Kelebihan Data Membunuh Pengambilan Keputusan

Kelebihan Data Membunuh Pengambilan Keputusan (Dan Lebih Banyak Dasbor Tidak Akan Memperbaikinya)Kami tidak kekurangan data. Kami tenggelam di dalamnya.Setiap tahun, organisasi mengumpulkan lebih banyak informasi dibandingkan tahun sebelumnya. Lebih banyak sistem. Lebih banyak integrasi. Lebih banyak telemetri. Lebih banyak pelacakan. Lebih banyak metrik.

Dan respons defaultnya? Bangun dasbor lain. Tambahkan halaman lain. Lacak KPI lainnya. Buat rincian lainnya.

Asumsinya sederhana: visibilitas yang lebih besar berarti keputusan yang lebih baik.

Namun asumsi tersebut runtuh karena bebannya sendiri.

Kendala sebenarnya bukanlah data. Itu perhatian.

Inilah kebenaran yang tidak menyenangkan.

Data telah berkembang secara eksponensial. Perhatian manusia belum.

Para eksekutif masih memiliki jumlah jam kerja yang sama dalam sehari. Manajer masih memiliki batasan kognitif yang sama. Tim masih beroperasi di bawah tekanan waktu, prioritas yang bersaing, dan gangguan yang terus-menerus.

Ketika semuanya diukur, tidak ada yang terasa penting. Orang-orang melakukan apa yang Anda ukur ketika Anda mengukur segala sesuatu yang prioritasnya hilang. Saat setiap metrik disorot, tidak ada satupun yang menonjol.

Dan ketika dasbor menampilkan sepuluh sinyal sekaligus, otak diam-diam menyerah.

Apa yang sebenarnya terjadi akibat kelebihan data

Ada keyakinan dalam analitik bahwa lebih banyak informasi mengurangi ketidakpastian. Kenyataannya, setelah titik tertentu, itu meningkat. Saat orang dihadapkan pada terlalu banyak metrik:

• Mereka ragu-ragu.
• Mereka menunda.
• Mereka mencari konfirmasi atas apa yang sudah mereka yakini.

Kelebihan data tidak menciptakan kejelasan. Ini menciptakan gesekan kognitif. Dan gesekan menyebabkan penghindaran.

Itu sebabnya banyak percakapan dasbor diakhiri dengan:

• “Kita perlu menggali lebih dalam.”
• “Mari kita uraikan lebih lanjut.”
• “Bisakah kita melihatnya dengan…?”

Eksplorasi menjadi pengganti pengambilan keputusan.

Ilusi kecanggihan

Dasbor yang padat sering kali terlihat mengesankan.

• Beberapa grafik
• Interaktivitas yang kaya
• Filter di mana-mana
• Granularitas sesuai permintaan

Secara teknis, mereka canggih. Praktisnya, itu melelahkan.

Ketika sebuah laporan menuntut audiens:

• memindai sepuluh visual,
• bandingkan lima dimensi,
• mengingat nilai dari grafik sebelumnya,
• dan menyimpulkan penyebab dari korelasi,

Anda meminta mereka untuk melakukan pemikiran analitis tingkat lanjut dengan cepat. Kebanyakan tidak. Bukan karena mereka tidak mampu. Karena mereka sibuk.

Ketika semuanya penting, tidak ada yang penting

Salah satu bahaya yang tersembunyi dari analisis modern adalah kita memperlakukan pengukuran sebagai hal yang baik (Orang-orang melakukan apa yang Anda ukur karena itulah yang penting). Namun pengukuran tanpa penentuan prioritas adalah kebisingan.

Jika pendapatan meningkat, churn sedikit menurun, keterlibatan tidak berubah, biaya meningkat, dan saluran pipa tidak stabil, apa yang paling penting? Siapa yang peduli?

Jika dashboard tidak menjelaskannya, penonton harus memilih. Dan orang yang berbeda akan memilih secara berbeda. Begitulah cara Anda berakhir dengan perdebatan, bukannya arahan.

