9789144153438 by Smakprov Media AB

FÖRSTÅ , FÖRUTSE & FÖRBÄTTRA O M M Ä T N I N G A R O C H D A T A A N A LY S FÖR VERKSAMHETSUT VECKLING

M AT T I A S E L G

Kopieringsförbud Detta verk är skyddat av upphovsrättslagen. Kopiering, utöver lärares och studenters begränsade rätt att kopiera för undervisningsändamål enligt Bonus Copyright Access kopieringsavtal, är förbjuden. För information om avtalet hänvisas till utbildningsanordnarens huvudman eller Bonus Copyright Access. Vid utgivning av detta verk som e-bok, är e-boken kopieringsskyddad. Den som bryter mot lagen om upphovsrätt kan åtalas av allmän åklagare och dömas till böter eller fängelse i upp till två år samt bli skyldig att erlägga ersättning till upphovsman eller rättsinnehavare. Studentlitteratur har både digital och traditionell bokutgivning. Studentlitteraturs trycksaker är miljöanpassade, både när det gäller papper och tryckprocess.

Art.nr 44418 ISBN 978-91-44-15343-8 Upplaga 1:1 © Författaren och Studentlitteratur 2022 studentlitteratur.se Studentlitteratur AB, Lund Formgivning inlaga: Lukas Möllersten/Lyth & Co Formgivning omslag: Jan Petterson Printed by GraphyCems, Spain 2022

INNEHÅLL

1. Inledning

Hur kan vi förstå, förutse och förbättra – bokens övergripande ambition

Några andra centrala begrepp

Disposition

2. Om behovet av att mäta för att förstå    19 Beslutsfattande under osäkerhet

Att se någonting i ingenting

Heuristik styr vårt tänkande

Agerar vi för ofta?

Behov av statistiskt beslutsstöd

3. Att förstå variation

Varifrån kommer variationen?

Agera på föregående utfall – en bra strategi?

Beslutsfattande utifrån typ av variation

Konsekvenser av felaktigt beslutsfattande: överstyrning

Mätfel – variation att se upp med

Sammanfattning

4. Systemsynsätt, verksamhet och variation

Vad är ett system?

Demings 95/5-analys

Faktorer som påverkar utfall från en verksamhet

5. Mått för att förstå, förutse och förbättra

Vad är data?

Vad behöver mätas i en verksamhet?

Att ställa de rätta frågorna

Värdeskapande och effektkedjelogik

Mått behöver vara begripliga, hanterbara och meningsfulla  Signalstyrka

6. Visualisering av mätetal för bättre beslutsfattande

68   69

Visualisering ger insikter

Kartvisualisering: John Snows kolerakarta, 1854

Tidsseriediagram

Flygnavigering som metafor för att följa fler mätetal    85 Napoleons öde i Ryssland: om att använda sig av berättande teknik

7. Metoder för att analysera data

Histogram

Linjediagram

Sambandsdiagram

Uppdelning av data

Paretodiagram

100

Sammanfattning

103

8. Styrdiagram: ett verktyg för att urskilja signaler från slumpmässig variation    105 Hur skapar man styrdiagram?

114

Olika variationsmönster och signaler

122

Sammanfattning av arbetsgång för styrdiagram

123

9. Systematiskt förbättringsarbete

125

P D S A -cykeln för att skapa lärandestyrt förbättringsarbete

126

PDSA-cykler i förbättringsarbete: ett exempel på utveckling av mötesformer

10. Avslutande reflektion  Om vikten av analytisk och reflexiv förmåga

R E FE R E N S E R 143

131

139   139

1 Inledning

Mätningar har under lång tid varit en del av ett strategiskt utvecklingsarbete på ett av USA:s mest högpresterande vårdsystem – Intermountain Healthcare (James & Savitz, 2011). Tidigt i deras arbete sjösattes flera olika initiativ för att testa hur mätningar skulle kunna integreras i verksamhetens förbättringsarbete. De första initiativen misslyckades. Ledningen hade tidigare felaktigt antagit att de befintliga mätsystemen, som var inriktade på att hantera ledning och styrning av enheter, skulle fungera även som stöd för utvecklingsarbete. Det visade sig att de tillgängliga administrativa systemen inte var anpassade för patientorienterat och kliniskt förbättringsarbete, vilket var det som man ville förbättra. Företrädare från Intermountain Healthcare insåg att mätningar för kliniskt förbättringsarbete fungerar bäst när de är organiserade kring och integrerade i den kliniska, verksamhetsnära praktiken – ”designed around, and integrated into frontline care delivery”. Det synsättet lyfter fram att mätningar kommer mest till nytta om de anpassas till de verksamheter som de syftar till att utveckla. Då kan de i högre grad ge möjligheter att öka medarbetarnas förmåga att fatta insiktsfulla beslut som leder till den bästa verksamheten. Det är därför nödvändigt att skilja på mätningar som används i syfte att kontrollera och följa upp från mätningar som stödjer förbättring och lärande (Martin m.fl., 2018). Skillnaden mellan dessa syften är central eftersom det visar sig att mätningar för det ena syftet inte med lätthet kan tillämpas för andra syften (Seddon, 2010). Förmågan att kunna identifiera avvikelser i en verksamhet ger möj-

