Titel:
Datainformeret ledelse: Hvordan bruges data til at skabe bedre organisatoriske resultater?
VF12 Printartikel:
FB
Kort tekst:
Offentlige ledere har i dag mere data tilgængeligt end nogensinde før. De mange tal i rapporter og Excel-ark kommer dog sjældent med en brugsanvisning, der angiver, hvordan lederne kan anvende data til at skabe bedre resultater for deres organisationer. Den problematik bliver adresseret her, og I bliver præsenteret for et eksempel på, hvordan funktionel datainformeret ledelse udfolder sig – med blik for de udfordringer og faldgruber, der kan vise sig undervejs i processen.
Person:
Billede:
JMH_Billede_70x80
Navn:
Jakob Majlund Holm
Titel:
Adjunkt
Arbejdssted:
Institut for Statskundskab, Aarhus Universitet og Trygfondens Børneforskningscenter
Fotoreportage:
Lang tekst:

Datainformeret ledelse: Hvad er det?

Kært barn har mange navne, og datainformeret ledelse er ingen undtagelse. Resultatstyring, resultatbaseret ledelse, målstyring og performance management er blot nogle af eksemplerne. De forskellige betegnelser deler dog en fælles idé om, hvordan man kan bedrive ledelse i den offentlige sektor. Ideen kommer til udtryk ved tre elementer, som de fleste offentlige ledere i dag kan nikke genkendende til, nemlig 1) politisk fastlagte målsætninger, 2) mål-indikatorer og 3) resultatmåling- og information.


Som et konkret eksempel på et datainformeret ledelsessystem kan sundhedsområdet fremhæves. Her er fastlagt otte nationale målsætninger, herunder det politiske krav om et mere effektivt sundhedsvæsen.


Sundhedsvæsnets udvikling i forhold til dette mål opgøres ved den gennemsnitlige liggetid pr. indlæggelse (i antal dage). Det centrale element i et datainformeret ledelsessystem er data af den art, nemlig resultatinformation om hvilke resultater organisationen leverer.


Ideen i systemet er - og det er her, det ledelsesmæssige aspekt kommer ind i billedet - at offentlige ledere kan integrere resultatinformation i deres beslutningsgrundlag og på den baggrund forbedre deres organisationers resultater.


Datainformerede ledelsessystemer findes også på beskæftigelsesområdet, hvor regeringen har valgt seks nationale mål, der skal være omdrejningspunkt for beskæftigelsesindsatsen. Jobcentrene skal fx sikre, at flere personer kommer i beskæftigelse frem for at være på offentlig forsørgelse, bl.a. ved at give udsatte ledige en indsats.


Fortolkning af data

Mens den overordnede ide er ligetil, er det straks mere udfordrende at beskrive, hvad datainformeret ledelse egentlig går ud på. Hvordan er det, man som offentlig leder konkret skal forholde sig til resultatinformation? Eller mere specifikt, hvordan skal ledelsen på et sygehus reagere på et resultat, der viser, at den gennemsnitlige liggetid pr. indlæggelse er på fire dage?


Det mest åbenlyse ledelsesmæssige spørgsmål, som resultatinformation kan hjælpe med at besvare, er, hvordan ens organisation klarer sig. Selvom denne evaluering måske umiddelbart lyder ganske tilforladelig, kan to forhold gøre den udfordrende.


Det første forhold drejer sig om behovet for et sammenligningsgrundlag. Prøv engang at vurdere, hvorvidt fire dages indlæggelse er et godt eller skidt resultat for et sygehus. Eller prøv at vurdere resultatet for et jobcenter, hvor 15 % af kommunens udsatte borgere modtager en offentlig ydelse. Formodentlig kom du frem til den konklusion, at der var behov for et sammenligningsgrundlag for at gøre tallet meningsfuldt. Offentlige ledere er i samme situation, og forskningen har vist, at de især anvender tre forskellige kilder, nemlig organisationens tidligere resultater, lignende organisationers resultater eller de politiske målsætninger.


iStock-897667680_946x500


Det andet forhold handler om antallet af mål i offentlige organisationer. Mange offentlige ledere befinder sig i en situation, hvor de bliver vurderet og målt på mere end et aspekt af deres organisationers arbejde. Hvis vi igen vender blikket mod sygehusledelsen, er det ikke utænkeligt, at den også møder politiske krav om, at sygehuset skal inddrage patienterne i behandlingsforløbene eller være i stand til at sikre en høj sandsynlighed for at overleve behandlingen. Sådanne forskelligartede mål-dimensioner øger naturligvis kompleksiteten i evalueringen af organisatoriske resultater.


