Wat is een beslissing?
Het lijkt misschien lastig om te begrijpen wat een beslissing precies is. We zeggen dat een beslissing een keuze is, maar wat betekent dat precies? Een keuze is namelijk ook weer een onderdeel van een beslissing. Iedereen maakt de hele dag door beslissingen, en daarom lijkt het vanzelfsprekend dat we weten wat een beslissing is.
Simpelweg, een beslissing is de bevestiging van een keuze.
Maar we zijn ons niet altijd bewust dat we een keuze hebben. Elke actie die je onderneemt kan als een beslissing worden gezien, omdat je kan kiezen om het wel of niet te doen. Zo kan elke keuze onbedoelde effecten hebben, zoals bij het butterfly-effect wordt beschreven. Dit is het idee dat het wapperen van de vleugels van een vlinder indirect kan leiden tot reusachtige resultaten, zoals het ontstaan van een orkaan. Aan de andere kant is het natuurlijk ook mogelijk dat je keuze uiteindelijk weinig effect heeft, ook al heb je veel gepiekerd over de beslissing. Door je beslissing te ontleden, krijg je meer inzicht in wat het betekent om een bepaalde keuze te maken, waardoor je er beter achter kunt staan. Zelden zijn er twee perfecte keuzes, maar het is wel fijn als je de beslissing die je neemt de beste vindt.
De Beslissingstheorie van Herbert A. Simon
In zijn monumentale boek Administrative Behavior beschrijft Herbert A. Simon als een van de eerste organisatiekundigen hoe beslissingen binnen organisaties tot stand komen. Hij legt uit dat organisaties vaak bepaalde doelen en missies voor ogen hebben, maar dat het lastig kan zijn om deze abstracte intenties te vertalen naar consequente acties. Zo blijkt uit onderzoek dat bij maar liefst 78% van de organisaties de missie en doelen niet leven op de werkvloer. Zie ons onderzoeksrapport ‘De kracht van continu verbeteren’. Om een beslissing te nemen, moet een organisatie zich afvragen in hoeverre de keuze die ze maken bijdraagt aan het beoogde doel. Het kan echter zo zijn dat een organisatie meerdere keuzes heeft die allemaal lijken bij te dragen aan het doel, maar die onderling tegenstrijdig zijn. Denk bijvoorbeeld aan een gemeente die moet kiezen tussen het investeren in meer groen of het aanleggen van meer wegen in een buurt. Beide opties kunnen bijdragen aan het bewoonbaarder maken van de buurt, maar de gemeente kan niet beide plannen uitvoeren. Hoe kom je dan tot de juiste beslissing?
Simon beschrijft hoe een beslissing theoretisch gezien in drie stappen tot stand zou moeten komen:
- Identificeer alle beschikbare keuzes.
- Schat de consequenties van deze keuzes in.
- Vergelijk de verschillende consequenties om zo de beste keuze te vinden
Figuur 1: De eerste stap is om alle verschillende keuzes te identificeren, de tweede stap is om alle consequenties van je keuze in te schatten, en de derde stap om de verschillende consequenties te vergelijken en om zo de beste keuze te vinden.
Dit is natuurlijk een ideaalbeeld van besluitvorming, en Simon is zich hiervan bewust. Het is praktisch gezien onmogelijk om alle potentiële keuzes te identificeren, omdat dit afhankelijk van de beslissing oneindig kan zijn. Hetzelfde probleem doet zich voor bij het inschatten van alle consequenties. Hoewel het mogelijk is om een schatting te maken van de effecten van een beslissing, kan je nooit alle relevante informatie achterhalen. Er is namelijk oneindig veel data die ook nog een constant verandert die invloed kan hebben op je beslissingen.
Begrensde rationaliteit (of wel ‘bounded rationality’)
Maar hoe maak je dan wel een besluit? Simon gebruikt deze benadering van besluitvorming om het idee van de “homo economicus” te bekritiseren. Dit mensbeeld gaat ervan uit dat mensen altijd streven naar het beste resultaat, aangezien dat ook het meest rationele zou zijn. Simon toont aan dat dit onmogelijk is, omdat iemand een eindeloze hoeveelheid informatie zou moeten overwegen voordat ze de beste keuze kunnen maken. Simon argumenteert dat “begrensde rationaliteit” een realistischer manier is om naar het besluitvormingsproces te kijken. Met begrensde rationaliteit verwijst Simon naar het idee dat de rationaliteit achter beslissingen op verschillende manieren gelimiteerd is. Hoe een besluit wordt genomen, hangt af van het perspectief van de besluitnemers en de situatie waarin zij zich bevinden.