lighet till lärande och förbättring. Inom vårdområdet, som i exemplet ovan, kan sådan kunskap komma från forskning i form av nya behandlingsmetoder, nya mediciner eller nya sätt att använda gamla mediciner. Ofta görs dock dessa upptäckter i den rutinmässigt genomförda vården. Till exempel visar en studie att 29 nya kemiska substanser som godkändes av FDA i USA år 1998 ledde till 143 nya sätt att använda substanserna, varav 86 av dem kom från fältupptäckter (Bohmer, 2009). Oavsiktliga upptäckter spelar alltså en viktig roll för utvecklingen av vården. Det investeras mycket resurser på mätningar i dag. Ett problem är att dessa insatser ofta leder fel, såsom de initialt gjorde även på Intermountain Healthcare. Alltför många organisationer har stora kyrkogårdar av data och spenderar mycket resurser på att samla in mer, i hopp om att kunna dra nytta av insamlad information. Det kan också saknas intern kompetens för att nyttja data på effektiva sätt, vilket gör att företag och offentliga verksamheter behöver förlita sig på externa konsulter. Dessutom utvecklas snabbt nya möjligheter att göra avancerade statistiska analyser, men de förbättrar inte alltid verksamheterna. Om man inte vet hur den information som skapas genom mätningar kan användas för att driva utveckling och informera beslut, är allt som finns en uppsättning siffror. Och de kan inte tala för sig själva. Vi måste aktivt analysera data! Våra analyser måste kunna relateras till vad vi vill med verksamheten. Nate Silver – en amerikansk statistiker och författare som framgångsrikt analyserar baseboll, basket och val i USA – poängterar att vi är illa ute om tillväxten av information är större än vår förmåga att processa den (Silver, 2012). Denna bok tar fasta på ovanstående problematik och syftar till att ge ett bidrag till hur mätningar och dataanalys kan användas för att bidra till utveckling i olika verksamheter. En nyckel är att data kan hjälpa oss att nå insikter. Men hur då? Med boken tar jag ett brett grepp om olika frågeställningar som:

Ǝ Hur bör mätningar genomföras? Ǝ Vilka mått kan användas? Ǝ Hur bör data analyseras? Ǝ Hur kan data visualiseras effektivt? Ǝ Hur kan data användas för lärande och förbättringar?

1. I nle d nin g

9 Genom att vi förstår vad vi mäter, kan vi förutse resultat samt fatta beslut, ändra och förbättra verksamheterna. Främst handlar det om att förstå angreppssätt och metoder som praktiskt kan stödja verksamhetsutveckling snarare än att fokusera på specifika statistiska formler och beräkningar. Det breda anslaget har också ett annat syfte. Tanken är att innehållet ska kunna användas i många olika sammanhang av olika personer. Metoderna som presenteras här kan hjälpa dem som vill arbeta med att utveckla de verksamheter de arbetar i eller exempelvis identifiera faktorer som bidrar till att kunder blir nöjdare, förstå vilka initiativ som bidrar till en mer kostnadseffektiv verksamhet eller kanske rent av förbättra sin egen idrottsliga prestation. Det visar sig nämligen att metoder för mätningar och dataanalys fungerar väl för många olika områden. Jag har själv med dessa typer av metoder gjort studier och bidragit till förbättringar i bland annat processindustri (Elg m.fl., 2008), komplex industri (Elg, 2001), hjärnskaderehabilitering (Markovic m.fl., 2020), statliga myndigheters handläggningsprocesser (Elg, 2013) och akutsjukvård (Mazzocato m.fl., 2012). Det är med utgångspunkt i allmängiltiga angreppssätt och metoder som systematiskt hjälper till i arbetet med att förstå verksamheter, bidrar till att förstå vad som kan förutsäga utfall, och ger modeller för förbättringsarbete som jag tar mig an detta skrivprojekt. Jag har min egen forskningsbas i kvalitetsutveckling, där många av de tillämpade statistiska metoderna och modellerna för förbättringsarbete som presenteras i boken har sitt hemvist. Men under de år jag har forskat, konsultat och undervisat i ämnet har sakta men säkert även behoven av att förstå andra perspektiv växt fram. Boken lutar sig därför på flera olika kunskapsområden. Praktiskt arbete med mätningar och dataanalys leder in på områden som statistik, mätteori, psykologi, organisationsteori, visualisering och förbättringsarbete. Inte minst är forskningen inom den kognitiva psykologin intressant då den tar upp vår inbyggda bristande förmåga att tänka statistiskt, vilket kan ge negativa konsekvenser för vårt beslutsfattande. Men det finns också ny och intressant forskning om hur prediktiva analysmetoder kan användas för verksamhetsutveckling. Det är denna mångfald av kunskapsområden som gör ämnet så intressant och mångfacetterat – men också svårt att bedriva i praktiken.

