Signal/Noise – это еженедельная коллекция статей и эссе с комментариями, которые мы считаем достойными вашего внимания.
Вызов цифровой культуры: преодоление разрыва между работниками и лидерами
В наших беседах о лидерстве мы указывали на растущий разрыв между руководством и сотрудниками во многих компаниях, когда дело доходит до оценки цифровой трансформации. До сих пор наши доказательства были анекдотичными из интервью с сотрудниками нашей сети. Мы обычно резюмируем это как «одно гигантское закатывание глаз». Но теперь Capgemini выпустила исследование, в котором эти наблюдения оцениваются цифрами. И они даже хуже, чем ожидалось.
Ура, в других европейских странах еще хуже, чем в Германии. Но черт…
Цифры стоит изучить, потому что Capgemini попыталась разобраться в деталях и причинах этого разрыва между руководством и сотрудниками.
Это чертовски сокрушительное исследование и, я уверен, трудное чтение для любого менеджера, бросающее им вызов в том, насколько хорошо они работают как лидеры. Ключ, как указывает исследование, заключается в том, что вам нужны честные показатели того, как цифровая культура развивается внутри компании.
Читать Вызов цифровой культуры: устранение разрыва между работниками и лидерами
Человеко-ориентированное машинное обучение
Это отличный фреймворк от Google для разработки продуктов на основе машинного обучения, в котором основное внимание уделяется нескольким моментам, которые мы считаем довольно важными.
Итак, наша первая мысль заключается в том, что вам все еще нужно проделать всю ту тяжелую работу, которую вы всегда проделывали, чтобы найти человеческие потребности. Это все этнография, контекстуальные запросы, интервью, глубокое общение, опросы, чтение запросов в службу поддержки, анализ журналов и приближение к людям, чтобы выяснить, решаете ли вы проблему или решаете неустановленную потребность людей.
Как верно указано в статье, эта часть часто забывается в шумихе вокруг машинного обучения и обычно приводит к решению проблем, которых в лучшем случае ни у кого нет. В худшем случае это приводит к системам, наполненным предубеждениями, расизмом и дискриминацией.
Хотя системы машинного обучения обучаются на существующих наборах данных, они будут адаптироваться к новым входным данным способами, которые мы часто не можем предсказать до того, как они произойдут. Поэтому нам необходимо соответствующим образом адаптировать наши исследования пользователей и стратегии обратной связи. Это означает заблаговременное планирование производственного цикла для продольных, интенсивных, а также широкомасштабных совместных исследований.
Это фантастический пример того, что мы называем отзывчивыми инновациями, которые включают в процесс циклы обратной связи, которые намного шире, чем просто прямая обратная связь с пользователем.
Читать Машинное обучение, ориентированное на человека
Хотите применить эти идеи к своей команде или компании? Выйти на связь.
Хотите оставаться в курсе? Подписывайтесь на нашу новостную рассылку".
