9.5 Tips for Great Data Visualisation

This article was originally posted on the measure-up blog of Stacey Barr.

Enrico Bertini explains in his recipe that studying plays an important role in becoming a Data Visualization expert. However, he also emphasizes it is just the beginning. This was probably the reason why Ben de Jong approached me a year ago to help him improve data visualizations at the bank he works for.

Ben was already familiar with the works of people like Stephen Few, Alberto Cairo and Andy Kirk. He clearly wasn’t looking for additional theoretical background. He was looking for someone with hands-on experience that could help him and the bank to the next level. And so we started to work together to improve the data visualizations of “his” bank.

Part of the assignment was to share our knowledge and experience with as many people as possible within the bank. We realized it would be difficult to get a broad audience interested if it would require a lot of their time. Furthermore, we wanted the session to be practical and not just an introduction. After attending our session, everyone should be able to directly apply the basics to their own work.

This is how we came up with our one-hour session called: 9.5 tips for great data visualizations. We conducted dozens of these sessions to confront people with the most common mistakes, illustrated by their own visualizations.

A couple of weeks ago Stacey was in The Netherlands, and I mentioned our “9.5 tips” sessions to her. Before I knew it she convinced me to write this blog post to share it with an even broader audience.

Tip 1. Start with WHY

In general, a visualization is the answer to a question. But how do you formulate an answer if you don’t know the question?

Therefore, you always start designing by an answering this fundamental WHY question. Although the question is easy, the answer (almost) never is.

This also implies you know your audience and take them into account.

Tip 2. Don’t make me think

Most visualizations require a lot of thought. Not because the audience is reflecting on the actions they need to take, but because they find it hard to understand the visualization itself. To avoid this, we need to apply three basic rules:

Tip 3. Cutting corners

When we use bar charts we “ask” our audience to compare area sizes. This can only be done right if these bars start at 0. Unfortunately, it is very common to have them start at other values, because otherwise “the differences are not clear enough”. If this is the case, choose an other chart type, because a bar chart scale should ALWAYS start at 0.

by ‘cutting’ the scale the difference here looks way bigger

the actual difference is only 22%

Tip 4. Apples to Oranges

When we have two measures with completely different scales it is difficult to combine them into one single chart. A common solution is to apply a secondary y-scale, so each of the measures has its own scale. Unfortunately, this practice introduces a lot of confusion. Sometimes even to the point that the visualization suggests there is some form of correlation between the measures, without any being really there. The solution is straightforward: split the two measures into two separate charts.

by applying two (independent) y-axis the message is determined by the different scaling. All three examples here are exactly the same data

by applying two (independent) y-axis the message is determined by the different scaling. All three examples here are exactly the same data

by applying two (independent) y-axis the message is determined by the different scaling. All three examples here are exactly the same data

Tip 5. Show your true colors

Color plays an important role in our visual perception and attention, so apply it with care. A number of ground rules concerning color usage are:

  • Use a neutral color as your base color (like white);
  • Make sure objects with the same color are related or mean the same;
  • Only use limited strong colors (like saturated red) for emphasizing important data;
  • Use a neutral color (like light gray) for all contextual/context elements (scales, tick marks, reference lines, etc.)

Probably the most popular color scheme is Red, Amber & Green (RAG). This color scheme is also responsible for a lot of clutter and distraction on visualizations. Please bear in mind that some people can’t distinguish red from green (color blindness), so maybe it is better to use an other color for green (like blue). Also ask yourself the question: do we really need to show the green color? Limit yourself to coloring exceptions only.

Tip 6. Less is more

Sometimes I get the impression that visualization designers experience white space as their enemy. As long as they have space left they keep adding stuff. But if you have answered your WHY question, there is no reason to add more. It is even the other way around: the visualization is done when you are done with removing components.

Tip 7. Trending topic

It is very common (unfortunately) to simplify trends over time into one single indicator/arrow: we have gone up or down compared to the result in the previous period. These point-to-point comparisons are terrible, as Stacey explains in her workshops and book. A popular alternative to this single indicator is displaying all historic context, cluttering the visualization. A good alternative is to make use of Tufte’s sparklines: they give enough historic context without cluttering your visualization.

