"Assumption is the mother of all..."

Jeroen: “Assumption is the mother of all fuck-ups.”

Het is een quote uit een actiefilm, die ook heel goed van toepassing is op het vakgebied van Business Intelligence.

Want hoe vaak gebeurt het niet? Er wordt een ‘informatieproduct’ opgeleverd. En dan heb ik het niet alleen over die gelikte dashboards. Ik heb het ook over dat Excel-bestandje dat elke maand naar de zorgverzekeraar gaat. Of de ad-hoc lijst met patiënten voor de planning. Of de managementrapportage voor de Raad van Bestuur.

Technisch klopt het vaak wel. De data komt uit het systeem. De query draait zonder foutmeldingen.

En toch zegt de ontvanger: “Dit kan niet waar zijn. Dit klopt niet met mijn werkelijkheid.”

Op zo’n moment schieten we vaak in de verdediging. De maker zegt: “Het staat toch zo in het systeem?” En de gebruiker zegt: “Jullie snappen mijn proces niet.”

En daar stopt het gesprek. Terwijl daar het echte werk pas begint.

Welkom bij de eerste aflevering van ‘Data met impact’. De podcast over de zin en onzin van data, mensen en techniek.

Ik ben Jeroen Buisman, en met InfoReports help ik organisaties die maatschappelijke impact maken – zoals ziekenhuizen – om grip te krijgen op hun informatie. In deze podcast ga ik voorbij de tools. We gaan het niet hebben over de nieuwste features van Power BI, of hoe je queries sneller maakt. We gaan het hebben over de menselijke kant. Over begrijpen wat je meet.

Vandaag duik ik met jullie in de grootste valkuil bij het maken van informatieproducten. Het zijn de Aannames.

Jeroen: Laten we eerst eens kijken naar wat ik een ‘informatieproduct’ noem. We focussen ons in dit vakgebied vaak enorm op dashboards. Maar in de praktijk wordt een organisatie gestuurd door veel meer dan dat. Informatieproducten zijn alle vormen waarin we data presenteren om een beslissing te nemen. Dat kan een real-time scherm zijn op de SEH, maar net zo goed een PDF-rapportage of een simpele uitdraai voor een externe toezichthouder.

Bij al die producten is er een zender en een ontvanger. Iemand die een vraag stelt, en iemand die het antwoord bouwt. En tussen die twee zit vaak een wereld van ruis.

Stel je voor. Je hebt weken gewerkt aan een dashboard of een rapportage. De queries zijn geoptimaliseerd, de data is driedubbel gecontroleerd en technisch klopt het als een bus.

Je levert het op aan de collega die erom gevraagd heeft. Misschien is het een manager, misschien een medisch specialist. Je laat het zien.

En dan valt er een stilte.

De ander kijkt fronsend naar het scherm en zegt: “Dit herken ik niet. Mijn gevoel zegt dat het veel drukker was.” Of: “Volgens mij missen we hier de helft van de patiënten.”

Op zo’n moment is de eerste reflex van ons – de data-mensen – om te zeggen: “Nee hoor, kijk maar, dit komt rechtstreeks uit de bron. De data liegt niet.”

Maar dat is dus precies waar de discussie stopt en het onbegrip begint. Want data liegt misschien niet, maar data is ook nooit de volledige waarheid.

Laten we een voorbeeld nemen uit de praktijk. Eentje waar veel ambiguïteit in zit: “De Opname”.

Stel, het management of een vakgroep vraagt om inzicht in het aantal klinische opnames. Klinkt als een simpele vraag. “Hoeveel opnames hadden we vorige maand?”. En ik weet het, dit zijn standaard overzichtjes die iedereen al heeft, maar even als voorbeeld.

De data-specialist gaat aan de slag. Die kijkt in het ZIS/EPD en ziet een tabel met zorgactiviteiten of DBC’s. Hij telt het aantal klinische DBC-zorgproducten en levert het rapport op.

Maar dan kijkt de verpleegkundig manager van de afdeling ernaar en zegt: “Dit cijfer is veel te laag. Alle bedden lagen vol, we moesten zelfs patiënten weigeren!”

Wat is hier gebeurd? Er zijn aannames gedaan over het woord ‘Opname’. De data-specialist – vaak met een financiële of technische bril – keek naar de administratieve werkelijkheid: is er een DBC met een klinische component geopend? Maar de manager kijkt naar de fysieke werkelijkheid: ligt er iemand in dat bed?

Die twee werkelijkheden botsen. Want wat doe je met een patiënt die ‘s ochtends wordt opgenomen voor een operatie, maar ‘s avonds al weer weg is, omdat er met spoed is overgeplaatst naar een ander ziekenhuis? Of laten we het eens hebben over dat je met DBC’s waarschijnlijk alleen kijkt naar de openingsdatum, maar dat een opname zeker niet altijd op de start van DBC plaatsvindt.

Als je als manager vraagt om “opnames”, en je neemt aan dat de analist precies weet dat jij ‘bedbezetting’ bedoelt in plaats van ‘DBC-productie’… dan vraag je om problemen. En als je als analist aanneemt dat ‘opname’ gewoon een code in de database is… dan lever je een product dat technisch, volgens een bepaalde invalshoek, klopt, maar functioneel, nou ja, waardeloos is.

