Ali doba podatkov pomeni tudi dobo boljših odločitev?

Živimo v dobi podatkov, kjer nam neomejen dostop do informacij omogoča bolj informirano in s tem na podatkih utemeljeno in racionalnejše odločanje na vseh ravneh – od posameznikov, ki se odločamo o počitnicah, izbiri zavarovanja ali nakupu najboljšega sesalnika, do podjetij, ki razvijajo nove produkte in proučujejo konkurenco, ter od mnenja potrošnikov o izdelkih do države, ki poskuša oblikovati ukrepe tako, da bo dosegla želene učinke, pri čemer se lahko opre na podatke in jih uporabi za različne simulacije.

Podatki so kapital ...

Podatki so danes lahko kapital, ki ustvarja, ohranja in krepi konkurenčne prednosti, na kar je opozorila literatura s področja neotipljivega kapitala, ki v to kategorijo uvršča tudi »digitalizirane informacije«. V slednje sodi poleg podatkovnih baz še ustrezna programska oprema za obdelovanje in uporabo teh podatkov (Corrado et al., 2009). Prispevek »digitaliziranih informacij« k rasti produktivnosti v ZDA v obdobju 1990–2006 ocenjujejo na 0,18 odstotne točke od skupne rasti 2,96 odstotka na leto, na Danskem pa na 0,29 odstotne točke pri 2,11-odstotni rasti produktivnosti. Za primerjavo, kapital, ki ni vezan na rabo IKT, je prispeval 0,34 odstotne točke (van Ark et al., 2009). Podatki torej lahko precej vplivajo na uspešnost podjetij, pri čemer pa je pomembno, da se poleg prednosti zavedamo tudi izzivov in oblikujemo optimalno strategijo dela s podatki.

... a le, če so ustrezni in jih ustrezno uporabljamo

Tjaša Redek, ekonomska fakulteta Foto Osebni Arhiv

Podatkovno utemeljeno odločanje (data-driven decision-making) je bilo v literaturi deležno precej pozornosti. Podatki postajajo čedalje bolj pomemben dejavnik uspeha podjetja, a je kot pri vseh drugih produkcijskih dejavnikih pomembno, da uporabimo za nas relevantne podatke, da jih uporabimo ustrezno in da so vhodni podatki kakovostni.

Princip GIGO ali kakovost kot prvi pomemben kriterij

V skladu z znano kratico GIGO (angl. garbage in, garbage out) so rezultati analize podatkov lahko dobri le toliko, kolikor so dobri vhodni podatki. Uradna statistika zato izjemno pozornost namenja kakovosti podatkov, ki naj bodo točni in zanesljivi, relevantni, pravočasni, primerljivi, skladni, dostopni in jasni. Takšni podatki lahko nastajajo le v ustreznem (institucionalnem) okolju in s pomočjo ustrezne metodologije.

Do podatkov moramo biti tudi kritični, zlasti do tistih, ki jih je mogoče čedalje več najti na spletu ali ki jih zberemo sami. Zato je treba dvigniti raven statistične pismenosti v slovenski družbi in s tem zagotoviti pravilno razumevanje statističnih podatkov, ki so močno vpeti v naše vsakodnevno življenje.

Za dobre odločitve potrebujemo dobro definirana vprašanja in prave podatke

Kakovost podatkov pa ni dovolj. Luca in Edmondson (2024) sta v članku Decision Making and Problem Solving: Where Data-Driven Decision-Making Can Go Wrong opozorila na nekaj potencialnih izzivov pri opiranju na podatke. Čeprav podjetja in organizacije danes vlagajo ogromno v zbiranje in analizo podatkov, same številke še ne zagotavljajo nujno tudi dobrih odločitev. Uspeh je odvisen tudi od interpretacije, ne le od količine podatkov. Prav tako je treba jasno opredeliti problem, kaj pravzaprav hočemo izvedeti, in se nato vprašati, ali razpoložljive spremenljivke oz. podatki omogočajo, da temeljito preučimo in odgovorimo na postavljena vprašanja. Priporočilo avtorjev je, naj takšno ciljano analizo vodijo vprašanja, in ne zgolj »masa podatkov«, ki je lahko seveda tudi zanimiva in pomembna za rudarjenje, spoznavanje vzorcev.

