Mennesket bak tallene: En refleksjon

I sin artikkel «Why Human-Centered Data Analytics Matters More Than Ever» løfter Rashi Desai frem et paradoks i den moderne datatidsalderen: Til tross for massive investeringer i teknologi og kompetanse, mislykkes mange organisasjoner med å skape varig verdi. Denne refleksjonen tar for seg hvordan vi må flytte fokuset fra teknisk optimalisering til menneskelig forståelse for å tette dette gapet.

Fra "Hva" til "Hvorfor": Data som menneskelige spor

Desai argumenterer for at data ikke bør betraktes som objektive sannheter løsrevet fra virkeligheten. I stedet beskriver dem data som digitale spor av menneskelig atferd. Ved å skifte perspektivet fra «hva kan vi predikere?» til «hva trenger et menneske å forstå for å ta en bedre beslutning?», endrer vi hele premisset for analysearbeidet.

• Kontekst er avgjørende: Tall uten kontekst kan være misvisende. For å tolke innsikt riktig må vi forstå motivasjonene og de sosiale forholdene som ligger bak datapunktene.
• Brukeren i sentrum: Ifølge Desai bør målet med modeller og metrics være å støtte menneskelig dømmekraft og beslutningstaking, ikke kun å optimalisere for forretnings-KPI-er.

Prinsipper for en menneskesentrert tilnærming

Artikkelen beskriver flere praktiske prinsipper for hvordan en menneskesentrert tilnærming kan anvendes i analysearbeid. Nedenfor er et utvalg av disse, med fokus på brobygging mellom teknisk presisjon og faktisk bruk i praksis:

• Start med beslutningen: I stedet for å ta utgangspunkt i tilgjengelige metrics, bør analysearbeidet begynne med å avklare hvilke beslutninger mennesker faktisk skal ta basert på innsikten.
• Forståelse fremfor marginal nøyaktighet: Desai påpeker at modeller med høy presisjon ofte får begrenset effekt dersom de ikke er forståelige for ikke-tekniske brukere. Forklarbarhet og klar kommunikasjon er derfor avgjørende for tillit og adopsjon.
• Etikk som designbegrensning: Etiske vurderinger bør behandles som et grunnleggende designkrav tidlig i prosessen, ikke som en ettertanke eller ren compliance-øvelse.

Anerkjennelse av de blinde sonene

Et sentralt poeng hos Desai er behovet for å synliggjøre det dataene ikke fanger. Alle datasett har begrensninger, og dersom disse forblir implisitte, kan analyser forsterke skjevheter eller lede til urettferdige beslutninger. Spørsmål om hvem som gagner på en modell, hvem som kan bli negativt påvirket, og hvilke antakelser som ligger i dataene, bør derfor adresseres eksplisitt.

For å lykkes med dette perspektivskiftet understreker Desai at menneskelig forståelse og vurdering må fungere som kompasset som styrer den teknologiske kraften i analysearbeidet.

Konklusjon: Analyse som et levende system

Desai beskriver analyseprodukter som mer enn statiske rapporter eller ferdige leveranser. De bør forstås som levende systemer som evalueres over tid, basert på hvordan innsikt faktisk brukes – eller ignoreres – i organisasjonen. Fremtiden for dataanalyse handler derfor ikke om hvem som har mest data eller mest avanserte modeller, men om hvem som evner å designe analyse med empati, kontekst og ansvarlighet. Denne faglige refleksjonen er skrevet med inspirasjon fra Rashi Desais artikkel om behovet for en mer menneskesentrert tilnærming til dataanalyse.