzbudivého prístupu: šetrili tam, kde bolo treba a
zároveň investovali do rozvoja

22. Vedomé vyhľadávanie dát
Roger Martin, dekan Rotmanovej obchodnej
školy a autor knihy The Opposable Mind:
Venujme sa jednej možnosti za druhou
a položme si otázku „Aké fakty/dáta by museli
platiť, aby práve toto riešenie bolo správne?“

23. Získavanie dát otvorenými otázkami
namiesto potvrdzovania vlastných domnienok
Dr. Barbour o prvku subjektivity v diagnostike:
„Aj keď si lekár myslí, že je objektívny a postupuje vedecky,
v skutočnosti prispôsobuje získané informácie vlastnej
predstave o ochorení, bez toho, aby si to uvedomoval, že to
robí. Namiesto riešenia problému ho sám vytvára.“

24. „Vnútorný“ a „vonkajší“
pohľad na situáciu
Vnútorný pohľad ťaží z informácií, ktoré sú v reflektore našej
pozornosti – naše vlastné dojmy a hodnotenie situácie,
v ktorej sa nachádzame. Naproti tomu, vonkajší pohľad sa
neupína na jednotlivosti a vníma širší kontext situácie.
Vnútorný pohľad prehliada všetko, čo robí danú situáciu
špecifickou. Človek sa môže zaseknúť vo vnútornom pohľade,
kým z vonkajšieho pohľadu by ľahšie videl všeobecne platné
dáta.
Aj keď ľudia niekedy majú k dispozícii všetky relevantné údaje
– aj tak ich dokážu ignorovať.

25. „Zoom In“ a „Zoom Out“

26. „Zoom In“ a „Zoom out“
Ak sa vzdialime (zoom out), používame variant vonkajšieho
pohľadu. Učíme sa zo skúsenosti ostatných, ktorí sa museli
rozhodovať v situáciách podobných tej našej.
Keď zaostríme (zoom in), získame detailný záber situácie,
hľadáme drobnosti, z ktorých môžeme získať cenné informácie.
Obe stratégie sú užitočné, oboma spôsobmi zistíme fakty, ktoré
nedostaneme v zasadacej miestnosti.

27. Skutočne by sme mali veriť súboru dát viac
než vlastným pocitom?

28. Skutočne by sme mali veriť súboru dát viac
než vlastným pocitom?
Niektorí ľudia prijmú všeobecné informácie okamžite, iní sú
váhavejší:
Nie je to prehnane analytický prístup, veriť dátam viac
než vlastnej intuícii?
Dôverovať číslam však neznamená byť posadnutí
štatistikami. Ide o pokoru – uvedomenie si, že za čísla sa
skrývajú príbehy/situácie iných ľudí.
Pokorný prístup spočíva v položení si otázky:
„Čo môžem očakávať, ak sa rozhodnem pre tento
krok?“

29. Znalosť minulosti ≠
prognóza do budúcnosti
Odborníci sú v predpovediach slabí. Ale sú výborní
v odhadovaní všeobecných údajov („base rates“).
Ak potrebujete dôveryhodné informácie, kontaktujte
odborníka – niekoho, kto má s danou oblasťou viac
skúseností než vy. Ale nežiadajte od neho, aby hovoril
o prognózach do budúcnosti.

30. Algoritmus vs. experti

31. Algoritmus vs. experti
Phil Tetlock, profesor psychológie a managentu na University of
Pennsylvania
Autor: „Expert Political Judgment: How Good Is It? How Can We Know?“
Otázka pre ekonómov:
„Mali by sme vo vzťahu k hospodárskemu vývoju v nasledujúcich
dvoch rokoch očakávať posilnenie, oslabenie alebo stagnáciu rastu
HDP?“
Otázka pre politológov:
„Očakávate, že v budúcich voľbách v USA prehrá strana, ktorá je
v súčasnosti pri moci? Alebo si pozíciu udrží, ale s nižšou
podporou? Alebo si ju udrží s vyššou podporou verejnosti?