Tip 8. Avoid chart junk

In your data visualization it should be DATA FIRST: let the data tell its story. Everything else is considered chart junk (as introduced by Edward Tufte), and should be minimized. Making the visualization look “nice” is mostly adding more junk and compromising your goal: to inform.

Tip 9. Save the pies for dessert

In most cases when someone uses a pie chart there are (far) better alternatives at hand. This is why Stephen Few saves all pies for dessert. We have had no need for them either, but should you insist on using one, apply the rules from Donna Wong:

  • Never more than 4 slices;
  • Use one single color (hue);
  • Start at 12 o’clock and order the slices descending.

Tip 9.5 Sketch & experiment

This last tip is not concerning the visualization itself, but more on your design approach. This is why we have valued it with half a tip.
There are two important enemies to effective data visualization: software tools & actual data. When you start with software you run the risk to get distracted by the functions and features of the software. Actual data demands a lot of attention because of unclear definitions or questionable quality. Both make you loose the focus on the WHY and your visualization. This is why we use pencil and paper to start sketching the visualization. Make use of the Five Design Sheet methodology to design your visualizations.

Eindelijk antwoorden op die lastige KPI vragen

Ook de workshop in mei was een geweldig succes.Stacey Barr heeft weer een geweldige groep deelnemers kunnen inspireren om te komen to betere KPI’s.

Tijdens de implementatie van je KPI’s komen er onvermijdelijk vragen naar voren die je nog niet hebt kunnen stellen. Zo heeft Stacey in 2013 ruim 1200 vragen verzameld en verwerkt in een viertal webinars.

Geweldig materiaal voor iedereen die betrokken is bij het opstellen en implementeren van KPI’s, of je nu wel of (nog) niet hebt deelgenomen aan haar PuMP workshop. Iedereen is welkom om deel te nemen aan deze webinars en van haar zelf te horen hoe je KPI’s kunt verbeteren.

Deelname aan de vier webinars kost slechts een uur van je ochtend (van 9:00 tot 10:00 per webinar), dus aarzel niet en SCHRIJF JE NU IN voor:

  • woensdag 8 oktober:The Top 5 KPI Questions Strategy & Performance Professionals Ask Most – And The Critical One to Answer First;
  • woensdag 15 oktober:The 3 Hottest Tips to Find Meaningful and Measurable KPIs for Your Strategy (or Any Result That Matters);
  • woensdag 22 oktober:The 5 Essential Design Inputs For Actionable Performance Reports that WOW Decision-Makers;
  • donderdag 29 oktober:The 2 most powerful habits to master to boost the size, speed & stickiness of performance improvement.

Ik kijk er nu al weer naar uit, dus SCHRIJF JE IN voor één off meerdere sessies en verbeter je KPI’s!

KPI vragen? Tijd voor antwoorden!

De reacties op de KPI workshop (PuMP) in November waren geweldig: alle deelnemers deelden het enthiousiasme van Stacey Barr over het opstellen van bruikbare KPI’s.

Tijdens de implementatie van je KPI’s komen er onvermijdelijk vragen naar voren die je nog niet hebt kunnen stellen. Zo heeft Stacey in 2013 ruim 1200 vragen verzameld en verwerkt in een viertal webinars.

Geweldig materiaal voor iedereen die betrokken is bij het opstellen en implementeren van KPI’s, of je nu wel of (nog) niet hebt deelgenomen aan haar PuMP workshop. Iedereen is welkom om deel te nemen aan deze webinars en van haar zelf te horen hoe je KPI’s kunt verbeteren.

Deelname aan de vier webinars kost slechts een uur van je ochtend (van 10:00 tot 11:00 per webinar), dus aarzel niet en SCHRIJF JE NU IN voor:

  • woensdag 2 april:The top 5 KPI questions startegy & performance professionals ask most;
  • donderdag 3 april:The 3 hottest tips to find meaningful and measurable KPI’s for your strategy;
  • woensdag 9 april:The 5 essential design inputs for actionable performance reports that WOW decision makers;
  • donderdag 10 april:The 2 most powerful habits to master to boost the size, speed & stickiness of performance improvement.

