במאמר ישן וחמוד על התמכרות ותלות בטכנולוגיה, בחור בשם גרי מונה כמה סיבות להתמכרות שלנו- תלות שמגיעה מתוך הרגלים שמטשטשים את ההבדל בנינו לבין הטכנולוגיה (נגיד סמארטפון), תלות שמגיעה מתוך נוחות כי הטכנולוגיה עונה על המון צרכים ולא בא לנו להתכלב (נגיד מזגן), ותלות שמגיעה מתוך חשיבה כמעט דתית-דטרמניסטית: זה השלב הבא של העולם ועלינו להתכנס לשימוש בטכנולוגיה הזאת ולאמץ אותה ולהטמיע אותה (שימוש במודלי שפה).
אבל לדעתי יש סיבה נוספת שמתגלמת בכל הסיבות האחרות- החברה שלנו סובלת מהתמכרות לסיפוק הצורך שלנו בוודאות בעולם שאינו יציב באמצעות שימוש לרעה במידע. מהפכת המידע יצרה מציאות שבה יש המון מידע שמערער את תחושת הוודאות שלנו, אבל איכשהו למרות שמידע הוא משאב שיש המון ממנו, נתונים הפכו להיות הזהב החדש.
האמת היא שנתונים *מעובדים* ו- *רלוונטיים* הם הזהב החדש, וכל השאר זה סתם מידע מיותר, אבל כולנו עדיין מתחנכים על כך שקבלת החלטות צריכה להיות מבוססת נתונים כדי להיות נכונה ומדויקת. Data is king. החלטה היא מוצלחת רק עד כמה שהיא לקחה בחשבון תמונה מדויקת של המציאות ומנבאת השלכות של הבחירות שנעשה. אולי הגיע הזמן לשאול כמה שאלות קשות על הנחות המוצא האלו.
זה המוח שלך על דאטה
קבלת החלטות היא פיצ'ר די מגניב בסך הכל. בני אדם מסוגלים להשתמש בדמיון שלהם כדי לשער לעצמם את השתלשלות האירועים בעולמות מקבילים שמתפצלים מהחלטה מסוימת. האם לפתוח סניף חדש לעסק? אם כן אז… ואם לא אז…
כשאנחנו צריכים להשלים הרבה מתמונות העתיד האלו על בסיס הידע הקיים שלנו, יש סיכוי מסוים לטעות, וההנחה היא שיותר מידע שיעשיר את מה שאנחנו יודעים יספק לנו וודאות רבה לקבל את מה שאנחנו רוצים ופחות סיכוי לטעות ולקבל תוצאה מפתיעה לרעה.
אבל כשאנחנו מסתמכים על נתונים באופן מלא בתהליכי קבלת ההחלטות שלנו, אנחנו הופכים לתלויים בהם. ההחלטה שלנו תהיה מבוססת על משמעות סימבולית והקשרים בין נתונים שהזינו כעובדות מנבאות. או במילים אחרות- זה שהציבור ממש אוהב את החטיף הישן והטוב לא בהכרח אמור להוביל להחלטה לייצר את התועבה שהיא הביסלי שמזדהה כביסלי בטעם אחר. מישהו בחברה הזאת ככל הנראה קיבל החלטה שגויה על סמך גרף נתונים כלשהו.
בעשורים האחרונים הפכנו- המין האנושי, ליצור שיש לו גישה להמון מידע נוסף. אבל למידע יש כמה תכונות שמזכירות סוכר– הוא לא ייתן לנו ערך תזונתי ליכולת קבלת החלטות ללא עיבוד ושימוש בו, ויותר מידי ממנו יעשה אפקט הפוך- מה שישאיר אותנו שוב רעבים למידע נוסף לקבלת החלטות.
ככל שיש יותר מידע אנחנו חשים חוסר ביטחון לקבל החלטות על סמך מה שכבר אספנו- תמיד יש עוד מה לעבד ולהפיק ממנו מסקנות. מה שיש לנו הוא טיפה בים ונתקשה להסתפק במה שיש כשמסביבנו שפע מידע נוסף. התמונה הגדולה יותר רק מראה לנו שיש עוד הרבה שאנחנו לא יודעים. היא מכניסה אותנו למצב של analysis paralysis– קפיאת ניתוח. יש יותר מידי מה לקחת בחשבון שהמחשב שהוא המוח שלנו פשוט קורס. מגיעים לאי יכולת הגעה להחלטה.
עומס דאטה
עד לאחרונה התעשייה האדירה תשתיות ביג דאטה. מה יש לא להאדיר? יותר דאטה = יותר תובנות, לא? בוא תארגן לי מערכת אינסטלציה שלמה שתזרים לי נתוני עתק מכל אינטראקציה של אדם עם מכונה, תעשה לי עיבוד והצלבות ותוציא לי את הכל יפה מסודר בדאשבורד עם כפתורים צבעוניים, כדי שההנהלה תקבל החלטות נכונות שיובילו להצלחה בשוק.
