Hvordan inkluderende praksis og data bidrar til å redusere skjevhet i beslutningstaking

Det er lett for skjevheter å krype inn i ulike aspekter av beslutningstaking – selv når du tror du baserer beslutningene dine på objektive fakta. Så hvordan kan du begrense skjevhet når det gjelder å ta beslutninger? Hva er egentlig datainformert beslutningstaking? Og hvordan kan du hindre skjevhet fra å infiltrere dataene dine?

Det er mye å pakke ut her, så la oss reflektere et øyeblikk.

Først må vi adressere elefanten i det velkjente rommet: Alle har skjevheter. Bias er ikke medfødt dårlig eller noe å skamme seg over – det er en naturlig menneskelig impuls. Ofte unngår folk å adressere og utforske skjevheter fordi de tror det er en svakhet eller feil. Det er imidlertid noe ledere bør være klar over for å ta tilsiktede, informerte beslutninger. Å være bevisst på å praktisere empati og desentrere deg selv fra beslutningene dine kan føre til mer inkluderende resultater.

Datainformert beslutningstaking bruker fakta, beregninger og data for å veilede strategiske forretningsbeslutninger som stemmer overens med dine mål, mål og initiativer. Her er det lagt vekt på "guide."

Data er ikke en sølvkule for å oppheve all skjevhet. Imidlertid kan det skape rom for å desentrere fra dine egne antakelser og begynne å se spekteret av måter en bestemt situasjon kan sees, forstås eller adresseres på.

Slik begrenser du skjevheter når du tar beslutninger for virksomheten din.

1. Omfavn datainformert beslutningstaking – bare sørg for at selve dataene dine ikke er partiske. Data er ment å være starten på samtalen – ikke hele samtalen. (Finn ut mer om hvordan datadrevet beslutningstaking ser ut her..)

Når vi analyserer data, ser vi først på dem samlet for å komme til rimelige utvalgsstørrelser. Vi kan imidlertid få mer innsikt i ulike variabler og hvordan respondenter med ulik bakgrunn svarte på en undersøkelse ved å disaggregere dataene. Skjæring og visning av data i henhold til forskjellige variabler som alder, kjønn, rase, plassering, år osv. kan avsløre andre implikasjoner og mønstre. Når du begynner å pakke ut dataene og filtrere dem for ulike hensyn, vil historien den forteller bli mer nyansert. For eksempel, hvis du ser på ansattes trivsel på tvers av organisasjonen din, kan du se spesifikt på kjønnsidentitet og se hvordan og om det påvirker oppfatningen. Sørg for at du holder deg klar over utvalgsstørrelser og hold utvalget av respondenter anonyme.

Hvis du bare stiller overfladiske spørsmål, eller hvis du ikke er gjennomtenkt i forhold til hvordan forskningen din er utformet, hvordan du samler inn dataene eller hvilke data du samler inn, vil ikke dataene dine være like gode. For å komme så nært et fullstendig bilde som mulig, se på all informasjonen du har, disaggreger dataene, og ikke gjør antagelser om hva du ser. Før du gjør dette, prøv å redusere skjevheten i de underliggende dataene dine. Sørg for at bedriftens dataanalytikere og forretningsbrukere vet hvordan de skal se etter skjevheter på ulike stadier av arbeidet med data; skjevhet kan komme fra selve datainnsamlingen og kommunikasjonsprosessen. Her er noen høydepunkter fra Urban Institutes Gjør ingen skade-guide som forklarer hvordan du gjør dette:

Datainnsamlingsstadium. Diverse team kan bidra til å identifisere skjevheter og knytte forbindelser mellom ulike studieretninger hvis relevans kanskje ikke er tydelig ved første øyekast. De kan også bedre reflektere demografien til populasjonene de ønsker å studere. Når det er mulig, gjør formålet med datainnsamlingen eksplisitt slik at respondentene forstår hvorfor deres deltakelse er viktig.

Analysestadiet. Ikke separer analytiker- og kommunikasjonsteamene fullstendig fra datainnsamlingsteamene – samarbeid på tvers av hele dataarbeidsflyten er alltid bedre enn siloer. Når analytikere og kommunikatører mottar dataene, bør de stille spørsmål som: «Hvordan ble disse dataene generert? Hvem er inkludert og hvem er ekskludert fra disse dataene? Hvem sine stemmer, liv og erfaringer mangler?»

Presentasjonsstadiet. Ikke viker unna kompleksitet og nyanser i det visuelle hvis det gjenspeiler funnene i dataene mer nøyaktig. Vurder hvordan å legge til kompleksitet – i form av mer datatette grafer og diagrammer – kan bidra til å demonstrere at du og teamene dine har tenkt hardt på konsekvensene av analysearbeidet ditt.

2. Gjenkjenne og redusere skjevheter – og forstå hvordan det påvirker beslutningsprosessen din. Ubevisst skjevhet, eller implisitt skjevhet, refererer til en skjevhet som vi ikke er klar over, og som skjer utenfor vår kontroll. Dette skjer når vi gjør raske vurderinger og vurderinger av mennesker og situasjoner, og det kan påvirkes av vår bakgrunn, kulturelle miljø og personlige erfaringer.

