Khung: Phân tích theo quan điểm đầu tiên

Có một câu chuyện ngụ ngôn cổ xưa về hai người mù gặp một con voi. Một người sờ vào vòi voi và nói đó là rắn. Người kia sờ vào chân voi và khăng khăng đó là cây.

Người thứ ba chạm vào cạnh bên và tuyên bố đó là một bức tường. Mỗi người đều có dữ liệu hoàn hảo về điểm tiếp xúc cụ thể của mình. Mỗi người đều hoàn toàn sai về những gì họ đang phân tích.

Câu chuyện 2.000 năm tuổi này đã ghi lại một cách hoàn hảo cuộc khủng hoảng của phân tích hiện đại: Chúng ta đang chết chìm trong dữ liệu trong khi lại chết vì khát khao hiểu biết.

Mỗi bảng thông tin, mỗi số liệu, mỗi KPI đều giống như một người mù sờ voi. Nhiều điểm tiếp xúc hơn không tạo ra sự thấu hiểu. Chúng tạo ra nhiễu loạn, xung đột và niềm tin sai lầm.

Giải pháp không phải là thêm dữ liệu mà là góc nhìn đúng đắn để hiểu dữ liệu có ý nghĩa gì.

Sự quyến rũ định lượng

Chúng ta đang sống trong thời đại đo lường. Mọi thứ đều được theo dõi, gắn thẻ và phân tích. Điện thoại của bạn biết bạn đã đi bao nhiêu bước. Trang web của bạn biết mọi lượt truy cập đều nhấp vào đâu. Doanh nghiệp của bạn có bảng điều khiển cho từng bảng điều khiển. Chúng ta đã nhầm lẫn giữa khả năng đo lường với sự khôn ngoan để hiểu.

Hãy xem xét những gì xảy ra ở hầu hết các tổ chức:

• Báo cáo tiếp thị 10.000 khách hàng tiềm năng mới (thân cây)
• Báo cáo bán hàng giảm 20% chuyển đổi (chân)
• Báo cáo thành công của khách hàng đạt 95% sự hài lòng (tai)
• Báo cáo tài chính áp lực biên lợi nhuận (đuôi)

Mỗi phòng ban đều có tầm nhìn rõ ràng về số liệu của mình. Không ai nhìn thấy con voi: mô hình kinh doanh đang trải qua một sự thay đổi căn bản.

Đây không phải là vấn đề về dữ liệu. Đây là vấn đề về góc nhìn. Bạn không thể hiểu được điều mình đang đo lường nếu trước tiên không hiểu mình đang nhìn vào điều gì.

Khung: Phân tích theo quan điểm đầu tiên

Sau nhiều năm chứng kiến ​​những người thông minh đưa ra quyết định kém dù có dữ liệu tốt, tôi đã phát triển một khuôn khổ đảo ngược cách tiếp cận truyền thống. Thay vì bắt đầu với dữ liệu và tìm kiếm ý nghĩa, chúng ta bắt đầu với ý nghĩa và tìm kiếm dữ liệu.

Giai đoạn 1: Lập bản đồ lãnh thổ (Nền tảng định tính)

Trước khi đo lường bất cứ điều gì, bạn phải hiểu rõ lĩnh vực đó. Vấn đề không phải ở cảm xúc hay linh cảm—mà là ở phân tích định tính một cách có hệ thống:

Bốn câu hỏi về lãnh thổ:

1. Trò chơi nào đang được chơi? Không phải trò chơi bạn nghĩ mình đang chơi, mà là trò chơi thực sự đang diễn ra. Uber không kinh doanh taxi; họ kinh doanh hậu cần. Netflix không kinh doanh DVD; họ kinh doanh sự chú ý.
2. Ai là những người chơi thực sự? Không phải những đối thủ cạnh tranh rõ ràng, mà là tất cả các thế lực đang định hình thị trường. Khi Amazon gia nhập một thị trường, những người chơi không chỉ bao gồm các đối thủ cạnh tranh trực tiếp mà còn có các cơ quan quản lý, công đoàn, nhà cung cấp và thậm chí cả chính quyền địa phương.
3. Điều gì thúc đẩy hành vi của họ? Mỗi người chơi đều có động lực, hạn chế và điểm mù. Hiểu được lý do tại sao người chơi hành động có giá trị hơn là theo dõi những gì họ làm.
4. Các lực lượng cấu trúc là gì? Sự thay đổi công nghệ, thay đổi quy định, các phong trào xã hội, chu kỳ kinh tế – tất cả những điều này tạo nên dòng chảy mà tất cả mọi người đều bơi theo. Chống lại dòng chảy bằng cách thực hiện tốt vẫn là đang chết đuối.