Men zal nooit alle factoren begrijpen die een beslissing beïnvloeden, dus moet er gewerkt worden met een versimpelde versie van de wereld om een besluit te nemen. Dit betekent dat het eerder beschreven beslissingsproces nog steeds relevant is, maar met de realisatie dat niet alles kan worden meegenomen in het besluit. Het homo economicus-model beschouwt elke keuze als een van maximalisatie; terwijl bij begrensde rationaliteit de beste keuze de meest haalbare keuze is. Maar ook biases en ruis spelen hierbij een cruciale rol.
De theorie van Simon komt uit de jaren ’40, maar is vandaag de dag nog steeds relevant. Begrensde rationaliteit biedt een realistische weergave van hoe beslissingen, zowel op persoonlijk als op organisatorisch niveau, worden genomen. Het is zelden het geval dat we de meest “rationele” beslissing kunnen nemen. Als we precies wisten wat de beste beslissing was, zou er geen twijfel bestaan. In het algemeen, nemen we de beslissing die we het meest aanvaardbaar vinden. Daarom kan het nog steeds nuttig zijn om het beslissingsmodel van Simon te volgen, met het inzicht dat het onmogelijk is om de “perfecte beslissing” te nemen. Dat betekent niet dat er niet naar te streven valt.
Datagedreven beslissingen
Een datagedreven beslissing is een beslissing die grotendeels is gebaseerd op onweerlegbare data en feiten. Tegenwoordig wordt er door organisaties een enorme hoeveelheid data verzameld, maar deze wordt niet altijd benut om betere beslissingen te nemen. Het is namelijk niet altijd duidelijk hoe je die data het beste kunt gebruiken (zie ook ons artikel ‘Wat is Business Intelligence: de route naar succes met BI, de 7 voordelen, voorbeelden & valkuilen’). Een effectieve methode hiervoor is het toepassen van de datacratische PDCA-cyclus. PDCA staat voor Plan, Do, Check, Act. Dit betekent dat je eerst een plan opstelt, dit plan vervolgens uitvoert, daarna controleert wat de effecten zijn geweest van het uitvoeren van het plan, om uiteindelijk je bevindingen toe te passen op je werkwijze. Datacratisch betekent dat de besluitvorming wordt bepaald door data, net zoals bij een democratie het wordt bepaald door het volk.
Figuur 2: In dit figuur wordt aangegeven hoe de PDCA-cyclus kan worden toegepast bij besluitvorming. De PDCA-cyclus gaat ervan uit dat er altijd verbetering mogelijk is, waardoor je nooit klaar bent met PDCA’en.
Je haalt informatie uit (big) data en samen met die informatie en eerdere ervaringen kom je tot kennis waarop je een beslissing kunt baseren. Op basis van het besluit onderneem je actie, die idealiter leidt tot een prestatie of een effect (performance) dat je vervolgens kunt teruglezen in de data. Hierop kun je verder reflecteren en analyseren. Dit voegt toe aan je ervaring, waardoor je in de toekomst meer kennis hebt en nog betere besluiten kunt nemen. Zie ook ons artikel ‘De drie niveaus van leren: single loop, double loop & triple loop learning‘.
Door deze cyclus te volgen, kunnen organisaties continu hun processen verbeteren en beter gebruik maken van beschikbare data om hun doelen te bereiken. Het plannen zorgt ervoor dat de doelen en methoden duidelijk zijn. Door het uitvoeren van het plan worden data verzameld die tijdens de controlefase worden geanalyseerd om de effectiviteit van het plan te beoordelen. Ten slotte worden de inzichten uit deze analyse toegepast om toekomstige plannen te optimaliseren, wat leidt tot datagedreven en verbeterde besluitvorming.