1. I nle d nin g

Hur kan vi förstå, förutse och förbättra – bokens övergripande ambition Boken utgår från tre teman för att arbeta med mätningar och dataanalys för verksamhetsutveckling. Dessa tre är: förstå, förutse och förbättra. Mätningar har många tillämpningsområden, och grunden för att lyckas med utveckling bygger på att vi förstår verksamheten. Det är först när vi inser hur verksamheten fungerar som vi kan börja förutse och förbättra. Låt oss översiktligt se på de tre begreppen.

Ett första steg i arbetet med mätningar handlar om att förstå verksamheten. Mätningar behöver fånga in relevanta aspekter genom att identifiera vad som behöver mätas och varför (Provost & Murray, 2011). Förståelse ger insikter om vad som kännetecknar verksamheten, till exempel i form av variation i utfall, liksom vilka faktorer som påverkar utfallet. Ett systemtänkande behöver hela tiden vara i förgrunden i detta arbete. Systemtänkandet innebär att verksamheten behandlas utifrån ett helhetsperspektiv där den verkliga komplexiteten beaktas i utvecklingen av verksamheten. Här kan fokus sättas på hur flödet i en verksamhet bör hanteras i sin helhet, och inte genom enskilda aktiviteter var för sig. En del i det arbetet består i att identifiera systemgränser. En verksamhet kan därför till exempel vara ett ärende som handläggs i en myndighet eller en patient som tas om hand i en vårdprocess. För att mätningar från en organisation ska kunna användas effektivt krävs kunskap om hur variation åskådliggörs, analyseras och hanteras. För att återknyta till betydelsen av statistiska regler och metoder behöver vi förstå vilken typ av statistik som är verkningsfull för att fånga denna variation. Exempelvis synliggörs inte variationen på handläggningstiden för ett ärende genom ett aritmetiskt medelvärde eller ett medianvärde. På så sätt tar vanliga aggregerade mått i många organisationers redovisningar bort mycket av den information vi behöver för att förstå verksamhet och bedriva förbättringsarbete. Finns det till exempel kunder som inte har fått det som utlovats?

1. I nle d nin g

Förstå

Variationskälla 1 Variationskälla 2

Process

Resultat

Variationskälla n

FIGUR 1.1 Ett godtyckligt antal variationskällor på input-sidan som tillsammans bidrar till variation i resultat.

Vilka kvalitetsproblem har vi i våra processer? Finns variationer över året som gör att vi i vissa perioder får kapacitetsproblem? Behöver vi skapa nya arbetsprocesser baserat på våra medborgares eller kunders skilda förutsättningar och behov? Sådana frågor är generella och återkommer på olika sätt i de flesta verksamheter. Vidare är arbetet med att identifiera signaler och brus i verksamhetens utfall centralt. Om det finns orsaker som leder till systematiska avvikelser, bör dessa identifieras som variationskällor och hanteras som sådana. Därför måste vi kunna förstå skillnader mellan de olika källor som ger upphov till variationer. Figur 1.1 illustrerar schematiskt hur faktorer på input-sidan tillsammans bidrar till variation i resultat. Utgångspunkten är att det i en verksamhet alltid finns ett visst mått av inneboende variation. Denna variation (bruset) är uppbyggd av många små orsaker (variationskällor) som i princip är svåra att separera från varandra. Det kan bero på orsaker som är kopplade till kunders förmåga att samarbeta, kompetens och villighet, eller till verksamhetsinterna faktorer som arbetsfördelning i organisationen, rutiner och ledarskap. Samtliga dessa moment innehåller i sig variation som bidrar till den totala variationen i resultat och utfall. Det är svårt att exakt reda ut de orsaker eller källor som enbart uppvisar slumpmässig variation (Woodall & Montgomery, 2014). För att underlätta förståelsen för verksamheten presenteras i boken ett antal angreppssätt och metoder som kan hjälpa till i analysarbetet. Det handlar bland annat om modeller för hur vi kan

