MENU
20. September 2017

Så blev magten psyko-politisk

Volkswagen – fra samfundsansvarlig konge til falsk profet

30. september 2015 Erhvervsfilosofi.dk # 4, 2015, årgang 1, Refleksion

Big Data kræver accept af falsk viden

Brug af Big Data er i kolossal vækst og tilskrives både store økonomiske og indsigtsfulde potentialer. Mange virksomhedsledere støder i den forbindelse på grundspørgsmål, som klæber sig til analyse af adfærds – og handlingsmønstre: Nemlig spørgsmålet om hvad er viden og hvordan kommer vi egentligt tættere på reelle adfærds- og handlingsmønstre med den øgede informationsadgang og brug?

Søgen efter viden på baggrund af informationer er ikke en ny opfindelse. Og blot fordi viden nu kan generes mere effektivt fra en skaleret informationsmængde og i øget hastighed må ledere, der iværksætter eller påtænker at starte et Big Data projekt, ikke lade sig forblinde af troen på, at sandheden findes i de store datasæt. For det kan vi ikke med sikkerhed vide, at den ikke gør. Men virksomheden kan tilnærme sig sandheden, sandsynliggøre den og øge chancerne for, at nye forretningsmodeller kan bygges på indsigten.  Viden er som grundregel defineret på bagrund af hvordan vi erkender verden og det er som bekendt et af filosofiens helt store spørgsmål. Erkendelsesteoriens kerneproblem er at undersøge, hvordan vi kender forskellen på det, vi ved, og det, vi tror vi ved. Det grundspørgsmål kan i en Big Data-verden oversættes til hvordan vi sikrer, at viden identificeret gennem dataanalyse rent faktisk afspejler en reel forretningsmulighed eller adfærd i markedet.

Det grundspørgsmål kan i en Big Data-verden oversættes til hvordan vi sikrer, at viden identificeret gennem dataanalyse rent faktisk afspejler en reel forretningsmulighed eller adfærd i markedet.

Når antallet af mulige sammenhænge i et datasæt eksploderer og indgå som struktur vil det samtidig også øge udfaldet af falske eller hypotetiske resultater, der måske nok logisk og rationelt kan give mening alene inden for datasættets rammer, men ikke empirisk kan forankres i virkeligheden og på markeder. Omvendt kan tillige man forestille sig empiriske observationer i markedet, der virker, men ikke logisk kan forklares gennem analyser fra datasæt. Bare spørg en ejendomsmægler om han eller hun kan vurdere liggetid og pris på din bolig. Svaret er ofte vævende, til trods for at branchen er en af de mest datakortlagte af alle. Årsagen er, at uanset hvor mange handler der kan analyseres, så udtrykker den ikke den specifikke fremtidige adfærd.

Black Swan teoriens fader, Professor Nassim N. Taleb fra New York University’s Polytechnic Institute, har været særdeles kritisk overfor naiv brug af Big Data analysemuligheder. Nassim N. Taleb har bl.a. udtalt, at: ”Hvis jeg genererer et sæt af 200 variabler – helt tilfældige og helt uafhængige af hinanden – med omkring 1.000 datapunkter for hver, så ville det være næsten umuligt ikke at finde et vist antal “betydelige” korrelationer af en slags.” Dermed beskriver han kerneudfordringen for virksomheder, der kaster sig ud i Big Data projekter: Sandheden defineres af den, der analyserer den og det er efter et gængs erhvervsøkonomisk rationale en mudret strategi at bygge forretningsplaner på. Markedet, virkeligheden eller den empiriske forankring af den nye indsigt mangler ganske enkelt.

