Spring til indhold

Measuring the unmeasurable

”Ikke alt, der kan tælles, tæller og ikke alt, der tæller, kan tælles”. Albert Einsteins berømte citat er indlysende sandt og en ret præcis beskrivelse af den virkelighed, vi som analysefolk i en kommunikationsverden lever i. Det gælder, hvad end det drejer sig om befolkningens holdning til et politisk emne, forbrugernes oplevelse af et bestemt brand eller hvilke kunder, der er mest værdifulde for virksomheden. Så hvad gør vi så?

For nylig hørte jeg på The Conference i Malmø et formidabelt oplæg af Andrea Jones-Rooy om netop dette emne. Andrea er – udover at være professor i Data Science, stand-up komiker i sin fritid og et energibundt af en foredragsholder – specialist i at måle noget så diffust som ”diversitet” i virksomheder.

3 store udfordringer

Andrea pegede på tre udfordringer, som hun typisk støder på:

  • Virksomhedens ledelse vil gerne fremme diversitet, men kan ikke beskrive, hvordan det ser ud
  • Virksomhedens ledelse har i forvejen nogle meget klare forestillinger om, hvorfor der ikke er diversitet i virksomheden
  • Virksomhedens ledelse tror, at data er sandhed

Enhver, der arbejder med data og analyse af komplekse problemstillinger i erhvervslivet, er formodentlig kommet i berøring med mindst en af disse udfordringer – hos Advice støder vi i hvert fald på dem hele tiden. Lad os gennemgå dem en for en:

Hvad vil vi måle på?

Den første udfordring er den helt fundamentale – hvad er det, vi vil måle på? Hvis vi vil måle på forbrugernes tillid til et bestemt produkt, hvordan ser forbrugertillid så ud? Hvis vi ikke kan beskrive, hvordan det, vi vil måle på, ser ud, hvordan ved vi så, at det faktisk er det, vi måler?

Andreas løsning er ligeså simpel, som den er genial. Bliv ved med at spørge ”hvorfor?”. Hvorfor vil I som virksomhed måle på det? Rejsen ned i ”hvorfor?” giver som regel nogle svar, der peger i retning af noget, der er lettere og mere værdifuldt at måle. Hvorfor ønsker man som virksomhed at måle forbrugernes tillid til ens produkt? Hvis det er fordi, man gerne vil have folk til at købe produktet igen, så er det noget simplere at måle på, hvor mange kunder der kommer igen end på, om de har ”tillid” til produktet.

Hvad er sandt, og hvad er ikke sandt?

Den anden udfordring viser sig ofte ved, at virksomhedens ledelse ofte har nogle ret klare (og ofte ubegrundede) forestillinger om, hvorfor tingene forholder sig, som de gør – de er biased. Andrea fortalte om en virksomhed, der havde det problem, at deres kvindelige medarbejdere sagde op efter et par år. Virksomhedens ledelse mente ikke, at de kunne gøre så meget ved det, fordi de kvindelige medarbejdere jo sagde op for at stifte familie. I stedet for at tale imod den åbenlyse bias, så taler Andrea med den – men opstiller betingelser: Lad os antage, at kvinderne forlader virksomheden for at stifte familie. Hvis det er sandt, hvad kan så IKKE være sandt samtidig? F.eks. at disse kvinder kort tid efter har fundet job et andet sted – hvilket en simpel scraping af LinkedIn-profiler vil afsløre. Pointen er, at vi ikke kan undgå, at vores biases påvirker hvilke svar, vi leder efter. Det vi kan gøre er, at opstille falsifikationskriterier (hvad kan ikke samtidig være sandt?) FØR vi indsamler vores data. Hvis kvinder forlader virksomheden for at passe børn, kan det ikke samtidig være sandt, at de får et nyt job.

Ikke alt, der kan tælles, tæller..

Den tredje udfordring er forbundet til Einstein-citatet i indledningen. Data og analyseresultater opfattes ofte som sandheden. Og det er de ikke. Hvis de er lavet ordentligt, kan de i sig selv være sande, men de giver os kun adgang til den del af sandheden, som vi har data på, eller som de data, vi har, er velegnede til at sige noget om. Hvis vi skal bidrage til at vores kunder, vores virksomheder eller hvem ellers der spørger, skal træffe beslutninger på et oplyst grundlag, så skal vi i langt højere grad, end vi gør, afrapportere, hvad vores undersøgelser IKKE siger noget om.

En ny tilgang til undersøgelsesdesign

Hvis du er nået igennem hele indlægget og læser disse afsluttende bemærkninger, så håber jeg, at du sidder tilbage med samme følelse, som jeg gjorde, da jeg hørte Andreas foredrag. På den ene side at have hørt noget, der vækker en svag erindring om (alt for) varme auditorier og videnskabsteori (falsifikationskriterier, Karl Popper og alt det jazz). Og på den anden side, at være blevet præsenteret for en anvendelig og pragmatisk tilgang til at arbejde med den udfordring det er at skrue et solidt undersøgelsesdesign sammen – noget der i hvert fald ikke blev brugt så meget tid på til de forelæsninger om videnskabsteori jeg deltog i.

Hvis ikke du sidder tilbage med den følelse, så kan jeg kun opfordre dig til at opleve Andrea live. Hun er enormt engagerende, og hvor tit er det lige, man oplever kombinationen professor i data science/stand-up komiker?

Vil du vide mere?

Advisor

Jon Lund Elbek

+45 21 25 94 80

LinkedIn

Tilbage til oversigten