Ik kijk er nu al naar uit, dus SCHRIJF JE IN voor één off meerdere sessies en verbeter je KPI’s!

De KPI is dood, lang leve de KPI

Het is de laatste tijd wat rustig geweest op onze blog, maar niet omdat we stil hebben gezeten. We zijn met verschillende spannende zaken bezig, waar we hopelijk binnenkort meer over kunnen vertellen.

Een van de dingen waar we al een lange tijd (5 mooie KPI’s alstublieft…) mee rondlopen is het organiseren van een workshop op het gebied Performance Measures of Key Performance Indicators (KPI). Dan bedoel ik niet zomaar een workshop, maar een workshop verzorgd door dé beste performance measure expert: Stacey Barr.

Het is de hoogste tijd dat we eindelijk afrekenen met al die vage, onbruikbare en betekenisloze KPI’s. Hoe kun je nu eindelijk bruikbare en heldere KPI’s identificeren, definiëren en gebruiken? En als je deze KPI’s dan hebt, hoe zorg je dat deze ook werkelijk gebruikt worden binnen je organisatie en je helpen bij het verbeteren van je resultaat?

Het antwoord op al deze vragen is het bijwonen van de Performance Measurement Blueprint Workshop van Stacey Barr. Nu was het enige nadeel dat je hiervoor meestal ver moest reizen (naar Australie of de VS). Dit hebben we voor je opgelost door Stacey uit te nodigen voor een training hier in Nederland. Ze zal haar tweedaagse workshop op woensdag 27 en donderdag 28 november verzorgen in Utrecht.

Om zeker te zijn dat het ook daadwerkelijk een workshop wordt, waar de deelnemers ook actief aan de slag kunnen met haar methode, hebben we maar een beperkt aantal plaatsen beschikbaar. Zorg dus dat je jouw plaats zeker stelt door je zo snel mogelijk hier in te schijven.

Meer informatie over de workshop kun je lezen in onze flyer of op de website van Stacey Barr.

Mocht je vragen of opmerkingen hebben over de workshop, aarzel dan niet om deze te stellen op:


Een goede KPI begint met een goede definitie

Vorige week schreef ik al over het ontwerpen van een meetwaarde of KPI. Nu is de volgende stap om het ontwerp verder uit te gaan werken in een KPI definitie. Ook dit wordt binnen de PuMP methode ondersteund met een duidelijke aanpak.

Een onderdeel van de aanpak is het beschrijven van de KPI definitie op een groot aantal punten. De punten zijn op zichzelf niet wereldschokkend, maar ik vindt het altijd prettig om ze allemaal zo bij elkaar te hebben. Een ander groot voordeel van deze manier van werken is dat iedereen betrokken wordt bij het grondig uitwerken van de KPI’s. De belangrijkste redenen om deze structuur te hanteren is om te voorkomen dat we (verkeerde) aannames doen over berekening, interpretatie en gebruik van de KPI.

Probeer dus voor iedere KPI definitie de volgende punten in te vullen:

