Danas svako želi da promeni nečije ponašanje. Mi sami svoje – da izgubimo kilograme ili više vežbamo, kompanije žele da ljudi počnu da kupuju njihove proizvode, a društvo se nada da će građani odgovornije da se ponašaju. Neki subjekti se već značajno oslanjaju na tehnologiju i analitiku po tom pitanju.
Međutim, analitika je samo deo priče. Da bismo donosili efikasnije odluke, prvo moramo da razumemo kako to radimo i šta sve na to utiče. Svi mislimo (ili se nadamo) da razmišljamo i sami odlučujemo. Ali, dva velika mislioca po tom pitanju – Carl Jung i Daniel Kahneman kažu da je to mit. Pre će biti da samo procenjujemo i biramo da odgovaramo na laka pitanja, a ne ona neophodna.
Ljudi se ponašaju na veoma nepredvidljiv i za njih neoptimalan način. Želeli bi da iz svake situacije izvučemo najbolje, ali se to ne dešava. Mislimo da kupci uvek kupuju najjeftinije, nadamo se da čitaju uputstva ili da savršeno razumeju našu komunikacijsku poruku. Nažalost, stvari nisu tako jednostavne jer ljudi nisu roboti. Ljudi prvo osećaju, a zatim razmišljaju (ako uopšte). Često se ponašamo impulsivno.
Gledamo - ali ne vidimo, slušamo - ali ne čujemo i pokušavamo da razmišljamo, ali razmišljanje je teško. Ljudi, takođe, ne vole promene. Imaju navike koje nije lako promeniti.
Često nam nedostaje vremena ili mentalne energije. Još bolje, u današnjem hipersenzornom carstvu gde se kompanije takmiče za milisekundu naše pažnje i informišu nas bez pauza – dešava se da nam nedostaju baš informacije. Ljudi su, takođe, pod velikim uticajem onoga što drugi rade, pa se ponuda čini boljom kada vidimo red ispred tezge na pijaci ili puni restoran. A šta je to što mi kao profesionalci radimo – pišemo birokratska pisma, dizajniramo kompleksne online formulare, koristimo zamagljene korisničke interfejse ili složene tehničke jezike da opišemo proizvode i usluge.
Pretpostavljamo da su ljudi racionalna bića koja donose odluke zasnovane na logici. Pa, tako na naše donošenje odluka često utiču emocionalni faktori, predrasude i mentalne prečice. Kao rezultat toga, naši izbori često nisu najbolji - čak i kada pokušavamo da budemo mudri.
A ne smemo da zaboravimo da smo i mi profesionalci – ljudi.
Pravi oslonac na podatke i analitiku može da pomogne. Analitika je alat koji može da uoči “krive mentalne Drine” i delom ih ispravi. Pružajući nam informacije o tome kako ljudi zaista donose odluke, analitika nam može pomoći da dizajniramo okruženje u kome će izbor biti optimalniji za pojedinca ili kompaniju i u skladu sa stvarnom psihologijom donošenja odluka. Drugim rečima, umesto da pokušavamo da opremimo ljude racionalnošću ili ih beskonačno informišemo, možemo koristiti mašine koje će u podacima tražiti ljudskom oku i mozgu skrivene, a vredne uvide. Pivo i čips, ali i pivo i pelene.
Ljudsko ponašanje nije linearan, lako prepoznatljiv put. Pre je skup više „Stranger Things“. Često na takvo ponašanje gledamo samo kroz sočiva iskusnih menadžera. Prečesto posmatramo samo jednu ili dve dimenzije ponašanja potrošača, kada su u stvarnosti potrebe kupaca višedimenzionalne, ponekad skrivene čak i od njih samih, a svakako uvek teške za artikulaciju – zašto ste, kada ste, koliko ste? "Find your greatness" rekao bi Nike.
