Model-based decision making bukan tentang lebih banyak data. Tapi tentang pertanyaan yang lebih baik.
Ada situasi yang terasa sangat membingungkan — dan sangat menggelisahkan.
Semua data sudah ada. Semua angka sudah dianalisis. Laporan sudah dibaca sampai halaman terakhir. Rapat sudah dijalankan, diskusi sudah panjang, dan keputusan akhirnya diambil dengan penuh keyakinan.
Lalu hasilnya tidak seperti yang diharapkan.
Bukan karena datanya keliru. Bukan karena analisisnya ceroboh. Bukan karena orangnya tidak kompeten. Tapi ada sesuatu yang hilang di antara data dan keputusan — sesuatu yang tidak tampak di spreadsheet manapun, tidak terlihat di dashboard apapun, dan tidak bisa ditemukan dengan menambah lebih banyak data lagi.
Apa yang hilang itu?
Mengapa data saja tidak cukup
Data menggambarkan apa yang terjadi. Ia merekam, mengukur, dan merangkum kondisi yang sudah ada. Tapi ia tidak otomatis menjelaskan mengapa hal itu terjadi; apalagi apa yang akan terjadi jika kita mengubah sesuatu.
Ada jarak antara deskripsi dan pemahaman. Dan jarak itu tidak bisa diisi hanya dengan menambah lebih banyak data.
Data bisa memberi tahu kita bahwa penjualan turun tiga bulan berturut-turut. Tapi tidak otomatis memberi tahu kita apakah penyebabnya adalah harga yang tidak kompetitif, kualitas produk yang menurun, strategi kompetitor yang berubah, atau pergeseran perilaku konsumen yang lebih dalam dan lebih struktural. Data bisa memberi tahu kita bahwa tingkat keluar-masuk pegawai tinggi. Tapi tidak otomatis memberi tahu kita apakah akarnya ada di kompensasi, di budaya, di kepemimpinan, atau di ketidakcocokan antara ekspektasi dan realita pekerjaan.
Mengisi jarak antara data dan pemahaman membutuhkan sesuatu yang lebih: sebuah kerangka tentang bagaimana sistem bekerja, bagaimana variabel-variabelnya saling berhubungan, dan di mana kita seharusnya mulai melihat. Itulah fungsi model.
Apa yang model tambahkan dan model apa yang dimaksud di sini
Sebelum melangkah lebih jauh, ada salah paham yang perlu diluruskan sejak awal.
Ketika kita berbicara tentang model dalam konteks pengambilan keputusan di rangkaian artikel ini, yang dimaksud bukan model komputer yang membutuhkan perangkat lunak khusus. Bukan model kuantitatif yang penuh persamaan matematika. Bukan sesuatu yang hanya bisa dibuat oleh peneliti dengan gelar tertentu. Dan yang pasti juga bukan foto model di dunia kecantikan.
Model yang dimaksud di sini adalah kerangka berpikir dan kerja: cara terstruktur untuk memahami bagaimana sebuah situasi bekerja dan bagaimana berbagai elemennya saling berkaitan. Ia bisa berupa diagram sederhana yang digambar di whiteboard. Bisa berupa daftar variabel dan hubungannya yang ditulis di selembar kertas. Bisa berupa percakapan terstruktur yang mengeksplisitkan asumsi semua pihak sebelum keputusan diambil.
Yang membuat sesuatu menjadi “model” bukan mediumnya, tapi fungsinya. Ia membantu kita berpikir lebih sistematis tentang bagaimana sesuatu bekerja, sehingga keputusan yang kita ambil tidak hanya bereaksi terhadap gejala yang terlihat di permukaan, tapi menjawab struktur yang menghasilkan gejala itu.
Dengan pemahaman ini, ada empat hal spesifik yang model tambahkan dalam pengambilan keputusan, hal-hal yang tidak bisa diberikan oleh data sendirian.
Pertama, struktur analisis sebagai panduan dari mana mulai. Salah satu sumber frustrasi terbesar dalam menghadapi masalah kompleks bukan ketidakcukupan data: tapi kebingungan tentang harus mulai dari mana. Data yang banyak tanpa struktur analisis yang jelas hanya akan menghasilkan kebingungan yang lebih terorganisasi. Model sebagai kerangka analisis memberi urutan: definisikan dulu batas masalah yang sedang dihadapi, identifikasi variabel-variabel yang paling menentukan, pahami bagaimana variabel-variabel itu saling berhubungan, baru kemudian analisis dinamika dan sebab-akibat yang bekerja di dalamnya. Urutan ini terdengar sederhana — tapi ia adalah perbedaan antara analisis yang mengarah ke keputusan yang jelas dan analisis yang berputar tanpa ujung.
