Mijn data, mijn informatie.
Data en datakwaliteit
Wanneer ik aan een opdracht start in Lean SS of Opex, is één van mijn eerste vragen, na een kennismaking, of er ‘data’ aanwezig zijn.
Wel, data zijn er meestal ‘aanwezig’, maar de vraag is uiteraard, ‘zijn er betrouwbare (master)data aanwezig’. Vaak krijg ik het antwoord :’Ja wij hebben veel data in ons systeem hoor’.
Data vs informatie.
Data en systeem zijn echter géén synoniem. Het is niet omdat er allerlei ‘gegevens’ in een systeem zitten, dat we bruikbare data hebben, laat staan dat die data ons iets bijbrengen = informatie.
Voor mij is ‘een systeem’ een ‘container’ van data waaruit informatie kan gedestilleerd worden.
You can have data without information, but you cannot have information without data.
Daniel Keys Moran
Betrouwbaarheid.
Hoe betrouwbaar zijn die ‘data’? Worden ze consistent en correct ingegeven en bijgehouden? Worden er ‘shortcuts’ gebruikt om regelmatig eens een procedure te omzeilen zodat het allemaal wat ‘sneller’ gaat?
Wanneer het artikelbestand eens grondig wordt bekeken zie ik niet zelden ‘spookartikels’, dubbels, artikels met een verschillend artikelnummer maar wel met dezelfde artikelomschrijving enz. Er wordt heel wat in een systeem ingegeven, maar vaak staat men er onvoldoende bij stil of al die informatie ook wel correct is. Heel wat medewerkers spenderen een groot deel van de dag om het systeem in lijn te houden met de actuele effectieve toestand van het bedrijf/bedrijfsproces.
Voorbeeld : bij ontvangst van goederen boek je de ontvangst in het systeem. Je geeft in dat de goederen voor een bepaald aankooporder effectief zijn binnengekomen. Je registreert wat, hoeveel enz. (afhankelijk van bedrijf en systeem). Wanneer je nu in deze ontvangst-procedure het niet zo nauw neemt met controle en snel snel maar wat intikt, kan je niet verwachten dat je straks betrouwbare informatie hebt om op terug te vallen.
De waarheid.
Hoeveel hebben we wanneer ontvangen? Voldeden de goederen die we ontvangen hebben aan onze kwaliteitsverwachting/norm? Wat de medewerker aan de inbound in het systeem heeft geregistreerd is nu ‘de waarheid’. Verderop in de informatieketen worden die gegevens als de waarheid = betrouwbaar beschouwd en men gaat hierop beslissingen nemen.
Wanneer er nu een aantal medewerkers eenzelfde, ‘niet zo nauw nemen’ of het ‘ik heb daar geen tijd voor’- principe hanteren, dan dreigt het systeem al snel niet meer de ‘waarheid’ te weerspiegelen. Je kan je dan ook afvragen in hoeverre de beslissingen die genomen worden uit analyses van die data, de juiste beslissingen zijn die het beoogde resultaat/doelstelling gaan opleveren.
Afspraken, conventies, ingavemaskers enz. zijn nodig om een systeem op orde te houden.
Wanneer men artikelcodes gaat creëren gebeurd dit best binnen een bepaalde conventie. Hoe maken we een dergelijk nummer aan? Hoe controleren we op dubbels? Niet elk systeem blijkt dit consistent te doen, of je hebt 2 artikelnummers, maar met dezelfde artikelomschrijving en beiden worden door elkaar gebruikt.
‘Foute’ data.
Bij voorraad en voorraadbeheer, ik had het er al eerder over, zie je ook heel wat ‘gaten’. Goederen die worden besteld, ontvangen, worden gebruikt in productie of verkocht, maar waar de voorraad toch ‘fout’ blijkt te zijn in het systeem.
De voorraad in het systeem is niet ‘fout’, de voorraad in het systeem is een optelling van wat medewerkers in het systeem hebben ingegeven/gewijzigd/gemanipuleerd.
‘Snel even iets ophalen in het magazijn’, maar de goederen worden niet op de correcte manier uit het magazijn geboekt. De procedure werd omzeild. De voorraad in het systeem is dan niet ‘fout’, de voorraad in het systeem weerspiegelt wat de data die in het systeem werden ingegeven opleveren.
Een vertegenwoordiger komt terug van bij een klant en heeft even een ‘retour’ afgezet in het magazijn. Wel, ‘het systeem’ gaat dat niet weten. Die data zullen niet correct zijn. Is er een procedure voor retours? Retour-aanvraag, goedkeuring, retourdocument, ontvangst door de magazijnier, ingangscontrole, boeking enz.?
Niet gevolgd?
Data = discipline.
Vaak wordt het argument van ‘het systeem is niet correct’ dan ook gebruikt om Ad Hoc beslissingen net goed te praten omdat het systeem niet correct is. Op die manier houd je echter in stand wat je niet in stand moet houden.
Discipline en betrouwbare data gaan hand in hand.
In een snelle supply chain is het noodzakelijk dat je e.e.a. snel en correct kan opvolgen. De nodige analyses kan doen en op de uitkomst kan vertrouwen. Wanneer aan de bron van de analyses of de vraagstellingen (Queries) ‘foute’ data zitten, dan kan de uitkomst niet correct zijn.
De uitkomst weerspiegelt de beschikbare data.
De uitdrukking ‘foute data’ op zich is dus niet correct. De data die in het systeem zitten zijn niet noodzakelijk ‘fout’, ze werden op die manier ingegeven.
Sustain.
