Zo nu en dan hoor je van big data of analytics projecten die spectaculair gefaald zijn. Vooral wanneer het grote overheidsprojecten zijn, hier in Nederland ook een bekende situatie, dan kan je er op rekenen dat critici ons komen vertellen dat we te afhankelijk zijn van computers en data. Zeker nu big data in de groei zit en door meer organisaties wordt ingezet, worden voorbeelden van falen maar al te graag ingezet als tegenargument van succesverhalen.

James Connolly schreef recentelijk een blog over sport analyses en iemand stelde hem de vraag hoe het kan dat wanneer een team analytics volledig omarmt heeft, ze toch nog zo slecht spelen. In een land met 17 miljoen voetbalcoaches en tv-analyses vaak twee keer zo lang als de wedstrijd gooien we het maar gewoon op tafel: analytics zijn geen oplossing voor stomheid.

Iedereen kent wel managers met weinig talent onder zich, fantastische talenten met verschrikkelijke managers en fantastische talenten met fantastische managers in verschrikkelijke organisaties. Analytics kan waardevolle inzichten geven die helpen om beslissingen te maken, door een zwak punt op te merken of de meest waardevolle opties te tonen, maar data kan geen beslissing voor ons maken.

Het klinkt misschien hard om in deze context over stomheid te praten, maar als je in Google zoekt op ‘cure stupidity’ dan besef je dat stomheid altijd overal om ons heen is. Dit is altijd al zo geweest, en dit zal altijd zo blijven.

Zo zei Albert Einstein: “Slechts twee dingen zijn oneindig, het universum en menselijke stomheid, en dat eerste ben ik niet zeker over. Frank Zappa werd filosofisch: “Sommige wetenschappers zeggen dat waterstof, in al zijn overvloed, de bouwblokken van het universum zijn. Ik ben het daar niet meer eens. Mijns inziens is er meer stomheid dan waterstof, en dat zijn de meeste basic bouwblokken van het universum.” Zelfs Martin Luther King Jr. wist: “Niets in de hele wereld is gevarlijker dan goedbedoelde onwetendheid en bewuste stomheid.”

Data analyse gaat over het vinden van feiten. Wat we met die feiten doen is vergelijkbaar met elk ander gereedschap. Ik heb een prachtige gereedschapskist in de schuur liggen, maar dat maakt van mij nog geen timmerman. De beste potten en pannen maken van mij geen meesterkok. Het beste toetsenbord maakt van mij nog geen goede schrijver. Ach, dat laatste kan ik nog over dromen.

Een manager die een rapport krijgt waaruit blijkt dat de data laat zien dat hij meer verkopers nodig heeft, kan die data niet de schuld geven als hij slechte verkopers aanneemt. Een andere manager negeert misschien de stukken van een rapport die niet overeenkomen met zijn vooringenomen vooroordelen. En er zijn ook genoeg managers die data blind volgen zonder deze te testen op waarde en schaalbaarheid.

Dit is menselijk falen dat er toe kan leiden dat we data de schuld geven terwijl, in feite, het de fouten zijn die door mensen gemaakt worden. Het gaat niet om de data, het gaat vaak om mensen die niet weten hoe ze er mee om moeten gaan. Misschien zijn het echt mensen die de kennis en vaardigheden niet bezitten, maar misschien is het ook een kwestie van een hopeloos product. Maar uiteindelijk is het een mens die er voor kiest data op een bepaalde manier toe te passen.

Dus iedere keer dat we het ene bedrijf na het andere, de ene organisatie na de andere, zien om aan de slag te gaan met big data analyse strategiën, kunnen we slechts hopen dat goede data niet in handen valt van slechte managers. Sommige van deze projecten zullen grots falen. Sommigen zullen tot middelmatigheid stijgen. Sommigen zullen recht in de kruising gaan, al is dat misschien inmiddels te laat voor de teleurgestelde sportfans. Maar aan het eind van de dag worden zaken nog steeds gedaan door faalbare mensen. In ieder geval vandaag nog.