Big data: Ariadnes draad door een complexe wereld

Met de opkomst van big data is het idee ontstaan dat besluitvorming op basis van objectieve feiten werkelijkheid wordt. Sommigen zien hierin een bedreiging voor managers. In deze bijdrage wordt niet alleen betoogd dat het tegendeel waar is, maar ook dat big data juist voor de manager een uitgelezen middel zijn om hem te helpen zijn weg te vinden in de hectiek van alle dag.

Data-driven decisions tend to be better decisions. Leaders will either embrace this fact or be replaced by others who do. Wanneer we uitspraken als deze mogen geloven wacht managers een zware tijd. Er is geen plaats meer voor intuïtie; besluiten worden straks genomen op basis van feiten. En prestaties worden gemeten naar objectieve maatstaven. Doordat we grote hoeveelheden data ter beschikking krijgen en toegepaste wiskunde kunnen inzetten, kunnen we alle andere vormen van kennisverwerving over boord zetten. Nu valt op dergelijke uitgesproken meningen wel het een en ander af te dingen – ze getuigen van een zekere mate van arrogantie – maar we kunnen niet ontkennen dat het inzetten van big-data-analyses wel degelijk kan helpen bij het nemen van beslissingen. Doordat we meer data ter beschikking hebben, kunnen we patronen ontdekken in de complexe wereld om ons heen. Zoals Ariadne Theseus met haar draad uit het labyrint leidde, zo kunnen analyses op basis van big data de manager van straks helpen zijn weg te vinden door de wereld van schijnbare chaos en complexiteit, maar op een andere manier dan veelal wordt gedacht. Een van de belangrijkste argumenten van de voorstanders van het gebruik van big-data-analyses is dat we meer kunnen meten, daardoor betere informatie krijgen en aldus betere beslissingen kunnen nemen. Hierbij gaat het om formele, door data ondersteunde besluitvorming. Maar juist daarbij worden formele analyses veelal gebruikt voor rechtvaardiging achteraf, of bijvoorbeeld om genomen besluiten te communiceren. Het ‘dreigement’ dat managers niet meegaan in het adagium van data-driven besluitvorming – dus gebaseerd op een rationeel, analytisch proces – berust daarmee op drijfzand. Managers kunnen desondanks wel hun voordeel doen met big-data-analyses. Om dat beter duidelijk te kunnen maken, ga ik eerst even in op enkele eigenschappen van big data en objectiviteit van data.

Big data hoeven niet groot te zijn

De term big data doet vermoeden dat we per definitie te maken hebben met grote hoeveelheden data. Dat zal in de meeste gevallen ook wel zo zijn, maar het is niet de meest kenmerkende eigenschap. Omvang, omloopsnelheid en verscheidenheid zijn bijvoorbeeld bekende eigenschappen. Maar er zijn nog andere. ‘Big’ heeft vooral betrekking op de impact die het gebruik van big data kan hebben.

Objectiviteit is een illusie

De gedachte dat op cijfers gebaseerde beslissingen – ‘evidence based decisions’ – per definitie beter zijn dan op intuïtie of associëren gestoelde berust op de illusie dat data objectief zijn. Het past in de opvatting van organisaties als systemen. Data worden dan opgevat als een grootheid die in en voor zichzelf bestaat, het is een ‘ding’. En vandaaruit worden ‘spannende’ aannames gedaan. De belangrijkste aannames zijn samengevat in tabel 2:

Daaronder ligt de algemene aanname dat de cijfers altijd juist zijn. Intuïtie heeft te maken met eigen ervaring, waarden en sociale conditionering; zij is dus subjectief. Bij het interpreteren van analyses speelt juist dat een grote rol. Een analyse van ook grote hoeveelheden data is daarmee altijd subjectief. Beperkingen en vooringenomenheid bij het werken met data zijn dus alom aanwezig. De gedachte dat alle data verzameld kunnen worden en dat vooringenomenheid bij het samenstellen van datasets kan worden uitgebannen, is daarom een illusie. Zelfs als menselijk ingrijpen kan worden omzeild, blijft de uitputtend lijkende hoeveelheid data een uitsnede van de potentieel beschikbare data. Je kunt immers alleen verzamelen wat digitaal beschikbaar is, wat door de beschikbare technologie wordt bijeengebracht. Die technologie ‘bekijkt’ de wereld vanuit een bepaald oogpunt. De systemen die de data verzamelen, doen dat met een, door ons, vooropgezet doel en dat is doorgaans een ander doel dan waarvoor we big-data-analyses uitvoeren. In plaats van een volstrekt coherent en consistent ‘wereldbeeld’ levert de technologie ons dus een verzameling losstaande beelden. Een andere beperking is dat we de neiging hebben om data te gebruiken die in een model past. Grote hoeveelheden data lenen zich namelijk prima voor modellering. De gebruikte data beschrijven dan niet de wereld om ons heen, maar alleen dat gedeelte dat we met het model beschrijven. Het gevolg is dat de context verwijderd wordt waarbinnen data verzameld wordt of is. Daardoor verliezen de gegevens betekenis. Het managen van die context is dus een van onze grootste uitdagingen. Dit probleem wordt nijpender wanneer we inderdaad correlaties laten prevaleren boven causale verbanden. Je weet dan immers niet wat er achter de correlatie zit, en dus ook niet waardoor die eventueel teniet gedaan zou kunnen worden. Volgens Anderson (2008) worden we met de komst van big data gedwongen om data wiskundig te benaderen. Door de omvang ervan geven de patronen en relaties betekenis aan data. Om dezelfde reden verschaft het inzicht in complexe fenomenen. De geconstateerde samenhangen maken het zoeken naar causale verbanden overbodig. De zo verguisde intuïtie wordt gemechaniseerd. Daarna kunnen we er een context bij zoeken. Hierbij wordt echter over het hoofd gezien, dat data binnen een bepaalde context ontstaan. Ze kunnen niet binnen die context verzameld en daarbuiten geanalyseerd worden. Wij maken met onze menselijke kant bovendien zelf deel uit van die context, met bijvoorbeeld onze referentiekaders, ervaringen, waarden en opvattingen. Die nemen we mee in het opstellen van algoritmes en we nemen ze mee in het interpreteren van de uitkomsten van analyses.

