Finantskonverentside ja juhtimisarutelude keskne idee on juba aastaid olnud sama: kui meil on õiged andmed, siis teeme ka õiged otsused. Tänases maailmas, kus ärianalüütika, pilveplatvormid ja tehisintellekt on laialdaselt kättesaadavad, tundub see loogika iseenesestmõistetav. Ometi ei kinnita praktika seda alati. Organisatsioonides, kus andmeid on rohkem kui kunagi varem, tekib endiselt vaidlusi, ebakindlust ja vahel ka halbu otsuseid. See viib paratamatult küsimuseni: kas probleem on andmete kvaliteedis – või hoopis selles, kuidas ja kes neid otsuseid teeb?

Eeldused admepõhiseks juhtimiseks

Aastate jooksul on andmepõhise juhtimise vallas kujunenud välja teatud „tõed“ või eeldused, mille organisatsioonid on oma tegevuses omaks võtnud. Esiteks on aru saadud, et ilma analüütikavahenditeta ei ole võimalik tänapäevases äris toimida. Andmed tuleb kokku koguda, töödelda ja visualiseerida. Teiseks on oluline oskus andmetest lugusid rääkida. Juhid ei tee otsuseid ainult tabelite põhjal – nad vajavad konteksti, tähendust ja narratiivi. Kolmandaks on fookuses olnud mõõtmine ja mõõdikud, kusjuures mitte ainult tulemuste, vaid ka tegevuste mõõtmine. Ning neljandaks on analüütika juba arenenud suunas, kus lisaks mineviku andmetele vaadatakse ka tulevikku – kirjeldatakse, selgitatakse, ennustatakse ja juhendatakse.

Kõik need põhimõtted on õiged ja isegi enesest-mõistetavad praeguses juhtimiskultuuris, kuid praktikas ei taga need veel head tulemust. See on pandnud mind küsima, et kas on veel vaja midagi arvestada tagamaks paremad otsused? Just siit algab järgmine tase – arusaam, et andmetest üksi ei piisa.

Pakun 4 mõtet, mida tegelikult veel peaks arvesse võtma.  

1. Otsustaja roll – kõige alahinnatum tegur

Kõige olulisem nihe mõtlemises on arusaam, et otsustamise keskmes ei ole andmed, vaid inimene. Iga otsus on inimlik tegevus, mille puhul mängivad rolli kogemus, hoiakud, isiksus ja kontekst. Seda teemat võtab kokku uus sõnapaar – Decision Intelligence, mida võiks tõlkida eestikeelsena otsustustarkuseks. Sageli jagatakse organisatsioonides mõõdikud ja eesmärgid laiali eeldusel, et inimesed hakkavad nende järgi automaatselt tegutsema. Tegelikkuses võib sama eesmärk mõjuda erinevatele inimestele täiesti erinevalt. Mõni on tugev suhtleja ja motiveerija, teine analüütiline ja detailne. Kui ülesanne ei sobitu inimese loomulike tugevustega, ei pruugi ka parim mõõdik soovitud tulemust anda.

Lisaks on oluline mõista, et otsus ja otsustusprotsess ei ole sama asi. On võimalik teha hea otsus halva protsessi kaudu – näiteks juhuslikult või tunnetuse pealt. Samamoodi võib hästi struktureeritud protsess viia kehva tulemuseni. Seetõttu tuleb teadlikult tegeleda mitte ainult otsuste sisuga, vaid otsuse  protsessi kvaliteediga, kuidas otsuseid tehakse.

2. Tulevikku vaatamine kui otsustamise eeltingimus

Teine oluline muutus puudutab ajaperspektiivi. Traditsiooniliselt on ärianalüütika keskendunud minevikule – mida müüdi, kui palju teeniti, mis läks valesti. Kuigi see on vajalik, ei ole see piisav. Paremaid otsuseid tehakse siis, kui otsustajal on lisaks minevikuandmetele olemas ka vaade tulevikku. Isegi lihtne prognoos või stsenaarium annab märkimisväärse eelise võrreldes olukorraga, kus otsus tehakse ainult ajalooliste andmete põhjal. 
See on toonud kaasa ka muutuse planeerimises. Klassikaline finantsplaneerimine on asendumas laiendatud lähenemisega, kus arvesse võetakse kogu organisatsiooni toimimist – müüki, tarneahelat, personali ja operatsioone ning fookuses on just erinevate stsenaariumite läbimängimine. Finantsplaan ei ole enam lähtepunkt, vaid tulemus, mis kujuneb nende tegurite koosmõjus. Täna on juba olemas selleks ka vastavad tööriistad – integreeritud, ettevõtteülesed planeerimis- ja prognoosimisplatvormid, nagu näiteks Jedox, mis võimaldavad kogu planeerimise protsessi üles ehitada lähtuvalt ettevõttest. 

3. Tehisintellekt kui otsustamise partner, mitte tööriist

Tehisintellekti kiire areng on toonud otsustamisse täiesti uue dimensiooni. Kui varem piirdus analüütika andmete kuvamisega, siis nüüd on võimalik saada ka soovitusi ja prognoose. Oluline on aga mõista, et tehisintellekt ei tööta vaakumis. Kui süsteemile anda ainult toorandmed, võib see teha ekslikke järeldusi. Näiteks võib ta tõlgendada andmete muutusi trendina, kuigi tegelikult on põhjuseks lihtsalt puuduvad või mittetäielikud andmed. Seetõttu muutub kriitiliseks metaandmete ja konteksti roll – teadmine sellest, mida andmed tähendavad, kust need pärinevad ja kui ajakohased need on. Tehisintellekt peab toetuma, mitte otse toorandmetele vaid juba väärindatud ja kirjeldatud andmete platvormile, milleks näiteks sobivad hästi ärianalüütika tarkvaraplatvormid. Alles siis saab tehisintellektist usaldusväärne partner, kes aitab otsuseid paremini ette valmistada.

4. Ühest tõest mitme võimaluseni

Traditsiooniline ärianalüütika on õpetanud juhte otsima ühte „õiget numbrit“. EBITDA on üks konkreetne väärtus, müügitulemus on üks number ja nende põhjal on justkui hea ja mugav teha otsuseid. Tehisintellekti ja prognoosimise maailmas see loogika osutub kasutuks, isegi ekslikuks. Otsused põhinevad üha enam tõenäosustel, mitte kindlatel vastustel. Sama olukorra kohta võib olla mitu võimalikku arengut, millest igaühel on oma tõenäosus. See nõuab juhtidelt uut mõtteviisi. Tuleb õppida elama ebakindlusega, hindama riske ja tegema otsuseid olukorras, kus täielikku kindlust ei ole. Paradoks seisneb selles, et just selline lähenemine võimaldab teha tegelikult paremaid ja teadlikumaid otsuseid.

Kokkuvõtteks –

Andmed, ärianalüütika ja tehisintellekt jäävad juhtimise keskseks osaks ka tulevikus. Kuid nende roll muutub. Kui varem oli fookus valdavalt andmete kogumisel ja analüüsimisel, siis nüüd liigub see otsustamise kvaliteedile. Lõppkokkuvõttes ei määra edu mitte see, kui palju andmeid organisatsioonil on, vaid see, kui hästi neid kasutatakse otsuste tegemisel. Ja veelgi täpsemalt – kui hästi inimesed suudavad nende andmete toel otsustada.

Tehnoloogia annab eeldused ja on kättesaadav täna juba kõigile, aga võidavad need, kes selle tehnoloogia toel arendavad enda otsusemusklit ja läbi selle teevad paremaid otsuseid.