Il pensiero scientifico negli affari

Nel corso della storia, le innovazioni nella strumentazione - il microscopio, il telescopio e il ciclotrone - hanno ripetutamente rivoluzionato la scienza migliorando la capacità degli scienziati di misurare il mondo naturale. Ora, con il comportamento umano sempre più dipendente da piattaforme digitali come il Web e le app mobili, la tecnologia sta effettivamente strumentando anche il mondo sociale. Il conseguente diluvio di dati ha implicazioni rivoluzionarie non solo per le scienze sociali ma anche per il processo decisionale aziendale.

Man mano che l'entusiasmo per i big data cresce, gli scettici avvertono che l'eccessiva dipendenza dai dati presenta delle insidie. I dati possono essere distorti e sono quasi sempre incompleti. Può portare i decisori a ignorare le informazioni più difficili da ottenere o a farli sentire più sicuri di quanto dovrebbero. Il rischio è che nel gestire ciò che abbiamo misurato, ci perdiamo ciò che conta davvero, come ha fatto il Segretario alla Difesa dell'era del Vietnam Robert McNamara facendo troppo affidamento sul suo famigerato conteggio dei cadaveri, e come hanno fatto i banchieri prima della crisi finanziaria del 2007-2009 in fare troppo affidamento sui difetti modelli quantitativi .

Gli scettici hanno ragione sul fatto che un affidamento acritico solo sui dati può essere problematico. Ma lo è anche l'eccessiva dipendenza dall'intuizione o dall'ideologia. Per ogni Robert McNamara, c'è un Ron Johnson, il CEO il cui mandato disastroso poiché il capo di JC Penney era caratterizzato dai suoi dati e prove confutanti a favore dell'istinto. Per ogni modello statistico imperfetto, esiste un'ideologia imperfetta la cui inflessibilità porta a risultati disastrosi .

Quindi, se i dati sono inaffidabili e lo è anche l'intuizione, cosa dovrebbe fare un decisore responsabile? Anche se non esiste una risposta corretta a questa domanda - il mondo è troppo complicato per poter applicare un'unica ricetta - credo che i leader in un'ampia gamma di contesti potrebbero trarre vantaggio da una mentalità scientifica verso il processo decisionale.

Una mentalità scientifica prende come ispirazione il metodo scientifico , che alla base è una ricetta per conoscere il mondo in modo sistematico e replicabile: inizia con qualche domanda generale basata sulla tua esperienza; formare un'ipotesi che risolva il puzzle e che generi anche una previsione verificabile; raccogliere dati per testare la tua previsione; e infine, valuta la tua ipotesi rispetto a ipotesi concorrenti.

Il metodo scientifico è in gran parte responsabile del sorprendente aumento della nostra comprensione del mondo naturale negli ultimi secoli. Eppure è stato lento ad entrare nel mondo della politica, degli affari, della politica e del marketing, dove la nostra prodigiosa intuizione per il comportamento umano può sempre generare spiegazioni sul perché le persone fanno quello che fanno o su come farle fare qualcosa di diverso. Poiché queste spiegazioni sono così plausibili, la nostra tendenza naturale è di voler agire su di esse senza ulteriori indugi. Ma se abbiamo imparato una cosa dalla scienza, è che la spiegazione più plausibile non è necessariamente corretta. L'adozione di un approccio scientifico al processo decisionale richiede di testare le nostre ipotesi con i dati.

Sebbene i dati siano essenziali per il processo decisionale scientifico, anche la teoria, l'intuizione e l'immaginazione rimangono importanti, in primo luogo per generare ipotesi, ideare test creativi delle ipotesi che abbiamo e interpretare i dati che raccogliamo. Dati e teoria, in altre parole, sono lo yin e lo yang del metodo scientifico: la teoria inquadra le domande giuste, mentre i dati rispondono alle domande che sono state poste. Enfatizzare l'uno a scapito dell'altro può portare a gravi errori.

