Człowiek to nie dashboard. Gdzie data-driven leadership zaczyna szkodzić

Lubię dane. To ważne zastrzeżenie, bo ten tekst nie będzie manifestem pod tytułem „wyrzućmy KPI i zarządzajmy intuicją”.

Dobre dane potrafią bardzo poprawić jakość decyzji. Pokazują wzorce, których nie zauważamy, pomagają oddzielić przeczucie od faktu i pozwalają zobaczyć problem wcześniej. Problem zaczyna się dopiero wtedy, kiedy „data-driven” przestaje znaczyć „korzystam z danych, żeby lepiej rozumieć rzeczywistość”, a zaczyna oznaczać „to, czego nie mierzę, nie istnieje”.

Dashboard widzi sygnał. Nie zna historii.

Spada engagement. Rośnie rotacja. Utilization jest poniżej celu. Velocity zespołu spadło trzeci sprint z rzędu. Absencja wzrosła.

To są ważne informacje. Tylko żadna z nich nie zawiera automatycznie odpowiedzi na pytanie „dlaczego?”.

Spadek velocity może oznaczać trudniejszy zakres, dług techniczny, słabe wymagania albo konflikt, o którym nikt jeszcze nie mówi. Wzrost absencji może być przypadkiem, sezonem infekcji albo sygnałem przeciążenia. Rotacja mówi nam, że ludzie odchodzą. Nie pokazuje momentu, w którym ktoś emocjonalnie odszedł trzy miesiące przed złożeniem wypowiedzenia.

Dashboard bardzo dobrze pokazuje zmianę krzywej. Znacznie gorzej radzi sobie z tym, co wydarzyło się pomiędzy punktami.

Metryka jest reprezentacją, nie rzeczywistością

Engagement score nie jest zaangażowaniem. Liczba ticketów nie jest produktywnością. Godziny zaksięgowane do projektu nie są wartością. Liczba spotkań 1:1 nie jest jakością leadershipu. Presence in office nie jest współpracą.

Każda z tych liczb może być użyteczna. Każda jest jednak proxy — przybliżeniem czegoś większego.

Nie ma w tym nic złego, dopóki pamiętamy, co mierzymy naprawdę. Problem pojawia się, kiedy proxy zaczyna być traktowane jak pełna definicja zjawiska. Wtedy lider nie pyta już: „co się dzieje?”, tylko: „jak podnieść wynik?”.

To subtelna różnica. I czasem bardzo kosztowna.

Kiedy KPI staje się celem, ludzie uczą się optymalizować KPI

Jeśli utilization ma wynosić 90%, organizacja może bardzo skutecznie wyprodukować 90%. Pytanie brzmi, co jeszcze wyprodukuje po drodze.

Może mniej czasu na uczenie się. Mniej przestrzeni na pomaganie innym. Więcej rejestrowania godzin tam, gdzie najlepiej wyglądają. Mniej działań, które są ważne, ale nie mieszczą się w żadnym kodzie projektu.

Podobnie z liczbą ticketów, lead time, liczbą spotkań z klientem czy obecnością w biurze. Ludzie są bardzo dobrzy w dostosowywaniu zachowania do systemu, który ich ocenia. Jeśli więc wskaźnik staje się celem samym w sobie, możemy dostać dokładnie taki wynik, o jaki prosiliśmy — i zupełnie nie ten efekt, którego potrzebowaliśmy.

Data-driven leadership nie powinien znaczyć „zarządzam człowiekiem przez Excel”

Najlepsze wykorzystanie danych w leadershipie zaczyna się dla mnie wtedy, kiedy liczba uruchamia ciekawość.

„Widzę, że utilization spadł. Co się zmieniło?”

„W dwóch zespołach engagement wygląda zupełnie inaczej. Co jest inne w sposobie pracy?”

„Mamy więcej eskalacji. Czy to kwestia jakości, jasności decyzji, czy może tego, że ludzie boją się podjąć ryzyko bez akceptacji managera?”

Dane stają się wtedy wejściem do rozmowy, a nie jej substytutem.

To szczególnie ważne w pracy z ludźmi, bo wiele zjawisk, które naprawdę wpływają na wynik, pojawia się najpierw w formie jakościowej: ktoś przestaje zabierać głos, trudne tematy przenoszą się z meetingu na prywatny chat, jedna osoba zaczyna być wąskim gardłem, zespół przestaje kwestionować decyzje lidera.

Żadna z tych rzeczy nie musi od razu pojawić się na dashboardzie.

Nie wszystko, co ważne, musi od razu stać się KPI

Organizacje mają naturalny odruch: jeśli coś jest ważne, zmierzmy to. Jeśli jest naprawdę ważne, dodajmy target.

Tylko niektóre rzeczy tracą sens, kiedy próbujemy zamienić je w prosty wynik.

Psychological safety można badać i obserwować. Trudniej jest ją „dowieźć na 82%”. Jakość decyzji można analizować, ale liczba decyzji podjętych w tygodniu niewiele nam powie. Jakość rozmów 1:1 ma znaczenie, ale obowiązek odbycia czterech rozmów w miesiącu nie gwarantuje niczego poza czterema wpisami w kalendarzu.

Dojrzałość data-driven nie polega więc na tym, żeby mieć metrykę na wszystko. Polega również na umiejętności powiedzenia: tutaj dane są mocnym sygnałem, ale nie zastąpią osądu, kontekstu i rozmowy.

Dane są świetnym początkiem pytania

Być może najbardziej data-driven pytanie lidera nie brzmi: „jaki jest wynik?”, tylko: „co ten wynik naprawdę reprezentuje i czego jeszcze nie widzę?”.

To nie jest rezygnacja z mierzenia. To lepsze mierzenie.

Nie mniej analityczne, tylko bardziej świadome ograniczeń modelu.

Dane pomagają zobaczyć, że coś się dzieje. Człowiek pomaga zrozumieć, co to znaczy.

I właśnie dlatego człowiek nie jest dashboardem.

Jeśli pracujesz w środowisku, w którym decyzje, dane i odpowiedzialność spotykają się codziennie, Leadership Coaching może być miejscem na przyjrzenie się temu, co dzieje się pomiędzy metryką a decyzją.