Đầu ra của Lập bản đồ Lãnh thổ không phải là những con số – mà là sự hiểu biết. Bạn phát triển các giả thuyết về những gì quan trọng, những gì đang thay đổi và những gì có thể xảy ra.

Giai đoạn 2: Nhận dạng mẫu (Cầu nối)

Với sự hiểu biết về lãnh thổ, các mô hình mà phân tích dữ liệu thuần túy sẽ bỏ sót sẽ trở nên rõ ràng.

Giai đoạn này kết nối hiểu biết định tính với khả năng định lượng:

• Những mô hình nào thực sự quan trọng? Không phải tất cả các mô hình đều là tín hiệu. Hầu hết đều là nhiễu. Hiểu biết về lãnh thổ giúp bạn phân biệt giữa tương quan và nhân quả, giữa các đột biến tạm thời và các thay đổi cấu trúc.
• Những số liệu nào sẽ xác thực sự hiểu biết của chúng ta? Thay vì đo lường mọi thứ có sẵn, bạn hãy xác định những số liệu cụ thể có thể xác nhận hoặc bác bỏ giả thuyết về lãnh thổ của mình.
• Điều gì sẽ làm chúng ta ngạc nhiên? Những số liệu giá trị nhất thường là những số liệu có thể chứng minh bạn sai. Nếu bạn chỉ đo lường những thứ xác nhận niềm tin của mình, thì bạn không đo lường – bạn đang biểu diễn sân khấu.

Nhận dạng mẫu chuyển đổi khả năng dữ liệu vô hạn thành các phép đo hữu hạn và có ý nghĩa.

Giai đoạn 3: Thiết kế đo lường (Định lượng có mục đích)

Bây giờ—và chỉ bây giờ—chúng ta mới đi sâu vào phân tích định lượng. Nhưng đây không phải là việc thu thập dữ liệu ngẫu nhiên. Đó là thiết kế đo lường có mục đích:

Ba nguyên tắc đo lường:

1. Làm sáng tỏ Tài liệu : Các số liệu nên tiết lộ đôi nét về lãnh thổ, chứ không chỉ hoạt động của tài liệu. Số lượt xem trang sẽ ghi lại. Đường dẫn người dùng sẽ được làm sáng tỏ.
2. Tương đối so với Tuyệt đối : Trong các hệ thống phức tạp, mối quan hệ quan trọng hơn số lượng. Thị phần so với đối thủ cạnh tranh quan trọng hơn doanh thu tuyệt đối. Mức độ tương tác so với các lựa chọn thay thế quan trọng hơn mức sử dụng tuyệt đối.
3. Dẫn đầu so với tụt hậu : Khi các chỉ số tụt hậu cho thấy vấn đề thì đã quá muộn. Hiểu biết về lãnh thổ giúp xác định các chỉ số dẫn đầu thực sự dẫn đầu.

Thiết kế đo lường tuyệt vời tạo ra bảng thông tin có khả năng kể chuyện, không chỉ hiển thị số liệu.

Giai đoạn 4: Tổng hợp (Tích hợp)

Tổng hợp không phải là việc lựa chọn giữa định tính và định lượng—mà là tích hợp. Giai đoạn này tạo ra một vòng phản hồi giữa hiểu biết và đo lường:

• Những hiểu biết định tính giải thích được những bất thường về định lượng : Khi số liệu tăng đột biến hoặc giảm mạnh, hiểu biết về lãnh thổ sẽ cung cấp “lý do” mà dữ liệu riêng lẻ không bao giờ có thể giải thích được.
• Dữ liệu định lượng giúp tinh chỉnh hiểu biết định tính : Các con số buộc các khái niệm mơ hồ phải chính xác. Chúng cho thấy phần nào trên bản đồ lãnh thổ của bạn là chính xác và phần nào cần được chỉnh sửa.
• Vòng lặp này thúc đẩy quá trình học tập : Mỗi chu kỳ trong khuôn khổ đều làm sâu sắc thêm sự hiểu biết và cải thiện khả năng đo lường. Bạn không chỉ thu thập thêm dữ liệu mà còn phát triển góc nhìn tốt hơn.