Tools voor datagedreven beslissingen
Maar hoe je ga je data gebruiken om slimmere beslissingen te maken? Dit kan bijvoorbeeld door het gebruiken van Business Intelligence (BI) tools. Er zijn veel verschillende BI-tools op de markt die allemaal hun voor- en nadelen hebben. Wij hebben een handige tool ontwikkelt waar je alle verschillende BI-tools kan vergelijken. Zo kan je er makkelijk achter komen welke BI-tool het beste bij jouw organisatie past.
Casestudie: Veiligsheidsregio Noord-Holland Noord
De Veiligheidsregio Noord-Holland Noord had het doel gesteld om de responstijd bij spoedmeldingen zo veel mogelijk te verkorten. Door de data van de verschillende processen die de responstijd beïnvloeden te analyseren, konden ze meerdere knelpunten identificeren.
Een belangrijke stap in het proces was het uitzenden van een ambulance. Routinematig werd eerst gecontroleerd of iemand daadwerkelijk een ambulance nodig had, wat gemiddeld 3 minuten duurde. Uit de data bleek echter dat in 95% van de gevallen een ambulance inderdaad nodig was. Daarom werd besloten om direct een ambulance te sturen zodra een melding binnenkwam. In de 5% van de gevallen dat er geen ambulance nodig bleek te zijn, kon deze altijd nog worden teruggeroepen. Deze aanpak resulteerde in een reductie van 3 minuten in de responstijd: samen met andere datagedreven beslissingen kon de organisatie de gehele gemiddelde responsetijd versnellen van 120 naar 100 minuten. Het slim gebruiken van data kan levens redden.
Door de relevante data te analyseren, kon de Veiligheidsregio Noord-Holland Noord de efficiëntie van hun noodhulp aanzienlijk verbeteren, wat een positief effect had op de snelheid en kwaliteit van hun dienstverlening.
Wil je meer weten over hoe Veiligheidsregio Noord-Holland Noord een datacratische PDCA-cyclus gebruikte voor het verbeteren van hun organisatie? Lees er meer over in het boek ‘Datacratisch werken’ met nog meer voorbeelden en uitleg hoe jij jouw organisatie datagedreven kan laten werken.
Voordelen van datagedreven beslissingen
Wil je weten hoe datagedreven beslissingen kunnen helpen binnen jouw organisatie? Hier zijn wat voordelen van datagedreven werken:
- Verhoogde nauwkeurigheid: beslissingen zijn gebaseerd op feiten en cijfers, waardoor ze een nauwkeurigere weerspiegeling van de werkelijkheid geven dan beslissingen die alleen op gevoel zijn gebaseerd.
- Verminderd risico: data maakt het mogelijk om een beslissing objectief te onderbouwen, waardoor deze minder afhankelijk is van gevoelens en intuïtie. Dit vermindert het risico op fouten.
- Verbeterde efficiëntie: door gebruik te maken van data kunnen real-time beslissingen worden genomen, bijvoorbeeld door de prijs van een product te laten bepalen door een algoritme. Hierdoor kunnen bepaalde keuzes worden geautomatiseerd wat de productiviteit verhoogt.
- Verbeterde voorspelbaarheid: data kan worden gebruikt om trends te herkennen en toekomstige scenario’s te schetsen op basis van historische gegevens. Dit helpt organisaties om beter voorbereid te zijn op wat komen gaat.
- Consistentie in beslissingen: door beslissingen datagedreven te maken, kunnen consistente normen op basis van cijfers worden gehanteerd, waardoor beslissingen uniformer en transparanter worden.
- Aanpassingsvermogen: door het gebruik van data is het makkelijker om agile te werken en flexibel in te spelen op veranderingen in de markt. Data biedt inzicht in welke aanpassingen nodig zijn en hoe deze het beste kunnen worden geïmplementeerd.
Figuur 3: De voordelen van datagedreven beslissingen: verhoogde nauwkeurigheid, verminderd risico, verbeterde efficiëntie, verbeterde voorspelbaarheid, consistentie in beslissingen en aanpassingsvermogen.
