1943. Über Europa sterben Bomberbesatzungen schneller, als Amerika sie ausbilden kann. Wer die statistische Überlebensdauer einer Crew kannte, sprach nicht darüber.
Die US Air Force will ihre Maschinen besser panzern. Aber Panzerung ist schwer. Jedes zusätzliche Kilo kostet Reichweite, Geschwindigkeit, Bombenlast. Man kann nicht alles schützen. Man muss entscheiden, wo.
Also tut das Militär, was jede datengetriebene Organisation tun würde: Es sammelt Daten. Jeder zurückkehrende Bomber wird untersucht, jedes Einschussloch kartiert. Nach hunderten Maschinen zeigt die Karte ein klares Muster. Rumpf: durchsiebt. Tragflächen: durchsiebt. Heckschütze: durchsiebt. Motoren und Cockpit: fast unberührt.
Die Schlussfolgerung schreibt sich von selbst. Panzert die Stellen mit den meisten Treffern. Dort schlägt der Feind zu.
Die Analyse landet auch bei der Statistical Research Group in New York, einer Gruppe von Mathematikern im Kriegsdienst. Unter ihnen: Abraham Wald, ein jüdischer Emigrant, der vor den Nazis aus Wien geflohen war.
Wald sieht dieselbe Karte wie alle anderen. Und zieht den entgegengesetzten Schluss.
Panzert die Stellen ohne Löcher.
Der Fehler im Datensatz
Walds Logik braucht einen Moment. Dann lässt sie einen nicht mehr los.
Die Karte zeigt nicht, wo Bomber getroffen werden. Deutsche Flak schießt nicht gezielt auf Tragflächen. Die Treffer verteilen sich zufällig über die ganze Maschine.
Die Karte zeigt etwas anderes: wo ein Bomber getroffen werden kann und trotzdem nach Hause kommt.
Ein durchsiebter Rumpf fliegt weiter. Durchlöcherte Tragflächen tragen weiter. Aber die Maschinen mit Treffern im Motor tauchten in der Statistik nicht auf. Sie lagen auf dem Grund des Ärmelkanals.
Die sauberen Stellen auf der Karte waren keine sicheren Stellen. Sie waren die tödlichen. Die Daten der abgeschossenen Maschinen fehlten im Datensatz, und genau diese Lücke war die eigentliche Information.
Das Militär hätte Tonnen von Panzerung an Stellen geschraubt, die keinen Schutz brauchten. Und die Stellen offen gelassen, an denen Männer starben.
Alle hatten auf die Daten geschaut. Wald hatte auf das Loch im Datensatz geschaut.
Du analysierst nur zurückgekehrte Bomber
Der Fall ist 80 Jahre alt. Der Fehler ist heute Standard.
Jedes Unternehmen, das wir von innen sehe, kartiert Einschusslöcher. Und fast jedes zieht Schlüsse aus einer Karte, auf der die wichtigsten Daten fehlen.
Die Kundenbefragung erfasst Käufer. Die 97%, die den Shop ohne Kauf verlassen haben, füllen keine Umfrage aus. Du optimierst für Menschen, die auch ohne Optimierung gekauft hätten, und erfährst nie, warum die anderen gingen.
Die Bewertungen zeigen Begeisterte und Wütende. Die Gleichgültigen, die größte und gefährlichste Gruppe, schreiben nichts. Sie wechseln still zum Wettbewerber.
Die Best-Practice-Studie untersucht zehn erfolgreiche Unternehmen und findet Gemeinsamkeiten: Fokus, Mut, starke Kultur. Was sie nicht untersucht: die tausend gescheiterten Firmen mit exakt denselben Eigenschaften. Sie liegen auf dem Grund des Kanals. Deshalb funktionieren die meisten Erfolgsrezepte nicht. Sie sind aus Überlebenden destilliert.
Der Verkäufer berichtet, was Kunden sagen. Nicht, welche Anrufe nie angenommen wurden.
Das Dashboard zeigt Conversions. Nicht die Nachfrage, die deine Preisstruktur unsichtbar abgewiesen hat.
Überall dasselbe Muster: Die Daten der Verlierer fehlen, und niemand vermisst sie, weil fehlende Daten keinen Alarm auslösen. Eine Lücke schreit nicht.
Warum das Gehirn die Löcher nicht sieht
Der Mechanismus dahinter ist keine Dummheit. Er ist Verdrahtung.
Das Gehirn urteilt nach dem, was verfügbar ist. Was da ist, wird gewichtet. Was fehlt, existiert nicht. Kahneman nannte das Prinzip: What you see is all there is. Es hat unsere Vorfahren am Leben gehalten, denn in der Savanne war das Sichtbare die Realität.
In einem Datensatz ist das Sichtbare nur der Teil der Realität, der es zurück geschafft hat.
Deshalb reicht es nicht, mehr Daten zu sammeln. Mehr Daten von zurückgekehrten Bombern ergeben eine präzisere falsche Karte. Die entscheidende Frage ist eine andere, und sie ist unbequem, weil sie sich nicht automatisieren lässt:
Wer fehlt in diesem Datensatz, und warum?
Das ist keine Datenfrage. Das ist eine Denkfrage. Wald hatte dieselben Zahlen wie alle anderen. Er hatte keine bessere Analyse. Er hatte eine bessere Frage.
Re.Think
Bei divendus beginnt deshalb jede Analyse an der Stelle ohne Einschusslöcher. Welche Kunden befragen wir nie? Welche Absagen sehen wir nicht? Welche gescheiterten Wettbewerber fehlen in unserem Vorbild? Ein Pre-Mortem ist nichts anderes: Wir untersuchen den abgestürzten Bomber, bevor er fliegt.
Denn die teuersten Fehler entstehen selten aus falschen Daten. Sie entstehen aus richtigen Daten, denen die Verlierer fehlen.
Wer die Lücke sieht, trifft bessere Entscheidungen. Wer besser entscheidet, gewinnt.
We make your business smarter.
