Werkgeluk

Kunnen data-inzichten leiden tot contraproductieve beslissingen?

Jelle Demanet

Jelle Demanet - Doctor in experimentele psychologie, Expert gedragseconomie

Dankzij de technische vooruitgang van de afgelopen decennia is het tegenwoordig gemakkelijker dan ooit om data te verzamelen. Dat gebeurt steeds vaker in verschillende domeinen, van het monitoren van het gebruik van digitale producten tot het opvolgen van hard en soft skills in HR-management. Aan de hand van data voelt het namelijk een stuk veiliger om beslissingen te nemen. Ze vinden dan hun oorsprong in aantoonbare feiten en zijn niet louter gebaseerd op een gevoel, mening of anekdote. Al met al heeft het verzamelen van data de volgende voordelen:

  • Helpt bij het maken van juiste beslissingen
    Aan de hand van data bent u beter in staat om de juiste beslissingen te nemen. Ze geven namelijk een beter beeld van de situatie. Waar vroeger nog vooral werd gebouwd op meningen, prognoses en precedenten, kijkt u met data meer naar de praktijk. Het biedt kansen om beslissingen te nemen rekening houdend met verschillende.
  • Leidt tot belangrijke inzichten
    Verder leidt het verzamelen van correcte data ook tot belangrijke inzichten. Het wordt bijvoorbeeld duidelijk of iets wel of niet werkt. Een mooi voorbeeld hiervan is de huidige coronacrisis. Door gebruik te maken van data weten regeringen of bepaalde maatregelen wel of niet werken. Ze houden hiervoor o.a. het aantal dagelijkse besmettingen nauw in de gaten. Nemen die na het invoeren van nieuwe maatregelen drastisch af, dan geeft dit hen het inzicht dat ze effectief zijn.
  • Vergroot de kans om doelen te bereiken
    Het gebruik van data leidt ertoe dat u beter in staat bent om uw doelen te bereiken. Door het verkrijgen van inzichten en het nemen van de juiste beslissingen is het vanzelfsprekend dat u beter in staat bent om uw doel te bereiken. Hoe relevanter de informatie, hoe beter. Tenminste, dat is wat u zou denken.

In de praktijk blijkt deze theorie correct. De bovengenoemde voordelen ziet u als data op de juiste manier worden toegepast en geïnterpreteerd. Desondanks gaat het ook geregeld fout. Ook hiervan is de huidige coronacrisis een mooi voorbeeld. Er zijn bergen aan gegevens beschikbaar en toch zijn beslissingen niet altijd de juiste.  Zelfs “objectieve” data laten regelmatig ruimte voor interpretatie.

Hoe data-inzichten soms leiden tot contraproductieve beslissingen: de coronacrisis

Gedurende de coronacrisis is gebleken dat de beschikbare data niet altijd leiden tot de juiste beslissingen. Het blijkt voor de beleidsmakers moeilijker dan gedacht om aan de beschikbare gegevens correcte conclusies te verbinden.

Zo is er in België en Nederland bijvoorbeeld toegang tot vergelijkbare data. Maar die leiden niet tot dezelfde beslissingen. In België ziet u bijvoorbeeld dat het mondmasker al maandeling verplicht is in grote steden. Dat terwijl het in Nederland lang alleen in het openbaar vervoer verplicht was. Het was al snel duidelijk dat de besmettingen hard en in een hoog tempo zouden kunnen stijgen. Toen dit enkele weken na het eerste geval ook een feit werd, kwam het toch nog als een verrassing. De ontstane chaos had aan de hand van de data voorkomen kunnen worden.

Tegelijkertijd liet Nederland veel sneller dan België de teugels vieren na de eerste coronagolf. Toen de besmettingen, ziekenhuisopnames en het aantal doden sterk terugliepen, mochten mensen bijna opnieuw alles doen. Hierdoor begonnen de besmettingen in de zomer van 2020 langzaamaan weer op te lopen, zonder bijpassende maatregelen. Daar waar de data toch duidelijk insinueerden dat er een tweede golf aan zat te komen, greep de Nederlandse overheid nauwelijks in. En toen was het plotsklaps alweer wat aan de late kant en liep het hele land achter de feiten aan. In België zagen we een gelijkaardig effect als we het beleid van Brussel vergelijken met dat van Antwerpen. Waar Antwerpen recent snel en streng reageerde, bleef Brussel te lang talmen (waarschijnlijk op basis van onvolledige data), met overvolle COVID-afdelingen tot gevolg.

Overheden zaten wereldwijd in vergelijkbare situaties. Er was overal toegang tot dezelfde data. En toch waren er grote verschillen te zien in de corona-aanpak. Een land als Zweden koos ervoor om helemaal geen lockdown in te voeren. Terwijl een land als Nieuw-Zeeland bij een klein aantal besmettingen al onmiddellijk grootscheepse maatregelen nam. Het is maar net hoe de gegevens door de beleidsmakers van een land geïnterpreteerd worden. Het verzamelen van de data alleen is niet voldoende.

data inzichten

 

Het probleem met data-inzichten

Van het verzamelen van data naar het verkrijgen van de juiste data-inzichten, is een relatief grote stap. Het lijkt misschien eenvoudig om conclusies aan gegevens te verbinden, maar in de praktijk blijkt dit een stuk lastiger dan gedacht. Wat zijn nu de pijnpunten?

