Zwischen „Decision-Driven Data Analytics“ und „Data-Driven Decision-Making“ gibt es wesentliche Unterschiede in der Herangehensweise und Sammlung von Daten – dessen sollte sich jeder Entscheider bewusst sein.

 

In ihrem MIT Sloan Management Review Artikel „Leading With Decision-Driven Data Analytics” arbeiten Bart de Langhe und Stefano Puntoni heraus, warum Datenanalysten vielfach nur unzureichende Einsichten für die Entscheidungsfindung liefern. [1]
Sie appellieren für einen Wechsel des Fokus von Daten auf Entscheidungen.

Ohne Zweifel gewinnen Daten immer mehr an Bedeutung. In einer Befragung unter Fortune 1000 Unternehmen gaben 91,9% der Befragten an, dass die Investitionen in Big Data- und Künstliche Intelligenz-Initiativen zunehmen, um mehr „data-driven“ zu werden. Trotzdem sind nur 24% der Meinung, dass ihre Organisation im vergangenen Jahr wirklich data-driven war. [2]

De Langhe und Puntoni argumentieren, dass der Fokus auf Daten nicht zu optimalen Einsichten bzw. Entscheidungen führt. Der Ansatz führe in aller Regel dazu, sich auf das Sammeln verfügbarer Daten zu konzentrieren und aus diesen Daten Einsichten gewinnen zu wollen. Letztlich stelle man sich also Fragen, die sich mit den Daten beantworten lassen, die verfügbar sind. Auch dies kann zweifelsohne zu wichtigen Verbesserungen führen, wird jedoch echten Entscheidungssituationen im Allgemeinen nicht gerecht.

In einer Entscheidungssituation werden üblicherweise Alternativen identifiziert, dann bewertet und schließlich auf dieser Basis eine Alternative ausgewählt. Im Vordergrund steht die konkrete Entscheidungssituation. Die Autoren schlagen hier folgende 3-stufige Vorgehensweise vor:

  • Erstens müssen die Alternativen identifiziert werden. Zunächst sollten mit einem „breiten“ Blick möglichst viele Alternativen generiert werden. Anschließend können diese durch Erfahrung und Urteilsvermögen auf eine handhabbare Menge reduziert werden. Die Autoren nennen dies einen „wide then narrow“-Ansatz.
  • Zweitens werden Daten bestimmt, um die Bewertung der Alternativen vorzunehmen. Es müssen also nicht möglichst viele Daten gesammelt werden, sondern zweckbestimmt diejenigen, die für die konkrete Entscheidungssituation relevant sind. Dies kann mit der Erfordernis neuer Experimente einhergehen.
  • Drittens wird schließlich die favorisierte Alternative ausgewählt. Dies geschieht auf Basis der Bewertungen, die sich mit Hilfe der Daten aus dem zweiten Schritt ergeben.

Diese Vorgehensweise nennen die Autoren „Decision-Driven Data Analytics“ und arbeiten abschließend nochmal den Unterschied zum „Data-Driven Decision-Making“ heraus. Eine kompakte Übersicht der Gegenüberstellung findet sich hier [3].

Fazit

Persönlich glaube ich, dass jeder Entscheider die Argumentation der Autoren unmittelbar nachvollziehen kann. Der Wert des Beitrags liegt meines Erachtens darin, sich diesen Unterschied klar zu machen und sauber zwischen beiden Konzepten zu trennen. Es hilft ohne Zweifel, Daten zu sammeln und diese für Einsichten zu nutzen. In konkreten Entscheidungssituationen sollten die Daten aber Mittel zum Zweck sein, zur Bewertung von Alternativen dienen. Die notwendige Datenbasis ergibt sich aus der Entscheidungssituation, nicht der Entscheidungsspielraum aus den vorliegenden Daten.

[1] https://sloanreview.mit.edu/article/leading-with-decision-driven-data-analytics/

[2] https://hbr.org/2021/02/why-is-it-so-hard-to-become-a-data-driven-company

[3] https://techno-sapien.com/blog/decision-driven