1. I nle d nin g

identifiera behovet av mätningar, sätt på vilka vi kan visualisera data effektivt, och framtagning av statistiska beslutsregler för att skilja brus och signaler. Insikter erhålls och effektiva beslut fattas bäst när vi har en kombination av individer med erfarenhetsbaserad kunskap om det som mätningarna avser tillsammans med dem som arbetar med den statistiska analysen och dem som har beslutsmandat. Mätningar innehåller ibland fel, vilket gör att personer med olika bakgrund kan belysa antaganden, potentiella fel i metodiken, uppmuntra konstruktiv dialog och bidra utifrån olika perspektiv. Inbäddad i ovanstående resonemang ligger också en nödvändighet att förstå verksamheter utifrån ett variationsperspektiv. Det kan vara här som den största problematiken finns. Den som förstår betydelsen av variation kan börja ställa sig kritisk till agerande på grundval av små förändringar i medarbetarenkäter, resultat i kundnöjdhets studier eller till och med när man börjar misstänka att vissa vacciner mot covid-19 verkar ha bieffekter. Den vanliga föreställningen att se osäkerhet som fienden – något som hotar rykte och resultat – blir i stället en tillgång och möjlighet till utveckling och framgång.

Förutse De metoder som lyfts fram i boken har potential att ge insikter i vilka åtgärder och beslut som behöver fattas i en organisation. En viktig del i detta är att kunna skilja på brus och signaler för att förutse händelser i verksamheten. Ibland används begreppet prediktera i stället för att förutsäga. Behovet av förutsägelser är viktigt för att kunna klarlägga vilka förväntningar man kan ha på en verksamhet, liksom att planera på effektiva sätt. I en workshop med mina studenter skapar vi mätningar som övervakar kak-kvaliteten på Maryland Cookies. Vi börjar med att ta fram ett mått på kvaliteten – antalet chokladbitar – och därefter samlar vi in data genom att varje student får räkna antalet chokladbitar på ett par kakor var. Här brukar vi ta tillfället i akt att diskutera operativa definitioner av vad som menas med en chokladbit. Det visar sig att vi ofta har olika uppfattningar om den operativa definitionen. När mätningarna är klara börjar analysen av data. Utfallet

1. I nle d nin g

13 Antal kakor 45 40 35 30 25 20 15 10

5 0

Antal chokladbitar

FIGUR 1.2 Kvalitetsmätning av Maryland Cookies.

från den senaste workshopen visas resultatet av mätningarna i ett histogram i figur 1.2. En visuell inspektion av histogrammet visar att kunderna kommer att få mellan två och sexton chokladbitar per kaka. Det vi ser i figuren är slumpmässig variation i kakornas kundkvalitet. Om tillverkningen även framgent genomförs på samma sätt som i dag, kommer vi också att kunna förutsäga kundkvaliteten, det vill säga kunderna kommer att få kakor som har mellan två och sexton bitar choklad. Utifrån samma logik kommer vi kunna förutsäga framtida utfall för andra verksamheter, oavsett om det är montering av detaljer i en produktionslina, eller hur snabbt en patient med höftfraktur får komma till operation. Ibland är det intressant inte enbart att förutsäga utfallet, som i Maryland Cookies-exemplet ovan, utan även att orientera sig om vilka faktorer som ligger bakom en viss händelse eller specifika faktorer som starkt påverkar utfall i en verksamhet. Ta till exempel behovet av att kunna förutsäga brott som begås i vissa områden i ett visst stadsområde, eller behovet av att kunna förutsäga vilka personer