Flere stukturer og mulige adfærdsidentificeringer vil vise sig, når man undersøger store mængder data – og det vil med garanti tillige skabe falsk viden

Big Data projekter kræver derfor, at virksomhedens ledere er parate til at acceptere, at også usand viden er en drivkraft i processen mod at søge nye indsigter. Med andre ord: Flere stukturer og mulige adfærdsidentificeringer vil vise sig, når man undersøger store mængder data – og det vil med garanti tillige skabe falsk viden, fordi viden ikke vil repræsentere andet end blot den teoretiske logik, der er lagt ind i søgemetodikken. Den har altså umiddelbar ingen empirisk gyldighed, hvilket som bekendt er markedslogikkens endelige grundvilkår.

Derfor må lederen acceptere usande sammenhænge i et konstruktivt lys og aktivt søge at modbevise nye forretningsmodeller baseret på fundene i Big Data. Den mulighed, at fravalg af strukturer – altså falsificerede mønstre i datasættene – netop er afgørende for at nærme sig nye opdagelser kræver, at virksomheden indarbejder falsificering som metodik, der driver ny viden. Og det er ikke en umiddelbar gængs erhvervsopfattelse, at udviklingsarbejde består i at modbevise iagttagelser og forretningsmodeller, som er bygget på sådanne analyser. Med mindre man anlægger det perspektiv som den tyske filosof Byung-Chul Han (læs anmeldelse her) udfolder, at Big Data åbner for en afkodning af et prærefleksivt niveau, der giver mulighed for at manipulere den empiriske forankring allerede inden den har manifesteret sig. Det er naturligvis en mulighed og måske det vi ser indenfor nye såkaldte disruptive markedsaktører.

Det kræver et ledelsesmæssigt mod at argumentere for usandheder eller prærefleksive manipuleringer, idet det er yderst sjælendt, at virksomheder proaktivt udvikler falske forretningsmodeller, eller konsekvent arbejder på at modbevise egne antagelser om nye projekter og planer. Et sådan gendrivelsesprojekt strider imod intuitiv ledelseslogik. Ledere bruger som udgangspunkt ikke ressourcer på at søge efter usandheder og det kan være en besværlig argumentation i bestyrelseslokalet at finde mandat til at modbevise egen grundantagelser eller hævde adgang til præ-refleksive universer.

Men det er netop hvad produktion af ny viden også handler om. Brugen af Big Data giver erhvervslivet en faretruende (eller enestående) muligheder for at arbejde langt mere dynamisk manipulerende med at finde nye forretningsmodeller og adfærdslogikker, hvis de anerkender at den store mængde data, gennem konstant søgen efter at falsificere den viden de har kendskab til, generer opdagelser som kan forme virkeligheden – enten gennem at komme tættere på sandheden eller ved at appellere til præ-refleksive sammenhænge.

I så fald vil antagelser som fx ”proof of concept” ikke længere være en entydig bevisførelse for en sund forretningsmodel

I så fald vil antagelser som fx ”proof of concept” ikke længere være en entydig bevisførelse for en sund forretningsmodel. For en sådan erfaringsbaseret viden, vil med Big Data falde til jorden, fordi erfaringsspor nok kan vise mønstre, men ikke garantere validiteten fremafrettet – og slet ikke når kolossale datamængder undersøges i et meget opskruet tempo. Netop derfor er det afgørende også at fremføre hvad der modbeviser nyopdaget viden – eller i det mindste kunne præsentere usande opdagelser på vejen mod den position, der danner grundlaget for en beslutning.

Som modernitets-filosoffer af den positive slags – fx Lyotard – har bemærket er det moderne menneske (læs: forbruger) fri af religiøse, moralske og ideologiske bindinger og kan frit vælge sig selv ind i fremtiden. Og denne oase af uafhængige variable adfærdsmuligheder – som Big Data analytikere formentlig vil kunne kortlægge i nogen grad – øger betragteligt risikoen for, at de mange variable sammenhænge rummer meget få data (lidt viden) per variabel. Det skaber – i en Big Data optik – en eksplosion i mulige falske relationer, der ikke nødvendigvis er udtryk for adfærd eller tendens. Med andre ord: Big data betyder mere information, men det betyder samtidig også markant flere falske sammenhænge. Muligheden, eller nok nærmere risikoen, for at tilgå en problemstilling, et nyt marked eller kundegruppe på baggrund af adfærd, der slet ikke eksisterer uden for det anvendte datasæt, er overvejende stor. Det er nemt at finde en nål i en høstak, når man både har power og mange informationer til rådighed. Problemet er ”blot”, at høstakken er uendelig stor og nu fyldt af egenproducerede nåle i forskellig størrelser og den fremtidige bevisførelse findes endnu ikke.

