Uno dei baluardi del nostro tempo è “data driven”. La roccaforte dove trincerarsi, disconoscendo il contributo del valore umano nelle decisioni. “Non è colpa mia, lo hanno detto i numeri”, così si potrebbe sintetizzare lo sfacelo generale che – come un domino – abbatte tessere su tessere in ogni ambito: società, imprese, Stato.
Abbiamo creato un mondo che è tutto fuorché a misura d’uomo e cerchiamo di incastrarci al suo interno, soffrendone i confini troppo rigidi, i percorsi troppo articolati, i ritmi troppo serrati. Di fatto, è tutto troppo, ma lo riteniamo giusto perché ci siamo arrivati con decisioni “data driven”.
Mi ci metto io per prima, attenzione. Ho fondato una società che prevede di portare il cliente in un percorso di saggio utilizzo del dato e la sua trasformazione in informazione, ho sventolato la bandiera dell’ottimizzazione e intendo continuare a farlo. Perché ritengo che le decisioni vadano ponderate dati alla mano.
Al contempo, chi mi conosce, chi sa come penso e suggerisco di agire (o anche solo chi ha spulciato le varie sezioni di questo sito) sa che per me non dobbiamo e non possiamo prescindere dal ruolo dell’essere umano, del suo comportamento, dei suoi intendimenti.
L’abbaglio del numero e della razionalità assoluta
Sempre chi mi conosce, sa che mi accanisco da sempre contro il concetto di “homo oeconomicus“, sul quale però è basata la teoria economica classica e, di conseguenza, tutti i ragionamenti che ne conseguono… formule matematiche incluse. Peccato che l’agire secondo razionalità assoluta e optando sempre per il miglior rapporto costi/benefici sia ben lontano da ciò che accade nel mondo reale, a meno che l’attore non sia un serial killer o una persona affetta da qualche patologia o neurodivergenza specifica.
Per fortuna, l’economia comportamentale ed esponenti del ruolo della mente nei mercati come Daniel Kanheman ci hanno mostrato un lato ben più realistico della medaglia: il consumatore è un essere irrazionale. Ciò accade non solo nel mero mercato del consumo, ma anche nei mercati finanziari, non per nulla esiste anche la finanza comportamentale che ci spiega come mai il patron di Tesla che si fuma una canna comporta l’erosione del patrimonio di Tizio o di Caio.
Peccato che tutto ciò che utilizziamo nel quotidiano per misurare, prevedere, analizzare sia basato sulla teoria economica classica, anche perché – per la gioia dei puristi del numero – il comportamento della mente non è riproducibile a comando e non è ripetibile allo stesso modo per ogni individuo, quindi non si può incasellare in formule standard pronte a essere digerite da un software. Chi ha deciso che “standard” significa “giusto” mi è ignoto.
Per esperienza sul campo posso affermare con ragionevole certezza che si è nel giusto solo se si ha compreso il contesto.
Meno “data driven”, più “data informed”
Ma torniamo al punto nodale. Abbiamo gridato al mondo intero l’importanza delle decisioni data driven, abbiamo costruito architetture software complesse che mangiano dati e sputano sentenze, cosa che ha creato un mercato miliardario che dagli anni ’80 nutre milioni di consulenti, sviluppatori, più tutto l’indotto della relativa supply chain (ne ho parlato qui), salvo poi accorgerci che qualcosa va sempre storto. Ma perché va storto?
La mera decisione data driven, difficilmente tiene conto del contesto.
Infatti, i dati del CRM vanno interpretati attraverso una lettura dell’esperienza dal punto di vista del venditore, i dati di mercato vanno interpretati valutando le variabili di macroambiente che hanno impattato nella loro generazione e così via.
Sono innumerevoli gli esempi di decisioni sbagliate a causa della cieca obbedienza al numero. Nell’approfondimento di MIT Sloan “L’arte di decifrare i numeri” di cui consiglio vivamente la lettura (qui il link al numero dedicato), gli autori portano 3 casi particolarmente gravi di decisione data driven basata sull’intelligenza artificiale:
- Errore di Google AI su Gaza (2021): Il modello predittivo di Google AI segnalò uno scenario di imminente stabilità nel conflitto israelo-palestinese. Tuttavia, la previsione si rivelò completamente errata perché l’algoritmo si basava unicamente sull’analisi linguistica e sui trend mediatici, ignorando la realtà sul campo e gli aspetti psicologici dei leader coinvolti. L’assenza di un’interpretazione contestuale e umana portò a una lettura fuorviante della situazione.