  • Naam: geef de KPI een unieke, betekenisvolle naam in exacte bewoording. Gebruik waar mogelijk bekende terminologie, maar vermijd jargon. Ongeveer 3 woorden is optimaal.
  • Beschrijving: beschrijf het resultaat waarvan de KPI het bewijs levert. Gebruik heldere en eenvoudige taal, zodat iedereen in de organisatie het kan begrijpen.
  • Belang: beschrijf de vragen die deze KPI beantwoord en de beslissingen die het kan ondersteunen
  • Waar past het? – Niveau: het niveau waarvoor deze KPI van toepassing is: strategisch, tactisch of operationeel.
  • Waar past het? – Doel: het resultaatgebied waarvoor deze KPI een bewijs is.
  • Waar past het? – Relatie: de verhouding van deze meetwaarde met andere meetwaarden, zo kan deze bijvoorbeeld afhankelijk zijn van een meetwaarde op een hoger niveau.
  • Waar past het? – Proces: beschrijf de processen waaraan deze KPI gerelateerd is. Het kan een KPI zijn van het proces resultaat; het proces zelf of van de ontwikkeling/verbetering van het proces.
  • Berekening – Formule: een formule die exact en eenduidig weergeeft hoe deze KPI berekent wordt.
  • Berekening – Frequentie: de frequentie waarin deze KPI berekent wordt: dagelijks, wekelijks, maandelijks, etc.
  • Berekening – Scope: beschrijf de grenzen van de KPI berekening, bv: welke steekproef(omvang), specifieke geografische dekking, klant segmenten of productgroepen.
  • Berekening – Gegevens: beschrijf elk gegeven dat nodig is om deze berekening uit te kunnen voeren. Dit zijn zowel onderdelen van de formule, de frequentie als de scope.
  • Presentatie – Type vergelijk: in wat voor een type vergelijk wordt deze KPI gebruikt: absoluut (vergelijk van twee of meerdere absolute waarden), trend (ontwikkeling van de waarde in de tijd), relatief (vergelijk met een andere KPI) en correlatie (bepalen van de kracht van de relatie tussen twee KPI’s).
  • Presentatie – Methode: het type visualisatie om de KPI te tonen: tabel, lijngrafiek, staafgrafiek, bullet chart, control chart, histogram, etc
  • Presentatie – Frequentie: hoe vaak willen de gebruikers deze KPI bekijken? Dit hoeft niet het zelfde te zijn als de frequentie van de berekening, maar is vrijwel nooit vaker (dan verandert er namelijk niets)
  • Reactie: beschrijf verschillende mogelijke uitkomsten (snelle stijging/daling, onder/boven doelstelling, etc) en welke reactie daarop dan zou moeten volgen.
  • Prestatie eigenaar: de persoon of personen die het resultaat van deze KPI volgen, de oorzaken van veranderingen kunnen doorgronden en (indien nodig) acties ondernemen (reageren).
  • Definitie eigenaar: de persoon of personen die de definitie van de KPI beheren en onderhouden.

Hebben jullie al deze punten behandeld bij jullie KPI’s? Zijn er nog punten die jullie missen?

Een punt dat wij vaak tegenkomen bij het ontwikkelen van onze dashboards is de presentatie van de detail gegevens. Met andere woorden: welke gegevens en vormgeving wil je zien als je een “drill down” uitvoert op een KPI.

Tenslotte heb ik hier een fictief voorbeeld bijgevoegd van een KPI definitie. Wellicht dat het kan helpen bij het maken van je eigen KPI definities.

Resultaat met KPI’s

Vorige maand beschreef ik het hulpmiddel result map in het artikel KPI’s zijn niets, KPI’s opstellen is alles. Met behulp van de result map krijgen we een overzicht van de resultaten die we als organisatie(-onderdeel) willen behalen. Alleen hebben we hiermee nog geen meetwaarden of KPI’s die we op een dashboard kunnen plaatsen. Hoe vertalen we nu een resultaat in een meetwaarde of KPI?

Met het opstellen van de result map zijn de relaties tussen doelstelling, strategie en beoogd resultaat duidelijk geworden. Vervolgens moeten we een keuze maken tussen alle resultaten, want we kunnen immers niet alles meten en bewaken. Kies dus eerst de belangrijkste resultaten.

Voor elk gekozen resultaat moeten we nu meetwaarden ontwerpen. Dit doen we door voor ieder resultaat de volgende punten te behandelen:

  • Begin met het einde: welke uitkomst willen we bereiken?
  • Wees zintuiglijk specifiek: wat zien, horen, ruiken, voelen of proeven we als we de uitkomst bereiken?
  • Controleer het grotere geheel: hebben we als organisatie invloed op het resultaat? Wat zijn mogelijke negatieve gevolgen van dit resultaat? Bevorderen we het juiste gedrag als we dit resultaat meten? Wat is het effect op andere resultaten?
  • Wat is het bewijs?: wat kunnen we waarnemen en tellen als bewijs dat het resultaat behaald wordt? Hoe “sterk” is het bewijs en is het “haalbaar”? (Hoog, Middel & Laag)
  • Noem de meetwaarde(n): elk bewijs uit de voorgaande stap benoem je met een unieke, informatieve en eenduidige naam.