U takvoj šumi iracionalnosti, tesko je videti drvo pa profesionalci, u naletima talasa rokova ili ciljeva, pribegavaju raznim taktikama. Ignorisanje i preveliko oslanjanje na sopstveno poznavanje sociologije, psihologije, antropologije, pa tek onda tržišnih mehanizama je jedna od njih. Ili, kao i naš potrošač, gledaju šta drugi u istoj branši rade pa adaptiraju i apliciraju. Mnogi koriste dostupne podatke, dopunjuju ih ili prikupljaju nove, traže tragove, zaključuju najbolje što mogu i primenjuju. Svakako, nikada nećemo imati optimalnu količinu podataka. Nama treba “dovoljno” podataka koji su pritom i “adekvatni” za pravovremenu odluku. Mnogi maloprodavci u ponudi imaju hiljade artikala. Začudili biste se kada biste znali koliki mali delić te ponude pokriva 99% svih kupovina? Ostalo nam je, pa, trošak i zagađenje planete.
Složeni algoritmi mogu da ispituju podatke na više načina. Na primer, neki algoritmi mogu da kreiraju višedimenzionalnu strukturu podataka, a zatim traže obrasce ili izuzetke. Drugi se mogu fokusirati na specifične odnose između varijabli. Testiranjem različitih pristupa, algoritmi su u mogućnosti da pronađu skrivene dragulje koji mogu pružiti vredne uvide.
A, podataka uglavnom ima, ali su sakriveni, zanemareni, neuređeni, a odavno i preveliki pa iz njih malo šta mozemo videti. Mi ljudi. Podaci su, takođe, u silosima, neuvezani, nedigitalizovani, a iste stvari zovemo različitim imenima. Nekada su podaci dobri, ali nemamo jasno razumevanje konkretnih rezultata koje želimo da postignemo kroz optimizaciju. Cilj ne može da nam proizvede mašina. I tako nova vrednost ostaje u folderima ili bazama.
Postoji još jedna stvar koja nas sprečava da budemo bolji prijatelji sa podacima oko nas. To je predubeđenje da je u pitanju nekakva sudbonosna odluka najčešće tipa – ili ja ili mašina? Neće meni taj algoritam u organizaciju, jer ću ja onda morati napolje. To je, naravno, potpuno pogrešno. Mašine menjaju čoveka u situacijama gde se ista radnja beskonačno ponavlja. Mašine će, takođe, zameniti čoveka koji nije na vreme prigrlio njihovu pomoć i dovoljno izučio sve prednosti njihovog “uviđanja”. Mašine ne eliminišu ljudski osećaj, nazovimo to intuicijom koju često ne možemo da objasnimo ali iskustvo nam govori da je tako. Algoritmi podržavaju taj osećaj. Kao naočare koje koriguju kratkovidost.
Da li je baš ove nedelje pravi momenat da pivo stavimo na promociju? I koje?
Kada su u pitanju podaci, važno je zapamtiti da uvidi često žive “na granicama”. Međutim, organizacije se prečesto fokusiraju na jedan skup podataka i ne uzimaju u obzir druge važne izvore podataka koji daju dodatnu vrednost kada se kombinuju. Na primer, kada pokušavamo da razumemo šta je ljudima u određenom regionu potrebno, posmatranje ekonomskih i demografskih pokazatelja, osim podataka o prodaji, može da pruži dragocen uvid.
U svakoj uspešnoj implementaciji, prvi korak je uvek jasno artikulisana svrha. Šta hoćemo da postignemo? Šta su naši ciljevi? Kada budemo imali jasno razumevanje svrhe, možemo početi da je pretvaramo u model. Ovo uključuje prikupljanje i kombinovanje svih relevantnih podataka, a zatim njihovo korišćenje za proizvodnju korisnih predviđanja ili indikacija. Dalje, ishod mora biti koncizno ispričan i lep, a korisnici trenirani da ga lako mogu razumeti, tumačiti i koristiti. Konačno, pošto dobri algoritmi poznaju ljude bolje od njih samih, radnje koje slede ne bi smele da prelaze etičke granice dobrog poslovnog ponašanja.
Ljudska duša ne miruje. Ona luta univerzumom današnjice i biva sve češće skrenuta sa želejnog puta bezbrojnim životnim previranjima. Ona se dovodi u iskušenje i brojinim eksternim glasnicima i njihovim porukama. Kao u fliperu. Povezivanjem što više tačaka u tom univerzumu, prilazimo joj bliže.