Juist daarom big data!

Ondanks de beperkingen waarvan we ons bewust moeten zijn, bieden big data aan managers echter wel degelijk opportuniteiten. Het stelt ons namelijk in staat sociale netwerken beter te begrijpen. Managers acteren namelijk in een onzekere wereld; routineus handelen is eerder uitzondering dan regel, terwijl verschijnselen voor meerderlei uitleg vatbaar zijn. Juist ook omdat big data altijd in hun context geanalyseerd moeten worden. Die context bestaat namelijk voor een groot deel uit menselijke relaties en die zijn uiterst gecompliceerd. Ze lijken soms tegenstrijdig en paradoxaal. Het relateren van analyseresultaten aan de context is bij uitstek een rol van managers, omdat zij de noodzakelijke domeinkennis hebben die daarvoor nodig is.

Managers bevinden zich in een gebied waar onzekerheid en complexiteit de boventoon voeren (figuur 1). Waar de meesten onder ons gewend zijn te streven naar evenwicht, om chaos te voorkomen, bevinden we ons in werkelijkheid in een stadium daartussenin. We hebben daardoor te maken met allerhande verschijnselen, personen en gebeurtenissen die niet alleen op elkaar ingrijpen, maar ook doorlopend veranderen. De mate waarin ze met elkaar verbonden zijn en de kracht van die verbindingen varieert echter, terwijl ze positief of negatief kunnen uitwerken. Stacey (1996) spreekt in dit verband van ‘highly complex ongoing processes on people relating to each other’. Een voor de hand liggende reactie is om deze complexiteit te simplificeren in een poging eenvoudige regels te definiëren die eraan ten grondslag zouden liggen. Op die manier kunnen we patronen herkennen, ook al weten we niet waar die toe gaan leiden. Veel meer dan om te voorspellen, kunnen we big data echter gebruiken om betekenis te geven aan wat er om ons heen gebeurt. En dat is waar managers big-data-analyses voor kunnen gebruiken. Daarvoor moeten managers wel afstand nemen van lineair, causaal denken. Ze moeten accepteren dat ze in een soort schemerzone werken tussen stilstaan en chaos. Bij bigdata-analyses speelt de keuze van algoritmes waarmee analyses worden uitgevoerd een doorslaggevende rol. Door te accepteren dat ze in die schemerzone actief zijn, zijn managers in staat vanuit hun domeinkennis relevante vragen te stellen die aan die algoritmes ten grondslag liggen. Daarnaast kunnen vragen worden geformuleerd als uitkomst van het ‘ontdekken’ van correlaties; het omgekeerde proces als het ware. Daarbij kunnen managers vanuit hun domeinkennis beoordelen of het een valide vraag is, of de causaliteit stand houdt. Managers hebben namelijk andere vormen van domeinkennis, van kennisvergaring, dan bijvoorbeeld datascientists. Ze vullen elkaar aan, zowel bij het stellen van vragen, als bij het analyseren van de resultaten.

Complementair

Managers en big-dataspecialisten vullen elkaar dus aan. Juist het verwaarlozen van bijvoorbeeld managementprocessen vermindert het vermogen van organisaties om met onduidelijkheid om te gaan. Die blijft dan hangen binnen besluitvormingsprocessen, juist doordat ze ogenschijnlijk op  ‘objectieve’ data zijn gebaseerd. En we hebben al gezien dat rationele besluitvorming een illusie is. Daarnaast dient er bij prognoses op basis van big-dataken analyses ook gekeken te worden naar de kans dat ze daadwerkelijk uitkomen. De interpretatie van de resultaten van big-dataonderzoek kan daarom niet voorbehouden zijn aan bijvoorbeeld data-scientists alleen. Interpretatie van analyses is een belangrijk criterium om te bepalen of managers aan de zijlijn komen te staan of niet. De verwachting is namelijk dat er een soort digitale scheidslijn zal ontstaan. Wie heeft toegang tot big data, wie bepaalt wat ermee gedaan wordt en wie heeft het primaat bij de interpretatie? ‘Democratiseren’ van big-data-analyses is de meest voor de hand liggende remedie. Op die manier kunnen we optimaal gebruikmaken van alle aanwezige kennis. Die ‘democratisering’ vindt haar beslag in de operationele besluitvormingsprocessen binnen organisaties. Die moeten dus leren met de analyseresultaten om te gaan. En daarin spelen managers weer een belangrijke rol, want zij zijn degenen die die uitkomsten operationaliseren. Ook anderszins vullen big-dataspecialisten en -managers elkaar aan. We hebben al gezien dat het onmogelijk is om alle relevante data te verzamelen. Dat betekent dat er naast de kennis die wel wordt gecreëerd, ook kennis is die we niet opdoen (Seidl, 2007). Managers die analyseresultaten inzetten, maken daarom als het ware ook gebruik van wat ze niet te weten gekomen zijn. Omdat ze dat doen binnen de hen vertrouwde context zijn zij bij uitstek in staat die lacune op te vullen. Big data zijn aldus voor de manager van morgen als Ariadnes draad voor Theseus: de weg uit het labyrint. Door: Jan Postema

Boekentip:

• Big Data aan het werk