Hoe geloofwaardig zijn data?

Is het een probleem dat de meeste mensen niet om bepaalde data gevraagd hebben maar ermee geconfronteerd worden? Steve Jobs vond van niet: hij voorspelde wat mensen zoals jij en ik graag willen en na verloop van tijd onmisbaar zouden gaan vinden. Dit bleek een selffulfilling prophecy te zijn.

Wat moet ik met al die informatie?

Op de werkvloer vinden veel mensen het toch wel fijn als de aanleiding en het doel van nieuwe informatie (systemen) duidelijk en acceptabel zijn. Als de instructie en handleiding voor het benutten van de informatie ons stap voor stap door het informatiesysteem leidt en we er meteen mee aan de slag willen. Maar vaak ligt het niet zo eenvoudig.

Ieder van ons heeft ongetwijfeld wel eens gedacht: wat moet ik met (al) die informatie die ze data noemen? Meer diepgaand en bijna filosofisch is de vraag: wil ik nu en in de toekomst belangrijke besluiten nemen op basis van alleen maar data zonder advies van mensen die ik vertrouw? Wat kan ik geloven en vertrouwen?

Territoriumdrift

Een ander fenomeen dat vaak een rol speelt bij het al dan niet gebruiken van beschikbare data, is de behoefte van veel managers om hun territorium en macht vast te houden. Met andere woorden: niet alleen het kúnnen gebruiken van data maar vooral het wíllen, zal de slaagkans voor het effectief gebruiken van data bepalen in de toekomst. Genoemde thema’s liggen deels meer op het gebied van de (organisatie-)psychologie dan de ICT.

Hierna bespreek ik enkele factoren die de geloofwaardigheid van data beïnvloeden.

Hoe geloofwaardig of overtuigend is een informatiebron tegenwoordig?

Met de introductie van het begrip “fake-news” door Donald Trump is de geloofwaardigheid van elke informatiebron als het ware ter discussie gesteld. Wie is nog te geloven en vooral waarom? De gestuurde en geïndividualiseerde informatievoorziening van de social media heeft de toekomst. Missen wij straks onpartijdige, getoetste informatievoorziening om een gelijkwaardige en effectieve dialoog te kunnen voeren? Welke informatiebron of instituut vinden wij nu en in de toekomst (nog) integer te noemen en op grond waarvan?

Wie kent op de werkvloer niet het probleem van de informatie die (nog) of net niet de werkelijkheid weergeeft en daardoor (voorlopig) met een korrel zout genomen wordt. Welk Klant- en bedrijfsinformatiesysteem wordt door ieder als up to date, compleet, realistisch en betrouwbaar gezien?

Mens of algoritme?

Welke feedback motiveert je méér; die van een mens of die van een algoritme? Een mens klinkt minder objectief dan een algoritme. Toch ziet een mens niet alleen jouw gedrag maar heeft daar ook een gevoel bij. En een algoritme niet. Hoe echt kan de sensitiviteit van een algoritme zijn? Er zijn meer onderzoeken nodig om dergelijke verschillen te onderbouwen en zowel de feedback van data als die van mensen zo optimaal mogelijk te kunnen benutten. Lora Aroyo (hoogleraar Human Computer Interaction aan de Vrije Universiteit in Amsterdam) stelt “Menselijke denkkracht en de rekenkracht van computers zijn complementair. Mensen en machines hebben elkaar nodig. We vormen samen een ecosysteem." Op basis van haar standpunt lijkt het combineren van menselijke feedback en die van data de beste optie.

Is kennis macht of bepaalt de macht de kennis?

Kennis is macht, totdat macht wordt gebruikt om kennis tegen te houden. De manipulatie van de Chinese en Russische overheden van de toegankelijkheid van internet maar ook de woorden- en machtsstrijd rond de data betreffende MH17 laten op pijnlijke wijze zien dat dit de realiteit kan zijn.

In Cuba leven (naar mijn eigen observatie) de meeste (ook jonge) mensen nog steeds in de veronderstelling dat zij zijn bevrijd en gered door Castro en nu in de steek zijn gelaten door iedereen behalve de Chinezen. Zij hebben geen kennis van de geschiedenis vóór de revolutie en die van erna is sterk vertekend. Op TV bestaat het CNN wereldnieuws uit het journaal van China, Rusland en Cuba zelf. Tot voor kort werden apps per mobieltje uitgewisseld met behulp van bluetooth.