Cuộc cách mạng không phù hợp chiến lược

Khung này cho thấy lý do tại sao các công ty khởi nghiệp có thể phá vỡ các gã khổng lồ và tại sao các công ty đương nhiệm lại bỏ lỡ những mối đe dọa rõ ràng. Các công ty lâu đời đang chìm ngập trong dữ liệu về hoạt động kinh doanh hiện tại của họ trong khi không hề nhận ra những thay đổi đang diễn ra bên dưới.

Hãy xem xét Blockbuster vào năm 2000:

• Dữ liệu của họ : Lượng khách hàng đến cửa hàng, tần suất cho thuê, doanh thu phí trả chậm, hiệu suất phát hành mới
• Lãnh thổ : Việc áp dụng băng thông rộng, công nghệ phát trực tuyến, sự thay đổi tính kiên nhẫn của người tiêu dùng
• Kết quả : Bảng thông tin hoàn hảo cho một mô hình kinh doanh đang chết dần

Blockbuster có dữ liệu tốt hơn Netflix. Netflix có góc nhìn tốt hơn.

Mẫu hình này lặp lại ở khắp mọi nơi:

• Các công ty taxi đã có dữ liệu chuyến đi. Uber hiểu rõ lĩnh vực áp dụng điện thoại thông minh
• Khách sạn có dữ liệu về tình trạng phòng trống. Airbnb hiểu rõ phạm vi của mạng lưới tin cậy
• Các ngân hàng đã có dữ liệu giao dịch. Tiền điện tử hiểu được lãnh thổ của sự phi tập trung

Lợi thế của kẻ phá vỡ không phải là dữ liệu tốt hơn mà là góc nhìn tốt hơn về dữ liệu quan trọng.

Sự khuếch đại AI

Trí tuệ nhân tạo khiến khuôn khổ này trở nên quan trọng hơn, chứ không phải kém quan trọng hơn. AI có thể xử lý dữ liệu vô hạn nhưng không thể cung cấp góc nhìn. Nó giống như một người mù thực thụ – có thể chạm vào mọi bộ phận của con voi cùng một lúc mà vẫn không nhận ra đó là một con voi.

Hãy xem xét tác động của ChatGPT lên tìm kiếm:

• Dữ liệu của Google : Hàng tỷ truy vấn, tỷ lệ nhấp chuột, điểm hài lòng của người dùng
• Lãnh thổ : Người dùng không muốn mười liên kết màu xanh; họ muốn câu trả lời
• Sự thay đổi : Từ thu thập thông tin đến tổng hợp thông tin tình báo

Google có dữ liệu hoàn hảo về một trò chơi mà ít người muốn chơi.

Đây là lý do tại sao Khung quan điểm đầu tiên trở thành lợi thế cạnh tranh của bạn trong thời đại AI :

1. AI biến việc thu thập và xử lý dữ liệu thành hàng hóa
2. Quan điểm của con người về việc đo lường cái gì trở nên khan hiếm
3. Khả năng nhìn thấy con voi trong khi những người khác tối ưu hóa các điểm tiếp xúc trở nên vô giá

Thực tế triển khai

Việc chuyển sang Phân tích Góc nhìn Ưu tiên không hề dễ dàng vì nó thách thức cấu trúc quyền lực của tổ chức. Dữ liệu mang tính khách quan. Góc nhìn mang tính chủ quan. Những người kiểm soát dữ liệu sẽ kiểm soát các quyết định.

Ba thách thức khi triển khai:

1. Sân khấu Chắc chắn : Các tổ chức thích sự chính xác giả tạo hơn là sự không chắc chắn thực sự. “Tỷ lệ chuyển đổi của chúng tôi là 2,37%” nghe có vẻ tốt hơn là “Chúng tôi không hiểu tại sao mọi người mua hàng”.
2. Bẫy Chuyên Gia : Mỗi phòng ban đều tối ưu hóa điểm tiếp xúc của mình. Tiếp thị làm cho thân cây hiệu quả. Bán hàng làm cho chân hiệu quả. Không ai hỏi liệu chúng ta có cần một con voi không.
3. Nghịch lý Tốc độ : Quan điểm cần thời gian để hình thành. Dữ liệu thì tức thời. Trong những nền văn hóa đề cao câu trả lời nhanh chóng, câu trả lời sai nhưng nhanh sẽ thắng câu trả lời đúng nhưng chu đáo.

