Von Dashboards zu Entscheidungen

# Von Dashboards zu Entscheidungen

2019 hat ein globaler Konsumgüterkonzern seine Analytics-Landschaft auditiert und etwas gefunden, das jeden CDO erschrecken sollte: 3.200 Dashboards im Produktivbetrieb, und die Auswertung der Nutzungslogs zeigte, dass rund 80 % davon seit 90 Tagen nicht mehr geöffnet worden waren. Die, die *geöffnet* wurden, kamen im Schnitt auf 11 Sekunden Betrachtungszeit. Elf Sekunden. Lang genug, um eine Zahl zu bestätigen, die man ohnehin vermutet hat, zu kurz, um in irgendeiner Frage die Meinung zu ändern.

Das ist die unbequeme Wahrheit hinter den meisten Analytics-Investitionen: Dashboards sind auf *Darstellung* optimiert, nicht auf *Entscheidung*. Sie haben eine Lieferkette gebaut, die Daten auf einen Bildschirm bringt, und dann stillschweigend angenommen, die letzte Meile, also dass jemand auf den Bildschirm schaut und anders handelt, erledige sich von selbst. Tut sie nicht. Die Lücke zwischen „die Zahl ist sichtbar“ und „die Entscheidung hat sich geändert“ ist der Ort, an dem die meisten Datenorganisationen ihren Wert unbemerkt verlieren.

In dieser Lektion geht es darum, diese Lücke zu schließen, indem Sie Ihren Designprozess umkehren: Starten Sie bei der Entscheidung und arbeiten Sie rückwärts zu den Daten.

Warum Dashboards als Entscheidungsinstrumente scheitern

Das Grundproblem ist ein Kategorienfehler. Ein Dashboard ist ein *Monitoring*-Werkzeug, es beantwortet „Was passiert gerade?“ Eine Entscheidung verlangt ein *bewertendes* Werkzeug, es beantwortet „Was soll ich tun, und was passiert, wenn ich falsch liege?“ Wir geben Führungskräften weiterhin Monitoring-Werkzeuge in die Hand und wundern uns, dass sie nicht entscheiden.

Drei strukturelle Pathologien tauchen immer wieder auf:

Die verwaiste Kennzahl. Eine Zahl steht auf einem Dashboard, ohne Owner, ohne Schwellenwert, ohne hinterlegte Aktion. Weekly Active Users liegen bei 2,3 Millionen. Gut oder schlecht? Verglichen womit? Was löst das aus? Eine Kennzahl ohne vorab festgelegte Reaktion ist Dekoration. Wenn Sie die Entscheidung, die eine Kennzahl speist, und die dafür verantwortliche Person nicht benennen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen, löschen Sie sie.

Die Symmetriefalle. Dashboards stellen alle Kennzahlen mit ungefähr gleichem visuellem Gewicht dar, weil das Tool es leicht macht. Entscheidungen sind aber asymmetrisch. Eine Schwankung von 2 % in der Bruttomarge kann katastrophal sein, während eine Schwankung von 40 % in einer Vanity-Metrik Rauschen ist. Wenn alles eine Kachel derselben Größe ist, haben Sie keinerlei Urteil kodiert und zwingen die Führungskraft, bei jedem Blick die Priorität neu herzuleiten.

Das fehlende Counterfactual. Die wichtigste Information für eine Entscheidung steht selten auf dem Dashboard: Was wäre sonst passiert? Eine steigende Umsatzkurve fühlt sich nach Erfolg an, bis Sie erfahren, dass der Markt schneller gewachsen ist. Dashboards zeigen den beobachteten Pfad und verbergen die Alternativen, was für Entscheidungen genau verkehrt herum ist.

Betrachten Sie den Unterschied im Framing. Eine Monitoring-Frage lautet: „Wie hoch war der Churn letzten Monat?“ Eine Entscheidungsfrage lautet: „Welche 500 Accounts soll mein Retention-Team diese Woche anrufen, und wie hoch ist der erwartete gerettete Umsatz gegenüber den Kosten der Anrufe?“ Die zweite Frage impliziert ein Ziel, eine Aktion, einen Owner, Kosten und einen Ertrag. Kaum ein Dashboard ist gebaut, um sie zu beantworten, weil wir das Dashboard aus den Spalten im Warehouse gebaut haben und nicht aus der Wahl, vor der der Mensch steht.