Martin Bajželj, Surs. Foto Osebni Arhiv

Ali je dojenčkov res več tam, kjer je več štorkelj?

Avtorja opozarjata tudi na tipične pasti analize. Korelacija še ne pomeni vzročno-posledične povezave. Med številom štorkelj in številom dojenčkov v evropskih regijah lahko namreč res odkrijemo celo statistično visoko značilno povezavo, kot v reviji Poučevanje statistike opozarja Matthews (2000), vendar pa ta povezava nikakor ne pomeni tudi vzročne povezave. Tudi v poslovni ali drugih analizah nas slabo poznavanje ozadja ali zgolj rudarjenje po podatkih brez jasnega vprašanja in ozadja lahko zavede in pripelje do slabih ali napačnih sklepov.

Ena lastovka še ne prinese pomladi ali zakaj sta velikost vzorca in reprezentativnost pomembni

Luca in Edmondson nadalje opozarjata tudi na nagnjenost k hitrim sklepom, ki jih najdemo morda v pristranskih ali premajhnih vzorcih, pa se nam zdijo smiselni, ker potrdijo naša pričakovanja, ki temeljijo na izkušnjah. Tudi ti sklepi so lahko čisto napačni, sajv obeh primerih nastanejo na majhni skupini, ki ni reprezentativna. Na primer, ob uvedbi evra v posameznih državah so prebivalci zaznavali višji porast cen od uradno izmerjenega. Naslednja nevarnost preži v opiranju zgolj na razpoložljive podatke in merjenju tega, kar pač imamo na voljo. Če spremljamo samo priliv novih kupcev na kratek rok, je to lahko posledica številnih dejavnikov. Vsekakor gre za pomemben podatek. Vendar pa je pomembno tudi to, da podjetja spremljajo kakovost produktov, zadovoljstvo kupcev in druge dimenzije ter s pomočjo vseh pomembnih dimenzij oblikujejo ustrezne sklepe.

Vloga sodelovanja v podjetju ali podatkovna analiza kot ekipni šport

Mojca Bavdaž, Ekonomska fakulteta Foto Sašo Kos

Kesari (2025) opozarja še na človeški faktor in organizacijsko kulturo. Čeprav je podatkovna analitika trenutno izjemno popularna, ima več kot polovica podjetij po navedbah avtorja težave z vzpostavitvijo »podatkovno utemeljene organizacije«. Pomen informacij, ki izhajajo iz podatkov, morajo začutiti vsi, najprej vodstveni kader, potem pa še mnogi drugi. Pri tem sta pomembni tudi ustrezno opolnomočenje in usposabljanje. Luca in Edmondson (2024) bi k temu dodala še, da mora biti prisoten poudarek na dialogu in kulturi učenja. In da je podatkovno analizo treba razumeti kot ekipni šport: menedžerji in podatkovni analitiki morajo v odprtem dialogu spraševati, izzivati predpostavke in oblikovati hipoteze. Taka kultura »hiti počasi«, kot pravita, omogoča hitrejše, bolj premišljene odločitve in napredek na podlagi novih podatkov.

Več kot milijarda kakovostnih podatkov na spletni strani statističnega urada, v ozadju pa podatkovno bogastvo

