Adatminőség és a GIGO-elv: mikor ne higgy a számnak

Csütörtök reggel, havi kereskedelmi áttekintés. Eszter, a Hotel Peaqplus City marketing managere egy számra bök a riporton: „A corporate (céges, szerződéses) szegmensünk gyengélkedik. Az átlagár ott csak 95 EUR — alig több, mint a leisure. Talán tolni kéne egy céges akciót, hogy felpörgessük.” Logikusnak hangzik: a szám alacsony, tegyünk ellene.

Ádám, a general manager egy pillanatra megáll. Az elmúlt hetekben a saját szemével látta, hogy a céges vendégek a legdrágább szobákat viszik, teljes áron. „Furcsa. Az én érzésem szerint a corporate a legerősebb, amink van. Ez a 95 nem stimmel. Nézzük meg, mi van mögötte, mielőtt bármit csinálunk.”

Ez a lecke a legfontosabb adatvezérelt önvédelemről szól: arról, hogy egy szám csak annyit ér, amennyit az adat mögötte. A vezetőnek nem az a dolga, hogy mindent elhiggyen, ami riporton van — de az sem, hogy semmit. A helyes magatartás az egészséges szkepszis: tudni, mikor megbízható egy szám, mikor nem, és mit kell tenni, ha nem az.

GIGO: szemét be, szemét ki

Az informatika egy régi, kíméletlen mondása: GIGO — garbage in, garbage out, azaz szemét be, szemét ki. Bármilyen okos a rendszer, bármilyen szép a dashboard, ha rossz adatot kap, rossz eredményt ad — csak épp magabiztos, jól formázott, meggyőző csomagolásban. A hibás szám nem néz ki hibásnak. Pontosan úgy fest, mint a helyes: van tizedesjegye, ott a pénznem, szép a betűtípus. Ettől veszélyes.

A vezetőnek ezért nem elég olvasnia a számot — tudnia kell kételkedni benne a megfelelő pillanatban. Nem paranoiából, hanem mert egyetlen rossz adat egy egész döntést a rossz irányba fordíthat, ahogy Eszter céges akciója is majdnem tette.

Az átlag-csapda

A leggyakoribb és legalattomosabb torzítás az átlag-csapda. Az átlag egyetlen számba sűrít sok különböző dolgot — és ha a „sok különböző dolog” valójában két teljesen eltérő csoport, az átlag egyikről sem mond igazat. Éppen ez történt a corporate 95 EUR-jával. Bontsuk ki.

Kiderül, hogy a corporate szegmensbe véletlenül belekönyveltek egy légiszemélyzeti (crew) allotmentet (előre lekötött szobakeret) — egy mélyen diszkontált, statikus áras keretet, amelynek semmi köze a valódi céges üzlethez, csak a rögzítéskor rossz szegmensbe került. Nézzük, mit tesz ez az átlaggal Hotel Peaqplus City egy havi adatán:

A riport 95 EUR-t mutat — matematikailag tökéletesen helyesen: 28 500 / 300 = 95. Csakhogy ez az átlag egyetlen valós vendégről sem szól. A valódi céges üzlet átlagára nem 95, hanem:

25 000 / 200 = 125 EUR

A crew-keret pedig 35 EUR. A kettő között nincs semmi — nincs egyetlen olyan vendég sem, aki 95-öt fizetett volna. A 95 egy kitalált középpont két, egymáshoz semmi köze halmaz között. Ha Eszter erre a 95-re indít céges akciót, akkor az árat leverő akcióval a valóban erős, 125 eurós szegmenst rontja el — egy olyan probléma miatt, ami nem is létezik. A hiba nem a corporate üzletben van, hanem a könyvelésben: egy rossz szegmenshez rendelt tétel.

A többi tipikus torzítás

Az átlag-csapda a leggyakoribb, de nem az egyetlen eset, amikor a szám hazudik. Négy másik, amit a vezetőnek érdemes felismernie.

Rossz szegmentálás. Ha a walk-in (előfoglalás nélkül beeső vendég) a corporate közé kerül, vagy egy OTA-foglalás (online utazási iroda) direktnek számít, akkor minden szegmens-alapú döntés torz alapon áll. A szám stimmel, csak nem azt méri, amit gondolunk.

Hiányos vagy késve rögzített PMS-adat. Ha a foglalások nem valós időben, hanem csúszva kerülnek be a PMS-be (property management system — szállodai rendszer, itt a Sabeeapp), akkor a mai pace hamisnak tűnhet: úgy néz ki, lemaradásban vagyunk, holott csak a rögzítés késik. Egy forecast (előrejelzés), amely ilyen hiányos pickup-adatból (foglalás-felvétel) épül, magabiztosan téved — a szám precíz, az alapja lyukas.

