Data-analyses: de yin & yang van meten en weten

Als managing partner bij UC data & transformation zijn mijn voelsprieten meteen geactiveerd bij dit artikel.

Het onderwerp is iets waar ik dagelijks mee te maken heb, en waar wij als UC data & transformation ook vaak onze meerwaarde laten zien. Immers data zonder context of context zonder data is een stuk minder waardevol als de combinatie. De één zonder de ander is zelfs een risico.

Mijn pleidooi in dit artikel gaat over het herijken van de soms uit balans geraakte verhoudingen tussen sturing op basis van data en sturing op basis van kennis, visie en inzicht. Ik ben er stellig van overtuigd dat we in de toekomst beide zeer hard nodig zullen hebben bij data-analyses.

Ik zal dit kort toelichten.

Data in perspectief

Vanuit de procesbenadering zie ik de toegevoegde waarde van data als erg hoog (mogelijk zelfs onmisbaar). Patronen zijn in de complexe processen niet altijd (tijdig) te herkennen en aannames gebaseerd op ervaringen uit het verleden kloppen mogelijk niet (meer). Snelle herkenning is echter essentieel! Tevens is gedetailleerde bijsturing wel nodig om efficiëntie te kunnen waarborgen, wat weer nodig is om competitief te blijven.

Als rasecht mensen-mens zie ik echter context en perspectief vaak verdwijnen achter een getal of een meetpunt. Neem als simpel voorbeeld een sterftecijfer van een ziekenhuis. Is deze hoog dan denk je dat dit ziekenhuis niet goed scoort. Weet je echter dat het ziekenhuis een ziekenhuis is waar veel mensen naartoe gaan in hun laatste hoop (omdat het juist een heel goed ziekenhuis is) dan kijk je hier anders tegenaan.

Ook de schrijvers van het boek “Weten vraagt meer dan meten”, het collectief Babel (Eric Koenen, Christien Brinkgreve en Sanne Bloemink) zien steeds meer voorkomen dat het meten het wint van weten. Zij geven verscheidene voorbeelden waarin dit gebeurt, sub optimaal is en heel moeilijk te veranderen. Die verandering houdt onder andere in dat we met elkaar moeten gaan zien dat meten iets is dat we gezamenlijk met weten moeten laten optrekken. Dit gaf bij mij veel parallellen met Yin en Yang.

Yin & yang

Yin en yang zijn Chinese begrippen die verwijzen naar twee tegengestelde principes of krachten waarvan alle aspecten van het leven en het universum doordrongen zijn. Het yin-yangsymbool is de Oud-Chinese voorstelling van de kosmische dualiteit, waarbij yin vrouwelijkheid (aarde, koude, het noorden, vochtigheid) symboliseert en yang mannelijkheid (hemel, warmte, het zuiden, droogte). Het zijn echter niet louter tegenstellingen, maar vooral complementaire (elkaar aanvullende) waarden (bron: Wikipedia).

De parallellen met meten en weten zijn hier heel groot. Meten is datgene dat we doen op basis van data, BI, metingen en berekeningen; weten gaat over ervaring, inzicht, visie, interpretaties. Combineren we dat met een aantal van de principes van yin en yang dan zien we het volgende:

Yin en yang is geen statisch fenomeen; het is een dynamisch proces, dat nooit stopt of gestopt kan worden.

• Door data-analyses (meten) leren we van de situaties en kunnen we onze inzichten aanscherpen (weten). Door de aangescherpte inzichten (weten) kunnen we betere data-analyses maken (meten)

Yin of yang kunnen ook niet verdwijnen of ontbreken.

• Zonder kennis (weten) geen mogelijkheden om te kunnen meten, en zonder meetpunten geen kennis

Het absolute yin of absolute yang bestaat niet. Er is geen absoluut donker of licht; in de nacht wanneer het donker is, kan men toch zien en overdag zijn er altijd schaduwen.

• Dit geeft aan dat we meten en weten altijd samen moeten zien. Laat de data je helpen, of je ideeën bevestigen maar laat je gezond verstand (en ervaring) niet thuis. Blijf echter wel openstaan voor nieuwe inzichten.

Yin en yang zijn onderling verbonden, wanneer één waarde te groot wordt, dan remt de ander af.

• De goede balans van data en inzicht zal een groot succes worden. Echter het totaalresultaat blijft altijd beide nodig hebben. Te data-gedreven zal draagvlak verliezen bij de weten groep en niet onderbouwde zaken zullen voor de meten groep lastig zijn.

Yin is de veroorzaker van yang; hetgeen in het symbool tot uitdrukking wordt gebracht door de witte stip in donkere yin & yang is de veroorzaker van yin; hetgeen in het symbool tot uitdrukking wordt gebracht door de zwarte stip in het lichte yang.

• Meten zorgt voor kennis. Kennis en inzicht zorgen voor meer mogelijkheden om te meten.

Combineer altijd menselijke kwaliteiten met data

Data zal als een soort data-oceaan gevuld blijven met gegevens, en net als de huidige zeespiegel steeds voller worden (of we willen of niet). We weten exact hoe laat welk product klaar is, waar de auto is, welke versnelling hij reed en hoe vaak hij een rood stoplicht had. Zoveel dat we hier in de benaderingen straks ook keuzen moeten maken.

Inzicht zal met de tijd meegroeien, en niet meer alleen op historie gebaseerd zijn maar ook op de technologische innovaties. Dit interpreteren zal altijd een menselijke kwaliteit blijven in mijn ogen.

Twee praktische voorbeelden mogelijk bij u in de organisatie:

Ziet u in uw organisaties dashboardinformatie waarbij het verhaal mist, of geen link met uw (bedrijfs)visie, is uw organisatie meer bezig met de metertjes dan de jaardoelen, dan ligt meten voor op weten.

Gebruikt u management informatie nauwelijks, en zien uw teamleden management informatie als een administratieve last, dan heeft weten de overhand ten opzichte van meten in uw organisatie.

Graag zou ik een keer in contact komen om uw situatie door te spreken en mijn beeld toe te lichten over de yin en yang van meten en weten.

Chris Reudink is BI expert en heeft ruime ervaring met data-analyses en interpretatie van data binnen organisaties. Vragen over dit artikel? Neem gerust even contact op met Chris!