Pourquoi les sondages nuisent à l'amélioration des affaires
0 0
Read Time:8 Minute, 20 Second


Standard Deviation 700 x 400 1

Je voulais intituler cet article : « Pourquoi les écarts types nuisent aux entreprises », mais la moitié des lecteurs potentiels ne dépasseraient pas ce titre pour cette phrase d’ouverture. Pas parce qu’ils ne penseraient pas que le contenu pourrait être intéressant. Parce que le terme écart-type crée de la terreur et de l’anxiété chez de nombreux hommes d’affaires.

Pour ces personnes – bien qu’elles réussissent, réussissent et sont des professionnels heureux aujourd’hui – l’écart type déclenche des souvenirs négatifs d’un cours de mathématiques à l’école. ‘Écart-type. Je ne le comprenais pas à l’époque, je ne l’aimais pas à l’époque, je ne le comprends toujours pas. Laissez-moi faire quelque chose, n’importe quoi d’autre, plutôt que de lire à ce sujet maintenant.

Pour ceux qui frémissent au terme, je devais trouver un moyen de le mettre sur la table. Bien qu’ils pensaient que c’était la dernière fois qu’ils entendraient parler de l’écart type lorsqu’ils auraient obtenu leur diplôme, en tant que cadres, dirigeants, gestionnaires et consultants à succès, toutes ces années, cela les a silencieusement blessés.

Un péché d’omission

L’écart type, ou le manque de considération pour celui-ci, cause des milliards de dollars de gaspillage. Des transformations imparfaites, des initiatives qui ne résolvent pas le problème initial et des carrières compromises. Ce dommage est dû à son omission dans le traitement des enquêtes simples et rapides menées lors de la prise de décisions importantes. Pensez aux stratégies, aux fusions, aux améliorations, aux transformations, aux innovations, etc. Les enquêtes qui génèrent leurs résultats sous forme de graphique à barres. Où vous regardez en haut pour voir les éléments avec la moyenne la plus élevée et en bas pour ceux avec la plus basse.

Le graphique à barres copié/collé dans le PowerPoint de sortie du rapport exécutif. Avec l’explication que les éléments du haut sont bons, mais ceux du bas sont mauvais et c’est là que le leadership doit agir. Action qui pourrait consister à revoir et réviser la stratégie de distribution de l’entreprise, à mettre à niveau le processus de planification de la succession, à remplacer le système informatique de gestion de la qualité. Des projets qui durent un an ou deux et coûtent quelques millions de dollars. Tout en prenant le temps de dizaines de collègues ou plus, avec toutes les perturbations commerciales associées.

La cause du blâme inutile

Lorsqu’ils sont conclus et déclarés terminés, les projets nés de cette erreur laissent les dirigeants incertains que les choses vont bien mieux. Vous entendez : « Peut-être que le projet n’avait pas suffisamment de gestion du changement, ou la gestion de projet aurait pu être plus forte. Ou, « Nous l’avons bien fait, mais les conditions ont changé depuis que nous avons commencé, donc probablement quelque chose d’autre est à l’origine du problème. »

Logique, souvent partiellement précis, rationalisant qui passe trop souvent à côté du problème source – le graphique à barres et l’idée « évidente » mais erronée que les choses du haut étaient bonnes et celles du bas étaient mauvaises et nécessitaient l’attention.

L’erreur invisible

La vérité était que le troisième élément du haut – qui semblait être ok – était en fait dans le pire état. Le graphique à barres vous induisait en erreur.

Comment? La réponse se trouve dans cet écart type caché sur la page des résultats de l’enquête. Pas facile à voir, pas quelque chose de très important à rechercher. Je ne comprends pas comment en profiter, une statistique pour les geeks de maths.

Voici un exemple simple pour illustrer comment l’omission provoque des erreurs de décision d’affaires.

Two OpinionsVous avez deux avis sur la performance d’une partie de l’entreprise. Vous devez conseiller au leadership d’investir dans l’amélioration de l’un ou l’autre :

  • Avis 1 : X fonctionne très bien.
  • Avis 2 : Y fonctionne très bien.

Imaginez que l’équipe de direction et les propriétaires de X et Y soient invités, via un sondage à deux questions, à être d’accord ou en désaccord avec chaque opinion sur une échelle de 1 à 5. Ils le font, et les résultats sont :

  • Avis 1 : Moyenne 3,4
  • Avis 2 : Moyenne 2,5

L’opinion 2, « Y ​​fonctionne très bien », n’a pas reçu de bonnes notes, nettement plus faibles que l’approbation que l’opinion 1 a reçue. Le choix évident ici est de dire : « X est considéré comme fonctionnant mieux que Y, nous devrions investir nos ressources les plus précieuses – temps, argent et attention de la direction – pour améliorer Y. »

Tort.

Moment d’écart type

Two Opinion ResponsesProtégez-nous les yeux avec nos doigts et jetez un coup d’œil d’une demi-seconde sur la page des résultats de l’enquête. Voir Opinion 1 a un écart type de 2,0 et Opinion 2 est de 0,5. Nous ne pouvons pas encore recommander aux dirigeants ce qu’ils devraient faire. Nous ne pouvons pas porter de jugement valide sur l’opinion 1 si X fonctionne bien. L’écart type de 2,0 sur les croyances des gens sur l’état de X signifie qu’il pourrait en effet être de 3,4. Mais cela pourrait aussi être de 4,5, encore plus élevé, et cela pourrait être de 1,5, encore pire que les 2,5 de Y.