Die Methode „Decision-Back-Design“

Das Redesign ist nicht kosmetisch. Sie verschieben die Analyseeinheit von *der Kennzahl* zur *Entscheidung*. Hier ist die Arbeitsmethode, die Ihr Team ab Montag auf jede hochwertige Analytics-Anfrage anwenden sollte.

Schritt 1: Das Decision Statement schreiben

Bevor jemand ein BIBITechnologies and processes that turn raw data into actionable insights via reporting, dashboards and analysis, so teams can decide based on facts rather than intuition.Vollständige Definition ansehen →-Tool öffnet, zwingen Sie den Anfragenden, ein strukturiertes Statement auszufüllen. Das ist die wirksamste Einzelintervention, die Sie setzen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

DECISION: What choice is being made?
DECIDER:  Who has the authority and accountability?
CADENCE:  How often is this decided? (one-time / weekly / real-time)
OPTIONS:  What are the 2-4 actions available?
STAKES:   What is the cost of a wrong call, in $ or risk?
REVERSIBILITY: Is this a one-way or two-way door?

Diese Übung ist diagnostisch. Wenn der Anfragende sie nicht ausfüllen kann, hat ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → keine Entscheidung, ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → hat Neugier, und Neugier sollte kein Viertel Ihrer Engineering-Roadmap verbrauchen. Ich habe CDOs erlebt, die eingehende Dashboard-Anfragen um 40 % reduziert haben, allein indem sie dieses Formular verlangten, weil die meisten Anfragen an der Frage „Was würden Sie auf dieser Basis anders machen?“ zerbrechen.

Das Feld reversibility leistet stille, wichtige Arbeit. Jeff Bezos' Unterscheidung zwischen One-Way- und Two-Way-Doors sollte bestimmen, wie viel analytische Tiefe Sie investieren. Eine reversible wöchentliche Preisanpassung braucht ein schnelles, grobes Signal. Eine irreversible Werksschließung braucht tiefe Kausalanalyse. Analytischen Aufwand an Reversibilität zu koppeln, ist der Weg, Ihre besten Data Scientists davon abzuhalten, drei Wochen an einem Modell für eine Entscheidung zu feilen, die jemand kommenden Dienstag fröhlich neu trifft.

Schritt 2: Die Entscheidung um Time-to-Action herum gestalten, nicht um Time-to-Insight

Die meisten Analytics-Teams messen sich daran, wie schnell sie einen Insight liefern kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Falsche Kennzahl. Die Kennzahl ist Time-to-Action: von dem Moment, in dem sich die Welt ändert, bis zu dem Moment, in dem ein Mensch etwas anders macht. Jede Übergabe zwischen „Insight existiert“ und „Aktion erfolgt“ ist Latenz, und in der Latenz verdunstet der Wert.

Zeichnen Sie den Aktionspfad explizit auf. Wenn das Retention-Modell am Montag gefährdete Accounts identifiziert, die Anruflisten des Vertriebs aber freitags erstellt werden, haben Sie vier Tage eingebauten Zerfall in einem Geschäft, in dem ein abwandernder Kunde vielleicht schon mit einem Wettbewerber spricht. Die Lösung war nie ein besseres Modell. Sie bestand darin, neu zu verdrahten, wann und wie das Ergebnis die handelnde Person erreicht.

Deshalb liegt die Front der Decision Intelligence gar nicht beim Dashboard, sondern bei der *eingebetteten Empfehlung*. Statt dass eine Führungskraft ein Churn-Dashboard aufruft, erscheint die priorisierte, mit Kosten hinterlegte Anrufliste in dem CRMCRMCustomer Relationship Management: software and strategy to manage and analyse customer interactions throughout their lifecycle.Vollständige Definition ansehen →, in dem sie ohnehin arbeitet, genau dann, wenn sie ihre Woche plant, mit vorausgefüllter empfohlener Aktion. Die Analytics verschwinden im Workflow. Das beste Dashboard ist oft gar kein Dashboard.

Schritt 3: Urteil ins Interface kodieren

Wenn eine Entscheidung wiederkehrt, kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen und sollten Sie die Entscheidungs*logik* kodieren, nicht nur die Daten. Das heißt, die Leiter hochzugehen:

• Level 1, deskriptiv: „Churn liegt bei 4,2 %.“ (Was passiert ist.)
• Level 2, diagnostisch: „Churn ist wegen des Enterprise-SegmentsSegmentsDividing a market into distinct groups of customers who share similar needs, characteristics or behaviours, so each group can be served with a tailored approach.Vollständige Definition ansehen → gestiegen.“ (Warum.)
• Level 3, präskriptiv: „Rufen Sie diese 500 Accounts an; erwarteter geretteter Umsatz 2,1 Mio. $ gegenüber 80.000 $ Kosten.“ (Was zu tun ist.)
• Level 4, automatisiert: Das Retention-Angebot wird unterhalb einer Confidence-Schwelle automatisch ausgelöst; Menschen bearbeiten den mehrdeutigen Mittelbereich.

