Hvordan inklusiv praksis og data hjælper med at reducere skævhed i beslutningstagning

Det er let for fordomme at snige sig ind i forskellige aspekter af beslutningstagning – selv når du tror, ​​du baserer dine beslutninger på objektive fakta. Så hvordan kan du begrænse bias, når det kommer til at træffe beslutninger? Hvad er data-informeret beslutningstagning egentlig? Og hvordan kan du forhindre bias fra at infiltrere dine data?

Der er meget at pakke ud her, så lad os reflektere et øjeblik.

Først må vi henvende os til elefanten i det ordsprogede rum: Alle har skævheder. Bias er ikke medfødt dårligt eller noget at skamme sig over – det er en naturlig menneskelig impuls. Ofte undgår folk at adressere og udforske bias, fordi de tror, ​​det er en svaghed eller fejl. Det er dog noget, ledere bør være opmærksomme på for at træffe bevidste, informerede beslutninger. At være bevidst om at praktisere empati og decentrere dig selv fra dine beslutninger kan føre til mere inkluderende resultater.

Data-informeret beslutningstagning bruger fakta, målinger og data til at guide strategiske forretningsbeslutninger, der stemmer overens med dine mål, målsætninger og initiativer. Vægten her er på "guide".

Data er ikke en sølvkugle til at ophæve al bias. Det kan dog skabe plads til at decentrere sig fra dine egne antagelser og begynde at se rækken af ​​måder, hvorpå en bestemt situation kan ses, forstås eller behandles.

Sådan begrænser du skævheder, når du træffer beslutninger for din virksomhed.

1. Omfavn data-informeret beslutningstagning – bare sørg for, at dine data i sig selv ikke er forudindtaget. Data er beregnet til at være starten på samtalen – ikke hele samtalen. (Lær mere om, hvordan datadrevet beslutningstagning ser ud link..)

Når vi analyserer data, ser vi først på dem samlet for at nå frem til rimelige stikprøvestørrelser. Vi kan dog få mere indsigt i forskellige variabler, og hvordan respondenter fra forskellige baggrunde reagerede på en undersøgelse ved at opdele dataene. Udskæring og visning af data i henhold til forskellige variabler såsom alder, køn, race, placering, år osv. kan afsløre andre implikationer og mønstre. Når du begynder at pakke dataene ud og filtrere dem efter forskellige overvejelser, vil historien, den fortæller, blive mere nuanceret. Hvis du for eksempel ser på medarbejdernes trivsel på tværs af din organisation, kan du se specifikt på kønsidentitet og se, hvordan og om det påvirker opfattelsen. Sørg for, at du er opmærksom på stikprøvestørrelser, og hold dine puljer af respondenter anonyme.

Hvis du kun stiller overfladiske spørgsmål, eller hvis du ikke er betænksom i forhold til, hvordan din forskning er designet, hvordan du indsamler data, eller hvilke data du indsamler, vil dine data ikke være så gode. For at komme så tæt på et fuldstændigt billede som muligt skal du se på alle de oplysninger, du har, opdele dataene og ikke gøre antagelser om, hvad du ser. Før du gør dette, skal du prøve at reducere skævheden i dine underliggende data. Sørg for, at din virksomheds dataanalytikere og forretningsbrugere ved, hvordan de skal holde øje med bias på forskellige stadier af arbejdet med data; bias kan komme fra selve dataindsamlingen og kommunikationsprocessen. Her er nogle højdepunkter fra Urban Institute's Gør ingen skade guide der forklarer hvordan man gør dette:

Dataindsamlingsfase. Forskellige teams kan hjælpe med at identificere skævheder og skabe forbindelser mellem forskellige studieretninger, hvis relevans måske ikke er tydelig ved første øjekast. De kan også bedre afspejle demografien for de befolkningsgrupper, de ønsker at studere. Gør, når det er muligt, formålene med din dataindsamlingsindsats, så respondenterne forstår, hvorfor deres deltagelse er vigtig.

Analysestadiet. Adskil ikke dine analytiker- og kommunikationsteams fuldstændigt fra dataindsamlingsteamene – samarbejde på tværs af hele dataworkflowet er altid bedre end siloer. Når analytikere og kommunikatører modtager dataene, bør de stille spørgsmål som: "Hvordan blev disse data genereret? Hvem er inkluderet, og hvem er ekskluderet fra disse data? Hvis stemmer, liv og oplevelser mangler?”

Præsentationsstadiet. Vig ikke tilbage for kompleksitet og nuancer i dine billeder, hvis det mere præcist afspejler resultaterne i dataene. Overvej, hvordan tilføjelse af kompleksitet – i form af mere datatætte grafer og diagrammer – kan hjælpe med at demonstrere, at du og dine teams har tænkt grundigt over implikationerne af jeres analyseindsats.

2. Anerkend og afbød skævhed – og forstå, hvordan det påvirker din beslutningsproces. Ubevidst bias, eller implicit bias, refererer til en bias, som vi ikke er opmærksomme på, og som sker uden for vores kontrol. Dette sker, når vi foretager hurtige vurderinger og vurderinger af mennesker og situationer, og det kan være påvirket af vores baggrund, kulturelle miljø og personlige erfaringer.