Het maken van een beslissingsboom
Een beslissingsboom is een handig middel om een beslissing te visualiseren. Je kunt eenvoudig zelf een beslissingsboom tekenen door een startpunt te kiezen en vanaf daar meerdere keuzes te laten vertakken. Vanaf elke keuze ontstaan weer nieuwe vertakkingen, gebaseerd op de mogelijke uitkomsten van die keuze (zie onderstaande illustratie).
Een beslissingsboom kan vanuit verschillende invalshoeken worden benaderd. Bij het ontwikkelen van algoritmes voor Artificial Intelligence wordt vaak gebruik gemaakt van kansen, maar dit is niet noodzakelijk voor een beslissingsboom. Een beslissingsboom kan ook worden gebruikt om regels in herhaalbare situaties vast te stellen, waarbij de takken niet worden bepaald door kans, maar door specifieke voorwaarden.
Figuur 4: Voorbeeld van een beslissingsboom: wat moet de gemeente weten en overwegen voordat ze aan een project beginnen?
Hoe zorg je dat je beslissingen zuiver zijn?
Wat is een “zuivere” beslissing? Er zijn veel dingen die beslissingen onbedoeld kunnen beïnvloeden. Zoals als eerder benoemd is de menselijke rationaliteit niet onfeilbaar. Behalve rationaliteit zijn er nog veel meer factoren die invloed hebben op ons beslissingen. Het is belangrijk om bewust te zijn op welke manieren je beslissen kunnen worden vervuild, door bijvoorbeeld bias en ruis. Lees onze blog “De 20 beste tips voor zuivere decision making“.
Wat is het concept ruis?
In het boek Ruis, geschreven door Olivier Sibony, Cass R. Sunstein en de Nobelprijswinnaar Daniel Kahneman, wordt op verschillende manieren uitgelegd hoe bias en ruis effect hebben op het maken van beslissingen. Het concept bias is al relatief bekend, maar wat is “ruis” precies? De auteurs definiëren het verschil tussen hoe bias en ruis beslissingen aantasten als volgt: bias is het systematisch maken van een verkeerd oordeel op basis van een redenatiefout, terwijl ruis optreedt wanneer mensen eigenlijk tot dezelfde beslissing zouden moeten komen, maar dat niet doen.
Neem bijvoorbeeld het rechtssysteem: Mensen met een allochtone achtergrond worden zwaarder veroordeeld voor dezelfde misdaden dan mensen met een autochtone achtergrond. Dit is bias, omdat de wet voor iedereen hetzelfde zou moeten gelden. Aan de andere kant kan het gebeuren dat meerdere rechters over dezelfde zaak oordelen en toch tot verschillende conclusies komen. Technisch gezien hebben al deze rechters dezelfde feiten die ze aan dezelfde relevante wet toetsen, waardoor ze tot dezelfde uitkomst zouden moeten komen, maar door ruis wordt dit verstoord.
Ruis is een reflectie van het feit dat onze keuzes nooit compleet objectief zijn, maar dat houdt niet tegen dat het mogelijk is om minder subjectieve beslissingen te maken.
Bias zorgt dus voor een voorspelbare vertekening in oordelen, terwijl ruis zorgt voor onvoorspelbare variatie. Beide fenomenen ondermijnen de betrouwbaarheid van beslissingen en benadrukken het belang van het streven naar objectieve en consistente besluitvorming.
Tips om betere beslissingen te nemen met minder ruis
Net zoals bias kan ruis op verschillende manieren worden bestreden. Een van de belangrijkste benaderingen is bewustwording van het fenomeen. Volgens het boek Ruis komt besluitvorming voort uit twee aspecten: voorspelling en oordeel. Dit betekent dat we bij het nemen van beslissingen nadenken over hoe we denken dat die beslissing de toekomst zal beïnvloeden, en hoe deze beslissing zich verhoudt tot eerdere beslissingen die we hebben genomen. Bij zowel voorspelling en oordeel kan ruis optreden, maar dit kan worden verminderd met goede besluithygiëne. Hier zijn wat tips om ruis te voorkomen, zoals besproken in Ruis:
- Standaardisatie van het beslissingsproces: breng in kaart welke factoren een rol spelen bij terugkerende beslissingen. Door gebruik te maken van checklists of een gestandaardiseerde procedure wordt het gemakkelijker om consistente beslissingen te nemen. Zie ook ons beslisschema eerder op de pagina.
