De vele gezichten van data

Om intuïtie te kunnen gebruiken hebben we ervaring nodig, dus op het moment dat je in een nieuwe omgeving terecht komt, of je verdiept in een nieuw onderwerp zal intuïtie minder betrouwbaar zijn. Ik ga al even mee, en ik laat me graag leiden door mijn intuïtie, maar aangezien mensen (en ik dus ook) erg gevoelig zijn voor het maken van logische denkfouten wil ik mijn gevoel graag bevestigd zien door data.

Idealiter gebruiken we dus een combinatie van onze ervaring en intuïtie, en een objectieve dataset. Waar de data vandaan komen en de manier waarop we de data verzamelen kan beïnvloed worden door onze ideeën en vooroordelen. Vervolgens kunnen data ook op meerdere manieren geïnterpreteerd worden, waardoor je een dataset bijna elke gewenste uitkomst kan laten bevestigen. Zoals je intuïtie je kan bedriegen, kunnen data dat dus ook.

Als het gaat over bedrijfsresultaten dan kunnen data vooral beïnvloed worden door hoe data geclassificeerd en regels geïnterpreteerd worden. Wanneer tel je iets mee als omzet, welke investeringen worden afgeschreven en over hoeveel tijd, en welke kosten kunnen geactiveerd worden? Goede en consistente afspraken hierover zijn belangrijk.

Bij het vaststellen van medewerkerstevredenheid wordt de objectiviteit van de data bepaald door hoe deze verzameld worden. Interviews afnemen levert veel details op, maar de interpretatie ervan is subjectief. Een gestandaardiseerde analyse van antwoorden op een vragenlijst is objectiever, maar minder gedetailleerd.

Nadat je ervoor gezorgd hebt dat je de juiste dataset hebt, kan je bepalen hoe deze moet worden weergegeven. Een CEO is waarschijnlijk heel blij met een mooi KPI-dashboard dat laat zien of de bedrijfsdoelstellingen behaald zijn. Als het echter jouw taak is om te bepalen hoe er gestuurd moet worden dan is weten of doelstellingen behaald zijn niet genoeg. Daar heb je meer informatie voor nodig.

Persoonlijk gebruik ik graag tabellen met mogelijkheden om te filteren en sorteren. Dit is een voorkeur die me niet populair maakt bij data engineers, want tabellen zien er niet mooi uit en zijn minder leuk om te bouwen dan dashboards.
Maar uiteindelijk wordt de waarde van de data bepaald door de kwaliteit van de beslissingen die je erop kan baseren. Met dank aan de data engineers die dat mogelijk maken.