Comment, quand les gens ont été interrogés et ont dit que c’était 3,4 ?

Lorsque vous regardez les réponses à chaque opinion, remarquez tout le monde était très proche de l’Opinion 2. Ils lui ont donné 2 ou 3. Mais avec l’Opinion 1, la plupart lui ont donné des 5 tandis que d’autres lui ont donné des 1. Des vues très différentes de X, en termes de « fonctionnement très bien ».

Qui a raison? Est-ce les 5 parce que les 1 ne savent pas à quel point c’est bon ? Ou est-ce les 1 parce que les 5 ne voient pas à quel point c’est mauvais ?

Trois différences

Des centaines de situations comme celle-ci, nous avons appris 35% du temps, les pôles opposés 1 et 5 au sein d’un groupe sont dus à des données différentes. Certaines personnes ont une expérience de X, ignorant que d’autres personnes ont une expérience très différente. Lorsque vous partagez ces expériences, vous entendez soit « Oh, c’est mieux que je ne le pensais ». Ou « Oh, c’est pire que je ne le pensais. » C’est une façon dont la moyenne de 3,4 devient une réalité tout à fait différente. Lorsque les données sont partagées, la valeur augmente ou diminue considérablement.

60% du temps, les réponses divergentes sont dues à des dictionnaires différents – sens des mots. Les dix répondants ont des significations différentes de « très bien ». En supposant qu’ils aient tous les mêmes données sur lesquelles travailler, la même expérience avec X et Y, certains pensent que cela fait que X fonctionne très bien, et d’autres que X ne fonctionne pas très bien. Chaque personne a une « norme de performance » différente.

(Rarement, moins de 5% du temps, différents moteurs ou motivations sont en jeu).

Réconcilier la différence

Lorsqu’une moyenne a un écart type important, ne tirez pas de conclusions inexactes de sa moyenne. Découvrez pourquoi les gens ont répondu comme ils l’ont fait. Leurs réponses vous diront que le désalignement était dû à des données différentes ou à des dictionnaires différents. Avec leur raisonnement, vous pouvez conclure en toute confiance : X fonctionne en effet très bien – les 1 sont d’accord et ont changé d’avis. Ou, X est assez pauvre – les 5 ont changé leur point de vue d’origine.

Dans le premier cas, où X est encore meilleur que la moyenne perçue de 3,4, l’action suggérée pour améliorer Y a plus de preuves pour indiquer qu’il s’agit du bon choix. Mais dans ce dernier cas, où le 3.4 est surestimé, il est clair que X devrait faire l’objet de l’amélioration, pas Y. Vous venez d’éviter de recommander la mauvaise action.

Cette faille cachée dans l’utilisation d’outils d’enquête omniprésents n’est pas détectée car les dirigeants à qui l’on présente le graphique à barres et les actions recommandées pensent que tout est logique. Ils sont à l’aise de prendre une décision fondée sur les données. (Quand, en fait, c’est une mauvaise décision basée sur les données.)

L’enquêteur croit qu’ils ont aidé les dirigeants et l’organisation à prendre une bonne décision et à emprunter la bonne voie – alors qu’ils ont fait le contraire.

De plus, ils ont déclenché la situation où leurs collègues de gestion de programme et de gestion du changement vont attraper un enfer dans des mois. Ils entendront au moins un dirigeant : « Nous avons étudié cela et avons proposé la bonne stratégie, mais vous ne l’avez pas exécutée avec succès. »

La performance de l’entreprise dépend beaucoup de l’exécution réussie, mais il n’est pas bon d’exécuter la mauvaise chose avec succès.

L’ajustement

Vous pouvez empêcher cette fuite de qualité de la science des données de corrompre discrètement les bonnes intentions des dirigeants, des managers, des consultants et des collègues. Prenez le temps de comprendre les grands écarts types. En règle générale, l’écart-type d’une opinion est grand lorsque l’écart type est supérieur à 20 % de la plage de réponse haute à basse. Grâce au raisonnement du répondant, réconciliez les réponses divergentes dans une note convenue pour ces opinions avant de créer le graphique à barres, de faire la comparaison et de recommander une action.

Standard Deviation Note 1 e1625108808910Si vous êtes familier et à l’aise avec l’écart type, voici son rôle dans la prise de décision managériale au sein d’une organisation.

Vous n’êtes pas familier et mal à l’aise avec l’écart type ? Si c’est le cas, vous n’avez pas besoin d’apprendre la formule ou comment la calculer. Veuillez accepter son impact sur la qualité de vos recommandations et le gain à long terme l’emportant sur l’effort à court terme pour le comprendre et le traiter.

(Si vous voulez savoir comment réconcilier un écart type important dans vos données d’enquête, il suffit de demander.)

PS Pour les mathématiciens, je me rends compte que c’est « l’écart type d’une distribution normale » et l’exemple Opinion 1 n’est pas normal. L’utilisation de l’écart type pour déclencher l’analyse recommandée reste valable, car la valeur élevée indique la possibilité d’un état réel avec une variation matérielle par rapport à la moyenne.

Average Rating

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%

Laisser un commentaire