Crowdsourcing av idéer har snabbt blivit standardförfarande för företagsinnovation. Mångfalden av idéer och bidrag som stora grupper av människor kan bidra med gör innovationsprogrammen mer flexibla och förutsägbara. Detta gör det snabbare och mer fruktbart att samla in och välja ut idéer, men de ekonomiska konsekvenserna är inte med i bilden. Det har dock visat sig att publiken inte bara är bra på att komma med bra idéer, utan också kan förutsäga idéernas värde med häpnadsväckande noggrannhet.
Hur folkmassan exakt förutspår resultat
Forskningen om hur exakt de resultat som förutspås av folkmassor är är lång och ibland lite ovanlig. Frågan är dock alltid ganska likartad. Om du ställer en kvantifierbar fråga till en stor grupp människor, kommer deras svar oftare att vara mer korrekt än en enskild experts svar? Det korta svaret är: ja, alltid.
Ett av de tidigaste och mest ovanliga exemplen på att bevisa "massornas visdom" var en studie som Francis Galton utförde 1906 på en boskapsmässa. Han bad en grupp människor att gissa vikten på en oxe som skulle auktioneras ut. Galton fick 800 gissningar från publiken och fann att genomsnittet av deras svar endast låg 0.8 procent från den faktiska vikten. Detta genomsnitt från en grupp av människor var inte bara mycket nära, utan även bättre än vad en enskild expert eller en enskild expert kunde göra.
Nyligen genomförde Credit Suisse-strateg Michael Mauboussin liknande experiment vid Columbia Business School, men bad bara publiken gissa hur många gelébönor som fanns i en burk. I sina experiment bevisade han att en grupp med tillräcklig storlek, mångfald och intelligens alltid kan göra bättre förutsägelser än en enskild person. Inte ibland-alltid.
Vad gör en bra publik till en bra publik?
Det finns fyra egenskaper som gör en "intelligent" publik till en "intelligent" publik. För det första måste publiken vara mångsidig , dvs. varje person ska ha sin egen åsikt. För det andra måste individerna ha en viss grad av självständighet, så att omgivningen inte får bestämma deras åsikter. För det tredje måste crowd vara decentraliseradså att människor kan specialisera sig och dra nytta av lokal kunskap, inte av en gemensam källa. Slutligen måste det finnas en mekanism för aggregering, som är utformad för att omvandla individuella bedömningar till kollektiva beslut.
Detta kan tyckas vara stora hinder att övervinna, men det gör företagsmiljön till den perfekta platsen för att förutsäga resultat, förutsatt att rätt verktyg finns tillgängliga för att samla in data och använda dem.
Varför det är viktigt
De flesta innovationsprogram kan ge upphov till många bra idéer, men det kan vara svårt att kvantifiera det potentiella värdet av en enskild idé - för att inte tala om värdet av hela innovationskedjan - utan lämpliga mekanismer. Eftersom folkmassan är så bra på att förutsäga resultat är det logiskt att de används för att samla in kvantifierbara data för att fatta bättre beslut i innovationsprogrammen. Publiken kan fylla detta tomrum i innovationsprogrammet genom att använda teorin om publikens visdom för att utvärdera idéer. När det går att förutsäga avkastningen av idéer kan man bara lägga till värdefulla, kvantitativa uppgifter till idévalsprocessen. Om du vet vilken investeringsnivå som krävs och vilken potentiell avkastning en idé kan ge, blir det mycket lättare att motivera beslutsfattandet. Och om värdet av alla idéer är känt, kan man också upptäcka värdet av hela innovationskedjan.
Hur det fungerar i Planview IdeaPlace Förutsägelser
Det är här den nya Planview IdeaPlace Predictions-modulen kommer in i bilden. Predictions innehåller de fyra egenskaper som krävs för att göra korrekta prognoser om folkmassor. Kriteriernamångfald och decentralisering kommer att uppfyllas med en tillräckligt stor grupp, så prognosstadiet bör användas med 100+ deltagare. Villkoretindependence är inbyggt i systemet genom att man skapar oberoende prov för användaren att rösta om, i stället för att be användaren ange ett värde (se nedan). Slutligen, förutsägelser, som en mekanism för att samla in åsikter, och de algoritmer som uppfyller aggregeringsvillkoret.
Prediktionsmodulen används som en del av en större innovationsutmaning. Mot slutet av utmaningen går deltagarna in i prognosfasen där de får ställa upp till tre frågor om de bästa idéerna som redan har valts ut:
- Hur mycket intäkter kommer idén att generera per år?
- Vad kommer kostnaden för genomförandet att bli?
- Hur lång tid kommer det att ta att genomföra?
Svaren på dessa frågor sammanställs och ett resultat beräknas med hjälp av en avancerad algoritm. Resultaten visas sedan på topplistor, och de övergripande resultaten visas också i avancerade datavisualiseringar i form av bubbeldiagram som gör det enkelt att filtrera resultaten och se detaljerna.
Med hjälp av dessa data kan organisationer förutse intäkter, tidsåtgång och implementeringskostnader i samband med en idé. Dessa förutsägelser ger värdefulla kvantitativa data som gör det möjligt för organisationer att fatta bättre affärsbeslut och förutse avkastningen på hela innovationsprogrammet.
