God datakvalitet er avgjørende for tillit og forbedring

Over 50 prosent av alle renn vunnet. Med mindre budsjett enn konkurrentene. Hemmeligheten? 100 prosent tillit til data.

Når tallene ikke diskuteres

På Oslo Business Forum hørte jeg Aksel Lund Svindal fortelle hvordan det norske alpinlandslaget vant over 50 prosent av alle renn.

Med mindre budsjett enn konkurrentene.

Hemmeligheten? 100 prosent tillit til data og til hverandre.

Som Aksel sa fra scenen:

«It is measured in millimeters and a hundred of a second. If you are good or if you're not good enough, there's no discussion. It's numbers.»

Der og da slo det meg: Hvor mange ganger har jeg opplevd det motsatte?

Vi diskuterer om tallene er riktige, ikke hvordan vi blir bedre.

Kort oppsummert

Situasjon: Det norske alpinlandslaget vant over 50 prosent av alle renn med mindre budsjett enn konkurrentene, basert på 100 prosent tillit til data.

Innsikt: Når teamet ikke stoler på dataene, blir tallene en hvilepute i stedet for et verktøy. Med gode data går du direkte til handling. Med dårlige data bruker du tid på å diskutere om tallene stemmer.

Tegn du kan se etter: Teamet diskuterer om tallene er riktige i stedet for hva dere skal gjøre. Tallene brukes som unnskyldning. Møter handler om å forsvare data, ikke forbedre prosessen.

Neste steg: Vurder målesystemet. Kan det faktisk skille god fra dårlig ytelse? Er variasjonen i målingen større enn forskjellen du prøver å oppdage?

Når data blir en hvilepute

Hva dette handler om: Tillit til data avgjør om team bruker tid på diskusjon eller handling. Når målesystemet ikke er pålitelig nok, mister teamet tillit til tallene og til hverandre.

Hvorfor det skjer: Målesystemet varierer mer enn det du prøver å måle. Minste måleenhet er for grov. Teamet har erfart at tallene har vært feil før, så de stoler ikke lenger.

Hvordan du kjenner det igjen:

• Teamet sier «Det kan umulig stemme, vi er da mye bedre enn dette»

• Dere bruker mer tid på å diskutere om tallene er riktige enn hva dere skal gjøre

• Tallene blir en unnskyldning i stedet for grunnlag for forbedring

• Møter handler om å forsvare avvik, ikke løse dem

Du kan ikke bygge tillit på data du ikke kan stole på.

Oppskriften på suksess

Alpinlandslaget hadde ingen diskusjon om tallene. De stolte på dataene og hadde 100 prosent tillit til hverandre.

De delte erfaringene fra rennet sitt, selv når det innebar å miste gullet til en lagkamerat. Fordi 100 prosent tillit krever 100 prosent ærlighet. Er du ikke ærlig vil dataene avsløre deg.

Som Aksel sa:

«If you don't have good data, there'll be discussions around the table. If you have good data, you go straight to execution.»

Med gode data går du fra avvik til handling. Med dårlige data går du fra avvik til diskusjon.

Hva hvis målesystemet sviktet?

Hva hvis tidtakingen i alpint ikke var god nok?

Hva hvis minste måleenhet var tideler, ikke hundredeler? Hva hvis variasjon i måling overskygget forskjell i prestasjon?

Hvor lenge ville tilliten holdt?

Svaret er: Ikke lenge.

Fordi målesystemet må være pålitelig nok til å skille prestasjonene. Ellers blir tallene meningsløse.

Kjenner du igjen dette?

Kanskje du ikke driver med alpint. Men jeg vedder på at du kjenner igjen dynamikken:

• Dere diskuterer om avviket er reelt i stedet for å løse det

• Teamet bruker tallene som unnskyldning: «Målingen må være feil»

• Operatørene stoler ikke på sensorene: «Den viser alltid feil»

• Kvalitetsdata blir ignorert fordi «vi vet at prosessen går bra»

• Ledelsen spør «Er dere sikre på at dette stemmer?» i stedet for «Hva gjør vi med dette?»