Mange data giver, alt andet lige, flere sammenhænge og dermed får relativismen kronede dage, når forretningsanalytikere finder de sammenhænge, som de netop ønsker. Det kan let slynge perspektiverne og årsagsforklaringerne ud i det store mørke uvisse data-verdensrum, hvor al sandhed kan identificeres. Der er ingen tvivl om, at Big Data analyse kan producere indsigt, men ofte afslører det ikke hele historien om forbrugernes adfærd. Det er, ifølge gængs adfærdspsykologi, meget svært at forstå, hvad, der driver handlinger uden også at gøre brug af kvalitative værktøjer som fx ekspertudtalelser og almene erfaringer.

Det er netop gode betingelser for dyrkelsen af parallelle handlingsmønstre – epifænomen – ud fra devisen: Jeg ved, at du ved, at jeg ved…osv.

Den britiske sociolog Antony Giddens hævder fx, at moderniteten er præget af en institutionel refleksivitet, som underminerer traditionelle vaner og skikke – vi kan som erhvervsledere altså ikke være sikre på, at vores kunders kulturelle digitale aflejringer er bevæggrunde for deres handlinger. Institutionerne er under global påvirkning og samspillet skaber såvel forandringer i de samfundsmæssige institutioner som i hverdagsliv, personlighed, identitet og relationer. Som følge heraf bliver forbrugerens identitet et refleksivt projekt, som består i at opretholde sammenhænge, men også som konstant reviderede biografiske fortællinger – altså en positiv moderne, og ikke mindst, dynamisk selvbiografi. De svækkede traditioner tvinger individerne til at træffe egne valg af livsstil, og disse valg bliver stadig vigtigere i opretholdelsen af selvidentitet. Individerne eller forbrugerene er – sagt i en erhvervsfilosofisk retorik – flygtige men bevidste om egne (data)spor, og at disse spor vil betyde noget for andre. Det er netop gode betingelser for dyrkelsen af parallelle handlingsmønstre – epifænomen – ud fra devisen: ”Jeg ved, at du ved, at jeg ved…osv.” Det er det, virksomheden skal sørge for medregnes i beslutninger eller i det mindste tage højde for i sine overvejelser om hvad ”den nye Big Data drevne viden” egentlig er udtryk for.

Afgørende er det, at virksomheden ikke stopper jagten, når en ny opdagelse er gjort, men fortsætter med at benytte Big Data til at gendrive opdagelsen og acceptere, at den kun er et skridt på vejen mod en mere sand opdagelse. Den nye viden må i sig selv være genstand for en gendrivelse, hvis virksomheden skal benytte Big Data på en dynamisk facon.

Ny sand viden opstår ikke nødvendigvis som følge af en række kalkulerede handlinger med hank i profitmaksimering, og nye opdagelser i adfærdsmønstre kan åbenlyst også være funderet i andre præmisser end vanlig profit. Så selv om profit er rationalet, virksomhederne typisk vil anlægge i sin søgen, må virksomheder også åbne sig mod helt nye uvante logikker end hvad der er normalt for en virksomhed at spekulere i. I den sammenhæng skal virksomheden indtænke en gendrivelses metodik. Når virksomheden har identificeret en viden, den mener den kan benytte, må beslutningerne, der følger inkorporeres i en gendrivelses form, der igen tager højde for endnu flere mulige sammenhænge.

For at læse artiklen skal du logge ind eller oprette dig!

Kontakt os på 60216085 for et BUSINESS abonnement.

eller

INTRO

   

Tags: ,

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *