Een andere houding t.a.v. data en leiderschap
Tino: “Ik denk dat organisaties een Chief Data Officer zullen moeten hebben. Je moet wel naar een andere houding toe, ook ten aanzien van data. Zodat organisaties in staat zijn om vanuit het leiderschap een visie en strategie neer te leggen, die aansluit bij waar de techniek naar toe gaat. In de meeste boards zit veel te weinig IT-literacy.
Ik denk bij de nieuwe wereld van leiderschap en de transitie daarnaartoe aan het voorbeeld van de platenspeler, toen ik opgroeide. Oma zei dan: ‘niet aan zitten’, mijn oom zei: ‘voorzichtig’, en ikzelf zei tegen mijn kinderen: ‘doe maar hoor’. Ten slotte staat mijn dochter nu swipend bij de televisie en vraagt zich af waarom die daar niet op reageert.”
Madelein: “Ik denk dat de komende jaren een enorme uitdaging worden voor leiderschap. De wereld verandert exponentieel; de tijd die een bedrijf in de top 100 van de Nasdaq doorbrengt wordt korter en korter. Met de typische oudere blanke man als de CXO, gaan we de oorlog niet winnen.”
Lossere samenwerkingsverbanden
We vroegen Madelein en Tino welke vaardigheden en kennis organisaties in de toekomst nodig zullen hebben.
Tino: “Je hebt veel hoger opgeleid personeel nodig. Wetenschappelijk opgeleid. Productiemedewerkers, maar ook de hele back-office worden op termijn voor grote delen vervangen door een robot; een fysieke of een software robot. Als je denkt in de HR-keten; dan had je vroeger de traditionele organisatie, de productie-organisatie. Toen kreeg je een project-organisatie, met de bekende ‘functieprofielen’. Hierna komt de netwerk-organisatie. Met daarin los-vaste verbanden van mensen die met elkaar samenwerken, in wat voor juridische constructie dan ook.”
Succesvolle generalisten
Madelein: “Mensen die verbinden en mensen die generalist zijn, worden nu zwaar onderschat. Ik denk dat juist dát de onderscheidende factor gaat worden voor bedrijven; kijk nogmaals naar het voorbeeld van Red Bull. Het kunnen selecteren van kennis bij andere mensen, uit andere bedrijven en vakgebieden, en die kennis op een creatieve manier bij elkaar brengen. Dat gaat het verschil maken. Tezamen met data science.”
Meer kennis en begrip van statistiek
Tino vult aan: “Er is dringend behoefte aan meer kennis van statistiek. Teveel mensen verwarren bijvoorbeeld correlatie met causaliteit. En denk eens aan de ontwikkeling van AI: de aannames van jouw model, de aannames waarmee je je datamodel en datasets opgeslagen hebt, die gaan ook in die AI komen te zitten. Je hebt mensen nodig die heel goed snappen wat de beperkingen van de technologie zijn. ‘Welke aannames van mijzelf gaan er straks doorwerken in de technologie?’
Een goede basis in statistiek wordt geboden in het boek ‘The Black Swan’ van Nassim Nicholas Taleb. Hij legt uit dat ieder model eigenlijk neerkomt op het bepalen van een curve in een puntenwolk. En hoe gigantisch impactvolle gebeurtenissen (denk bijvoorbeeld aan 9-11 en de val van Lehman brothers) dan in zo’n model als outliers worden gezien, en daarom niet in voorspelingen kunnen worden opgenomen.”
De beperkingen van data en datamodellen
“Dat zijn de beperkingen van alle modellen. Van alle data, van alle analyse. Denk aan marketing, waarin soms gezegd wordt: ‘We hebben een populatie van n= 20 , op basis daarvan doen we uitspraken’! Als je alleen kijkt naar jouw klanten en níet naar de rest van de populatie, heb je dan eigenlijk niet al de zwakheid van je model bepaald? Een model is immers een vereenvoudigde weergave van de werkelijkheid en beschrijft daardoor slechts de samenhang tussen de belangrijkste grootheden.
Dit zijn de vragen die heel belangrijk gaan worden voor bedrijven en voor de maatschappij als geheel. Maar hoeveel mensen kennen statistiek? Hoeveel mensen denken over dit soort zaken na?”
Privacy en Data Literacy
Tino ziet een logisch verband tussen de schaarste aan statistische kennis en de huidige problemen met privacy:
“En dan kom je op het onderwerp privacy. Privacy bestaat niet, is nu het devies: ik zwak dat altijd wat af:
Digital Privacy is Virtually Non-existent
Maar privacy betreft meer dan alleen het digitale. Op het fysieke vlak is iedereen zich er wel van bewust: als iemand langs zou lopen en met een staafje over je gezicht zou gaan om je DNA te testen, vindt iedereen dat raar. Maar als we een horloge omdoen en dat doet precies hetzelfde, zonder dat we dat weten, vinden we dat wel goed omdat we ‘toch de voorwaarden hadden geaccepteerd’.
Er is veel data-illiteracy in de maatschappij. We geven data-visualisatie-trainingen. We geven de mensen dan bijvoorbeeld tien verschillende grafieken. Hoe interpreteer je die? Dan laten we ze zien: al deze grafieken zijn gebaseerd op dezelfde vijftien data-punten. Wat je daar in kunt zien is dat je data altijd kunt vormgeven in jouw voordeel.
Waar we met zijn allen over moeten nadenken, als bedrijven en als maatschappij is: in welke mate heb je de verplichting om eerlijk te zijn tegen de mensen die je probeert te beïnvloeden met behulp van data?”