- Training en educatie: train je medewerkers in het herkennen van cognitieve biases en ruis, zodat ze zelf fouten in het besluitvormingsproces kunnen opmerken en vermijden.
- Gebruik van data en data-analyses: zoals eerder genoemd, kan data helpen bij het maken van objectievere beslissingen door feitelijke informatie te leveren en subjectieve invloeden te verminderen. Datavisualisatie kan hier bijvoorbeeld handig zijn: het laat op een toegankelijke manier patronen zien die misschien zouden verdwijnen als je alleen met cijfers zou werken.
- Groepsbeslissingen en Diversiteit: overweeg beslissingen vanuit verschillende perspectieven en bevorder diversiteit in de besluitvorming. Door gezamenlijk tot een besluit te komen, verklein je de kans op vooringenomen beslissingen en vergroot je de robuustheid van de genomen besluiten.
Door deze strategieën toe te passen, kun je de impact van ruis verminderen en streven naar meer effectieve en rechtvaardige besluitvorming binnen je organisatie.
Samen beslissen
Het nemen van beslissingen in een groepscontext biedt diverse voordelen, zoals het samenbrengen van verschillende perspectieven. Bovendien hebben beslissingen vaak een brede impact binnen organisaties, waardoor het fijn is als beslissingen niet worden opgelegd, maar samen worden genomen. Wanneer mensen betrokken zijn bij het besluitvormingsproces, zijn ze niet alleen meer toegewijd aan de uitvoering van het besluit, maar begrijpen ze ook beter de redenen erachter. Dit kan leiden tot een meer consistente toepassing van het besluit in de praktijk. Bovendien biedt het inspraak geven aan betrokkenen de mogelijkheid om hun stem te laten horen en eventuele zorgen te uiten, wat het draagvlak voor het besluit kan versterken.
Tegelijkertijd zijn er valkuilen verbonden aan groepsbeslissingen. Sociale dynamieken binnen de groep kunnen leiden tot conformiteit, waarbij individuen hun eigen twijfels of bezwaren niet uiten uit angst om afwijkend te zijn of de groepscohesie te verstoren. Dit kan leiden tot een minder kritische evaluatie van opties en zelfs in groepsdenken, waarbij groepsleden streven naar consensus zonder voldoende kritische reflectie. Daarom blijft het belangrijk om ook binnen groepsbesluitvorming bewust te zijn van de invloed van ruis en biases, om zo te streven naar objectieve en weloverwogen beslissingen.
Methoden voor groepsbeslissingen
Hier zijn enkele methoden die kunnen helpen bij het nemen van beslissingen als groep:
- Brainstorming: door samen een concept of probleem te bespreken, kunnen verschillende perspectieven worden belicht. Bijvoorbeeld door gezamenlijk een mindmap te maken, zoals hieronder geïllustreerd, kan een creatievere benadering ontstaan en kan de discussie worden verdiept.
- Delphi-methode: deze methode is vernoemd naar het Orakel van Delphi uit de klassieke oudheid. Bij de Delphi-methode worden verschillende experts onafhankelijk gevraagd naar hun mening over een bepaald onderwerp. Vervolgens wordt hun feedback samengevoegd en teruggekoppeld aan dezelfde experts. Dit levert hoogwaardige informatie op die kan helpen bij het nemen van beslissingen.
- Consensusbesluitvorming: bij dit besluitvormingsproces wordt pas een beslissing genomen als er consensus is bereikt, wat betekent dat iedereen het besluit acceptabel vindt. Het is niet noodzakelijk dat iedereen enthousiast is over het besluit, maar wel dat niemand zich er sterk tegen verzet. In vergelijking met besluitvorming zonder consensus, wordt een besluit dat door consensus is genomen vaak beter ondersteund, omdat het niemand dwingt akkoord te gaan met een beslissing waar ze het principieel mee oneens zijn.
Figuur 5: Samen beslissen kan tijdens verschillende momenten van het beslisproces: bij het ontdekken van keuzes (brainstormen), bij het kwalificeren van je keuzes (Delphi-methode) en bij het uiteindelijke besluit (consensusbesluitvorming).