1. I nle d nin g

som kommer att få svåra problem och kanske hamna i intensivvård i samband med covid-19-smitta. Genom angreppsätt och metoder som hjälper oss att förutsäga resultat går det att systematiskt identifiera och prioritera dessa viktiga faktorer. Även om att det sker mycket av teknisk och statistisk utveckling i detta ämne, till exempel artificiell intelligens (AI) och big data analytics (BDA), som ligger utanför denna boks inriktning, presenteras grunder i metodik för så kallad prediktiv analys som vi i vissa lägen kan göra även med enklare analysmetoder. I komplexa verksamheter är det betydligt svårare att förutsäga resultat, men det visar sig även där att statistiska metoder kan vara till stor hjälp för oss. Man bör dock vara försiktig och inte tro att de statistiska verktygen kan göra jobbet fullt ut åt oss. Nate Silver (2012) menar att målet med våra modeller borde vara att fånga så många avgörande faktorer som möjligt, det vill säga att identifiera signaler och så lite brus som möjligt. I Silvers fall handlar det bland annat om att identifiera vilka faktorer som är avgörande för politisk framgång i USA. Att hitta rätt balans mellan signaler och brus är inte alltid så lätt, och vår förmåga att göra det kommer att styras av hur bra våra antaganden är och kvaliteten i samt kvantiteten av data.

Förbättra Mätningar och dataanalys behöver vara en integrerad del i en verksamhet för att möjliggöra och driva förbättringar. Rätt utformade skapar data och information mening och sammanhang där de ska användas. När data används för att öka förståelsen för situationer är steget till handling kortare. Det sistnämnda är nödvändigt för att åstadkomma förbättringar. Data i sig genererar inte förbättringar. Det är först när de som arbetar i en verksamhet vidtar åtgärder baserade på data som förändringar kan ske. Idén bakom förbättringsarbete bygger på ett lärandestyrt arbete. Ett sätt att bedriva den typen av förbättringar är genom PDSAmetodik (plan – do – study – act). Denna består i huvudsak av att börja i begränsad omfattning och testa hur idéer kan anpassas till ett lokalt sammanhang. Detta sätt att testa och anpassa sina idéer

1. I nle d nin g

till specifika situationer ger en möjlighet att upptäcka och lära hur verksamheten svarar på förändring. Ett argument som lyfts fram är att detta angreppssätt ger chefer och beslutsfattare möjlighet att minska ledningskontrollen, eftersom risktagandet är mindre. Ett lärandestyrt förbättringsarbete ger förbättringsteam egenmakt och stimulerar dem att förstå och hantera specifika arbetssammanhang. Medan testning pågår i lokala sammanhang får man tillgång till förbättrade resultat och ny kunskap. I något skede av processen kan omfattningen ökas för att förbättra resultaten på systemnivå. När man når denna punkt är det av betydelse att de ansträngningar som gjorts verkligen har inriktats på organisationens strategiska processer.

Några andra centrala begrepp Begreppet verksamhet är centralt i boken. Det står för en målinriktad aktivitet i ett specifikt sammanhang. Jag använder här begreppet för att visa att analysmetoder som presenteras i boken kan användas för förbättringar i en mängd verksamheter som exempelvis en ryttare som tävlar i en dressyr, en produktionslina där detaljer monteras till en produkt, utredning av ett barn i socialtjänsten, spårträning med hund, rehabilitering av personer med hjärnskada, eller handläggning av ansökan om handikappersättning i Försäkringskassan. Utfall och händelser från en verksamhet kan fångas genom mätning – en metod för att fånga in storheten hos ett specifikt mått (till exempel kvalitet, tid, kostnad). Dressyrryttares prestationer kan mätas genom domarbedömningar, montering av detaljer genom graden av kvalitetsbrister och handläggning genom tid från ansökan till besked, bara för att nämna några exempel. En gemensam egenskap hos samtliga ovanstående utfall är att de kommer variera mellan mättillfällen. Det finns också risk att olika personer som mäter har olika definitioner för mätningen, vilket ytterligare bidrar till variation. En viktig grundläggande distinktion är mellan slumpmässig variation och urskiljbar variation (Bergman & Klefsjö, 2020). Den slumpmässiga variationen är den variation som kan förklaras av slumpen och som inte kan tas bort. Om du singlar slant, är utfallet krona eller