Slovenija ima zaradi bogate registrske tradicije in temeljev odlične podatkovne vire, ki omogočajo vpogled globoko v temelje slovenske družbe in gospodarstva ter primerjavo z drugimi državami EU in širše. Statistični urad Republike Slovenije (Surs) je osrednja institucija, ki zbira, obdeluje in objavlja podatke, ki morajo v prvi vrsti izpolnjevati vse kriterije kakovosti. Surs za zagotavljanje svojega servisa črpa podatke iz približno 200 administrativnih in drugih virov podatkov, poleg tega v njihovih raziskovanjih v enem letu sodeluje več kot 60.000 podjetij ter prav toliko oseb, gospodinjstev in kmetijskih gospodarstev. Na drugi strani uporabnikom vsako leto ponudi 750 objav rezultatov raziskovanj, s katerimi se polni tudi javno dostopna podatkovna baza SiStat, v kateri je vsakomur na voljo že več kot milijarda podatkov. Poseben poudarek namenjajo sodelovanju z raziskovalno skupnostjo, saj ta s svojim delom in znanjem pomembno prispeva k razvoju statistike, boljši metodologiji in boljši interpretaciji. Krepitev sodelovanja neposredno odraža povečanje števila uporabnikov, ki dostopajo do podatkov za raziskovalni namen, in sicer s 106 v letu 2020 na 162 v letu 2024.

Poleg Statističnega urada se zbirajo podatki tudi v številnih drugih institucijah, kot so Nacionalni inštitut za javno zdravje, Banka Slovenije, Finančna uprava Republike Slovenije, Zavod za zdravstveno zavarovanje Republike Slovenije, Državni izpitni center in mnoge druge. Podatki predstavljajo dragocen vir, ki odločevalcem omogoča globlje razumevanje izzivov in sprejemanje odločitev, ki lahko bolj učinkovito naslavljajo težave in s tem prispevajo k povečanju blaginje.

Gradnja podatkovne kulture tudi na ravni države in skrb za uporabo podatkov za dvig blaginje

Statistični urad Republike Slovenije raziskovalcem in raziskovalnim institucijam omogoča za raziskovalni namen analizo različnih podatkovnih zbirk, ki predstavljajo izjemno bogastvo značilnosti in zakonitosti delovanja slovenskega gospodarstva in družbe. Nekaj izsledkov sodelovanja vedno predstavijo tudi na Statističnem dnevu z raziskovalci, ki bo letos 4. junija na Ekonomski fakulteti v Ljubljani. Pet zanimivih prispevkov bo, recimo, odgovarjalo na vprašanja, ali znanje v današnji družbi res kaj šteje oziroma ali točke na maturi lahko napovejo karierni uspeh posameznika. Kakšno je stanje prevozne revščine v Sloveniji in kakšne so napovedi za naprej. Transport pa ni edini velik strošek gospodinjstev, ob spremembah na globalnih trgih in z zelenim prehodom je čedalje bolj pomembna tudi poraba energije, saj je gospodinjstva porabijo kar petino celotne. In rezultati kažejo, da imamo doma precej potenciala za varčevanje. Za to bo morda treba investirati v bolj varčne naprave, ali si jih bomo na primer lahko privoščili, pa bodo s pomočjo uradnih podatkovnih baz analizirali Urad RS za makroekonomske analize in razvoj in druge institucije, ki jim podatki pomenijo pomembno osnovo za oblikovanje predlogov ukrepov, in to z ustrezno metodologijo. Ker je podatkov vedno več in so vedno bolj ažurni, se počasi bližamo točki, ko marsikaj lahko spremljamo v realnem času. Ali bomo znali kmalu dovolj dobro s pomočjo indikatorjev v realnem času napovedati tudi dogajanje v Sloveniji? Temu namenjajo veliko pozornosti metodologi statističnih uradov in raziskovalci.

Ko mora imeti zdrava kmečka pamet trdne podatkovne temelje

Na vse to in še mnogo več lahko odgovarjamo s pomočjo kakovostnih podatkov, ki jih v Sloveniji zagotavljajo številne institucije, najprej pa seveda Statistični urad. Umetna inteligenca bo zagotovo prinesla spremembe tudi na področju analitike, simulacij in podatkov, kar je pomembno za doseganje večje blaginje. V isti sapi je treba podatkovni napredek uporabiti za odmik od hitro rastočega populizma in sklepanja na podlagi vrste slabih ali celo lažnih podatkov. Ni vse zlato, kar se sveti.

Prof. dr. Tjaša Redek, Univerza v Ljubljani, Ekonomska fakulteta
Izred. prof. dr. Mojca Bavdaž, Univerza v Ljubljani, Ekonomska fakulteta
Martin Bajželj, Surs