Kedua, pemahaman struktur sebab-akibat terutama dalam sistem yang kompleks. Begitu kita punya kerangka analisis, model membantu kita memahami bukan hanya apa yang berkorelasi, tapi apa yang menyebabkan apa. Dan dalam sistem yang kompleks, hubungan sebab-akibat sering tidak sesederhana A menyebabkan B. Ada delay: di mana dampak dari sebuah keputusan baru terasa berminggu-minggu atau berbulan-bulan kemudian. Ada feedback loop: di mana akibat dari sebuah tindakan mempengaruhi balik penyebabnya. Ada konsekuensi yang tidak dimaksud yang baru muncul di langkah ketiga atau keempat, jauh setelah keputusan awal dilupakan. Tanpa model yang membantu kita melihat struktur ini, kita cenderung bereaksi terhadap gejala yang paling mencolok — bukan terhadap akar yang paling menentukan.
Ketiga, eksplorasi skenario sebelum keputusan diambil. Model memungkinkan kita bertanya “apa yang akan terjadi jika…” dalam pikiran kita, atau di atas kertas, sebelum bertanya langsung kepada realita dengan harga yang mahal. Ini bukan tentang meramalkan masa depan dengan tepat. Tidak ada model yang bisa melakukan itu. Tapi tentang memahami implikasi dari berbagai pilihan sebelum taruhannya menjadi nyata. Pilihan A mungkin terlihat lebih baik dalam jangka pendek, tapi model yang baik bisa membantu kita melihat bahwa ia menciptakan ketergantungan yang akan membatasi pilihan kita dua tahun kemudian.
Keempat, eksplisitasi asumsi yang bisa diperdebatkan bersama. Ketika model dibuat eksplisit, bahkan dalam bentuk yang sederhana, asumsi di baliknya bisa dilihat oleh lebih dari satu orang. Ia bisa dipertanyakan, diperdebatkan, dan diperbaiki sebelum menjadi fondasi dari keputusan yang salah. Ini mengubah pengambilan keputusan dari monolog, di mana satu orang atau satu kelompok kecil membawa model implisit mereka ke atas meja, menjadi dialog yang lebih produktif dan lebih jujur.
Dari individu ke organisasi: ketika model implisit sudah ada tapi tidak disadari
Sebelum bicara tentang bagaimana model-based decision making bekerja di level organisasi, ada sesuatu yang perlu diakui terlebih dahulu: organisasi sebenarnya sudah punya model keputusan. Hanya saja ia hampir tidak pernah disadari sebagai model.
Kebiasaan pengambilan keputusan kelompok yang terbentuk selama bertahun-tahun adalah model keputusan organisasi yang implisit. Ia menentukan siapa yang diundang ke rapat penting dan siapa yang tidak. Ia menentukan informasi mana yang dianggap relevan dan mana yang diabaikan. Ia menentukan jenis argumen apa yang dianggap meyakinkan dan jenis argumen apa yang tidak pernah benar-benar didengar.
Contohnya sangat konkret. Rapat yang selalu berakhir dengan konsensus: bukan karena semua pihak benar-benar setuju, tapi karena model keputusan organisasinya tidak memberi ruang yang aman untuk tidak setuju. Keputusan yang selalu “naik ke atas” meski sebetulnya bisa diselesaikan di level bawah karena model implisitnya mendefinisikan bahwa keputusan penting adalah hak prerogatif senioritas, bukan kompetensi. Departemen yang selalu mengoptimalkan metrik masing-masing tanpa peduli pada dampaknya pada departemen lain: karena model keputusan mereka dibentuk oleh KPI individual, bukan oleh pemahaman tentang sistem secara keseluruhan.
Semua ini adalah model keputusan: hanya saja implisit, tidak tertulis, dan karena itu tidak pernah benar-benar dipertanyakan. Ia diwariskan dari generasi kepemimpinan ke generasi berikutnya bukan melalui dokumen, tapi melalui pengamatan tentang bagaimana keputusan sebenarnya dibuat di sini; yang sering sangat berbeda dari apa yang tertulis di prosedur formal.