Để đột phá đòi hỏi khả năng lãnh đạo coi trọng sự hiểu biết hơn là đo lường, hiểu biết sâu sắc hơn là số liệu và quan điểm hơn là bảng thông tin.

Lợi thế cạnh tranh

Các tổ chức thành thạo Phân tích theo quan điểm đầu tiên sẽ phát triển được ba lợi thế chiến lược:

1. Sức mạnh dự đoán

Khi bạn hiểu rõ khu vực, bạn có thể dự đoán số liệu nào sẽ quan trọng trước khi chúng tăng đột biến. Bạn không phản ứng với các cảnh báo trên bảng điều khiển—mà bạn đang dự đoán sự thay đổi khu vực. Đây chính là sự khác biệt giữa báo cáo thời tiết và dự báo thời tiết.

2. Hiệu quả sử dụng tài nguyên

Thay vì đo lường mọi thứ có thể, hãy đo lường những gì quan trọng. Vấn đề không phải là ít dữ liệu hơn, mà là dữ liệu tốt hơn. Một thước đo làm sáng tỏ lãnh thổ có giá trị gấp ngàn lần so với việc ghi chép hoạt động.

3. Sự rõ ràng về mặt chiến lược

Khi góc nhìn dẫn dắt việc đo lường, chiến lược trở nên rõ ràng. Bạn ngừng tranh luận về ý nghĩa của các con số và bắt đầu thảo luận xem nên làm gì với chúng. Sự rõ ràng được tăng tốc trong khi các đối thủ cạnh tranh chìm đắm trong sự tê liệt của phân tích.

Ứng dụng cá nhân

Khung này không chỉ dành cho các tổ chức mà còn chuyển đổi quá trình ra quyết định cá nhân :

• Quyết định nghề nghiệp : Đừng bắt đầu với dữ liệu lương. Hãy bắt đầu bằng việc hiểu rõ lĩnh vực hoạt động của ngành. Giá trị đang chảy về đâu? Năng lực nào sẽ quan trọng? Sau đó, hãy đánh giá cơ hội dựa trên hiểu biết đó.
• Lựa chọn đầu tư : Đừng bắt đầu bằng biểu đồ giá. Hãy bắt đầu bằng việc hiểu rõ phạm vi tạo ra giá trị. Những vấn đề nào cần giải quyết? Những giải pháp nào đang nổi lên? Sau đó, hãy so sánh các khoản đầu tư dựa trên hiểu biết đó.
• Ưu tiên học tập : Đừng bắt đầu với danh mục khóa học. Hãy bắt đầu bằng việc hiểu rõ lĩnh vực của bạn. Kiến thức nào đang trở nên phổ biến? Góc nhìn nào đang trở nên khan hiếm? Sau đó, hãy đo lường ROI học tập dựa trên sự hiểu biết đó.

Sự lựa chọn trước mắt bạn

Bạn phải đối mặt với một quyết định sẽ quyết định lợi thế chiến lược của bạn trong thập kỷ tới:

Tùy chọn 1: Đường dẫn dữ liệu đầu tiên

• Đầu tư vào nhiều bảng thông tin, công cụ phân tích và nhà khoa học dữ liệu hơn
• Đo lường mọi thứ có thể đo lường được
• Hy vọng những hiểu biết sâu sắc xuất hiện từ mối tương quan
• Tham gia cùng đám đông chạm vào các bộ phận khác nhau của con voi

Lựa chọn 2: Con đường quan điểm đầu tiên

• Đầu tư vào việc hiểu lãnh thổ trước khi đo lường hoạt động
• Xây dựng giả thuyết trước khi thu thập dữ liệu
• Hãy để quan điểm hướng dẫn đo lường
• Hãy xem con voi trong khi những người khác tranh luận về các điểm tiếp xúc

Sự lựa chọn có vẻ hiển nhiên. Nhưng tính kỷ luật để thực hiện nó thì hiếm có.

Con voi trong phòng bạn

Ngay lúc này, trong tổ chức của bạn, có một con voi. Nhiều nhóm đang chạm vào các bộ phận khác nhau. Mỗi nhóm đều có dữ liệu hoàn hảo về bộ phận của mình. Mọi người đều đúng về phần việc của mình. Mọi người đều sai về tổng thể.