Jedes Level nach oben nimmt dem Entscheider kognitive Last ab und verkürzt die Time-to-Action. Entscheidend: Der Sprung von Level 2 zu Level 3 ist der Punkt, an dem die meisten Analytics-Organisationen hängen bleiben, weil ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → verlangt, ein ökonomisches Modell einzubetten, Kosten, Nutzen, Schwellenwerte, nicht nur ein statistisches. Das ist ein Urteilsgespräch mit dem Business, keine Modellierungsaufgabe. Die Aufgabe des CDO ist es, dieses Gespräch zu erzwingen: *Was ist ein geretteter Account wert, und welche Confidence brauchen Sie, bevor Sie handeln?*

Die Entscheidungskultur von Netflix ist hier lehrreich. Ihre Teams rahmen nahezu alles als Experiment mit einer vorab registrierten Entscheidungsregel: Bewegt sich die Kennzahl über Schwelle X, gehen wir live; wenn nicht, stoppen wir. Die Entscheidung wird festgelegt, *bevor* die Daten eintreffen. Das eliminiert das zersetzendste Muster in Analytics, nämlich das, was die Daten zeigen, so zurechtzulegen, dass es zu dem passt, was man ohnehin tun wollte.

Schritt 4: Einen Feedback-Loop anhängen

Ein Entscheidungsinstrument, das nie erfährt, ob seine Empfehlungen richtig waren, ist keine Intelligenz, sondern ein Gerücht. Erfassen Sie für jedes präskriptive Ergebnis: Was wurde empfohlen, was hat der Mensch tatsächlich getan, und was war das Ergebnis. Dieses Trio erlaubt Ihnen, Entscheidungsqualität über die Zeit zu messen und, entscheidend, die Lücke zwischen Empfehlung und Handlung sichtbar zu machen.

Diese Lücke ist Gold wert. Wenn Ihr Modell sagt „ruft diese 500 an“ und das Team nur 120 angerufen hat, ist die interessante Frage *warum*: Misstrauen sie dem Modell, kommt die Liste zu spät, oder liegt das Modell bei Accounts falsch, die sie persönlich kennen? Jedes davon ist ein behebbarer Fehler, und keines davon ist ohne den Loop sichtbar.

Data Storytelling als letzte Meile

Selbst das bestgestaltete Entscheidungsinstrument scheitert, wenn der Mensch ihm nicht glaubt. Hier hört Storytelling auf, ein Soft Skill zu sein, und wird zur technischen Anforderung an die Entscheidungs-PipelinePipelineAll active sales opportunities across the stages of the sales process, together with their combined potential value and probability of closing.Vollständige Definition ansehen →. Storytelling ist keine Dekoration auf der Analyse, es ist *der Kompressionsalgorithmus, der einen Insight durch die schmale Bandbreite der Aufmerksamkeit von Führungskräften bringt*.

Der Fehler erfahrener Data Leader ist, Storytelling als „mach das Chart hübscher“ zu behandeln. Die eigentliche Disziplin ist narrative Struktur, angewandt auf Analyse. Drei Bewegungen zählen am meisten:

Beginnen Sie mit der Entscheidung, nicht mit den Daten. Der mit Abstand häufigste Analystenfehler ist die „Detektivgeschichte“: das Publikum durch die Methodik führen und Spannung bis zur Schlussfolgerung aufbauen. Führungskräfte wollen keine Spannung, sie wollen die Antwort und dann die Begründung. Drehen Sie es um. Starten Sie mit „Wir sollten das Mid-Market-Segment verlassen; hier sind die drei Gründe.“ Und dann kann jeder, der die Argumentation prüfen will, in die Tiefe gehen. Das ist das BLUF-Prinzip, Bottom Line Up Front, und es respektiert, dass eine Führungskraft auf Basis Ihres ersten Satzes handeln und Ihren Anhang nie erreichen kann.