De rol van tijd bij beslissen
Tijd is een cruciale factor bij het nemen van beslissingen, omdat de beschikbaarheid van informatie en de complexiteit van de situatie vaak veranderen naarmate de tijd verstrijkt. Door voldoende tijd te nemen, kan je voor je besluit meer gegevens verzamelen en grondiger nadenken over de mogelijke gevolgen van je keuzes. Dit leidt tot beter geïnformeerde en doordachte beslissingen. Tegelijkertijd loert het gevaar ook dat te veel tijd nemen leidt tot besluiteloosheid en overanalyse, waardoor kansen gemist kunnen worden. Het vinden van een balans tussen voldoende nadenken en tijdig handelen is essentieel voor effectieve besluitvorming.
Timing speelt ook een grote rol in de uitkomst van beslissingen. Strategisch geplaatste beslissingen kunnen een concurrentievoordeel opleveren, zoals het lanceren van een product op het juiste moment. Bovendien helpt het kiezen van het juiste moment om risico’s beter te beheersen en negatieve gevolgen te minimaliseren. Door beslissingen in fasen te nemen en regelmatig te evalueren, zal je besluit beter inspelen op nieuwe informatie en veranderende omstandigheden.
Het PDCA-handboek 'Datacratisch werken'
Het boek 'Datacratisch werken' bevat veel informatie over hoe jouw organisatie data en de PDCA-cyclus kan gebruiken voor het maken van tijdige beslissingen. Met zowel theoretische als praktische kennis is het de ideale gids voor een nieuwe manier van werken.
Strategische vs. operationele beslissingen
Binnen organisaties kunnen beslissingen worden opgedeeld in twee kampen: strategisch en operationeel. Strategische beslissingen hebben vaak veel impact op een organisatie, terwijl operationele beslissingen vaak een urgentere aard hebben. Strategische beslissingen zijn lange termijn beslissingen die de koers en doelstellingen van een organisatie bepalen. Ze hebben een aanzienlijke impact op de toekomst van het bedrijf en vereisen vaak diepgaande analyse en planning. Voorbeelden hiervan zijn het betreden van nieuwe markten, grote investeringen, en het ontwikkelen van nieuwe producten.
Aan de andere kant zijn operationele beslissingen korte termijn beslissingen die dagelijks worden genomen om de lopende activiteiten van de organisatie te beheren. Ze zijn vaak urgent en moeten snel worden genomen om de dagelijkse werkzaamheden door te laten lopen. Voorbeelden zijn het oplossen van klantproblemen, het toewijzen van middelen, en het plannen van werkroosters. Beide typen beslissingen zijn cruciaal voor het succes van een organisatie, maar ze vereisen verschillende benaderingen. Zowel strategische als operationele beslissingen kunnen worden ondersteund door data.
Figuur 6. Aspecten waar tijd een rol speelt bij strategische en operationele beslissingen. Bij het maken van strategische beslissingen moet je rekening houden met een langetermijnvisie, grondig plannen, duurzame impact, risicobeoordeling en de langdurige implementatie van je besluiten, terwijl bij het maken van operationele beslissingen je rekening moet houden met de korte termijn, snelle uitvoering, reactievermogen, routine en de flexibiliteit van je beslissing.
Data voor het maken van snelle beslissingen
Datagedreven werken kan op verschillende manier helpen bij het maken van beslissingen op de juiste momenten. Zo kan data helpen bij het maken van slimmere beslissingen die potentieel ook geautomatiseerd kunnen worden. Ook kan je door data-analyse trends en patronen blootleggen die door het menselijk oog gemist zouden worden. Bovendien kan je data ook gebruiken voor voorspellingen en maken van simulaties, waardoor je als organisatie beter inzicht krijgt in de uitkomsten van je strategische beslissingen. Door te werken met data wordt het mogelijk om van een schot hagel naar gerichte micro-beslissingen te gaan waardoor je organisatie efficiënter én effectiever zal zijn. Zie ook onze pagina ‘Wat is Artificial Intelligence? De gids voor succesvolle Kunstmatige Intelligentie & AI toepassingen‘.