Có lẽ là:

• Một mô hình kinh doanh đang thay đổi trong khi bạn tối ưu hóa mô hình cũ
• Nhu cầu của khách hàng nảy sinh trong khi bạn hoàn thiện các tính năng hiện tại
• Mối đe dọa cạnh tranh ngày càng tăng trong khi bạn theo dõi các đối thủ truyền thống
• Một cơ hội tan biến khi bạn hoàn thiện phân tích của mình

Bạn sẽ không tìm thấy nó trên bảng điều khiển. Bạn sẽ tìm thấy nó khi bạn ngừng đo lường đủ lâu để hiểu.

Nghịch lý cuối cùng

Nhận định sâu sắc nhất của Khung quan điểm đầu tiên là nghịch lý: Cách tốt nhất để trở thành người theo định hướng dữ liệu là ngừng bắt đầu với dữ liệu.

Khi bạn hiểu rõ lãnh thổ trước:

• Dữ liệu trở nên quyết định thay vì mang tính trang trí
• Các số liệu trở nên có ý nghĩa thay vì mang tính sân khấu
• Bảng điều khiển mang tính chẩn đoán thay vì mang tính kịch tính

Bạn không từ bỏ phân tích định lượng mà bạn mang lại mục đích cho nó.

Kết luận

Trong dụ ngôn, những người mù không bao giờ nhận ra họ đang chạm vào một con voi. Họ tranh cãi mãi, ai cũng bảo vệ quan điểm dữ liệu của mình, ai cũng bỏ lỡ sự thật. Các tổ chức hiện đại cũng có cùng lập luận với những bảng tính tốt hơn.

Khung Quan điểm Đầu tiên phá vỡ vòng luẩn quẩn này. Nó nói rằng: Trước khi bạn đo một con voi, hãy hiểu rằng nó là một con voi.

Vấn đề không phải là lựa chọn cảm xúc thay vì sự thật. Vấn đề là nhận ra rằng sự thật không có bối cảnh thì không phải là hiểu biết sâu sắc—chúng chỉ là tiếng ồn. Và trong một thế giới chìm trong tiếng ồn, góc nhìn không chỉ có giá trị—mà còn là sự sống còn.

Vấn đề không phải là bạn có áp dụng khuôn khổ này hay không. Vấn đề là bạn có áp dụng nó trước đối thủ cạnh tranh hay không.

Bởi vì trong khi bạn đang tối ưu hóa điểm tiếp xúc, người khác đã bắt đầu nhìn thấy con voi. Và một khi họ nhìn thấy nó, mọi số liệu hoàn hảo của bạn về vòi voi sẽ chẳng còn quan trọng nữa.

Con voi đang ở trong phòng bạn. Bảng điều khiển của bạn đang chạm vào nó. Nhưng bạn có nhìn thấy nó không?

Đó là số liệu duy nhất có ý nghĩa.

Tóm tắt: Trong số này!

Ý tưởng cốt lõi

Câu chuyện ngụ ngôn về người mù và con voi minh họa cho cuộc khủng hoảng của phân tích dữ liệu hiện đại. Các tổ chức có nhiều dữ liệu hơn bao giờ hết, nhưng nếu không có góc nhìn tổng quan, các số liệu sẽ trở nên nhiễu loạn, chứ không phải là hiểu biết sâu sắc. Thách thức không phải là thu thập dữ liệu mà là nhìn thấy toàn bộ con voi .

Vấn đề: Dữ liệu không có góc nhìn

• Mỗi phòng ban đều tối ưu hóa số liệu riêng của mình (tiềm năng tiếp thị, chuyển đổi bán hàng, điểm CSAT, biên lợi nhuận tài chính).
• Mỗi người đều có dữ liệu “hoàn hảo” về tên miền của mình nhưng lại bỏ lỡ sự thay đổi lớn hơn (ví dụ: thay đổi mô hình kinh doanh).
• Kết quả: nhiều bảng thông tin hơn, nhiều sự tự tin sai lầm hơn, ít sự hiểu biết thực sự hơn.