Voor heel wat KMO’s, maar ook voor grotere bedrijven, is het nog steeds een grote uitdaging om de juiste manier te vinden om data up-to-date en correct te houden. Als ‘het systeem’ fouten maakt, laat het nakijken en stel het op punt.
Als ‘het andere systeem’ = procedures, werkwijze, mentaliteit, discipline.. in de fout gaat of het laat afweten, is er werk aan de winkel op een ander niveau.
Maak je medewerkers bewust van de noodzaak aan correcte informatie. ‘Het systeem’ is een spiegel van de waarheid.
Allerlei informatie ingeven en bijhouden is deel van ieders job. Het excuus ‘daar heb ik geen tijd voor’, is niet aan de orde. De tijd is er wel degelijk aangezien het systeem een ‘tool’ is die gebruikt word om het werk uit te voeren.
Als je iets wil ‘schrijven’ het je wel degelijk tijd om je balpen te nemen en een notitie te maken. Mocht je ‘geen tijd’ hebben om jouw ‘tool’ te nemen, zou je ook geen notitie kunnen maken.
Touchpoints.
Vermijd dat iedereen maar wat kan wijzigen of aanpassen.
Creëer een mentaliteit, bewustwording, die ervoor instaat om de kwaliteit van data te bewaken. Conventies en afspraken volgen. (standard work, sustain) Procedures aanpassen en op punt houden. D.w.z. wat nodig is gaan we verzamelen, wat geen doel heeft, wat geen waarde oplevert = waste, gaan we niet bijhouden/verzamelen.
Wanneer een medewerker niet beseft en begrijpt waarom bepaalde gegevens moeten geregistreerd worden, correct, op tijd, dan zal het wellicht ook niet goed verlopen. De juiste en herhaalde training, constant leren, constant verbeteren draagt bij aan dit inzicht.
Bekijk ook even hoe je data verzamelt. We zijn 2023.
Wordt er nog heel veel op allerlei lijsten geschreven die dan overgetypt worden in een bepaalde toepassing of systeem? Of worden die documenten dan gescand om als bijlage te dienen? Bij elke overdracht van informatie, van geschreven informatie naar digitale informatie (intikken van het geschreven document naar bv. Excel), is er een kans/opportuniteit op fouten. Data raken vervuild.
Maak de kans op datavervuiling zo klein mogelijk.
Eenmaal de data gecapteerd stopt het niet. Wie kan nadien deze data nog ‘manipuleren’.
Ook daar weer een opportuniteit voor een vervuiling. Wees je bewust van elk ‘touchpoint’ met (master)data. Iedereen in de keten moet verantwoordelijk en met de nodige discipline met de data omgaan willen we straks nog de kwaliteit hebben die we verwachten. De captatie kan perfect gebeurd zijn, maar op het ogenblik van de analyse zijn de data al aan heel wat touchpoints gepasseerd en de betrouwbaarheid is gezakt.
De waarheid is wat ‘verdraaid’ geraakt.
Informatie.
Binnen heel wat KMO’s hoor je vaak dat men ‘dashboards’ wil hebben. Vaak komt de vraag van hoger management of van de eigenaar(s) dat men rapportering wenst, een dashboard waarop ‘alles’ te volgen is, informatie. Het is dan ook mede een taak van het management en de eigenaar(s)/bestuurder(s) om zelf mee te werken aan het data-verhaal.
Is ‘data’ een strategisch punt op jouw agenda? Hecht je de nodige waarde aan data en in stand houden van? Is er ruimte voor opleiding? Of ben je het eens met de stelling dat daar ‘geen tijd’ voor is?
Iedereen binnen de operationele keten draagt mee verantwoordelijkheid om toe te zien op correcte data. Definieer wat je wil gerapporteerd hebben. Welke data heb je nodig om jouw KPI’s te kunnen volgen? Welke inzichten wil je op welke tijdstippen krijgen?
Hoe wil je ‘geïnformeerd’ worden. Welke informatie wens je?
Hoe ver mag de digitale realiteit afwijken van de ‘waarheid’?
M.a.w. welke betrouwbaarheid verwacht je van jouw data? Wanneer je duidelijk weet wat het eindresultaat zou moeten zijn wat je wenst te zien of gerapporteerd te krijgen, kan je data definiëren die je daarvoor nodig hebt/zou hebben. Je kan starten met het onderzoek of de data al aanwezig zijn en of ze compleet zijn. Indien je niet over voldoende data/metingen beschikt kan je acties opzetten om de betreffende gegevens te gaan verzamelen, verwerken en beheren (sustain).
Manage.
Data-beheer en goed data-management zijn geen overbodige luxe. Neem er je tijd voor. Maak het zo makkelijk mogelijk voor iedereen om de ‘key’ data te capteren. Geef training en duiding waarom data nodig zijn en waarom elke medewerker er de nodige tijd voor krijgt, als onderdeel van de job, om ermee bezig te zijn. Elke dag, consequent, bewust.
Ga je beslissingen nemen, misschien gebruik je wel een Obeya, heb je meerwaarde aan een goed ‘live’ inzicht in de juiste data en analyses.
Je kan in een meeting of discussie meteen beroep doen op de ‘objectieve’ informatie die de waarheid weerspiegelt.
Vergeet niet dat er voor de analyse, verwerking en de interpretatie kundigheid vereist is. Goede data horen ook correct verwerkt te worden. Vaak een hele klus.
Inzicht in jouw dagelijkse operations. Met data ondersteunde beslissingen nemen. Opvolgen van trends. Constante verbetering.
Have a good data!
