otsustamist on nimetatud andmete põhjal (data-based decision making) või andmetest informeeritud otsustamiseks (data-informed decision making) (Haardörfer 2019), millele siinne peatükk keskendubki.
Andmete põhjal muutuste juhtimise ja otsustamise hädavajalikkuse näiteks on 2020. aasta kevade globaalne Covid-19 pandeemia, mis on nõudnud andmete kogumist, analüüsimist ja otsuste vastuvõtmist edasisteks tegevusteks ning pandeemia tõkestamiseks. Eri tüüpi andmeid (nt haiguse leviku, inimeste liikuvuse, kontaktide jm kohta) on kasutatud nii arengutrendide selgitamiseks, viiruse tõkestamiseks vajalike strateegiliste meetmete üle otsustamiseks kui ka edasiste majanduslike arengusuundade prognoosimiseks. Andmepõhine muutuste juhtimine tähendab selles kontekstis otsuseid, mida saab nimetatud etappides teha, tuginedes andmetele ja nende tõlgendustele, ning selleks kasutatavate meetodite kriitilist analüüsi. Mõnevõrra lihtsustatult võib öelda, et andmepõhine muutuste juhtimine koosneb reast andmepõhistest otsustest, mida tehakse kiiremini/möödaminnes või aeglaselt/kaalutledes.
Peatükk tutvustab andmepõhist muutuste juhtimist, kus organisatsiooniliselt ja poliitiliselt on seatud eesmärgiks uute väärtuste loomine andmete kaudu. Peatüki autorid selgitavad võimalusi, kuidas tuua eri tüüpi muutuste juhtimise strateegiatesse rohkem andmepõhisust, ning küsivad, milliseid institutsionaalseid, sotsiaalsete (võimu)suhete ja organisatsioonikultuuri muutusi on selleks vaja? Milline peaks olema andmeanalüütiku roll muutuste juhtimises? Kuidas teha andmete põhjal otsuseid poliitikakujundamises? Milliseid sotsiaalseid, poliitilisi ja eetilisi väärtuspõhimõtteid tuleb rakendada andmeanalüütilises töös?
1.1.2. Andmepõhiste otsustega seotud probleemid organisatsioonilises ja poliitilises juhtimises
Tutvustame selles peatükis probleeme, millega andmepõhiste otsuste tegemisel nii ettevõtetes, riigiasutustes kui ka vabaühendustes kokku puututakse ning kuidas andmeanalüütik saab aidata neid käsitleda. Andmete põhjal otsuste tegijad peavad arvestama nii võimalike kaasuvate üldiste positiivsete ja negatiivsete tagajärgedega (Obermeyer et al. 2019) kui ka nende tagajärgede põhjuste, näiteks andmete kallutatuse (Hargittai 2020) või andmepõhises otsustamises osaleva meeskonna kallutatuse (Gates et al. 2019) selgitamisega.
Arvutite toodetud andmekogumitest pärit teadmus muudab otsustamise eetikat (vt nt Lyotard 1979; vt ka ptk 1.4 ja alaptk 1.1.5). Mõistlik on leida n-ö inimtunnetuse ning puhtalt andmepõhise analüüsi ja järelduste vahel tasakaal; arvestatav osa andmepõhise juhtimise empiirilistest uuringutest ja teoreetilistest käsitlustest sellega praegu tegelebki. Läbikatsetamist vajab nii see, kuidas õppida inimeste kogemuspõhiste otsuste kõrval andmeid usaldama (Stubbs 2014), kui ka see, kuidas andmete poolt „esile kutsutud“ ja inimese kriitilise hinnanguta otsustest hoiduda. Ka andmete valdamises ollakse alles katsetuste faasis. Näiteks on loodud avatud valitsemise partnerluse programm ja osa spetsialiste on veendunud, et valitsussüsteemide toodetud andmete jagamine kasutajatega soodustab ühiskondade majanduslikku arengut (vt nt Helbig et al. 2012; Noda et al. 2019). Programmiga on alates selle loomisest 2011. aastal liitunud palju riike,11 kuid nüüdseks on selge, et maksumaksja raha eest valitsusasutuste kogutud andmetele avaliku ligipääsu võimaldamine üksi väärtust ei loo ja lisandväärtus saab tekkida ainult juhul, kui vabaühenduste ja ettevõtete eestvedajad on motiveeritud ja oskavad avaandmeid kasutada (Janssen et al. 2012).
Samuti eeldab valitsemise eesmärgil andmete kasutamine institutsionaalse usalduse teket ehk siis olukorda, kus indiviidid oma andmeid institutsioonidele usaldavad. Eestis on institutsionaalne usaldus ja teadlikkus, et institutsioonid kasutavad isikute andmeid, alles kujunemas (Männiste, Masso 2018). Juba mõnda aega on uurijad välja pakkunud avaandmetest lähtuvaid mõju uurimise ja hindamise käsitlusi (nt Jetzek et al. 2014). Kiirete ühiskondlike muutuste perioodil loovad avaandmed võimalusi ka lahenduste leidmiseks, näiteks sündmuste võimaliku kulu modelleerimiseks (vt ka ptk 2.3). Samas näitavad uuringud (Masso et al. 2020), et igapäevase koostegutsemise ning häkatonide käigus võivad avaliku ja erasfääri andmeanalüütikute ideaalid ja väärtused põrkuda.