Bias kan forhindre os i at dyrke forskelligartede talenter, udvikle en engageret arbejdsstyrke, udnytte unikke oplevelser og perspektiver og sætte gang i innovation gennem samarbejde. Bias på arbejdet kan forekomme stort set hvor som helst, men oftest opstår det i rekruttering, screening, præstationsanmeldelser og feedback, coaching og udvikling og forfremmelser.

3. Indarbejde inkluderende arbejdsprocesser. Et eksempel på en inkluderende arbejdspraksis er at skabe klare udvælgelseskriterier for din beslutningsproces. Disse kriterier bør være i overensstemmelse med din organisations mission og strategi. Sørg for at forstå, hvorfor du prioriterer disse kriterier. Vær konsekvent i, hvordan du vurderer alle, og vær bevidst.

Overvej eksemplet med at finde en hovedtaler til et firmaarrangement. Hvilket budskab ønsker du at lande på dit arrangement? Har du brug for, at denne historie kommer fra en virksomhed af en bestemt størrelse med et vist niveau af brand equity? Er det lige så vigtigt eller mindre vigtigt end de målinger, du ønsker at kunne fremhæve om deres historie? Og hvad med at dele din platform med perspektiver, der kommer fra en mangfoldighed af baggrunde?

I dette scenarie har vi en tendens til at sige, at vi vil have "alt!" eller fokusere på bestemte kriterier, der er af høj værdi fra vores perspektiv som individ eller som en del af et team. Men hvad med, når nogen bringer den lavthængende frugt af at have en fantastisk titel, men mangler den rigtige historie at fortælle? At have klare kriterier fastlagt på forhånd vil sikre, at den beslutning, du træffer, stemmer overens med det resultat, du ønsker.

Hvis beslutningen vil blive informeret af flere mennesker end blot dig, så tag folk ind uden for dit umiddelbare netværk, når du vælger bidragydere til et bestemt projekt, program eller beslutningstagning. Personerne i dit umiddelbare netværk - dine "gå til" folk - er mere tilbøjelige til at ligne dig end at bringe et andet perspektiv. Dette er kendt som affinitetsbias.

4. Prioriter mangfoldighed (repræsentation) og inklusion i din virksomhed. Data kan hjælpe dig med at se og udforske koncepter, der ikke er dine egne. At sikre mangfoldighed og inklusion – både med hensyn til de personer, der leverer dataene, såvel som individerne på dit team, der fortolker dataene – vil resultere i, at dit team har flere fortolkninger og en større forståelse af, hvad dataene siger. Forskning har vist den positive virkning af at have flere forskellige teams med flere forskellige perspektiver. Ifølge en nylig undersøgelse, kan forskelligartede og inkluderende virksomheder have 60 % større sandsynlighed for at overgå deres kolleger med hensyn til beslutningstagning.

Forskellige, inkluderende teams kan forstyrre bias ved at bringe nye ideer ind fra unikke synspunkter. Ifølge Deloitte, kognitiv diversitet anslås at forbedre teaminnovation med op til 20 %.

Når folk med forskellige baggrunde udforsker data, kan dit team udforske dataene fra forskellige udsigtspunkter, afsløre ny information og udfordre dine egne ideer eller forforståelser. Jo mere du kan gøre det, jo mere innovation vil der finde sted.

En anden måde at holde bias i skak er ved at skabe en rummelig atmosfære, hvor medarbejderne kan føle sig psykologisk trygge. På denne måde vil de føle sig trygge nok til at dele deres unikke perspektiver. Hvis dette ikke opmuntres, vil folk ikke være sårbare og dele deres potentielt banebrydende ideer. At skabe en atmosfære af psykologisk sikkerhed og være i stand til at arbejde mere produktivt sammen fører til innovation.

Andre spørgsmål at overveje: Opretter du inkluderende teams? Tænker din organisation ud over rekrutteringsaspektet ved at ansætte personer med forskellig baggrund?

5. Vær bevidst om at udfordre dine antagelser gennem hele din beslutningsproces. Udnyt en ramme eller et værktøj som f.eks Gør ingen skade guide for at gøre det. Disaggreger dine data og stil dig selv inkluderende praksisspørgsmål.

Sørg for, at din virksomheds dataanalytikere og forretningsbrugere ved, hvordan de skal holde øje med bias på tværs af deres arbejdsprocesser fra strategi til udførelse. Inklusiv praksis kan skabe øjeblikke til at forstyrre bias - men hvis det kun er en refleksionsaktivitet, vil du være for sent til at korrigere. Overvej at bruge en ramme til at skabe øjeblikke at reflektere over, hvis du inkorporerer inkluderende praksis i din arbejdsgang.

Start beslutningsprocessen med data

Bias vil aldrig blive fuldstændig udryddet, og data i sig selv er ikke svaret. Data er snarere begyndelsen på en proces til at stille flere spørgsmål, der i sidste ende vil føre til et informeret svar. Ved at have mere forskelligartede, inkluderende teams vil du være i stand til at maksimere fortolkninger af din virksomheds data, hvilket fører til mere innovative indsigter og beslutninger.

Træf bedre beslutninger med data

Lær mere om, hvordan man bruger data til at træffe informerede forretningsbeslutninger.