Samlet set illustrerer de to forhold, at det, der umiddelbart synes at være en simpel ledelsesmæssig opgave, hurtigt bliver komplekst. To råd kan dog afhjælpe processen. Det første er at afklare, hvilke(t) sammenligningsgrundlag der er relevant(e), inden resultaterne ligger klar. På den måde undgås en situation, hvor resultaterne guider valget. Det kan nemlig medføre, at den mest favorable sammenligning per automatik synes mest relevant.


Det andet råd er at afklare, hvad formålet med anvendelsen af data er. Her kan (mindst) to tilgange være relevante. Den ene er problemorienteret. Som navnet siger, har tilgangen til formål at anvende data til at finde problematiske områder af organisationens arbejde.


Den anden tilgang handler om at avle videre på organisatorisk succes, som giver et fokus på områder, hvor organisationen klarer sig godt. Forskningsmæssigt har den problemorienterede tilgang vist sig at være en vej til at skabe bedre organisatoriske resultater, og tilgangen præsenteres derfor nedenfor.


En problemorienteret tilgang til data

En leder kan danne en opfattelse af, at et resultat er problematisk på forskellige grundlag. Det kan ske i en situation, hvor organisationen har haft resultatmæssig tilbagegang fra den forrige måling. En anden mulighed er, hvis organisationen klarer sig dårligere end lignende organisationer. Endelig kan en problematisk situation opstå, hvis resultatet er lavere end det niveau, der er fastlagt i den politiske målsætning.


En alternativ måde at identificere et problematisk resultat er ved at sammenligne resultaterne på tværs af organisationens forskellige mål. Selvom målene ikke opgøres på den samme skala, kan de sammenlignes ved at omregne resultatet til den procentvise grad af maksimal målopfyldelse. Hvis én dag er det naturlige minimum for, hvor kort tid en patient kan være indlagt, vil sygehuset altså være 75 % fra det bedst mulige resultat. I det tidligere eksempel med andelen af kommunens udsatte borgere på offentlig ydelse vil det bedst mulige resultat for et jobcenter være 0 %.


Logikken i at identificere problematiske resultater på den måde er, at den for en leder illustrerer på hvilke områder, potentialet for forbedringer er størst. Til at understøtte den pointe har forskningen i datainformeret ledelse netop vist, at skoleledere, der identificerer og prioriterer de områder, hvor deres skole (relativt set) klarer sig dårligst, forbedrer deres skoles resultater over tid. På skolerne bliver de problematiske områder prioriteret ved at blive gjort til et udviklingsområde, der skal have ekstra opmærksomhed over en årrække. Når resultatet gøres op efter 2-3 år, viser det sig, at udviklingsområdet har haft en resultatmæssig fremgang.


En vigtig praktisk implikation af disse fund er, at det kræver en systematisk og vedholdende indsats at anvende data til at skabe resultater. Det er et omfattende arbejde blot at forstå og forklare resultaterne, der med fordel kan understøttes gennem dialog i læringsfora. Yderligere er det vigtigt, at lederne tænker langsigtet og giver deres beslutninger tid til at virke. Det er nemlig især de områder, der har været prioriteret over en lang årrække, der viser fremgang.





Vil du vide mere?


Tidsskriftsnr.:
Særudgave: Data og dialog
Publiceringsdato:
06-01-2020
Kommentarer
Kommentarlink:
Kommenter link:

Ophavsret


© Schultz Information

Se vilkår og betingelser

kommentarvisning:
Om forfatteren:
Faktatitel:
Fakta:
Artikeltitel:
Relaterede artikler:
Nyhedtitel:
Nyhedslinks:
Litteraturtitel:
Litteraturlink:
Linktitel:
Schultz  Annexstræde 5  2500 Valby  T: 7228 2826  E: kundeservice@schultz.dk
Indstillinger for cookie-samtykke