Warme data is één van de onderscheidende en essentiële aspecten van de 4vitae benadering voor opgavematig besturen. Dit is het tweede deel van een serie van drie blogs over de onmeetbaarheid van de kwaliteit van diensten, over warme informatie en opgavematig besturen.

Dit deel gaat over het nut van drie soorten data. Het laat zien hoe warme data ontstaat en hoe deze kan worden gebruikt voor besturing. Tenslotte wordt warme data gedefinieerd.

Data, geen informatie?

In organisaties en onze maatschappij zeggen we dat we gebruik maken van informatie als we werken met cijfers, tabellen, waarnemingen (met ogen of oren), documenten met tekst, een voicemail of gesprek op straat.

Drie soorten data

In feite echter is er geen sprake van informatie maar van data of signalen die wij als mens waarnemen. Deze data/signalen kunnen 3 vormen hebben:

• Koude (gemeten) data: kosten, aantallen, (wacht)tijden, (werk)uren, testuitslagen [1].
• Narratieve (vertelde, geziene) data: wat je hoort/ziet/leest in wandelgangen, vergaderingen, bij mensen thuis, in documenten, foto’s/video’s die je neemt of krijgt [2,3].
• Warme (door mensen geduide) data:  warme data ontstaat als mensen narratieven interpreteren [4].

Gebruik van koude data

Koude data kan veel zeggen over productieaspecten door optellen en analyseren. Bij het interpreteren daarvan ontstaat koude informatie.  Die geeft echter weinig zicht op de praktijk(en) waar de data over gaat. Koude data en informatie zeggen dus weinig als het over mensen gaat, je kunt er mee sturen, maar niet mee besturen. Het gevolg is dat verkeerde conclusies snel getrokken worden. Dat gebeurt dan helaas ook vaak.

Gebruik van narratieve data

Narratieven – wat we horen en zien – geven juist wèl zicht op de praktijk(en) waarover verteld wordt. Dat is echter “anekdotisch” zicht. Zo is het relatief eenvoudig de lengte van een wachtlijst te meten (bijvoorbeeld 93 mensen of 4 maanden). Maar over hoe goed het met die 93 mensen gaat, zijn wellicht 2 of 3, maar zeker geen 93 verhalen.

Hoe ontstaat warme data?

Voor systematisch inzicht in wat het betekent om op de wachtlijst te staan, is warme data nodig. Stel we vragen alle mensen om te vertellen (meestal schrijven) over hun tijd op de wachtlijst en bovendien stellen we vragen als:

Wat zeg je in je verhaal over veranderingen sinds je op de wachtlijst kwam?

• • Ik kan er wel af
  • Het gaat beter
  • Alles is hetzelfde
  • Het gaat veel slechter
  • Ik heb nu onmiddellijk hulp nodig
  • Deze vraag is niet van toepassing op mijn verhaal

Deze antwoorden geven snel zicht op hoe het met die 93 mensen gaat, door een grafiek [5] te maken van deze warme data.

Niet meten, wel opmerken

Grafieken van warme data zijn geen meting. Je kunt ze niet gebruiken om bijvoorbeeld te meten hoeveel mensen na 3 maanden onmiddellijk hulp nodig hebben. Dit komt onder andere doordat de vraag hierboven gaat over het verhaal dat de verteller zelf koos om te vertellen. De inhoud van dat verhaal heeft dus invloed op de betekenis van het antwoord.

Je kunt de grafiek wel gebruiken om in de verhalen achter de antwoorden zaken op te merken. Je gaat dan zaken ontdekken waarvan je niet wist dat je ze wilde weten. Of waarvan je niet wist dat de vertellers je dat wilden laten weten. Of je merkt dat mensen niet vertellen over zaken waarvan in de beleidsvorming en uitvoering was uitgegaan. De grafieken vormen daarmee het startpunt voor een ontdekkingsreis naar de betekenis van de warme data.

Van warme data naar warme informatie

Met bovengenoemde grafiek kan er veel sneller inzicht opgebouwd worden over wat er speelt gedurende de wachttijd. Dat staat immers niet altijd in het verhaal. Bovendien is het doorlezen van 93 verhalen niet erg efficiënt. Gelukkig kunnen we de verhalen over “alles is hetzelfde” overslaan.

Door het lezen van de overige achterliggende narratieven ontstaat zicht wat er gebeurd is in het leven van mensen die “eraf” zeggen [6]. Of over wat er speelt bij mensen die zeggen dat onmiddellijk hulp nodig is. Dit geeft inzicht in het leven van die mensen op de wachtlijst èn wat momenteel hun behoeften zijn. Dit inzicht zit in de hoofden van mensen en is een voorbeeld van warme informatie.

Combinatie van warme informatie en koude data

Maar we zijn er nog niet. Het is namelijk ook nuttig om warme data te combineren met koude data. Bijvoorbeeld de warme data over ‘zijn er veranderingen’ met de koude data over ‘periode op wachtlijst’. Dan wordt inzichtelijk na hoeveel tijd mensen zeggen dat ze er af kunnen of wanneer het slechter ging of wanneer de behoefte aan onmiddellijke hulp ontstond.

Opnieuw kan door het lezen van achterliggende narratieven inzicht opgebouwd. En ontstaat er inzicht in ‘het leed dat wachtlijst heet’. Ook op waarom mensen afvallen (afhaken, verhuizen, probleem verdwenen, andere oplossing gevonden, acute situaties, enzovoort): warme informatie.

Als op basis van dit inzicht besloten wordt om anders met de wachtlijst om te gaan, dan worden de effecten daarvan (als het goed is) zichtbaar in (nieuwe) warme data. Zo ontstaat besturing.

Definitie warme informatie

Warme informatie ontstaat als:

1. Warme data wordt gecombineerd met andere warme of koude data.
2. Warme informatie wordt gebruikt om met behulp van narratieven tot inzichten te komen.
3. Inzichten leiden tot aanpassingen / besluiten in de werkwijze, organisatie of besturing van de organisatie.

Dit laatste punt – de informatie moet leiden tot aanpassingen – is essentieel. Als dat niet gebeurd, is er immers sprake van data of signalen, niet van informatie.

Referenties

1. Onder koude data verstaan we data die gaat over een proces zonder daarbij de menselijke componenten in acht te nemen.
2. Een narratief, verhaal of vertelling is elk verslag van een reeks gerelateerde gebeurtenissen of ervaringen. Non-fictie (vertellingen, anecdotes, memoires, biografie, nieuwsbericht, foto’s, documentaire, reisverslag, enz.). Of fictief (sprookje, fabel, legende, thriller, roman, enz.). Gebaseerd op https://en.wikipedia.org/wiki/Narrative. Voor warme data werken we uitsluitend met ruwe vertellingen van mensen. Dus non-fictie, maar dan alleen met anekdotische narratieven [3].
3. Cynthia Kurtz, What is a story. Hoofdstuk 2 in Participatory Narrative Inquiry – Working with stories in your community or organisation, Kurtz-Fernhout Publishing, 2014.
4. What is Warm Data?. Nora Bateson on Warm Data Lab.
5. Cynthia Kurtz, Narrative Catalysis. Hoofdstuk 10.
6. Cynthia Kurtz, Narrative Sensemaking. Hoofdstuk 11.