Khung: Phân tích theo quan điểm đầu tiên

Giai đoạn 1: Lập bản đồ lãnh thổ (Nền tảng định tính)

• Hãy đặt bốn câu hỏi cơ bản:
  1. Trò chơi nào đang được chơi?
  2. Ai là người chơi thực sự?
  3. Điều gì thúc đẩy hành vi của họ?
  4. Lực cấu trúc là gì?
• Đầu ra: giả thuyết về những gì quan trọng và những gì đang thay đổi.

Giai đoạn 2: Nhận dạng mẫu (Cầu nối tới dữ liệu)

• Sử dụng ngữ cảnh định tính để phân biệt tín hiệu với nhiễu.
• Xác định số liệu nào xác nhận hoặc thách thức các giả thuyết.
• Tập trung vào các số liệu có thể gây ngạc nhiên và bác bỏ, chứ không chỉ xác nhận.

Giai đoạn 3: Thiết kế đo lường (Định lượng có mục đích)

• Nguyên tắc:
  • Làm sáng tỏ tài liệu – số liệu phải thể hiện rõ ràng, không chỉ ghi chép.
  • Tương đối hơn tuyệt đối – mối quan hệ quan trọng hơn số lượng thô.
  • Dẫn đầu thay vì tụt hậu – dự đoán thay vì phản ứng.

Giai đoạn 4: Tổng hợp (Vòng lặp tích hợp)

• Những hiểu biết định tính giải thích những điểm bất thường trong dữ liệu.
• Độ chính xác về mặt định lượng giúp tinh chỉnh bản đồ định tính.
• Mỗi chu kỳ đều cải thiện sự hiểu biết và tầm nhìn xa.

Tại sao điều này quan trọng: Sự không phù hợp về mặt chiến lược

• Những người đương nhiệm chìm đắm trong dữ liệu về hiện tại. Những kẻ phá vỡ nhìn thấy lãnh thổ của tương lai.
• Ví dụ:
  • Blockbuster theo dõi doanh số cho thuê; Netflix theo dõi băng thông rộng + phát trực tuyến.
  • Các hãng taxi có dữ liệu chuyến đi; Uber thì có điện thoại thông minh.
  • Khách sạn theo dõi tình trạng sử dụng phòng; Airbnb nhìn thấy mạng lưới tin cậy.
• Ưu điểm của kẻ phá vỡ: góc nhìn tốt hơn, chứ không phải bảng điều khiển tốt hơn .

Sự khuếch đại AI

• AI làm cho khuôn khổ này trở nên cấp bách hơn:
  • AI có thể xử lý dữ liệu vô hạn nhưng vẫn thiếu góc nhìn.
  • Các công ty chỉ dựa vào dữ liệu do AI thúc đẩy có nguy cơ bỏ lỡ toàn bộ mục tiêu.
  • Quan điểm của con người trở thành nguồn tài nguyên khan hiếm và khác biệt.

Thách thức thực hiện

1. Sân khấu chắc chắn – sự ưa chuộng độ chính xác giả tạo hơn là sự không chắc chắn trung thực.
2. Bẫy chuyên gia – mỗi nhóm tối ưu hóa “điểm tiếp xúc” của mình.
3. Nghịch lý tốc độ – dữ liệu thì tức thời; quan điểm thì cần thời gian.

Lợi thế chiến lược của quan điểm đầu tiên

1. Sức mạnh dự đoán – dự đoán sự thay đổi lãnh thổ trước khi số liệu tăng đột biến.
2. Hiệu quả sử dụng tài nguyên – đo lường những gì quan trọng, không phải tất cả mọi thứ.
3. Sự rõ ràng về mặt chiến lược – thảo luận về hành động, không phải bảng thông tin.

Đơn xin việc cá nhân

• Nghề nghiệp: hãy tìm hiểu ngành trước khi so sánh mức lương.
• Đầu tư: lập bản đồ giá trị tạo ra trước khi đọc biểu đồ giá.
• Học tập: lập bản đồ các thay đổi trước khi lựa chọn kỹ năng cần phát triển.

Cái nhìn sâu sắc cuối cùng

• Nghịch lý: Cách tốt nhất để trở thành người làm việc theo định hướng dữ liệu là ngừng bắt đầu với dữ liệu .
• Bảng thông tin chỉ hữu ích khi được xây dựng dựa trên quan điểm thực tế.
• Nếu không có góc nhìn, các tổ chức sẽ tranh cãi về các điểm tiếp xúc; nhưng nếu có góc nhìn, họ sẽ thấy được vấn đề.