Túl kis minta. „Az új Junior Suite csomag konvertál — három foglalás jött rá!” Három foglalásból nem lehet trendet olvasni. A kis mintán a véletlen zajt könnyű valódi mintázatnak nézni, és egy szerencsés hétből tartós igazságot csinálni.

Félrevezető viszonyítás. „Tavalyhoz képest +20% a bevétel!” — de tavaly ilyenkor egy felújítás miatt fél ház zárva volt. A szám igaz, az összevetés hamis. Mindig az a kérdés: mihez mérünk, és összemérhető-e egyáltalán a kettő.

Egészséges szkepszis — de nem adat-tagadás

Itt jön a lecke kényes egyensúlya. A veszély kétirányú. Az egyik véglet a naiv hívő, aki mindent elfogad, ami riporton van, és a 95-re akciót indít. A másik a cinikus tagadó, aki az első furcsa szám után legyint: „úgyis rossz a rendszer, hagyjuk, döntsünk megérzésből”. Ez éppolyan rossz — sőt rosszabb, mert így visszatér az 1. leckében tárgyalt megérzés-vezérelt működéshez, csak most az „adat úgyis megbízhatatlan” álruhájában.

A helyes magatartás egyik sem. Az adatvezérelt vezető nem a számot dobja el, hanem a rossz adatot javíttatja ki. Amikor egy szám nem stimmel az üzleti valósággal, az nem ok a szám elvetésére — hanem jelzés, hogy valami az adat mögött hibás, és azt kell megkeresni. A cél nem a bizalmatlanság, hanem a nyomon követhető bizalom: hiszek a számnak, mert tudom, honnan jön, és tudom ellenőrizni.

Egy egyszerű reflex segít eldönteni, mikor kételkedj: ha egy szám ellentmond annak, amit a saját szemeddel látsz, ne dönts rá, amíg meg nem érted, miért. Eszter a 95-öt nézte; Ádám a valóságot, amit tapasztalt. Az eltérés nem azt jelentette, hogy egyikük téved — hanem hogy az adatban van egy elvarratlan szál. A jó vezető ilyenkor nem választ a szám és a megérzés között, hanem utánanéz.

Vissza a kereskedelmi áttekintéshez

Ádám nem söpri le Eszter javaslatát, és nem is fogadja el. Behívja Dánielt, a revenue managert: „Nézzük meg, mi ül a corporate szegmensben.” Öt perc, és megvan a crew-keret, ami rossz helyre került. Kimozgatják a saját szegmensébe — és a corporate valódi átlagára a helyére ugrik: 125 EUR.

Ettől a corporate üzlet nem lett jobb egy fillérrel sem; végig 125 EUR volt, csak a riport hazudott róla. De a döntés gyökeresen megváltozott. Eszter nem indít felesleges — sőt káros — céges akciót egy nem létező problémára. Sőt, most már látja, hogy a corporate a ház egyik legerősebb szegmense, és épp fordítva érdemes gondolkodni: nem lejjebb tolni, hanem védeni és bővíteni. Egy megjavított adat egy rossz döntést fordított jóvá — és nem az adatba vetett hitet ölte meg, hanem megerősítette, mert most már tudják, hogy a szám, ha tiszta, igazat mond.

Ez a GIGO-elv vezetői tanulsága. A rossz döntés nem attól születik, hogy van adatunk vagy nincs — hanem attól, hogy megbízunk-e egy számban anélkül, hogy tudnánk, mi van mögötte. A jó vezető nem hisz vakon, és nem is tagad vakon: kérdez, utánanéz, és a rossz adatot kijavíttatja — nem a jó döntést dobja el miatta.

A tiszta szegmentálás és az adathigiénia napi, gyakorlati fegyelmét a revenue manager, Dániel szemszögéből az RM Academy Szegmensek és piacok és Segmentáció mélyebben leckéi mutatják be.

Kulcsüzenetek

• GIGO — szemét be, szemét ki: a hibás adatból hibás szám lesz, csak magabiztos, jól formázott csomagolásban. A rossz szám nem néz ki rossznak — ettől veszélyes.
• Az átlag-csapda a leggyakoribb torzítás: egy 95 EUR-os „corporate átlag” mögött állhat egy erős, 125 eurós valódi üzlet és egy tévesen odakönyvelt 35 eurós crew-keret — és a 95-öt egyetlen valós vendég sem fizette.
• Ismerd fel a tipikus torzítókat: rossz szegmentálás, késve rögzített PMS-adat, túl kis minta, félrevezető viszonyítás. A szám lehet matematikailag helyes és üzletileg hamis egyszerre.
• A helyes magatartás az egészséges szkepszis, nem az adat-tagadás. A cinikus „úgyis rossz a rendszer” visszavisz a megérzés-vezérelt működéshez.
• Reflex: ha a szám ellentmond annak, amit látsz, nézz utána, mielőtt döntesz. A jó vezető nem a számot dobja el, hanem a rossz adatot javíttatja ki.