אז מסתבר שחברות אוספות דאטה שהן לא משתמשות בו בכלל, או לא יודעות מה לעשות איתו, בזמן שהדאטה שכן משמש לקבלת החלטות הוא די ספציפי ומהודק. הדאשבורדים מאוד מרשימים ומציגים המון מידע. כל כך הרבה מידע, שהם מצריכים עיבוד נוסף של הנרטיב שעולה מתוך הנתונים כדי שיהיה אפשר לקבל החלטה על בסיסם.
רשימת המשתנים שנערמים במחסני הנתונים של עסקים יושבות שם כמו דירה בפרק של hoarders, וזה נכון גם לסטרטאפ נישתי מהרצליה וגם לגוגל. רק בגלל שאפשר לאסוף את הנתונים האלה, לתייק אותם, ולהחזיק אותם במאגר היפיפה שבניתם, לא אומר שיש לכם מה לעשות איתם.
המשאבים שלנו בתכנון איסוף נתונים הולכים בעיקר לבניית תשתיות להזרמת מידע ופחות על תכנון עצי החלטה בינאריים שנתמכים בנתונים ספציפיים. בפועל הכסף לא מושקע בהעמקת הידע של מקבל ההחלטות, אלא בבניית קייס להצדקה של החלטות בדיעבד. אתה משלם עבור אישרור או הוכחה מבוססת נתונים לפעולות והחלטות שביצעת, כי נתונים הם דבר הפכפך ואפשר לשחק איתם ככה שיצדיקו מה שבא לנו באותו רגע.
איכות ולא כמות
בסטטיסטיקה, כשאנחנו רוצים לברר איך כמה משתנים משפיעים על משתנה אחר (נגיד, כמה הפרופיל החברתי שלך- מגדר, גיל, מוצא, השכלה, רמת דתיות, משפיעים על הסיכוי שלך לחלות בסכרת), אפשר לבצע פעולה שנקראת רגרסיה. החישוב הזה מסתכל על דפוסים בנתונים ואומר לנו אילו משתנים (נגיד, גיל) מתנהגים בדפוס דומה (נגיד, עולה) למשתנה הבלתי תלוי שלנו (עלייה בסיכון לחלות בסכרת).
מתוך הרשימה הזאת של משתנים, בדרך כלל אנחנו נקבל אחד או יותר שמשפיעים במידה משמעותית יותר מאחרים. סוג של ביטוי לעקרון פארטו (80% מההשפעה נקבע על פי 20% מהמשתנים). פחות סביר שיהיה לנו 100% מההסבר להשפעה, גם אם יהיו אלף משתנים. כל זה כדי להמחיש את הכותרת- יותר מידע לא בהכרח יספק לנו את כל מה שנצטרך כדי לקבל את ההחלטה האולטימטיבית.
דאטה מינימליזם היא גישה חדש יחסית שמתעדפת איכות על כמות. הדאטה שנאסף מתוכנן בקפידה כדי לענות על שאלות שנוסחו מראש. שאר הדאטה- פשוט לא רלוונטי, אין מה לאגור אותו ולבזבז משאבים בלנסות להבין מה הוא ייתן לנו. אם יש לנו נקודות עיוורות שמיפינו, ושאלות ברורות שנצטרך לקבל עליהן תשובה, הגדרה של מדדים מינימליסטיים ומהודקים יתנו לנו הרבה יותר ערך ודיוק בהחלטות שלנו מאשר מאגר נתוני עתק.
זה נכון כמובן להחלטות עסקיות אבל ככל הנראה רלוונטי גם לנו כבני אדם בחיי היום-יום שלנו. אנחנו פחות ופחות מסוגלים כיום לקבל החלטות על בסיס אינטואיציה או לקיחת סיכונים, ויותר ויותר תלויים באיסוף קדחני של מידע נוסף וגירויים נוספים.
אני אישית זקוקה למשקפיים בגלל צילינדר בשתי העיניים. באופן די קבוע אני לא מרכיבה משקפיים בכלל, למרות שהן אצלי בתיק, פשוט כי כמות המידע הויזואלי שאני מקבלת וצריכה לתייק גדולה מידי כשהכל נראה באיכות HD. אין לי צורך בזהות כל עלה בעץ בנפרד, רק לשים לב שיש עץ בהמשך המדרכה.
יש מידע שפשוט לא רלוונטי לנו לאגור במוח שלנו- אסונות טבע במדינות אחרות, מי זכה באיזה גמר של תוכנית טלוויזיה, מה קורה בחדשות בכל רגע נתון, וכן הלאה. המידע שנחוץ לנו לקבלת החלטות בחיי היום יום הוא קמצוץ ממה שאנחנו צורכים. אולי הגיע הזמן לדיאטת דאטה החל ממחר, הצעד הראשון הוא להודות שיש לנו בעיית התמכרות לנתונים.