Rób to, w co wierzysz, czyli nie do końca o podejściu data-driven

Sporo mówi się o podejściu data-driven, w szczególności działach produktowych, ale nie tylko — np. branża HR-owa również często opiera się na metrykach. Podejście nie jest ani nowe, ani na ogólnym poziomie szczególnie skomplikowane: chodzi o podejmowanie tych działań, które będą miały najlepsze efekty, opierając się na konkretnych liczbach, a nie na przeczuciach, wcześniejszych doświadczeniach czy po prostu opiniach.

Tak oto u mnie w firmie też zaczęło pojawiać się to nastawienie. Po wstępnym okresie potrzebnym do rozpędzenia pewnych procesów zaczęliśmy mierzyć je w różnych miejscach i dostosowywać się do tego, co mówią liczby. Były to zarówno rzeczy dość oczywiste, takie jak np. skupianie większej energii na projektach, które są bardziej rentowne, ale też mniej oczywiste rzeczy, jak np. dobieranie miejsc, w których publikujemy ogłoszenia o pracę.

Z czasem podejście data-driven zaczęło pojawiać się na wcześniejszych etapach. Zanim zdecydowaliśmy się wprowadzić jakiś eksperyment czy inicjatywę zadawaliśmy sobie pytania:

• Czy jest to najefektywniejsze spośród dostępnych rozwiązań?
• W jaki sposób będziemy oceniać sukces?
• Czy dane wskazują nam, że powinniśmy skupiać się na poprawianiu tego właśnie procesu?

Oczywiście wszystkie bardzo zasadne. Dzięki takiemu zastanowieniu się jesteśmy w stanie skierować cenne pieniądze, czas i energię w miejsca, gdzie będzie miało to największe przełożenie na nasze cele.

Jest oczywiście druga strona medalu. Spowodowało to, że niektóre pomysły trafiły do szuflady, bo nie byliśmy w stanie potwierdzić, że idąc daną drogą faktycznie zwiększymy metryki albo dane wprost sugerowały pogorszenie efektywności. Brzmi bardzo dobrze, ale czy nie kryje się tam jakieś niebezpieczeństwo?

Przez dłuższy czas nie leżała mi taka klasyfikacja. Ciężko było mi się zgodzić z tym, że brak danych lub sposobu na je zebranie blokowały rozwój (możliwe, że tylko złudzenia rozwoju, to fakt). Ze względu na naszą pozycję na rynku i konieczność elastycznych zmian często odwlekaliśmy tego typu decyzje do późniejszych etapów — kiedy konkretne dane się już pojawią — dając sobie możliwość swobodniejszego eksperymentowania. Ocena w kontekście metryk pojawiała się później.

Nadal pozostawała jednak kwestia jawnego konfliktu danych z intuicją. Zdarzało się, że projekty odrzucane przez liczby wydawały się słuszne i nienaturalnym wydawało się je tak chłodno zamykać bez słowa komentarza.

Dla mnie rozwiązaniem w tej sytuacji jest parafraza cytatu Williama Deminga, uznawanego często za ojca Lean Management — „In God we trust, all others must bring data”.

Przede wszystkim podążaj za swoimi wartościami, tym w co wierzysz i rób to, co słuszne. W pozostałych tematach wspieraj się danymi. Co to oznacza w praktyce?

• Czy rozwiązujemy umowę z osobą, który plasuje się w dolnych 10% wyników efektywności (zgodnie z praktyką wprowadzoną przez Welcha)? Na pewno nie, jeśli wierzymy w długofalowe wiązanie się z pracownikami i budujemy organizację opartą na bezpieczeństwie i zaufaniu.

  A co w przypadku, jeśli taka osoba po prostu ma problemy z efektywnością (bez porównywania z resztą zespołu)? Naszym pierwszym pomysłem też nie jest po prostu wymienić ją na nową, młodszą i bardziej zaangażowaną wersję, nawet jeśli dane wskazywałyby zyski w takim rozwiązaniu. Przede wszystkim staramy się usiąść razem do stołu, ocenić trzeźwo sytuację i wspólnie wypracować plan na poprawę.

• Jeśli wierzymy w feedback i szczerą, otwartą komunikację, to zawsze do nich dążymy, bez względu na to, czy dane wspierają taką decyzję.

  Czy poinformowanie o rozpoczęciu trzymiesięcznego okresu wypowiedzenia jednego z kluczowych członków zespołu jest absolutnie konieczne, czy można z tym poczekać do ostatniej chwili? A może nie wprowadzać fal tam, gdzie tafla wody jest gładka, żeby nie ryzykować spadku motywacji? Nope, jeśli wierzysz w otwartą komunikację, to musisz wierzyć również w to, że jej odbiorcy będą zachowywać się profesjonalnie.

• Gdy ważna jest dla nas jakość kodu i trzymanie długu technicznego na niskim poziomie to znajdujemy czas na przysłowiowy refactoring i pisanie testów automatycznych nawet przy ciasnych deadline’ach. Jeśli metryki nam to odradzają, to może mierzymy nieodpowiednie rzeczy (zysk krótko- vs długo-terminowy)?

• W miejscu, gdzie ceni się eksperymentowanie, a porażka jest naturalną koleją rzeczy, dane nie mogą nas stopować przed próbowaniem. Czasami trzeba przewrócić się dziewięć razy, żeby za dziesiątym zrobić krok w odpowiednim kierunku.

  Szczególnie w organizacjach o wysokim tempie rozwoju, poleganie na metrykach, które mamy dzisiaj może być nieadekwatne w kontekście innowacji, które takie eksperymenty mogą wprowadzić. Warto więc odpuścić kontrolę i spróbować.

• Firma, dla której jedną z największych wartości jest rozwój osobisty przed wysłaniem swoich ludzi na konferencję nie potrzebuje estymacji przyrostu godzin roboczych na fakturze, które taka impreza przyniesie. Wyznacza budżet szkoleniowy, pozostawia na autonomię i wierzy w dobre wybory swoich pracowników.

Wszystko z głową, prawda? Ale organizacje, w których zgodność z wartościami jest pierwszą i często wystarczającą przyczyną do podjęcia decyzji daje jasny komunikat i proste zasady dla każdego pracownika. Put your money where your mouth is: rób to, co jest dla Ciebie słuszne, szczególnie w sprawach związanych z zespołem (bo komputery się nie obrażają, jeśli wyjdą gorzej w benchmarkach). W przeciwnym wypadku nie są to Twoje wartości, ale po prostu kolejny sposób na dowiezienie metryk.