Manipulatie

Macht behouden en daardoor kennis manipuleren, speelt ook op onze werkvloer. Een manager die zijn dalende productiviteitscijfers onder ogen krijgt, kan trachten om de normen of parameters te verschuiven. Ook kan hij (intern) ervoor zorgen dat bevoegdheid tot het gebruik en inzage van bepaalde websites wordt beperkt. Ook kunnen informatie en data bewust worden verstopt of achtergehouden voor anderen, hoewel dit met data systemen (door diverse geautomatiseerde autorisaties) moeilijker door een individu te beïnvloeden zal zijn dan vroeger.

Lora Aroyo (hoogleraar Human Computer Interaction aan de Vrije Universiteit in Amsterdam) stelt over de mogelijkheid dat (feedback van) data systemen de overhand krijgen: “zolang we samenwerken en data open houden, is er genoeg sociale controle”.

Data niet serieus nemen?

Gezien bovenstaande kun je opmerken dat er alle reden is om data (waar nodig of mogelijk) niet serieus te nemen. Met andere woorden: de informatiegoeroes, je bestuur of directie moeten van goeden huize komen om jou te overtuigen.

Vanuit mijn HR-vakgebied is er ook een toenemend aantal mogelijkheden voor het gebruik van data. Hierbij gelden uiteraard dezelfde vragen.

Bestaan er betrouwbare HR-data?

Binnenkort zijn er geen adviseurs meer nodig bij psychologisch-adviesbureaus, zo werd dertig jaar geleden al geroepen door organisaties als SHL. Nog even en we kunnen je (op het internet aangesloten) koelkast laten aangeven hoe je scoort op de competenties plannen en voortgangscontrole. Misschien kunnen andere apparaten de koelkast helpen om aan een breder gedragen oordeel over hun eigenaar te komen. Al enige tijd zijn er softwareprogramma’s die een persoon beschrijven op basis van hun social media pagina’s.

Ontwikkelingen als deze zijn niet te stoppen. Maar vind je ze ook voldoende betrouwbaar?

Twee soorten informatiebronnen

Ik onderscheid grofweg twee soorten informatiebronnen die het functioneren en de persoonlijkheid op de werkvloer beschrijven:

• directe opmerkingen (feedback) van superieuren en collega’s;
• automatisch, via algoritmes geproduceerde informatie, al dan niet uit andere informatiesystemen afkomstig, dan wel uit vragenlijsten ingevuld door de persoon zelf en/of anderen.

Voor HR-data gelden de hierboven genoemde vraagstukken natuurlijk ook, volgens sommigen zelfs in versterkte mate. Bovendien speelt hier de vertrouwelijkheid en bescherming van persoonsgegevens een grote rol; een aspect dat ik graag een andere keer bespreek.

Naast het directe advies van betrokkenen zou je ook in je organisatie wellicht meer gebruik kunnen laten maken van goede en bruikbare data over het talent van uw personeel. Dit vraagt HR-professionals die aan data en analytics (zoals een talent map) betekenis en conclusies toevoegen. Hiermee kunnen ze laten zien welke soort mensen meer of minder goed passen bij jouw doelstelling en strategie. Het brengt mogelijke HR-scenario’s en oplossingen voor vraagstukken van medewerkers, teams of organisaties scherp in beeld.

Checklist: Wat te doen?

Ga waar mogelijk aan de slag met de volgende checklist:

• Laten we gebruikers vragen welke informatie ze willen hebben.
• Laten we experts vragen welke informatie gebruikers nodig hebben.
• Laten we ontwikkelaars vragen welke informatie er beschikbaar gemaakt kan worden en in welke vorm.
• Laten we samen kijken naar welke informatie wij belangrijk vinden en willen delen. Laten we afstemmen onder welke voorwaarden wij de nodige informatie willen delen en tot welke grens.
• Laten we zorgen voor bronnen die wij (in meerderheid) betrouwbaar (genoeg) vinden; hierin niet te veel tegelijk willen en liever minder dan veel.
• Laten wij ons laten adviseren door een objectieve buitenstaander om ons door de bovengenoemde klippen heen te loodsen om “data-driven” organisatie niet schipbreuk te laten lijden voordat het buitengaats is.