Kelebihan data tidak hanya memperlambat pengambilan keputusan, namun juga memecah-mecah keputusan.

Mengapa semakin banyak dasbor memperburuk keadaan?

Ketika organisasi merasakan kebingungan, mereka sering kali merespons dengan menambahkan lebih banyak analisis.

• Halaman baru
• Penelusuran yang lebih dalam
• KPI tambahan.

Namun menambahkan lebih banyak informasi ke lingkungan yang kelebihan beban seperti menambahkan lebih banyak tab ke browser yang sudah sibuk.

Itu tidak meningkatkan kejelasan. Hal ini meningkatkan biaya peralihan. Tanpa pengurangan yang disengaja, dasbor berevolusi melalui penambahan, bukan penyempurnaan. Mereka tumbuh. Jarang terjadi perbaikan.

Analisis yang baik adalah tentang pengurangan

Ini adalah bagian yang membuat orang tidak nyaman. Pengisahan data yang efektif bukanlah tentang menunjukkan segalanya. Ini tentang memilih apa bukan untuk menunjukkan.

Ini tentang membuat keputusan yang disengaja:

• Keputusan apa yang didukung oleh laporan ini?
• Metrik manakah yang secara langsung memengaruhi keputusan tersebut?
• Apa yang bisa dihilangkan tanpa merusak kejelasan?

Pengurangan tidak membuat bodoh. Itu disiplin. Hal ini mengakui bahwa tujuannya bukan untuk menampilkan kekayaan model data, melainkan untuk membantu seseorang bertindak.

Fokus adalah keputusan desain

Kejelasan tidak terjadi secara kebetulan. Itu dibuat oleh:

• membatasi jumlah pesan simultan,
• membuat hierarki visual,
• mengurutkan informasi dengan sengaja,
• dan bersikap eksplisit tentang apa yang paling penting.

Inilah sebabnya mengapa postingan sebelumnya dalam seri ini penting.

Dasbor tidak mengarahkan keputusan.
Data, bagan, dan wawasan bukanlah hal yang sama.

Dan sekarang ini: Bahkan bagan yang benar pun tidak akan membantu jika Anda membebani otak manusia.

Akselerator dan disiplin reduksi

Salah satu inti bergeser ke dalam Akselerator Data adalah mengajar tim untuk merancang fokus, bukan volume.

Kami mengerjakan:

• dimulai dengan keputusan, bukan kumpulan data,
• mengidentifikasi 3–5 metrik yang benar-benar penting,
• menyusun laporan dengan niat,
• dan mengurangi beban kognitif sebelum menambahkan polesan visual.

Ketika tim mengadopsi pola pikir ini, sesuatu berubah.

• Rapat menjadi lebih singkat
• Argumen berkurang
• Keputusan semakin cepat

Bukan karena datanya lebih sedikit, tapi karena noise-nya lebih sedikit.

Tes kelebihan beban sederhana

Lihat dasbor utama Anda dan tanyakan:

• Berapa banyak visual yang bersaing untuk mendapatkan perhatian?
• Jika saya menghapus separuhnya, apakah keputusan inti masih didukung?
• Apa satu-satunya sinyal terpenting di halaman ini?

Jika jawaban itu tidak jelas dalam lima detik, audiens Anda sudah kewalahan.

Data bukanlah masalahnya. Eksposur berlebih adalah. Dan sampai kita merancang analitik berdasarkan batasan manusia dan bukan kapasitas sistem, semakin banyak dasbor yang akan terus menghasilkan kejelasan yang lebih sedikit.

---

Pada postingan berikutnya, saya akan melihat bagaimana sebenarnya otak manusia memproses informasi visual, dan mengapa memahami batasan kognitif adalah kunci untuk merancang dasbor yang berfungsi.

Baca postingan sebelumnya: Data, Bagan, dan Wawasan: Mengapa Melihat Angka Saja Tidak Cukup

Mulai dari awal: Dasbor Tidak Mendorong Keputusan (Dan Itulah Masalah Analisis Sebenarnya)