Vertrouwen in uw management dashboard is goed, maar controle is beter

Iedereen heeft wel een beeld bij een management dashboard. Als je zoekt naar “management dashboard” afbeeldingen in Google dan vallen er direct een aantal zaken op:

  • Overmatig gebruik van kleuren;
  • 3D effecten in grafieken zijn eerder regel dan uitzondering;
  • KPI’s worden vaak afgebeeld als een “meter”;
  • Ontwikkeling in een KPI (of meetwaarde) worden afgebeeld als een pijl (omhoog=positief en omlaag=negatief).

Deze opvallende zaken verhogen de leesbaarheid van het management dashboard helaas niet. Sterker nog, door het structureel toepassen van verwarrende visualisatie-technieken zijn het niet meer dan “mooie” plaatjes. Blijkbaar is de doelstelling om te informeren over de stand van zaken ondergeschikt aan deze “mooie” plaatjes.

In de rest van dit artikel wordt één van de bovenstaande punten nader bekeken: het afbeelden van de ontwikkeling van een meetwaarde door middel van een pijl.

De richting van de pijl wordt vaak bepaald door de huidige periode te vergelijken met een eerdere periode (bv vorige maand of dezelfde maand vorig jaar). Dus het verschil tussen twee meetwaarden bepaalt of de ontwikkeling/trend positief of negatief is. Maar de trend bepalen op basis van slechts twee waarnemingen is niet alleen verwarrend, het is misleidend.

Om te bepalen wat de werkelijke trend/ontwikkeling is van een meetwaarde moeten we eerst meer waarnemingen gebruiken. Vervolgens kunnen we gebruik maken van een zogenaamde control-chart om te zien of er werkelijk een verandering in de trend plaatsvindt.

Een control-chart is een lijngrafiek waarbij we naast de waarnemingen (minimaal 10) ook een aantal hulplijnen toevoegen. De eerste hulplijn is de lijn van het gemiddelde van de waarnemingen. Vervolgens bereken je de standaardfout van je waarnemingen. Op een afstand van 3x de standaardfout boven de gemiddelde-lijn plaats je Upper-Control-Limit (UCL) hulplijn en op een afstand van 3x de standaardfout onder de gemiddelde-lijn plaats je de Lower-Control-Limit (LCL) hulplijn.

Met behulp van deze control-chart kunnen we nu bepalen of en waar er bijzondere afwijkingen in de resultaten hebben plaatsgevonden. Dit zijn namelijk de punten die boven de UCL of onder de LCL vallen. In het voorbeeld in afbeelding 2 is dat slechts 1 keer. De overige variantie in resultaten is de natuurlijke variantie van deze meetwaarde, of kort samengevat: “normaal” gedrag.

Het gebruik van de control-chart is even wennen, maar het stelt je in staat om snel de “echte” veranderingen te signaleren. Meer over dit onderwerp kun je lezen in het boek “Understanding Variation: The Key to Managing Chaos” van Donald Wheeler. Laat je dus niet afleiden door de natuurlijke variantie in resultaten van een meetwaarde, maar concentreer je op de echte veranderingen.