  • Gebrek aan context: De juiste context is essentieel bij het interpreteren van data. U kan namelijk puur aan de data zelf geen conclusies hangen. Het is van belang om daarbij precies te weten wat de gegevens betekenen in relatie tot de huidige situatie. Als we opnieuw het voorbeeld van de coronacrisis nemen, dan wordt dit al snel duidelijk. Als u aan het begin van de coronagolf keek naar de besmettingscijfers, dan leek er nog geen vuiltje aan de lucht. De absolute aantallen gingen van enkele tientallen naar honderd. Toen van honderd naar een paar honderd. En zo verder. In de basis zijn dat geen extreem hoge cijfers. Maar wanneer u het in context plaatst, dan is dat wel het geval. De stijging verliep namelijk exponentieel. De data suggereerden dan ook dat de aantallen weleens explosief konden stijgen zonder in te grijpen. In dat geval zou de chaos niet te overzien zijn. Hierbij was het dus erg belangrijk dat de gegevens in context werden geplaatst. De absolute cijfers waren niet zorgwekkend, maar relatief ten opzichte van elkaar waren ze dat wel. De interpretatie van de stijging werd dan ook nog eens bemoeilijkt door een andere context-effect: de afname van testen nam toe. Mensen stelden zich terecht de vraag of de groei niet enkel te verklaren was door de stijging van het aantal testen.
  • Onervarenheid: Verder heeft de coronacrisis ook aangetoond dat onervarenheid een grote rol speelt bij het nemen van contraproductieve beslissingen aan de hand van data-inzichten. Als beleidsmakers zonder uitgebreide voorkennis van data bepaalde conclusies moeten trekken, is er een goede kans dat het fout gaat. Ze hebben niet de kennis paraat om op de juiste manier met de informatie om te gaan, in tegenstelling tot data-experten bijvoorbeeld.  Dat kan leiden tot een misinschatting zoals in het eerdere voorbeeld van de exponentiële stijgingen van het aantal besmettingen. U kan ervan uitgaan dat er al een stuk beter met de data wordt omgesprongen bij een nieuwe opstoot. Er is dan veel beduidende ervaring opgedaan door de beleidsmakers. Een data-expert zou de besmettingscijfers al veel beter kunnen omzetten in bepaalde inzichten, aangezien hij of zij dergelijke patronen in de gegevens al veel vaker heeft gezien. Een data-expert weet de diepere betekenis achter de beschikbare data gemakkelijker te vinden.
  • Foutieve interpretatie: Een belangrijk laatste punt is de foutieve interpretatie van de beschikbare data. Dat heeft te maken met randzaken die spelen. Zo heeft een overheid bepaalde onderliggende motieven tijdens een crisis. De gezondheid van het volk staat uiteraard op één, maar er spelen ook andere zaken een rol. Zo zal een overheid ook een goede indruk op het volk willen maken en al zeker als er verkiezingen op komst zijn. Daarnaast zijn er ook economische motieven, religieuze, etc. Dat leidt ertoe dat data op een andere manier worden geïnterpreteerd, bijvoorbeeld vanuit het perspectief hoe ze als middel in te zetten om ook die onderliggende doelen te bereiken. Het is heel goed mogelijk dat dit niet eens volledig bewust gebeurt, maar ook deels onbewust. In dat geval is het  waardevol om er iemand naar te laten kijken die er verder geen onderliggende doelen bij heeft. Iemand die puur de gegevens interpreteert op de meest relevante, objectieve en onafhankelijke manier.

Voorkomen dat een data-inzicht leidt tot een contraproductieve beslissing in HR

Het lijkt misschien vergezocht maar aan de hand van de huidige coronacrisis kunnen we toch enkele belangrijke en algemeen geldende principes rond data-inzichten aanschouwelijk maken. Deze principes zijn ook noodzakelijk als u bijvoorbeeld in HR-beleid beslissingen wilt nemen op basis van “objectieve” data. Objectief verzamelde data zijn geen garantie voor een correcte analyse en toepassing.  Soms leiden ze tot verkeerde beslissingen. En deze beslissingen hebben potentieel een grote impact. Daarom is het van belang om elk deel van het proces aan de juiste mensen over te laten. Een data-expert is veel beter in staat om de betekenis van een bepaalde hoeveelheid data onder woorden te brengen. Gezien een data-expert in het verleden al veelvuldig met zulke databases heeft gewerkt, herkent hij of zij de valkuilen die erbij horen. Laat deze data-expert samenwerken met een HR-expert en samen komen ze tot de beste en juiste inzichten. Het correct interpreteren van de gegevens in HR wordt - jammer genoeg - in realiteit ook vaak bemoeilijkt doordat de HR-expert ook (mede-) verantwoordelijk is voor het HR-beleid van het bedrijf. Hierdoor kijkt hij of zij onvermijdbaar, bewust of onbewust, met een bepaalde vooringenomenheid naar de data. Een onafhankelijke data-expert, aangevuld met de expertise van een (onafhankelijke) HR-expert is daarom noodzakelijk om de data in de juiste context te plaatsen en ze te vertalen naar een goed beleid.

 

Wilt u hier meer over weten?

neem dan contact op met onze expert