<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

Hvis jeres virksomhed skal lykkes med at blive en datadrevet virksomhed, skal I have styr på tre ting: Data, Business & People. De to første områder har de fleste virksomheder helt naturligt fokus på, når de går i gang med at arbejde datadrevet, og heldigvis oplever jeg også, at flere og flere bliver opmærksomme på People-delen.

People handler om jeres medarbejdere. Dem der skal bruge løsningen. Hvordan I sikrer, at teknologi og mennesker kommer til at spille sammen, skabe de ønskede handlinger og de ønskede forandringer. Det har jeg tidligere skrevet et par blogindlæg om:

Menneskelig adfærd er ikke rationel – heller ikke når vi går på arbejde

Men – når det kommer til den menneskelige faktor, så viser adfærdsindsigter, at vi slet ikke træffer beslutninger og dermed handler så rationelt, som vi går og tror. Heller ikke, når vi er på arbejde. Og heller ikke, selv om vi går på arbejde i en virksomhed, hvor vi er enige om, at vi arbejder datadrevet.

...når vi kender til adfærdsindsigter om den menneskelige natur – hvordan vi træffer beslutninger, og hvad der motiverer hver enkelt af os – så ved vi også, hvordan vi skal bringe den menneskelige natur i spil og gøre den til medspiller i stedet for modspiller.

 

Tværtimod, så er størstedelen af vores handlinger drevet af automatiske, instinktive og intuitive tankeprocesser. Selv mange af de beslutninger, vi tror, vi træffer rationelt, viser sig ofte at være truffet på automatpilot og påvirket af den sammenhæng, vi tilfældigvis befinder os i – snarere end at vi bevidst har tænkt tingene igennem.

Med adfærdsdesign kan vi påvirke menneskelig adfærd og skabe forandringer

Adfærdsdesign hjælper os med en mere komplet forståelse af, hvordan mennesker tænker og opfører sig i virkeligheden, og hvordan deres adfærd kan påvirkes og nudges.

Adfærdsrådgiver Jakob Rachmanski har i en årrække hjulpet store organisationer med det potentiale, der er i at forstå den menneskelige psykologi, så man kan påvirke og ændre medarbejderes og kunders adfærd.

En af Jakobs pointer er, at det ikke er nok at tale rationelt til os, når vi ønsker ændringer i adfærd. Folk gør noget andet end det, der er rationelt; vores beslutninger er formet af vores mål og motiver, de påvirkes af det vi ved og tror på, og af den sammenhæng vi befinder os i. Med andre ord, så styres vores adfærd og opførsel af vores instinkter og intuition, og af respons på de omgivelser vi befinder os i.

Det er jo en ret skidt nyhed, når vi ønsker at skabe en datadrevet virksomhed – for kan vi så alligevel slet ikke arbejde og træffe (rationelle) beslutninger baseret på data og facts? Jo, det kan vi faktisk godt.

Hvordan arbejder vi bedst med People-delen i rejsen mod at blive en datadrevet virksomhed?

Hele pointen ligger i, at når vi kender til adfærdsindsigter om den menneskelige natur – hvordan vi træffer beslutninger, og hvad der motiverer hver enkelt af os – så ved vi også, hvordan vi skal bringe den menneskelige natur i spil og gøre den til medspiller i stedet for modspiller.

Nogen af os motiveres grundlæggende af at opnå noget – det kan være at få et forspring i forhold til andre, at videreudvikle og fremme en sag, at lære nyt. Andre motiveres grundlæggende af at undgå noget – det kan komme til udtryk ved, at de vil undgå tab og reducere trusler, bevare overblikket, eller overholde regler og retningslinjer for at undgå problemer. Tal ind til den måde, vi bliver motiveret på, så bruger vi mere tid på og er mere tilbøjelige til at slutte op om sagen.