In de onderstaande afbeelding zien jullie een beknopt voorbeeld van één meetwaarde van een afdeling debiteurenadministratie.

Na het afronden van het ontwerp kunnen we iedere meetwaarde verder uitwerken in de definitie en bepalen welke gegevens we nodig hebben. Hierover volgende week meer.

Mocht je geen week meer kunnen wachten, dan kun je wellicht de online PuMP training van Stacey Barr volgen. Ook kun je voor vragen en opmerkingen terecht op onze Linkedin pagina. Natuurlijk kun je ook mij direct benaderen op


Dashboard waar de vonken vanaf vliegen

Op vrijwel ieder management dashboard dat wij ontwerpen staat een grafiektype dat zo klein en subtiel is dat je het bijna over het hoofd zou zien. Echter, ondanks haar omvang is dit grafiektype van onschatbare waarde voor ieder dashboard. Het gaat hier om de zogenaamde sparkline.

De term sparkline is in 2004 door Edward Tufte geïntroduceerd. Zijn bedoeling was om de gegevensvisualisatie niet langer uitsluitend te tonen in een grafiek op een afgezonderde plaats op de pagina of het scherm. Hij wilde de gegevensvisualisatie daar plaatsen waar ook de bijbehorende woorden en getallen staan. Samengevat is een sparkline een eenvoudige en compacte visualisatie, rijk aan gegevens met de omvang van een woord.

Ook op het management dashboard vervult de sparkline een belangrijke functie. Vooral bij het afbeelden van KPI resultaten. Meestal is alleen het huidige resultaat van een KPI niet voldoende, maar is het ook nodig om eerdere resultaten inzichtelijk te maken (historie). Voordat je het weet past je management dashboard niet meer op één scherm of pagina als je voor iedere KPI een grafiek moet toevoegen, waardoor het dashboard zijn functie (overzicht) verliest. Dit is precies waar de sparkline kan helpen.

Vaak zie ik nog dashboards waarbij de historie wordt samengevat met een enkele pijl. Hierbij verliezen we echter een hoop waardevolle gegevens. Op de plaats van de pijl kunnen we ook een sparkline kwijt, waardoor de hoeveelheid informatie direct toeneemt zonder meer plaats te kosten.

Net als bij een gewone lijngrafiek is het ook bij de sparkline de vraag of een afwijking normaal is (natuurlijke variantie) of bijzonder (het echte signaal). Hier schreef ik al eerder over in het artikel Vertrouwen in uw management dashboard is goed, maar controle is beter.

Vandaar dat Stacey Barr in haar laatste artikel de sparkline en controlchart combineert tot smartlines.

Met haar smartlines weet Stacey nog meer bruikbare informatie te stoppen in een klein gebied. Ik weet alleen nog niet of de smartline op korte termijn op onze dashboards moet verschijnen. Ik ben benieuwd naar jullie mening over de smartlines van Stacey. Laat een bericht achter op onze Linkedin pagina.


KPI’s zijn niets, KPI’s opstellen is alles

Al eerder heb ik mijn verbazing uitgesproken over hoe door veel organisaties KPI’s worden bepaald. Blijkbaar is het niet nodig om ons te concentreren op echt belangrijke zaken, maar rommelen we liever aan met marginale (vaak operationele) activiteiten doordat we niet weten wat belangrijk is.

Wellicht dat je nu denkt: waar heeft hij het over?

Vorige week vertelde ik aan een groep managers over de PuMP methode van Stacey Barr. Aan het einde van dat gesprek kwam toch weer die vraag: “Hebben jullie niet een lijst van standaard KPI’s voor onze bedrijfstak?”

Naast eerder genoemde nadelen (5 mooie KPI’s alstublieft…) zit er nog een andere grote vergissing achter deze vraag: het gaat namelijk helemaal niet om de KPI’s.

Een organisatie heeft doelen die ze behalen wil. Een KPI is slechts een hulpmiddel en bovendien alleen maar de uitkomst van een leerzaam proces.