Masalah dimulai ketika model keputusan implisit ini bertabrakan dengan kompleksitas yang belum pernah dihadapi sebelumnya. Ketika lingkungan berubah tapi model keputusannya tidak. Ketika banyak model implisit dari berbagai departemen saling berbenturan tanpa ada model bersama yang eksplisit untuk menavigasinya. Di sinilah organisasi yang penuh orang-orang cerdas dengan data yang lengkap tetap menghasilkan keputusan yang mengejutkan semua orang dengan konsekuensinya.
Model-based decision making di level organisasi bukan tentang membuat satu model yang sempurna dan komprehensif. Ia tentang membangun kesadaran bersama tentang model keputusan yang selama ini implisit dan secara bertahap membuat bagian-bagian terpentingnya lebih eksplisit, lebih bisa diperdebatkan, dan lebih bisa diperbaiki ketika konteksnya berubah.
Bukan tentang model yang canggih, tapi tentang pertanyaan yang tepat
Ada kesalahpahaman yang perlu diluruskan: model-based decision making tidak membutuhkan model yang canggih dan kompleks untuk menjadi berguna. Bahkan sering kali sebaliknya.
Model yang terlalu kompleks sulit dikomunikasikan. Sulit diperdebatkan oleh orang-orang yang harus menggunakannya untuk mengambil keputusan. Dan sulit dipercaya, karena ketika seseorang tidak memahami bagaimana sebuah model bekerja, ia akan sulit mempercayai rekomendasinya, apalagi merasa memilikinya.
Model yang sederhana tapi menangkap struktur yang tepat sering jauh lebih berguna dari model yang kompleks tapi tidak bisa dikomunikasikan. Ia bisa digunakan dalam rapat. Ia bisa diperdebatkan oleh orang-orang dari berbagai latar belakang. Dan ia bisa diperbaiki ketika ada informasi baru yang menunjukkan bahwa asumsinya perlu direvisi.
Yang paling menentukan kualitas model-based decision making bukan kecanggihan modelnya; tapi kualitas pertanyaan yang ia bantu kita ajukan. Apa yang benar-benar menggerakkan sistem ini? Di mana titik-titik kritis yang paling menentukan arah? Asumsi mana yang paling berpengaruh terhadap hasil, dan paling perlu diuji sebelum keputusan final diambil?
Model yang baik bukan model yang memberikan jawaban. Model yang baik adalah model yang membantu kita mengajukan pertanyaan yang lebih baik, dan dengan pertanyaan yang lebih baik, keputusan yang lebih baik menjadi mungkin.
MBDM: Mengisi jarak yang hilang
Kembali ke situasi di pembuka. Data lengkap, analisis cermat, keputusan diambil dengan keyakinan: tapi hasilnya tidak seperti yang diharapkan.
Yang hilang bukan lebih banyak data. Yang hilang adalah kerangka untuk memahami bagaimana data itu saling berhubungan, apa yang menyebabkan apa, dan apa yang akan terjadi jika sesuatu diubah. Yang hilang adalah model; bukan dalam arti perangkat lunak atau persamaan matematika, tapi dalam arti kerangka berpikir yang membantu kita bergerak dari deskripsi menuju pemahaman, dan dari pemahaman menuju keputusan yang lebih bisa dipertanggungjawabkan.
Model-based decision making mengisi jarak itu. Bukan dengan menghilangkan ketidakpastian, itu tidak mungkin. Bukan dengan menjamin keputusan yang selalu benar, itu juga tidak realistis. Tapi dengan membuat proses berpikir di balik keputusan lebih eksplisit, lebih bisa diperdebatkan, dan lebih bisa diperbaiki ketika realita ternyata berbeda dari yang diharapkan.
Tapi seperti semua alat yang kuat, model juga punya keterbatasan, dan jebakan, yang tidak boleh diabaikan. Di artikel berikutnya kita akan membahas justru itu: kapan model membantu, kapan ia menyesatkan, dan mengapa model yang digunakan dengan cara yang salah bisa lebih berbahaya daripada tidak menggunakan model sama sekali.
Catatan editorial : Artikel ini adalah bagian keempat dari seri tentang model dan pengambilan keputusan. Setelah menyadari bahwa kita selalu menggunakan model, artikel ini menjawab pertanyaan berikutnya: apa yang model tambahkan yang data tidak bisa berikan? Dari struktur analisa hingga eksplorasi skenario, model sebagai kerangka berpikir mengisi jarak antara data dan keputusan — baik di level personal maupun organisasional. Artikel berikutnya akan mengajak kita jujur tentang sisi lain dari model: batas-batasnya, jebakannya, dan mengapa model yang salah digunakan bisa lebih berbahaya dari tidak menggunakan model sama sekali.
Hidayatno's Blog 