Jeroen: Het gevaarlijke is dat we vaak denken dat we elkaar begrijpen omdat we dezelfde woorden gebruiken. Woorden als ‘Productie’. ‘Instroom’. ‘Wachttijd’. ‘Verzuim’.

Iedereen binnen de organisatie heeft daar een beeld bij. Maar dat beeld wordt gekleurd door je eigen rol. De financiële afdeling kijkt naar wat declareerbaar is. De planner kijkt naar capaciteit. De arts kijkt naar de patiënt.

Als we die context niet van elkaar kennen, gaan we de mist in. En dit geldt niet alleen voor de mensen die de rapporten maken, maar ook voor de mensen die erom vragen.

En wat is het gevolg van deze spraakverwarring? Schaduwlijstjes. Omdat het centrale informatieproduct niet aansluit bij de beleving, gaan mensen het zelf bijhouden. Turflijstjes. Excel-sheets. Niet uit onwil. Maar uit noodzaak. Omdat ze grip willen op hún werkelijkheid.

Jeroen: Hoe doorbreken we dit? Hoe zorgen we ervoor dat onze informatieproducten daadwerkelijk aansluiten op de realiteit?

Het antwoord zit niet in betere software. Het zit in gedrag. In nieuwsgierigheid. In, jaja, filosoferen over de betekenis van data. Of je nu de gebruiker bent van de informatie of de maker, ik heb drie handvatten voor je om aannames te voorkomen.

Handvat nummer 1: Verlaat je eiland en zoek de context. Data ontstaat ergens. Het is een digitale afdruk van een fysiek proces. Mijn advies aan iedereen die met data werkt: ga kijken. Letterlijk.

Ben je analist of BI-er? Vraag of je een ochtend mag meelopen op de afdeling waarvoor je rapporteert. Kijk hoe de receptioniste die afspraak inplant. Dan snap je ineens waarom dat datumveld soms leeg is. Ben je manager? Nodig die data-specialist eens uit bij de dagstart. Laat zien waar je tegenaan loopt. Laat zien waarom je dat Excel-lijstje bijhoudt.

Als je elkaars context snapt, verdwijnen de aannames. Dan snap je dat een ‘leeg veld’ in de database soms betekent: “Ik had geen tijd, want er was een spoedgeval.” Dat is kennis die je niet uit een SQL-database haalt.

Handvat nummer 2: De techniek van ‘Negatief Definiëren’. Dit is een techniek die ik zelf veel gebruik om aannames om zeep te helpen. Als we een definitie proberen vast te stellen, bijvoorbeeld voor ‘Aantal Opnames’, dan knikken we vaak te snel ja. “Ja, opnames, dat snappen we.”

Draai het eens om. Ga op zoek naar wat het niet is. Zoek de randgevallen. Vraag aan elkaar: “Telt een dagbehandeling mee als opname?” “Telt een overplaatsing van de IC naar de afdeling als een nieuwe opname?” “Telt een ‘bed op de gang’ mee voor de capaciteit?”

Door te vragen naar de uitzonderingen, dwing je elkaar om scherp te worden. Dan blijkt ineens dat de manager “Ja” zegt tegen de IC-overplaatsing, terwijl het systeem “Nee” zou zeggen. Op dat moment heb je een aanname weggehaald. Vóórdat het rapport gebouwd is.

Handvat nummer 3: Wees kritisch op de bron (De ‘Luis in de Pels’). We hebben vaak de neiging om dingen ‘mooi’ te maken in onze informatieproducten. Als de cijfers raar doen, vragen we: “Kun je dat er niet even uitfilteren?”

Doe dat niet. Als de data in het rapport niet klopt, zit de fout 9 van de 10 keer in het proces of de registratie. Als je dat wegpoetst met een filtertje, creëer je schijnveiligheid.

Wees kritisch. Durf te zeggen: “Dit cijfer klopt niet, omdat we zien dat het aan de balie niet consequent wordt ingevuld.” Dat is een ongemakkelijke boodschap. Maar het is wel de enige weg naar structureel betrouwbare informatie. Leg het probleem daar waar het opgelost moet worden: bij de bron.

Jeroen: Business Intelligence, datamanagement, stuurinformatie… we maken het vaak heel technisch. Maar in de kern is het mensenwerk. Het gaat over taal. Over elkaar begrijpen.

Zolang we aannames doen over elkaars werk, blijven de rapportages en de werkelijkheid botsen. Maar zodra we de tijd nemen om die ene extra vraag te stellen – “Wat bedoel je daar precies mee?” – verandert data van een discussiepunt in échte impact.

Jeroen: Ik hoop dat deze eerste aflevering je aan het denken heeft gezet. Of je nu data maakt of data gebruikt: wees morgen eens extra nieuwsgierig. Neem geen genoegen met het eerste antwoord.

Want een goed antwoord begint altijd met een betere vraag. Kijk daarom verder dan de cijfers en durf kritisch te zijn op wat je ziet. Blijf je verwonderen, wees nieuwsgierig en neem nooit genoegen met aannames.

Wil je weten hoe wij jouw organisatie helpen aan meer inzicht en impact? Kijk dan op inforeports.nl. Bedankt voor het luisteren en tot de volgende keer!