Bij het opstellen van je KPI’s worden al je aannames opnieuw getoetst: wat willen we eigenlijk bereiken en wat doen we om deze doelen te verwezenlijken? Het doorlopen van dit proces is veel belangrijker dan de uiteindelijke uitkomst: de KPI.

Een goed hulpmiddel bij dit proces is het zogenaamde results-mapping. Results-mapping helpt een organisatie niet alleen bij het bepalen welke resultaten van belang zijn, maar ook bij het begrijpen waarom het belangrijk is deze resultaten te bewaken.

In de middelste cirkel gaat het over de resultaten voor alle belanghebbenden (stakeholders). Met andere woorden: wat ervaren klanten, medewerkers, aandeelhouders, omgeving, etc als de organisatie zijn doelen bereikt. Deze resultaten zijn het beste bewijs dat een organisatie (op lange termijn) succesvol is.

Om dit te illustreren een voorbeeld van een brandweer organisatie. Deze heeft in de middelste cirkel onder andere een resultaat als: minder doden veroorzaakt door brand.

De volgende cirkel gaat meer over de middellange termijn. Vaak zijn dit de resultaten als gevolg van de strategie van een organisatie. Dit zijn dus de resultaten die aangeven dat de gekozen strategie succesvol is. Voor de brandweer zijn dit bijvoorbeeld resultaten als: branden worden voorkomen.

Vervolgens gaat de blauwe cirkel over de resultaten van de belangrijkste (end-to-end) processen. Bij de brandweer kunnen dit dus zaken zijn als: alle huizen hebben een rookalarm.

De buitenste cirkel zijn de resultaten van de belangrijkste activiteiten. Bij de brandweer is dit bijvoorbeeld: onze veiligheidsboodschappen worden begrepen door de gemeenschap.

Bij het opstellen van de result-map gaat het dus niet om de KPI’s, maar om de resultaten die je wilt behalen. Pas nadat de result-map helemaal is uitgewerkt is het tijd om te gaan zoeken naar de bijbehorende KPI’s.

Het doorlopen van deze stappen kost tijd, dat is waar. Echter, het klakkeloos overnemen van KPI’s van een ander kost nog veel meer. Voor het opstellen van je KPI’s geldt precies hetzelfde als voor het opstellen van je strategie: dat moet je zelf doen en zeker niet uitbesteden.


De "trend" is negatief… PANIEK!

Al lees je geen kranten en kijk je niet naar het nieuws, het is bijna onmogelijk om niet op de hoogte te zijn van de economische tegenwind. Als je wel regelmatig een krant leest of naar de radio luistert wordt je overspoeld door berichten als:

Deze voorbeelden hebben niet alleen gemeen dat ze gaan over economische tegenwind, maar ook nog iets anders. In alle gevallen worden hier conclusies getrokken (het gaat minder) door twee waarden met elkaar te vergelijken: de huidige maand met één eerdere maand (vorige maand of zelfde maand vorig jaar).

In het bedrijfsleven doen we precies hetzelfde. Zo bevat menig management dashboard of rapport een samenvatting als in afbeelding 1. De meesten hebben alleen oog voor de KPI’s met de grootste afwijking, want die zijn toch het belangrijkst? Dus ook hier reageren we (meestal heftig) op het verschil tussen slechts twee resultaten.

Het vreemde is dat ieder proces naast speciale variatie ook natuurlijke variatie kent. Speciale variatie is de afwijking die een signaal geeft (gaat het echt beter of slechter). Natuurlijke variatie ontstaat doordat ieder proces of meetinstrument enige vorm van variatie kent die we “normaal” noemen. Neem bijvoorbeeld de omzet van een winkel. Als we kijken naar de verkoopcijfers per maand moeten we rekening houden met zaken als: hoeveel dagen in de betreffende maand was de winkel open, hoeveel feestdagen zijn er geweest, was het een zonnige maand, etc, etc. Al deze zaken hebben invloed op de verkoopcijfers, maar als we de huidige maand vergelijken met de vorige maand dan worden deze vaak niet meegenomen. We horen alleen: “Verkopen detailhandel in de lift!”.