32. Algoritmus vs. experti
Phil Tetlock, profesor psychológie a managentu na
University of Pennsylvania
Autor: „Expert Political Judgment: How Good Is It? How Can
We Know?“
Aj tí najlepší prognostici mali horšie výsledky než Tetlockom
používaný „hrubý extrapolačný algoritmus“ – jednoduchý
výpočet, ktorý zohľadňuje obyčajné dáta a predpokladá, že
trendy z niekoľkých posledných rokov budú pokračovať.
„...je nemožné nájsť jedinú oblasť, v ktorej by ľudia
bodovali lepšie než hrubé extrapolačné algoritmy.“

33. Sondovanie
Sondovanie je najvhodnejšie na situácie, kedy
potrebujeme získať nové dôveryhodné informácie.
Nemalo by sa používať vtedy, keď sme presvedčení, že
vieme, ktoré riešenie je správne, ale chceme získať
priestor na emocionálne prešľapovanie, pretože
rozhodnutie je nepríjemné.

34. Samotné rozhodovanie
Ak narazíme na skutočne ťažkú voľbu, je dôležité, aby sme
získali odstup pred rozhodnutím a nestratili nadhľad. Keď
sme zavalení detailami, môže nás premôcť neistota a názor
môžeme zmeniť zo dňa na deň.
Najväčší nepriateľ: momentálne emócie.
Ľudia, ktorí hovoria o zlých životných rozhodnutiach,
väčšinou podotknú, že k nim došlo pod vplyvom emócií, ako
je túžba, zlosť, úzkosť či závisť.

35. Problémy s analýzou dát
pri rozhodovaní

36. Problémy s analýzou dát
pri rozhodovaní
46% výkonných riaditeľov sa vyjadrilo, že spoliehanie sa na
analýzu dát v minulosti ich firmu poškodilo.
Majú obavy z nedostatočnej kvality, presnosti a úplnosti
dát. Ťažko získavajú prístup k užitočným dátam.
Averzia k algoritmom – pri rovnakej chybe ľahšie
prestaneme dôverovať algoritmu ako človeku

37. Problémy s analýzou dát
pri rozhodovaní
Príliš mnoho informácií - potreba „prístupu zameraného na
riešenia“. Vyhľadávanie vzorcov a korelácií môže viesť k
„paralýze analýzou“.
Predpojatosť: tí, čo rozhodujú, vidia korelácie, ktoré potvrdzujú ich
súčasný názor („confirmation bias“) alebo tie, ktoré videli
nedávno či opakovane v minulosti („availability bias“).

38. „Firmy a vlády robia strategické rozhodnutie
používať big data,
ale nepoužívajú big data
na strategické rozhodnutia.“
(Yun Jie Zhou, riaditeľ firmy Haier)

39. Zdroje:
• Big Success With Big Data, Accenture, apríl 2014,
www.acccenture.com/analytics
• Gut and Gygabytes, PWC, 2014, http://www.pwc.com/gx/en/issues/data-and-
analytics/big-decisions-survey/assets/big-decisions2014.pdf
• The Deciding Factor: Big Data & Decision Making, Economist Intelligence Unit,
2011
• New Surveys On Big Data, Big Decisions, Analysis, And Intuition, 2014,
Forbes, http://www.forbes.com/sites/gilpress/2014/09/10/new-surveys-on-big-
data-big-decisions-analysis-and-intuition/
• Decisive, Chip and Dan Heath, 2013

40. Ďalšia literatúra
• Blink, Malcolm Gladwell
• Nudge, Richard H. Thaler
• Big Data, Viktor Mayer-Schonberger, Kenneth Cukier
• Predictably Irrational, Dan Ariely
• Thinking Fast And Slow, Daniel Kahneman

41. Vďaka za pozornosť.