Konsekvensen? Dere bruker tid på å diskutere tallene, ikke forbedre prosessen.

Målesystemanalyse i praksis

For å vite om dataene dine er gode nok, må du forstå målesystemets egenskaper:

Presisjon (repetérbarhet): Hvor mye varierer målingene når du måler samme ting flere ganger?

Nøyaktighet: Måler du riktig verdi, eller er det systematisk avvik?

Følsomhet: Er minste måleenhet fin nok? Som hundredels sekund i alpint.

Kapabilitet: Kan målesystemet faktisk skille mellom god og dårlig ytelse? Som å skille prestasjonene til ulike alpinister.

Hva du kan gjøre med dette

Steg 1: Still det kritiske spørsmålet

Diskuterer dere om tallene stemmer, eller hva dere skal gjøre? Hvis svaret er førstnevnte, har dere et målesystemproblem.

Steg 2: Vurder målesystemets kapabilitet

Er variasjonen i målingene større enn forskjellen du prøver å oppdage? Test ved å måle samme objekt flere ganger. Hvis resultatene varierer mye, kan du ikke stole på dem.

Steg 3: Bygg tillit gjennom pålitelighet

Som Aksel sa: «I believe good data and good use of data is a key element to building trust.» Start med å sikre at målesystemet ditt faktisk kan skille god fra dårlig ytelse.

Ofte stilte spørsmål

Hvordan vet jeg om målesystemet mitt er godt nok?

Test repetérbarheten: Mål samme objekt flere ganger. Hvis resultatene varierer mye, er målesystemet ikke pålitelig nok. Tommelfingerregel: Målesystemets variasjon bør være under 10 prosent av total variasjon du ser.

Hva er forskjellen mellom presisjon og nøyaktighet?

Presisjon handler om hvor like resultatene er når du måler det samme flere ganger. Nøyaktighet handler om hvor nær du er sann verdi. Du kan være presis uten å være nøyaktig, og omvendt.

Hvordan bygger jeg tillit til data i teamet?

Start med å sikre at målesystemet faktisk er pålitelig. Deretter: Vær transparent om usikkerhet, involver teamet i å teste målesystemet, og vis konsekvent at tallene stemmer over tid.

Hva gjør jeg hvis teamet ikke stoler på dataene?

Finn ut hvorfor. Har tallene vært feil før? Er målesystemet upålitelig? Mangler de forståelse for hva som måles? Adresser rotårsaken, ikke bare si «dere må stole på tallene».

Trenger jeg MSA for alle målinger?

Nei, prioriter målinger som brukes til viktige beslutninger. Hvis en måling avgjør om produkt godkjennes eller vrakes, må du vite at målesystemet er pålitelig. For mindre kritiske målinger kan kravene være lavere.

Lær Målesystemanalyse

Hvis du vil lære hvordan du sikrer at målesystemet ditt er godt nok til å bygge tillit, tilbyr vi nettkurs i Målesystemanalyse.

Du lærer å bestemme viktige egenskaper som presisjon, nøyaktighet, følsomhet og kapabilitet, slik at du kan bygge tillit til data og slutte å diskutere om tallene stemmer.

Se MSA nettkurs

Vil du ha flere historier om problemløsning?

Denne historien er fra vårt ukentlige nyhetsbrev, hvor vi deler erfaringer. Korte historier for deg som vil løse problemer ved roten og oppnå målbar, varig verdiskapning.

Meld deg på nyhetsbrevet vårt:

Hvis du vil lære mer om temaene i dette innlegget:

• Forstå forskjellen på støy og signal med statistisk prosesskontroll

• Før du jakter prosessfeil, sjekk målesystemet

• Slik finner du rotårsaker i stedet for å behandle symptomer