Crowdsourcing von Ideen wird schnell zum Standardverfahren bei Unternehmensinnovationen. Die Vielfalt an Ideen und Beiträgen, die große Gruppen von Menschen liefern können, macht Innovationsprogramme flexibler und berechenbarer. Das macht das Sammeln und Auswählen von Ideen schneller und fruchtbarer, lässt aber die finanziellen Auswirkungen außen vor. Es hat sich jedoch herausgestellt, dass die Crowd nicht nur gute Ideen hat, sondern auch den Wert von Ideen mit verblüffender Genauigkeit vorhersagen kann.
Wie die Crowd Ergebnisse genau vorhersagt
Die Forschung über die Genauigkeit von Crowd-Prognosen ist lang und manchmal etwas ungewöhnlich. Die Grundlage der Frage ist jedoch immer ziemlich ähnlich. Wenn Sie einer großen Gruppe von Menschen eine quantifizierbare Frage stellen, wird deren Antwort dann häufiger zutreffen als die eines einzelnen Experten? Die kurze Antwort: Ja, immer.
Eines der frühesten - und ungewöhnlichsten - Beispiele für den Nachweis der "Weisheit der Massen" war eine Studie, die Francis Galton in 1906 auf einer Viehmesse durchführte. Er bat eine Gruppe von Leuten, das Gewicht eines Ochsen zu erraten, der zur Versteigerung stand. Galton erhielt 800 Schätzungen aus der Menge und stellte fest, dass der Durchschnitt ihrer Antworten nur 0,8 Prozent vom tatsächlichen Gewicht abwich. Dieser Crowdsourced-Durchschnitt war nicht nur sehr nahe dran, sondern sogar besser als der eines einzelnen oder singulären Experten.
Kürzlich führte der Credit Suisse Stratege Michael Mauboussin an der Columbia Business School ähnliche Experimente durch, bei denen er das Publikum lediglich bat, die Anzahl der Geleebohnen in einem Glas zu erraten. In seinen Experimenten bewies er, dass Menschenmengen von ausreichender Größe, Vielfalt und Intelligenz immer bessere Vorhersagen machen als der Einzelne. Nicht manchmal -immer.
Was macht eine gute Menschenmenge aus?
Es gibt vier Eigenschaften, die ein "intelligentes" Publikum ausmachen. Erstens muss die Menge vielfältig sein, d.h. jede Person sollte ihre eigene Meinung haben. Zweitens muss der Einzelne ein gewisses Maß an Unabhängigkeit haben, d.h. die Menschen um ihn herum dürfen seine Meinung nicht bestimmen. Drittens muss die Crowd dezentralisiertwerden, so dass die Menschen sich spezialisieren und auf lokales Wissen zurückgreifen können, nicht auf eine gemeinsame Quelle. Schließlich muss es einen Mechanismus für die Aggregation geben, der darauf abzielt, individuelle Urteile in kollektive Entscheidungen umzuwandeln.
Das mag wie ein großes Hindernis erscheinen, das es zu überwinden gilt, aber es macht die Unternehmensumgebung zu einem idealen Ort für die Vorhersage von Ergebnissen, vorausgesetzt, es stehen die richtigen Tools zur Verfügung, um die Daten zu aggregieren und sie zu nutzen.
Warum es wichtig ist
Die meisten Innovationsprogramme können eine Menge guter Ideen hervorbringen, aber es kann schwierig sein, den potenziellen Wert einer einzelnen Idee zu quantifizieren - ganz zu schweigen vom Wert der gesamten Innovationspipeline -, wenn nicht die richtigen Mechanismen vorhanden sind. Da die Crowd so gut darin ist, Ergebnisse vorherzusagen, macht es Sinn, dass sie dazu genutzt wird, quantifizierbare Daten zu sammeln, um bessere Entscheidungen in Innovationsprogrammen zu treffen. Die Crowd kann diese Lücke im Innovationsprogramm füllen, indem sie die Theorie der Weisheit der Menge auf die Bewertung von Ideen anwendet. Wenn die Investitionsrendite von Ideen vorhergesagt werden kann, trägt dies nur zu wertvollen, quantitativen Daten im Ideenauswahlprozess bei. Wenn Sie die Höhe der erforderlichen Investitionen und die potenzielle Rendite einer Idee kennen, fällt es Ihnen viel leichter, Ihre Entscheidungen zu begründen. Und wenn der Wert aller Ideen bekannt ist, lässt sich auch der Wert der gesamten Innovationspipeline ermitteln.
Wie es in Planview IdeaPlace Vorhersagen funktioniert
Hier kommt das neue Planview IdeaPlace Prognosemodul ins Spiel. Predictions verkörpert die vier Qualitäten, die für genaue Crowd-Prognosen erforderlich sind. Die KriterienVielfalt und Dezentralisierung werden mit einer ausreichend großen Gruppe erfüllt, daher sollte die Vorhersagephase mit 100+ Teilnehmern verwendet werden. Die BedingungUnabhängigkeit wird in das System eingebaut, indem unabhängige Stichproben generiert werden, über die der Benutzer abstimmen kann, anstatt den Benutzer aufzufordern, einen Wert einzugeben (siehe unten). Schließlich erfüllen die Vorhersagen als Mechanismus zur Sammlung von Meinungen und die darunter liegenden Algorithmen die Aggregationsbedingung.
Das Prognosemodul wird als Teil einer größeren Innovationsherausforderung verwendet. Gegen Ende der Challenge treten die Teilnehmer in die Prognosephase ein und bekommen bis zu drei Fragen zu den bereits ausgewählten Top-Ideen gestellt:
- Wie viel Umsatz wird die Idee pro Jahr bringen?
- Wie hoch werden die Kosten für die Implementierung sein?
- Wie lange wird die Umsetzung dauern?
Die Antworten auf diese Fragen werden zusammengefasst und ein Ergebnis wird mit Hilfe eines fortschrittlichen Algorithmus berechnet. Die Ergebnisse werden dann in Bestenlisten angezeigt, und die Gesamtergebnisse werden auch in fortschrittlichen Datenvisualisierungen in Form von Blasendiagrammen dargestellt, die es einfach machen, die Ergebnisse zu filtern und die Details zu sehen.
Mit diesen Daten können Unternehmen den Umsatz, die Zeit bis zur Markteinführung und die Implementierungskosten einer Idee prognostizieren. Diese Vorhersagen liefern wertvolle quantitative Daten, die es Unternehmen ermöglichen, bessere Geschäftsentscheidungen zu treffen und den ROI des gesamten Innovationsprogramms zu prognostizieren.