Avatud valitsemise andmetele lisaks (vt ka ptk 1.3) tekib iga päev suurel hulgal struktureerimata ja mittekonventsionaalsetest allikatest pärit (sensorid, mobiiliandmed, (audio)visuaalsed kujutised, finantslogid, sotsiaalmeedia vestlused jm) andmeid. Nende tehnoloogilise töötlemise võimekuse tekkimine loob ka uued vajadused juhtimispädevuste järele. Uued tehnoloogiad võimaldavad reaalajas laekuvaid struktureerimata andmeid analüüsida n-ö otse, ilma neid vahepeal struktureerimata ja ladustamata. Selleks et sundida arvutit avastama olulisi seosemustreid, on vaja andmeteadlasi, kes oleksid muu hulgas kursis organisatsiooni toimimise ja keskkonnaga, sest ainult nii suudavad nad juhti toetada. Andmeteadlasi on praegu aga vähe ja seetõttu nimetatakse organisatsioone andmerikkaks, kuid oskusvaeseks (Pugna et al. 2018). Kiiranalüütika vahendite arengu tõttu on andmeanalüütika muutunud hädavajalikuks üldpädevuseks mitte ainult analüütikutele, vaid ka juhtidele ja teistele otsuste tegijatele. Oluline on mitte võimalikult paljude andmete analüüs, vaid kõige olulisemate andmete – äriorganisatsioonis näiteks kliendiga kokkupuutepunktide, konkurentsi ja turutingimuste – omavaheline suhestamine (Heymann 2018).
Seega tähendab andmepõhine otsustamine eeskätt võtmenäitajate määratlemist. Mõnikord tekib siin kinnine ring: organisatsioonid koormavad oma analüütilise võimekuse üle, püüdes strateegilisse otsustamisse haarata võimalikult palju tunnuseid, arutamata läbi, kas need on põhiliste eesmärkide seisukohalt olulised. Valikute tegemine ongi võimalik juhul, kui otsustajad teadvustavad endale, et andmed kannavad väärtust kindla vajaduse kontekstis. Infosüsteemid ei ole olemuselt neutraalsed, vaid tähendusloome protsess käib kaasas iga info(süsteemi)päringuga ning lähtub tegija taustateadmisest ja organisatsiooni kontekstist (Bednar, Green 2011). Kui andmeanalüütiku pädevus piirdub vaid tehnoloogiliste oskustega ega hõlma seoste loomise ja kontekstitunnetuse võimet ehk nn suure pildi nägemist, tekib organisatsioonis andmediktatuur (Pugna et al. 2018).
Andmeanalüütikute roll on seega üha tihedamalt seotud organisatsiooni ja tegevusvaldkonna teadmusloomega ning organisatsiooni juhtimisega. Andmepõhise otsustamise rakendamine nõuab organisatsioonikultuurilist muutust, puudutades kõiki organisatsiooni liikmeid ja partnereid. Järgnevates alapeatükkides käsitleme mõningaid põhimõtteid, millele muutuste juhtimise protsessides osalev andmeanalüütik saab vastavalt probleemi olemusele toetuda, et olla toeks organisatsiooni juhtidele ja kolleegidele.
1.1.3. Andmepõhise muutuste juhtimise põhimõtted
Andmete põhjal muutuste juhtimine on teinud läbi mitmed nihked. Järgnevalt leiavad käsitlemist kolm peamist andmepõhise muutuste juhtimise põhimõtet, mida siinse peatüki autorid nimetavad normatiivseks mobiliseerivaks, normatiivseks struktuurseks ja kaasavaks muutuseks.
1.1.3.1. NORMATIIVNE MOBILISEERIV MUUTUS
Üks tavapärasemaid olukordi on, et muutusi tuleb teha piiratud „mängumaal“ ehk olukorras, kus muutuse sisu või probleemi lahendus on juba teada ning organisatsiooni eestvedajate eesmärk on lahendust võimalikult hästi rakendada, inimesi eeskätt sõna jõul veendes ja motiveerides, kuid ilma institutsionaalsete ümberkorraldusteta, st organisatsiooni struktuur ja toimimise regulatsioonid jäävad samaks. Näiteks saab organisatsiooni sees inimesi mobiliseerida koolituste, konkursside ja parimate töötajate tunnustamise abil. Välistele sihtrühmadele suunatakse instrueerivad kampaaniad, kus soovitatakse mingit kindlat käitumisviisi soovitud mõju saavutamiseks (nt 60 minutit liikumist päevas aitab vältida rasvumist ja südame-veresoonkonnahaigusi). Andmeanalüüsi kaudu on sellises olukorras võimalik juhti ja teisi muutuse eestvedajaid toetada, tuues välja seosed tegevusi iseloomustavate andmete vahel ja luues mudeleid rakendusstsenaariumideks, näiteks kiiremaks ja aeglasemaks muutuseks (nt milline mõju on tervisele, kui liikuda 60 minutit päevas mõõduka aktiivsusega, võrreldes 30 minuti suure aktiivsusega liikumisega).
Analüüsid näitavad, et keskmiselt kolmandik organisatsioonilistest muutustest on edukad (Smith 2002; Beer, Nohria 2000). Kui näiteks uue tegevusstrateegia rakendamine organisatsioonis osutub 58% juhtudest edukaks, siis katsed organisatsioonikultuuri muuta on sama analüüsimetoodika