Viac dát o zamestnancoch nemusí tvoriť lepšie rozhodnutia - ako rozlíšiť čo je naozaj dôležité

 

Keď máš všetko, začneš sledovať všetko

Dostupnosť dát prirodzene vedie k tomu, že ich začneme využívať. A postupne sledovať viac, než je potrebné. Koľko hodín človek odpracoval. Koľko úloh uzavrel. Ako často je online. Koľko správ poslal Tieto čísla pôsobia presne. Dávajú pocit kontroly. Problém je, že často nemajú reálnu výpovednú hodnotu o tom, čo nás skutočne zaujíma – či človek prináša hodnotu.

Zrazu tak sledujeme aktivitu namiesto dopadu. Reagujeme na malé výkyvy namiesto toho, aby sme si všímali dlhodobé vzorce. A rozhodujeme sa na základe toho, čo je najjednoduchšie zmerať, nie toho, čo je najdôležitejšie pochopiť.

 

Signal vs. noise

V dátach o zamestnancoch existujú dva typy informácií.

• Signal sú tie, ktoré niečo znamenajú. Pomáhajú pochopiť situáciu a vedú k rozhodnutiu.

• Noise sú tie, ktoré síce vyzerajú dôležito, ale v praxi nič nemenia. Len zapĺňajú dashboard a zvyšujú pocit, že „niečo sledujeme“.

Rozdiel medzi nimi je prekvapivo jednoduchý.

Ak sa na číslo pozriete a neviete povedať, čo by ste na jeho základe urobili inak, pravdepodobne sledujete noise.

 

Zaujímavý fakt:

Podľa výskumu McKinsey & Company trávia manažéri až 30–40 % svojho času analýzou a reportovaním dát, pričom významná časť týchto informácií nemá reálny dopad na rozhodovanie.

👉 Inými slovami:

veľká časť dátového úsilia vo firmách neprináša reálnu hodnotu.

Decision making in the age of urgency

 

Prečo viac metrík nepomáha 

Intuitívna reakcia na neistotu býva pridať ďalšie dáta. Viac grafov, viac prehľadov, viac detailov. Lenže čím viac metrík máš, tým ťažšie sa v nich orientuješ. Začne rásť kognitívna záťaž, stráca sa priorita a dôležité veci sa rozplynú medzi menej podstatnými. Vzniká zvláštny paradox. Máte viac informácií ako kedykoľvek predtým, ale menej jasno v tom, čo sa vlastne deje.

Nie preto, že by dáta boli zlé. Ale preto, že nie všetky sú rovnako užitočné.

 

Ako vyzerá signal v praxi

Zmysluplné dáta o zamestnancoch málokedy vyzerajú ako jedno konkrétne číslo. Skôr ide o vzorce, ktoré sa opakujú v čase.

Napríklad keď niekto dlhodobo nestíha termíny, keď sa postupne znižuje jeho aktivita alebo keď sa objaví náhly pokles výkonnosti bez zjavného dôvodu. Rovnako aj situácie, keď človek systematicky pracuje nad rámec bežného času, alebo sa začne vyhýbať interakciám, ktoré boli predtým prirodzené. Tieto veci neviete zachytiť jednou metrikou. Objavujú sa až vtedy, keď sa na dáta pozriete v kontexte a v čase.

A hlavne – vedú k otázkam. Nie k rýchlym záverom, ale k potrebe pochopiť, čo sa deje.

 

Noise vyzerá ako presné informácie. A práve preto je nebezpečný

Naopak, noise býva často veľmi konkrétny. Má presné čísla, pekné grafy a dá sa ľahko porovnať. Počet klikov. Čas online. Počet správ. Jednotlivé izolované metriky bez širšieho kontextu. Tieto dáta nie sú nesprávne. Len vytvárajú ilúziu, že vieme merať výkon, aj keď v skutočnosti meriame len aktivitu. A keď sa na ne začnete spoliehať, začnete robiť rozhodnutia, ktoré síce vyzerajú racionálne, ale v praxi míňajú pointu.

 

 

Kontext je všetko

Jedno číslo bez kontextu môže znamenať čokoľvek. Zamestnanec má veľa nadčasov. Je to problém? Možno. Ale možno práve dokončuje kritický projekt. Alebo mu tento režim vyhovuje. Alebo ide o krátkodobú situáciu, ktorá sa prirodzene vyrieši.

Bez kontextu neviete posúdiť, čo sa vlastne deje. A práve preto sú izolované metriky nebezpečné – nútia ťa robiť závery príliš rýchlo.

Dáta majú zmysel až vtedy, keď ich vieš zasadiť do reality konkrétneho človeka, tímu a situácie.

Menej dát, viac clarity

Zaujímavé je, že najväčší posun často neprichádza v momente, keď firma začne zbierať viac dát. Ale keď ich začne menej zobrazovať. Nie všetko, čo viete zmerať, musíte aj vidieť.

Dobrý systém nezahlcuje. Pomáha vybrať to podstatné. Zvýrazňuje odchýlky, ukazuje trendy a prepája informácie tak, aby dávali zmysel ako celok. Vďaka tomu nemusíte aktívne hľadať problém. Viete, kde sa máte pozrieť.

 

Čo by mal manažér naozaj vidieť?

Z pohľadu riadenia tímu nepotrebujete detail o každom kliknutí. Potrebujete pochopiť situáciu. Vedieť, kde vzniká problém, koho sa týka a či ide o krátkodobý výkyv alebo dlhodobejší trend. To je moment, kedy dáta začínajú byť užitočné. Ak sa k tejto odpovedi musíte dopracovať zložitou analýzou, systém vám v skutočnosti nepomáha. Len presúva komplexitu na vás.

 

Dáta ako nástroj, nie ako kontrola

To, ako dáta fungujú vo firme, nie je dané tým, čo zbierate. Ale tým, ako ich používate. Ak ich používate na kontrolu, ľudia sa tomu prirodzene prispôsobia. Začnú optimalizovať svoje správanie tak, aby vyzerali dobre v systéme. Výsledkom je upravený obraz reality.

Ak ich používate na pochopenie, mení sa aj spôsob, akým sa o nich rozprávate. Dáta prestávajú byť hodnotením a stávajú sa vstupom do diskusie. Pomáhajú pomenovať problém, ale nechávajú priestor na to, aby ste ho naozaj pochopil.

Na zamyslenie

Ak máte pocit, že máte k dispozícii veľa dát, ale rozhodnutia sú aj tak ťažké, pravdepodobne nejde o ich množstvo. Možno len sledujete veci, ktoré v konečnom dôsledku nič nemenia.

Skúsili ste si niekedy položiť jednoduchú otázku: čo by sa stalo, keby som toto číslo vôbec nevidel/a?

Ak je odpoveď „nič zásadné“, pravdepodobne ide o noise. A práve v momente, keď začnete tieto veci vedome ignorovať, začne sa objavovať signál.

 

Keď dáta začnú dávať zmysel 

Ak máte pocit, že:

• máte veľa dát, ale málo odpovedí

• dashboardy sú plné, ale rozhodovanie je stále ťažké

• alebo riešite čísla, ktoré v praxi nič nemenia

možno nepotrebujete viac dát. Možno potrebujete systém, ktorý vám pomôže vidieť tie správne. Taký, ktorý neukazuje všetko, ale to podstatné. Ktorý spája súvislosti a pomáha pochopiť, čo sa v tíme deje.

Taký je náš WebJET NET. Systém, ktorý si viete prispôsobiť tak ako potrebujete. Zobraziť signál, skryť noise. U nás nie je žiadna metrika bez kontextu.