Neem dat maar van mij aan

Elke werknemer heeft kennis over het bedrijf waar hij of zij werkt. Deze kennis kan in de loop van de jaren ontstaan zijn door eigen ervaring of doorgegeven worden van de ene op de andere werknemer. Een deel van de kennis wordt zelf onbewust gevormd. Helaas is niet al deze kennis ‘de waarheid’. Maar deze kennis wordt wel toegepast om beslissingen te nemen die van invloed zijn op de toekomst van het bedrijf. Aannames en overtuigingen gaan op den duur hun eigen leven leiden als een verhaal waarvan niemand meer weet wie de schrijver was. Kortom, ze zijn niet gebaseerd op actuele data. Deze blog gaat over het risico van verkeerde aannames, hoe je deze op kunt sporen en tot slot hoe je deze kunt ontkrachten.  

Medewerkers binnen organisaties hebben veel overtuigingen in het hoofd, gebaseerd op persoonlijke ervaringen of verhalen van anderen. Wat zijn hier eigenlijk de risico’s van? Hieronder volgt de top 4: 

• Onbegrip van het proces: het proces zou wel eens heel anders in elkaar kunnen zitten dan wat nu wordt aangenomen. (Het proces begrijpen is sowieso cruciaal in data gedreven werken. Lees hier waarom.) 
• Verkeerde timing beslissingen: omdat op verkeerde feiten wordt gebouwd, zul je niet op het juiste moment kunnen ingrijpen.  
• Verkeerde keuze beslissingen: omdat de fundering niet klopt, zullen de beslissingen die je daarop baseert mogelijk ook niet kloppen. 
• Geen vooruitgang: hoewel die aannames misschien in het verleden klopten, verandert een bedrijf door de jaren heen. Aannemen dat het nog precies hetzelfde is gebleven, is het ontkennen van vooruitgang.  

Met al deze risico’s in je achterhoofd wil je als bedrijf waken voor verkeerde aannames. Al helemaal als je bedenkt dat de concurrentie aannames misschien al wel baseert op accurate data.  

Nu de risico’s duidelijk zijn, wordt het tijd dat we kijken naar het opsporen van deze overtuigingen. Dit doet Experience Data door simpelweg te gaan praten met de medewerkers. We letten dan vooral op de volgende soort zinnen: 

• ‘Bij ons gaat het altijd …’ 
• ‘Het is nou eenmaal zo dat …’ 
• ‘En natuurlijk is daarom ook …’ 
• ‘Wij doen nooit …’ 

Die statements schrijven we allemaal op en eenmaal terug op kantoor duiken we in de data. Daar kijken we direct waar we in de data deze statements kunnen terugvinden. Soms moeten we daarvoor data aan elkaar verbinden of berekeningen en visualisaties maken. Soms komen we tijdens het onderzoeken van een overtuiging andere vreemde dingen tegen. Het is dus een proces dat twee kanten op gaat, zowel van gesprekken naar data, als van data naar gesprekken.  

Vervolgens spreken we weer af met de medewerker om onze nieuwe bevindingen met hen te bespreken, maar vooral ook om de eerder genoemde overtuigingen te ontkrachten. Daarvoor is het wel belangrijk om te bepalen bij wie je dat ontkracht en wanneer. Houd daarbij rekening met de volgende reacties: 

• ‘Oké. Dus?’ 
• ‘Dat is niet waar.’ 
• ‘Noem je me nu dom.’ 
• ‘Inderdaad, dat zeg ik al de hele tijd!’ 
• ‘Haha, wat bizar eigenlijk dat het zo blijkt te zijn.’ 
• ‘Iemand nog koffie?’ 

Die reacties zullen afhankelijk zijn van de ontvanger van je nieuws. Om aannames te ontkrachten, zul je uiteindelijk wel in gesprek moeten met de organisatie. Dan blijft echter wel de vraag over: bij wie klop je aan? Je zou immers naar de werknemer kunnen gaan die je de aannames in eerste instantie heeft verteld. Of misschien naar de leidinggevende daarboven of juist naar de IT-afdeling die de data heeft geleverd waarop je de aannames kunt checken. Onze ervaring leert dat het de beste methode is om naar de werknemer toe te gaan die daadwerkelijk operationeel bezig is. Dit heeft als voordeel dat de positieve reactie meestal hier vandaan komt. Vaak hebben deze mensen al langer door wat er eigenlijk gaande is binnen de organisatie, maar wordt er naar hen niet geluisterd, of ze zijn te druk bezig met de drukte van de dag. Vooral managers kunnen zich aangevallen voelen. Ook dat is begrijpelijk, zij zijn immers de werknemers die de eerdergenoemde risico’s dragen. Samen met de operationele werknemer kun je dan samen een manier bedenken om het nieuws duidelijk over te brengen op de manager, zonder hem of haar aan te vallen. 

