De flesta företag och organisationer inser idag att högkvalitativ data är avgörande för en effektiv verksamhet, välgrundade beslut och utveckling av AI. Trots detta underskattas ibland den enskilda medarbetarens roll i skapandet av bra data. Ofta betraktas medarbetare snarare som en källa till problem, med argument som bristande uppmärksamhet, ovilja att lära eller oro för att ersättas.

Vår erfarenhet på Heartpace visar motsatsen. Vi ser dagligen hur företag, trots brist på utbildning och stöd, gör stora ansträngningar för att generera, använda och analysera data. Utmaningar uppstår dock när chefer, ofta omedvetet, försvårar för medarbetarna att agera rätt. Det kan kännas obekvämt för chefer att tänka så, de strävar ju efter att uppnå sina mål och hantera krav uppifrån. Men många kan känna igen sig i följande scenarier som bygger på verkliga händelser:

Kundtjänsts konsekvenser av utebliven utbildning.

Ledningen valde att inte utbilda kundtjänstpersonal i hur deras dataregistrering påverkade verksamheten, med hög personalomsättning som anledning. Detta resulterade i bristande datakvalitet och fler fel som behövde rättas till senare i processen.

Ekonomiavdelningens fel incitament hindrar förbättring.

Stina upptäckte inkonsekventa leverantörsdata, då olika avdelningar matade in uppgifter olika. Hon visste att centraliserade inköp skulle spara pengar, men hennes bonus var kopplad till korrekt bokföring – inte förbättringsarbete. Därför höll hon tyst.

Kommunal organisations brist på tillit hindrar utveckling.

Organisationen ville använda data för att förbättra stödet till familjer. Socialarbetarna var dock skeptiska, då de sett data användas som kontrollverktyg och saknade tillit till processerna.

Techbolagets målkonflikt leder till ineffektiva processer.

Ett mjukvaruföretag hade olika mål för marknad och försäljning. Marknad fokuserade på att samla in så många leads som möjligt, vilket ledde till att försäljningsavdelningen fick hantera irrelevanta kontakter.

I samtliga fall gjorde de involverade sitt jobb enligt sin egen förståelse, även om det innebar onödigt arbete eller missade möjligheter. Med rätt utbildning, tydliga incitament och möjlighet att påverka, kan resultaten förbättras markant.

Stärk medarbetarnas yrkesstolthet.

Ingen i exemplen hade avsikt att skapa felaktig data och inga chefer ville aktivt uppmuntra det. Redan på 1920-talet betonade kvalitetsarbete vikten av att medarbetare förstår sitt bidrag till helheten och ges möjlighet att själva förbättra arbetsflödet. Yrkesstolthet och vilja att göra rätt finns hos de flesta – nyckeln är att stödja och utveckla dessa drivkrafter.

• “Driv ut rädslan så att alla kan arbeta för organisationens bästa.”
• “Ta bort hinder som står mellan medarbetaren och hennes rätt att känna yrkesstolthet.”

Lärdomarna från kvalitetsarbetet i Japan efter andra världskriget är minst lika aktuella när det gäller dagens datadrivna verksamheter.

Fyra avgörande frågor att ställa.

Fundera över följande punkter för att stärka datakvaliteten i organisationen:

• Förståelse: Vet medarbetarna att de är dataskapare och hur deras data används?
• Inflytande: Finns det möjlighet att lyfta oro, föreslå förbättringar och påverka? Upplevs psykologisk trygghet?
• Ansvar: Känner medarbetare ansvar och ägarskap för att skapa eller hantera data på ett bra sätt?
• Samarbete: Förstår man hur man samverkar som både producent och användare av data?

Om svaret på någon fråga är nej – då är det dags att agera.

Ta vara på potentialen i vardagen.

Ett kort träningsprogram kan minska fel med upp till 90 procent. Tvärfunktionella samarbeten har även visat sig kraftigt stärka datakvaliteten. Här är några konkreta steg för att komma igång:

• Ge medarbetare inflytande och visa sambandet mellan deras arbete och helheten.
• Synliggör att medarbetare redan är både dataanvändare och dataskapare.
• Uppmuntra vilja att hjälpa andra genom att tydliggöra effekterna av god datakvalitet.
• Låt ansvar växa ur inflytande – dra nytta av yrkesstoltheten som drivkraft.
• Bygg en kultur där alla idéer får uttryckas och utvärderas.

Så leder du en datadriven kulturutveckling.

Chefer har mycket att hantera, men det är avgörande att se värdet i att sätta människan i centrum för datakvalitet. Visa respekt, förklara helheten och skapa möjlighet för medarbetare att utvecklas både som dataskapare och dataanvändare. Sätt höga förväntningar, ge stöd – och låt initiativkraften växa.

Det här är “data på rätt sätt” – vare sig det gäller kunddata, operativa data, rapportering eller AI. Att arbeta smart med data handlar om mer än processer och teknik. Utan rätt grund är tekniken värdelös, men med rätt fokus på människan blir datakvaliteten också mycket bättre.