Altrettanto importante è la sperimentazione, che non significa provare cose nuove o essere creativi, ma in particolare l'uso di esperimenti controllati per scoprire gli effetti causali. Negli affari, la maggior parte di ciò che osserviamo è la correlazione - facciamo X e Y accade - ma spesso ciò che vogliamo sapere è se X o meno causato Y. Quante unità aggiuntive del tuo nuovo prodotto ha indotto i consumatori ad acquistare con la tua campagna pubblicitaria? L'estensione della copertura assicurativa sanitaria farà aumentare o diminuire le spese mediche? Osservare semplicemente l'esito di una particolare scelta non risponde a domande causali come queste: dobbiamo osservare la differenza tra scelte.

Molte delle decisioni più importanti offrono solo un'opportunità di successo.

Replicare le condizioni di un esperimento controllato è spesso difficile o impossibile nelle impostazioni aziendali o politiche, ma sempre più spesso viene fatto in esperimenti sul campo , dove i trattamenti sono assegnati in modo casuale a diversi individui o comunità. Ad esempio, il Poverty Action Lab del MIT ha condotto oltre 400 esperimenti sul campo per comprendere meglio l'erogazione degli aiuti, mentre gli economisti hanno utilizzato tali esperimenti per misurare l'impatto di pubblicità online .

Sebbene gli esperimenti sul campo non siano un'invenzione dell'era di Internet (gli studi randomizzati sono stati il ​​gold standard della ricerca medica per decenni), la tecnologia digitale li ha resi molto più facili da implementare. Pertanto, poiché aziende come Facebook, Google, Microsoft e Amazon traggono sempre più vantaggi in termini di prestazioni dalla scienza dei dati e dalla sperimentazione, il processo decisionale scientifico diventerà più pervasivo.

Tuttavia, ci sono limiti a come possono essere i decisori scientifici. A differenza degli scienziati, che hanno il lusso di trattenere il giudizio fino a quando non si sono accumulate prove sufficienti, i responsabili politici o i leader aziendali generalmente devono agire in uno stato di parziale ignoranza. Devono essere fatte chiamate strategiche, attuate politiche, premiate o assegnate colpe. Non importa quanto rigorosamente si cerchi di basare le proprie decisioni su prove, saranno necessarie alcune congetture.

Ad aggravare questo problema è che molte delle decisioni più consequenziali offrono solo un'opportunità di successo. Non si può andare in guerra con metà dell'Iraq e non con l'altro solo per vedere quale politica funziona meglio. Allo stesso modo, non si può riorganizzare l'azienda in tanti modi diversi e poi scegliere il migliore. Il risultato è che potremmo non sapere mai quali buoni piani hanno fallito e quali cattivi hanno funzionato.

Anche qui, però, il metodo scientifico è istruttivo, non per suscitare risposte, ma piuttosto per evidenziare i limiti di ciò che si può conoscere. Non possiamo fare a meno di chiederci perché Apple abbia avuto così tanto successo, o cosa abbia causato l'ultima crisi finanziaria, o perché Gangnam Style sia stato il video più virale di tutti i tempi. Né possiamo impedirci di trovare risposte plausibili. Ma nei casi in cui non possiamo testare la nostra ipotesi molte volte, il metodo scientifico ci insegna a non dedurre troppo da alcun risultato. A volte l'unica vera risposta è che semplicemente non lo sappiamo.

Alcune persone trovano questa conclusione deprimente, ma una mente scientifica dovrebbe sempre rimanere scettica su ciò che sa. Sii scettico sui dati con tutti i mezzi, ma sii scettico anche sulle spiegazioni plausibili, sulla saggezza convenzionale, sulle ideologie ispiratrici, sugli aneddoti avvincenti e, soprattutto, sulla tua intuizione. Il risultato non dovrebbe essere né una paralisi totale né un'adesione servile ai dati, né dovrebbe in alcun modo escludere la creatività o l'immaginazione. Piuttosto, dovrebbe condurci a un mondo più razionale e basato sull'evidenza.

Duncan Watts è un ricercatore principale presso Microsoft Research e autore di Tutto è ovvio: come ci viene a mancare il buon senso .

nascondere