Nu je eenmaal weet welke reacties je kunt verwachten en bij wie je aan kunt kloppen, zul je nog moeten nadenken over een goed moment. Daarin hebben wij gezien dat een timing tijdens een positieve piek van het bedrijf niet goed werkt. Op dat moment zien managers het belang niet in van alle risico’s, immers: alles gaat toch goed? Dus waarom zouden we dan ook maar iets veranderen? Aan de andere kant is een bedrijf dat inmiddels faillissement heeft aangevraagd flink te laat. Aannames weerleggen werkt het beste bij bedrijven die al bezig zijn aan een verandering. Die al bezig zijn met change management of met data gedreven werken. En vooral op het moment dat operationele werknemers beginnen te merken dat dingen ‘niet kloppen’, is er een goed draagvlak om aannames te weerleggen. Immers: het bedrijf moet wel willen veranderen en open staan voor jouw inzichten.  

Aannames doen binnen bedrijven is risicovol, maar eigenlijk zijn aannames binnen communicatie in het algemeen een probleem. Het internet staat vol met blogs over de gevaren hiervan, zoals deze hier: http://www.bridecoaching.nl/index.php/blogs/item/checken-is-de-werkelijkheid-ontdekken 

Een voorbeeld van het opsporen en verwerpen van aannames kregen wij een tijdje geleden van een klant uit de plantenindustrie. Na een paar gesprekken uitten zij twee overtuigingen: ‘We lossen dat altijd binnen 2 werkdagen op’  en ‘Het is nu eenmaal zo dat een plant die snel groeit van lagere kwaliteit is’. Daar gingen bij ons de alarmbellen af en we doken snel de data in. De eerste overtuiging was simpel te falsificeren. In de dataset zat een veld met een datum waarop een casus werd aangemaakt en een veld met een datum waarop de casus was afgehandeld. Per rij keken we hoelang er tussen deze twee zaten en berekenden vervolgens het gemiddelde. Wat bleek? Een gemiddelde van rond de 4 dagen. We zagen dat er inderdaad veel casussen werden opgelost binnen 2 dagen, maar dat er ook zeker veel casussen waren die langer duurden. Vervolgens zijn we gaan kijken of we die langere zaken konden onderscheiden van de kortere om zo de klant een nieuw inzicht terug te geven.  

De tweede overtuiging was wat ingewikkelder. Want hoewel er een kolom in de data was die aangaf hoe hoog de kwaliteit was (hoog, gemiddeld, laag), was er geen kolom die aangaf hoe snel de plant groeide. Door meerdere databronnen aan elkaar te koppelen van de verschillende stadia van de planten met de datum erbij, konden we alsnog iets zeggen over de groeisnelheid van de plant. Toen we dit vervolgens vergeleken met de kolom die iets zei over de kwaliteit, zagen we dat de eerdere overtuiging niet geverifieerd kon worden. Er was geen verband te vinden tussen deze variabelen. We vonden overigens ook dat de categorieën voor de kwaliteit van de planten niet optimaal gekozen waren. We zagen dat de planten binnen een categorie meer van elkaar verschilden dan planten uit de verschillende categorieën. Waarschijnlijk is deze indeling lang geleden gemaakt, gebaseerd op feiten of aannames die toen golden. Maar omdat sindsdien de industrie zich ontwikkeld heeft, is ook dit een voorbeeld van verouderde aannames.   

We hebben je in deze blog uitgelegd wat het risico is van het behouden van foutieve overtuigingen binnen je organisatie. We lieten zien hoe je ze kunt opsporen, ontkrachten en hoe je die boodschap het beste kunt brengen bij de juiste persoon. We sloten af met praktijkvoorbeelden waarin Experience Data door het gebruik van data een bedrijf tot meer inzichten heeft gebracht, zodat zij opnieuw konden pionieren in hun industrie. Want inzicht zonder actie, dat vinden wij maar ballast. Wil jij ook dat Experience Data eens meekijkt naar de aannames die in jouw organisatie heersen? Neem dan hier contact met ons op.