Neem bijvoorbeeld de online fietsenretailer fietsenwinkel.nl: zij gebruiken data in alle aspecten van hun bedrijfsvoering. Bij operationele taken, door bijvoorbeeld het aantal medewerkers in het callcenter te bepalen, maar ook de strategische beslissingen worden gemaakt op de basis van data. Zij hebben namelijk hun eerste eigen fiets ontwikkelt puur op de basis van data. In de eerste instantie verkochten ze alleen fietsen van andere merken, maar door het gebruik van data hebben ze de volgende stap gezet in hun strategie. Ze hebben de gegevens van hun website geanalyseerd om te ontdekken waar klanten écht naar op zoek waren in een fiets. Op basis van deze data hebben ze een fiets ontwikkeld die nog niet op de markt bestond: een elektrisch model met een klassieke uitstraling en luxueuze afwerking. Hierdoor kon fietsenwinkel.nl de transitie maken van fietsverkoper naar fietsproducent.
Juridische en ethische overwegingen bij datagedreven beslissingen
Bij het werken met data is het belangrijk om bewust te zijn van de juridische en ethische kwesties die hierbij komen kijken. Voordat je binnen een organisatie datagedreven oplossingen implementeert, moet je ervoor zorgen dat je voldoet aan de geldende juridische richtlijnen. De Algemene Verordening Gegevensbescherming (AVG) beschrijft hoe je moet omgaan met verzamelde persoonsgegevens. Deze verordening bestaat uit zes basisprincipes die de privacy van Europese burgers beschermen. Het is daarom essentieel om zorgvuldig te controleren of het gebruik van persoonsgebonden data binnen de AVG-richtlijnen valt. Meer informatie over de AVG vind je hier.
De ethische vragen rond data zijn soms moeilijker vast te stellen. Als organisatie moet je zelf bepalen of je op een verantwoorde manier met data omgaat. Hoewel data vaak wordt gezien als een volledig objectief meetinstrument, is de realiteit complexer. AI-systemen worden vaak getraind op door mensen gegenereerde data, waardoor er subjectieve elementen worden meegenomen. Een berucht voorbeeld hiervan is een algoritme van Amazon voor het selecteren van cv’s. Dit algoritme gaf systematisch lagere scores aan cv’s van vrouwen omdat het was getraind op historische data met een meerderheid aan mannelijke cv’s. Hierdoor gaf het algoritme een bepalende factor aan de categorie geslacht bij het inhuren van personeel. Pogingen om het seksisme uit het algoritme te verwijderen mislukten, waardoor het project uiteindelijk werd gestaakt. Omdat AI vaak gebaseerd is op door mensen gegenereerde data, kan het helaas niet altijd een objectieve maatstaf bieden. Let daarom goed op bij het gebruik van data voor beslissingen om potentiële discriminatie te voorkomen.
Samenvatting
Het maken van een beslissing is een complex proces waarbij veel factoren een rol spelen: informatie, inzicht, emoties en inlevingsvermogen. De beste manier om een keuze te maken is door eerst zoveel mogelijk kennis te vergaren over je verschillende opties. Vervolgens is het belangrijk om deze kennis op de juiste manier toe te passen en je niet te laten beïnvloeden door factoren die uiteindelijk irrelevant zijn voor je beslissing. Ten slotte is het goed om na te denken over de toekomstige impact van je beslissing: wat voor effect heeft deze op de wereld? En welk effect zal deze hebben op anderen?
Neem nu het besluit om slimme beslissingen te maken
Ben jij geïnteresseerd in het werken met data om slimmere beslissingen te maken, maar weet je niet precies waar je moet beginnen met jouw organisatie? Wij hebben veel ervaring met het implementeren van datagedreven oplossingen en helpen jou daar graag bij verder. Neem vrijblijvend contact met ons op.
Over Passionned Group
Passionned Group is dé specialist in datagedreven beslissingen, data-analyse en AI. Onze gedreven en ervaren adviseurs en interimmanagers helpen kleinere en grotere organisaties bij de kanteling naar een intelligente, datagedreven organisatie. Om het jaar organiseren wij de verkiezing tot de Slimste organisatie van Nederland. 