- Crisi del petrolio in Venezuela (2024): Un modello econometrico di AI aveva previsto una ripresa economica in Venezuela grazie a nuove aperture commerciali. Questa previsione, però, non considerò un fattore chiave: la fuga di milioni di lavoratori qualificati dal Paese. Questa dinamica umana e sociale, non contemplata dall’algoritmo, rese di fatto impossibile la ripartenza industriale, dimostrando il limite dell’AI nel cogliere elementi intangibili e le motivazioni più profonde di una scelta.
- Invasione russa dell’Ucraina (2022): I modelli di AI occidentali, analizzando i dati disponibili, avevano previsto che la superiorità energetica ed economica della Russia avrebbe garantito una vittoria rapida. La previsione si dimostrò sbagliata. Gli algoritmi non riuscirono a cogliere il fattore umano determinante: la resilienza ucraina, la capacità di leadership di Volodymyr Zelensky e un inaspettato sostegno popolare. Questi elementi qualitativi, tipici dell’intuizione umana e della comprensione del contesto, ribaltarono le previsioni basate sui soli dati
Volutamente uso questi esempi di impatto mondiale, perché penso che smuovano più coscienze rispetto agli errori che si fanno nel mondo aziendale. Ed è proprio in questo numero della rivista che viene citato il concetto di “decisioni data informed“, cioè quelle dove la scelta viene instradata ANCHE dal dato, non solo da esso.
Già dalla definizione si capisce la differenza abissale:
- Data-Driven: Prendo la decisione basandomi principalmente sul dato
- Data-Informed: Prendo la decisione basandomi anche sul dato, ma inserendo contesto, informazioni e intuito
Del resto, le più grandi intuizioni non vengono dai dati collezionati, ma dal pensiero laterale, dalla capacità di usare l’intuito per orientarsi.
L’intuito è un potente sistema data driven che ci permette di lavorare data informed
Qui ci tengo a far riflettere su cosa sia davvero l’intuito. No, non è magia, sì, è diverso dall’istinto. Invito alla lettura di questo approfondimento sull’intuito e ne riporto i passaggi più significativi, commentandoli:
- L’intuizione è definita (Pearson, 2014) come “l’uso appreso e positivo delle informazioni inconsce per decisioni o azioni migliori”. Quindi, di fatto, l’intuizione è un sistema data-driven che noi abbiamo nativamente nel cervello
- L’intuizione si fonda su tre specifiche componenti: si basa su informazioni inconsce, è appresa e produttiva. Ciò significa che l’intuizione nasce dall’esperienza diretta, da una raccolta di dati che vengono immagazzinati nel nostro inconscio e vengono riproposti senza un accesso consapevole
- La nostra intuizione recupera gli insegnamenti che abbiamo appreso da esperienze precedenti simili, li unisce alle informazioni inconsce che in quel momento stiamo elaborando, generando delle sensazioni viscerali che ci guidano nella scelta. Ciò significa che, in realtà, una scelta data-informed che include l’intuito ha un livello di attendibilità ben più alto rispetto alle aspettative (basse) in merito
Spero sia arrivata una potente smentita allo scetticismo che viene riservato a quei “folli” che osano mettere in discussione le informazioni ottenute da miliardi di dati e prese alla lettera senza contesto. Lo stesso Martin Lindstrom, nel libro “Small Data“, spiega come ha salvato numerose aziende mettendo in discussione le evidenze derivate dai big data, una tra tutti: Lego.
Concludo con un appello: abbiate il coraggio di mettere in discussione ciò che viene venduto come una certezza data-driven, iniziate a provare ad agire data-informed. Scrivetemi una mail tra qualche mese per farmi sapere com’è andata, secondo me… mi ringrazierete 😉