Tre gode råd fra adfærdsrådgiveren

Tre gode råd, når din virksomhed skal arbejde med People-delen i rejsen mod at blive en datadrevet virksomhed:

  1. Alle benytter sig af mentale genveje til at løse komplekse problemstillinger – situationerne hvor de opstår kan forudsiges, og adfærden kan påvirkes.
  2. Mennesker motiveres forskelligt – og det kan kortlægges. Tal ind til den måde, vi motiveres på.
  3. One size doesn’t fit all – gør tingene lokalt interessant for organisationen og den kultur, man befinder sig i.

Og husk så helt overordnet - vi mennesker er et fantastisk aktiv i alle organisationer. Vi mennesker sikrer, at vores Business bliver en succes. Det gælder om at starte i små bidder. Man kan motivere folk, bare man husker, at vi er forskellige, og at det samme budskab derfor skal kommunikeres forskelligt.
Hør mere om adfærdsdesign og adfærdsændring af mennesker i datadrevne organisationer i vores webinar med Jakob Rachmanski: https://youtu.be/IBzjKC-0jvo 

Husk, at du altid kan kontakte os på kontakt.dk@columbusglobal.com 

Datadrevet-organisation-data-business-people-adfaerdsaendring-bi Vil du med på en rejse, der ikke kun handler om data, men i særdeleshed også om de værdiskabende forretningsbehov og menneskene ude hos kunder?

Læs mere her

Emne

Kommenter indlæg

Recommended posts

Hvis vi virkelig ønsker at gøre noget ved vores massive madspild, er det forholdsvis enkelt. Teknologien ér allerede tilgængelig. Til gengæld venter en stor udfordring i at opdrage såvel fødevareproducenterne som detailhandelen og forbrugerne til at tænke mere bæredygtigt.
Med vores teknologiske modenhed og mange data har vi i Danmark et godt udgangspunkt for at få succes med AI. Men både i virksomhedernes kultur, på det politiske plan og i det sprog, vi omtaler AI med, er der udfordringer, som vi skal adressere. Det mener IT-konsulentvirksomheden Columbus, som er med i Dansk Erhvervs AI-Koalition, der kortlægger danske virksomheders styrkepositioner og barrierer, når det gælder kunstig intelligens.
If you organize your data and use AI strategically, you can make better decisions faster. You can for example improve your market understanding and forecasting, optimize your maintenance or reduce food waste. Choose what is most important for you!
Demand forecasters do the impossible — predict what products and services customers want in the future. Their forecasts inform decision-making about production and inventory levels, pricing, budgeting, hiring and more. "While crystal balls remain imaginary, machine learning (ML) methods can give global supply chain leaders the support they need in the real world to create more accurate forecasts." The goal is to produce exactly the amount of product to meet demand. No more. No less. Demand forecasting is used to anticipate the demand with enough time to manufacture the right stock to get as close to this reality as possible. The cost is high if you don’t get it right. Your customers will go to your competitors if you don’t have what they need. Unfortunately, capacity, demand and cost aren’t always known parameters. Variations in demand, supplies, transportation, lead times and more create uncertainties. Ultimately demand uncertainties greatly influence supply chain performance with widespread effects on production scheduling, inventory planning and transportation. On the heels of the global pandemic, supply chain disruptions and a pending economic downturn, many demand forecasters wish for a crystal ball. While crystal balls remain imaginary, machine learning (ML) methods can give global supply chain leaders the support they need in the real world to create more accurate forecasts.
If you have identified possible AI use cases for your business, the next step will be to test if they are possible to implement and if they will create great value. While there is a lot of momentum and excitement about using AI to propel your business, the reality is only 54% of AI projects are deployed. How do you ensure you’re one of the businesses that does unlock the new opportunities AI promises? Your success with AI begins by discovering AI use cases that work for your business. In the first blog of our Columbus AI blog series, we shared five areas where organizations should focus their efforts to generate ideas for AI implementations based on our experience. After generating some ideas for AI use cases that could potentially benefit your company from the first step of the Columbus AI Innovation Lab, the next step is to test which AI use cases could be operationalized by evaluating them. Columbus AI Innovation Lab
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down