1. I nle d nin g

klave ett resultat av slumpvariation. Ibland används också begreppet brus i stället för slumpvariation. Den urskiljbara variationen genereras av specifika orsaker, till exempel att den låga poängbedömningen i dressyrtävlingen berodde på att hästen var sjuk eller att en under leverantör hade sålt felaktiga produkter som monteras ihop med andra delar i produktionslinan. Ibland använder man begreppen signal eller avvikelse som synonym för den urskiljbara variationen. Att identifiera skillnader mellan brus och signaler är en av huvuduppgifterna i dataanalysarbetet och leder också fram till olika beslut om hur förbättringar kan bedrivas. Det är dock lätt att gå vilse. En mängd problem kan uppstå däribland snedvridningar och feltolkningar som i sin tur kan leda till att vi styr felaktigt, något som vi kallar överstyrning (eng. tampering). I boken presenteras förklaringar till varför det kan gå fel och hur man kan komma runt denna problematik. Vidare bestäms en verksamhet utifrån ett antal faktorer som – tillsammans eller var och en för sig – möjliggör eller förhindrar ett visst utfall. Det går att tänka sig en rad faktorer som påverkar huruvida en utredning av ett barn i socialtjänsten är rättssäker och håller god kvalitet, eller faktorer som gör att montering i en industriell produktionslina håller hög kvalitet. I vissa fall är det enkelt att identifiera dessa faktorer, kanske till och med att kunskap om dessa finns på förhand, medan andra fall behöver identifieras med hjälp av orsak–verkan-diagram eller annan metodik.

Disposition Boken är uppdelad i tio kapitel:

Ǝ Kapitel 2 ger en inblick i behovet av att använda statistik för

verksamhetsutveckling, och om behovet av att mäta då vi ofta har osäkerhet inbäddad i de utfall vi eftersträvar att förstå. Här knyter vi an till forskning inom psykologi och andra forskningsfält som lyfter fram vår begränsade förmåga att tänka statistiskt.

1. I nle d nin g

Ǝ Kapitel 3 bygger på kapitel två och presenterar grundläggande

Ǝ Ǝ

förståelse för variationsperspektivet. Det huvudsakliga syftet är att förklara varför det är betydelsefullt att synliggöra och hantera variation. Kapitel 4 belyser behovet av ett systemsynsätt på mätningar. Här presenteras också hur man kan se på verksamhet och de faktorer som bidrar till verksamhetens resultat. Kapitel 5 ger en översikt över vad man behöver tänka på i design och utveckling av mått och mätningar. Här knyts an till tidigare avsnitt om hur vi kan förstå verksamheter. Kapitel 6 presenterar metoder för hur data bör visualiseras, med fokus på aspekter som är viktiga att överväga i design och presentation för användare av information. Kapitel 7 presenterar metoder för att synliggöra och analysera data. I kapitlet visas också handfasta råd om hur man kan bör gå till väga för att använda dem. Metoderna är histogram, linjediagram, sambandsdiagram, Paretodiagram och uppdelning av data. Kapitel 8 presenterar styrdiagram, som är ett verktyg för att skilja mellan slumpmässig och systematisk variation. I kapitlet ges exempel på tillämpningar, hur man går till väga i design av styrdiagram samt hur man tolkar data som presenteras i styrdiagram. Kapitel 9 knyter samman de tidigare kapitlen och ger handfasta råd om hur mätningar kan användas för verksamhetsutveckling. Kapitel 10 ger en kortfattad reflektion om behovet och nyttan av mätningar samt de kompetenser som behöver utvecklas för att vi ska få mer nytta av mätningar i organisationer.

1. I nle d nin g

F Ö RS TÅ , F Ö RU T SE & FÖRBÄTTRA O M M Ä T N I N G A R O C H D A T A A N A LY S FÖR VERKSAMHETSUT VECKLING

Våra organisationer blir alltmer komplexa och det blir allt svårare att fatta kloka beslut om var utveckling av verksamheter bör sättas in. Samtidigt växer mängden data som är tillgänglig – och som kan hjälpa till att förstå vad som faktiskt sker i verksamheter och i samhället. Datarevolutionen har dock även lett till att den växande informationsmängden gör det svårare att skilja mellan slump och signifikanta händelser som vi behöver ha koll på. I den här boken presenteras hur vi kan bli bättre på att mäta i organisationer och att använda data på ett klokt sätt för besluts fattande, lärande och förbättringar. Boken tar fasta på vanliga problem och utmaningar som man ställs inför och presenterar hur arbetet med mätningar och dataanalys för verksamhets utveckling kan genomföras på smarta sätt.

Art.nr 44418

studentlitteratur.se