Van data naar informatie
- Door Peter Stinckens
- Gepubliceerd 10-Jan-11
We hebben allemaal een (ongezonde) fixatie op data. We meten alles en proberen het in percentages uit te drukken. We verkochten deze maand 3% meer dan vorige maand. Dit kwartaal is de EBIT gestegen met 12% ten opzichte van het zelfde kwartaal vorig jaar. We doen 20% meer prospectie calls. En we kunnen nog wel even door gaan.
Maar wat hebben we hier nu echt aan? Wat leert het ons? Deze data hebben drie grote problemen, waar we zelden bij stil staan.
De sprong van data (de gemeten parameters) en echte informatie (de achterliggende oorzakelijke verbanden) is zeer groot. Om van data naar informatie te gaan (een van de kerntaken als consultant) moet je anders te werk gaan. Je hebt twee manieren om dit te doen:
De wetenschappelijke manier
Hierbij ga je alles meten wat je maar kan meten. Vervolgens verander je bepaalde parameters, en kijkt naar de impact hiervan op het geheel. Op deze manier kan je na lange tijd oorzakelijke verbanden bloot leggen en sturing geven. Ten minste, in een stabiele, statische omgeving.
Deze aanpak wordt sinds Taylor gebruikt om inzichten in processen te verwerven. Er zijn twee zaken die dit soort aanpak volslagen zinloos en onwerkbaar maken. Ten eerste kan je onmogelijk alle parameters meten. je kiest er dus enkele uit, en verheft deze tot sleutel factoren. Maar op deze manier verlies je meer dan 90% van wat er echt gebeurt, en zijn je verbanden steeds foutief.
Je werkt in een dynamisch systeem waar er veel meer factoren zijn waar je geen invloed op kan uitoefenen, dan diegene die je wel in de hand hebt. Met andere woorden, welk resultaat je ook zal behalen, het is zinloos geworden zodra het is uitgeschreven, de omgeving is immers reeds veranderd.
De inzichtelijke methode
Hierbij ga je midden tussen het gebeuren staan, probeert er een deel van te gaan uitmaken, en verwerft zo inzichten in een dynamisch proces. Deze aanpak is moeilijker, er zijn tal van valkuilen, maar indien goed uitgevoerd, levert deze aanpak steevast solide resultaten op.
De reden dat niet meer mensen op deze manier naar informatie op zoek gaan, in plaats van data te verzamelen, is eenvoudig. Het is moeilijker om er mooie grafieken van te maken. Het is moeilijker om er eenvoudig leesbare, snel bevatbare teksten over te schrijven. Het vergt net iets meer diepgang.
Vaak verkiezen we eenvoud boven resultaten. Waarom? Omdat het eenvoudiger is.
Maar wat hebben we hier nu echt aan? Wat leert het ons? Deze data hebben drie grote problemen, waar we zelden bij stil staan.
- Het zijn ruwe data over het verleden. Ze zeggen iets over de gemeten waarden van een beperkt aantal parameters uit het verleden. Ze laten vooral veel meer parameters onbesproken.
- Ze geven geen verbanden aan tussen de parameters. Het wordt aan onze verbeelding overgelaten, welke parameters we met elkaar in verband brengen. Met andere woorden, met cijfers kan je alles verklaren (lees er freaconomics nog eens op na). Het hangt maar af van welke parameters je met anderen wil verbinden.
- Ze geven geen echt inzicht in oorzakelijke verbanden. Met andere woorden, ze zeggen weinig of niets over de mensen en acties die eraan vooraf gingen. We zoeken wel telkens enkele verklaringen, maar aangezien we zo weinig parameters meten, hebben we er geen duidelijk beeld van.
De sprong van data (de gemeten parameters) en echte informatie (de achterliggende oorzakelijke verbanden) is zeer groot. Om van data naar informatie te gaan (een van de kerntaken als consultant) moet je anders te werk gaan. Je hebt twee manieren om dit te doen:
De wetenschappelijke manier
Hierbij ga je alles meten wat je maar kan meten. Vervolgens verander je bepaalde parameters, en kijkt naar de impact hiervan op het geheel. Op deze manier kan je na lange tijd oorzakelijke verbanden bloot leggen en sturing geven. Ten minste, in een stabiele, statische omgeving.
Deze aanpak wordt sinds Taylor gebruikt om inzichten in processen te verwerven. Er zijn twee zaken die dit soort aanpak volslagen zinloos en onwerkbaar maken. Ten eerste kan je onmogelijk alle parameters meten. je kiest er dus enkele uit, en verheft deze tot sleutel factoren. Maar op deze manier verlies je meer dan 90% van wat er echt gebeurt, en zijn je verbanden steeds foutief.
Je werkt in een dynamisch systeem waar er veel meer factoren zijn waar je geen invloed op kan uitoefenen, dan diegene die je wel in de hand hebt. Met andere woorden, welk resultaat je ook zal behalen, het is zinloos geworden zodra het is uitgeschreven, de omgeving is immers reeds veranderd.
De inzichtelijke methode
Hierbij ga je midden tussen het gebeuren staan, probeert er een deel van te gaan uitmaken, en verwerft zo inzichten in een dynamisch proces. Deze aanpak is moeilijker, er zijn tal van valkuilen, maar indien goed uitgevoerd, levert deze aanpak steevast solide resultaten op.
De reden dat niet meer mensen op deze manier naar informatie op zoek gaan, in plaats van data te verzamelen, is eenvoudig. Het is moeilijker om er mooie grafieken van te maken. Het is moeilijker om er eenvoudig leesbare, snel bevatbare teksten over te schrijven. Het vergt net iets meer diepgang.
Vaak verkiezen we eenvoud boven resultaten. Waarom? Omdat het eenvoudiger is.
Auteur/Admin)