Bias kan hindre oss i å dyrke mangfoldig talent, utvikle en engasjert arbeidsstyrke, utnytte unike erfaringer og perspektiver, og utløse innovasjon gjennom samarbeid. Bias på jobben kan dukke opp omtrent hvor som helst, men oftest vises det i rekruttering, screening, prestasjonsvurderinger og tilbakemeldinger, coaching og utvikling og forfremmelser.

3. Innlemme inkluderende arbeidsprosesspraksis. Et eksempel på en inkluderende arbeidspraksis er å lage klare utvelgelseskriterier for din beslutningsprosess. Disse kriteriene bør være i samsvar med organisasjonens oppdrag og strategi. Sørg for at du forstår hvorfor du prioriterer disse kriteriene. Vær konsekvent i hvordan du vurderer alle, og vær bevisst.

Tenk på eksempelet med å finne en hovedtaler for et firmaarrangement. Hvilken melding ønsker du å lande på arrangementet ditt? Trenger du at denne historien kommer fra et selskap av en bestemt størrelse med et visst nivå av merkevarekapital? Er det like viktig eller mindre viktig enn beregningene du ønsker å kunne fremheve om historien deres? Og hva med å dele plattformen din med perspektiver som kommer fra forskjellige bakgrunner?

I dette scenariet har vi en tendens til å si at vi vil ha "alt!" eller fokusere på visse kriterier som har høy verdi fra vårt perspektiv som individ eller som del av et team. Men hva med når noen kommer med den lavthengende frukten av å ha en flott tittel, men mangler den rette historien å fortelle? Å ha klare kriterier etablert på forhånd vil sikre at avgjørelsen du tar er sann til resultatet du ønsker.

Hvis beslutningen vil bli informert av flere enn bare deg, ta med folk utenfor ditt umiddelbare nettverk når du velger bidragsytere til et bestemt prosjekt, program eller beslutningsinnsats. Menneskene i ditt umiddelbare nettverk - dine "gå til" folk - er mer sannsynlig å være lik deg enn å bringe et annet perspektiv. Dette er kjent som affinitetsskjevhet.

4. Prioriter mangfold (representasjon) og inkludering i din bedrift. Data kan hjelpe deg med å se og utforske konsepter som ikke er dine egne. Å sikre mangfold og inkludering – både når det gjelder individene som gir dataene så vel som individene i teamet ditt som tolker dataene – vil resultere i at teamet ditt har flere tolkninger og en større forståelse av hva dataene sier. Forskning har vist den positive effekten av å ha flere forskjellige team med flere forskjellige perspektiver. I følge en fersk undersøkelse, kan mangfoldige og inkluderende selskaper ha 60 % større sannsynlighet for å overgå sine jevnaldrende når det gjelder beslutningstaking.

Diverse, inkluderende team kan forstyrre skjevheter ved å bringe inn nye ideer fra unike synspunkter. I følge Deloitte, er kognitivt mangfold anslått å forbedre teaminnovasjon med opptil 20 %.

Når folk med ulik bakgrunn utforsker data, kan teamet ditt utforske dataene fra forskjellige utsiktspunkter, avdekke ny informasjon og utfordre dine egne ideer eller forforståelser. Jo mer du kan gjøre det, jo mer innovasjon vil finne sted.

En annen måte å holde skjevheten i sjakk er ved å skape en inkluderende atmosfære der ansatte kan føle seg psykologisk trygge. På denne måten vil de føle seg komfortable nok til å dele sine unike perspektiver. Hvis dette ikke oppmuntres, vil ikke folk være sårbare og dele sine potensielt banebrytende ideer. Å skape en atmosfære av psykologisk sikkerhet og å kunne jobbe mer produktivt sammen fører til innovasjon.

Andre spørsmål å vurdere: Skaper du inkluderende team? Tenker din organisasjon utover rekrutteringsaspektet ved å ansette personer med ulik bakgrunn?

5. Vær bevisst på å utfordre dine antakelser gjennom hele beslutningsprosessen. Utnytt et rammeverk eller verktøy som f.eks Gjør ingen skade-guide å gjøre slik. Disaggreger dataene dine og still deg selv inkluderende praksisspørsmål.

Sørg for at bedriftens dataanalytikere og forretningsbrukere vet hvordan de skal se etter skjevheter på tvers av arbeidsprosessene deres fra strategi til utførelse. Inkluderende praksis kan skape øyeblikk for å forstyrre skjevheter - men hvis det bare er en refleksjonsaktivitet, vil du være for sent til å korrigere. Vurder å bruke et rammeverk for å skape øyeblikk å reflektere over hvis du inkorporerer inkluderende praksis i arbeidsflyten din.

Start beslutningsprosessen med data

Bias vil aldri bli fullstendig utryddet, og data i seg selv er ikke svaret. Snarere er data begynnelsen på en prosess for å stille flere spørsmål som til slutt vil føre til et informert svar. Ved å ha mer mangfoldige, inkluderende team, vil du kunne maksimere tolkninger av bedriftens data, noe som fører til mer innovative innsikter og beslutninger.

Ta bedre beslutninger med data

Les mer om hvordan du bruker data til å ta informerte forretningsbeslutninger.