Quantifizieren Sie das Counterfactual und die Kosten des Nichtstuns. Eine Empfehlung gewinnt an Durchschlagskraft, wenn Sie die Alternative konkret machen. „Wenn wir nichts tun, verlieren wir geschätzt 6 Mio. $ über zwei Quartale“ ist ein Entscheidungsauslöser. „Churn steigt tendenziell“ ist ein Achselzucken. Sie manipulieren nicht, Sie liefern die fehlende Hälfte der Entscheidung, die das Dashboard strukturell auslässt.

Kalibrieren Sie Ihre Confidence laut und deutlich. Senior-Entscheider gehen Wetten ein, und eine Wette verlangt, die Quoten zu kennen. Nennen Sie Ihre Confidence und deren Basis: „Ich bin zu 80 % sicher bei der Richtung, zu 50 % bei der Größenordnung, weil unsere Attributionsdaten vor 2022 dünn sind.“ Das bewirkt zweierlei: Es schützt Ihre Glaubwürdigkeit, wenn Sie irgendwann falsch liegen, und es erlaubt dem Entscheider, sein Commitment an Ihre Sicherheit anzupassen. Analysten, die Unsicherheit verstecken, um souverän zu wirken, zerstören Vertrauen beim ersten Mal, wenn die Realität von einer selbstsicheren Aussage abweicht.

Nehmen Sie einen praktischen Kontrast. Ein Analyst präsentiert: „Hier ist unser regionales Performance-Dashboard mit 14 KPIs.“ Versus: „Eine Entscheidung in diesem Quartal, wo das neue Distributionszentrum stehen soll. Unsere Analyse spricht für Columbus statt Indianapolis. Es kostet 4 Mio. $ mehr im Vorlauf, spart aber jährlich 1,3 Mio. $ Transportkosten, ist im dritten Jahr im Break-even und entschärft die Ostküsten-Verzögerung, die wir letztes Jahr zweimal hatten. Bei den Transporteinsparungen bin ich sehr sicher, beim zugrunde liegenden Nachfrage-Forecast weniger.“ Das Erste ist ein Datenprodukt. Das Zweite ist ein Entscheidungsinstrument, verpackt in eine Geschichte, und es wird im Raum zu Handlung führen.

Die Führungsaufgabe des CDO ist, Ihre Organisation auf den zweiten Standard zu verpflichten. Wenn Ihre Teams präsentieren, fragen Sie unerbittlich: *Welcher Entscheidung dient das? Was ist die empfohlene Aktion? Was kostet es, falsch zu liegen? Wo sind Sie unsicher?* Trainieren Sie diese Fragen ein, und das Storytelling folgt, denn Analysten bauen das, wovon sie wissen, dass sie es verteidigen müssen.

Die wichtigsten Erkenntnisse

• Verlangen Sie ein Decision Statement, bevor irgendetwas gebaut wird. Keine Dashboard-Anfrage geht weiter, bis der Anfragende die Entscheidung, den Entscheider, die Optionen, den Einsatz und die Reversibilität benannt hat. Dieses eine Gate killt Ihre wertärmste Arbeit und schärft den Rest.

• Messen Sie Time-to-Action, nicht Time-to-Insight. Zeichnen Sie jede Übergabe zwischen der Existenz eines Insights und dem veränderten Handeln eines Menschen auf. Auf dieser letzten Meile verlieren Sie Wert, oft besteht die Lösung darin, die Empfehlung in den bestehenden Workflow einzubetten, statt ein besseres Chart zu bauen.

• Koppeln Sie analytische Tiefe an Reversibilität. Reversible Two-Way-Door-Entscheidungen verdienen schnelle, grobe Signale; irreversible One-Way-Doors rechtfertigen tiefe Kausalarbeit. Hören Sie auf, die Zeit Ihrer besten Leute für perfekte Analysen zu Entscheidungen zu verbrauchen, die nächste Woche neu getroffen werden.

• Steigen Sie von deskriptiv zu präskriptiv auf, was ein ökonomisches Gespräch erzwingt. Der Sprung zu „hier ist, was zu tun ist, und was es wert ist“ verlangt, Kosten, Nutzen und Confidence-Schwellen gemeinsam mit dem Business einzubetten, das ist ein Urteilsdialog, den Sie führen müssen, keine Modellierungsaufgabe, die Sie delegieren kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen.

• Behandeln Sie Storytelling als Bandbreitenproblem, nicht als Dekoration. Beginnen Sie mit der Empfehlung, quantifizieren Sie die Kosten des Nichtstuns und benennen Sie Ihre Confidence explizit. Das Ziel ist kein schönes Chart, sondern eine Entscheidung, die sich im Raum ändert.