Echter, voordat we conclusies kunnen trekken moeten we onderscheid maken tussen ruis (natuurlijke variatie) en het echte signaal (speciale variatie). Een geweldig hulpmiddel om deze echte signalen te kunnen herkennen is de zogenaamde Control chart. Deze hebben we al eerder kort beschreven in het artikel Vertrouwen in uw management dashboard is goed, maar controle is beter.

In zijn boek Understanding variation geeft Donald Wheeler met voorbeelden aan hoe je Control Charts moet gebruiken om de echte signalen te zien. Met zijn aanpak wordt je niet langer afgeleid door de ruis. Jammer genoeg is “Understanding variation” in Nederland bijna niet te krijgen. Kijk dus goed rond of je ergens het boek kunt vinden, want het is van onschatbare waarde en blinkt uit in eenvoud. Ik heb gelukkig vorige week een exemplaar kunnen bemachtigen op Marktplaats en het in een paar uurtjes kunnen lezen.

Hiermee is niet gezegd dat de krantenkoppen van het begin van dit artikel niet juist kunnen zijn, maar doordat ze uitgaan van een signaal inclusief ruis weten we het niet. Negeer dus de ruis en concentreer op de signalen.


Resultaatgericht hardlopen

Na ruim 2 jaar kwakkelen was het afgelopen weekend eindelijk zover: Ik heb eindelijk weer 5 km kunnen hardlopen in een acceptabele tijd van net geen 29 minuten. Het was nog niet de afstand of snelheid die ik voorheen liep, maar ik heb wel het gevoel dat ik eindelijk weer op de goede weg ben.

Door veelal blessures vanwege overbelasting kon ik de afgelopen twee jaar maar geen trainingsschema volgen om weer 3 keer in de week te lopen. Meestal kwamen de blessures vooral doordat ik sneller wil dan dat mijn knieën aankunnen. De extra kilo’s van de afgelopen 2 jaar helpen ook niet, sterker nog: ze maken het alleen maar erger.

Toch is het nu eindelijk weer gelukt, zodat ik nu weer verder kan werken aan een langere afstand. Maar wat is er nu anders dan de afgelopen periode? Waarom is het nu wel gelukt? Want de omstandigheden zijn er niet beter op geworden (extra kilo’s).

Op de eerste plaats heb ik hulp ingeroepen van experts. Deze experts, de trainers van REactive, hebben mij geweldig geholpen door een doordacht schema op te stellen. Zij hebben gezorgd dat ik niet te hard van stapel liep en rustig de training-intensiteit heb opgebouwd.

Maar er was meer voor nodig. En dit heeft alles te maken met de management dashboards die ik ook in mijn dagelijkse werk tegen kom. Ik ben op verschillende gebieden gegevens gaan verzamelen, van het aantal stappen dat ik per dag zet en mijn hardslag tijdens het trainen tot het aantal broodjes dat ik dagelijks eet. Het bijhouden van dit soort gegevens wordt ook wel genoemd: Quantified self.

Al deze gegevens gaven mij inzicht in de (soms negatieve) bijdragen van mijn gedrag. Maar het structureel meten en feedback krijgen doen meer dan alleen vertellen wat wel en niet werkt. Voor iemand die graag resultaatgericht bezig is motiveert de directe feedback ook enorm. Of zoals Ben Tiggelaar in zijn column schrijft: Maar meten is niet alleen weten. Meten is ook voelen.

Nu kan het zijn dat de conclusie hier is dat we alles dan maar moeten gaan meten. Maar dit gaat mij véél te ver. Zowel in de column van Ben als in een reactie daarop blijkt wel dat het meten van resultaten ook zijn keerzijde kent. Vooral als deze gebruikt worden om de resultaten van een individu te meten (of controleren) slaan we volgens mij door.

Voor het verbeteren van mijn loopresultaten heb ik gegevens over mij als persoon verzameld. Het doel hiervan is om te leren over gedrag om processen te kunnen verbeteren. Als het zou gaan om mij als individu te controleren vervallen alle voordelen. Gebruik dus alleen gegevens en management dashboards om processen te verbeteren, niet om individuen te controleren. Stacey Barr geeft in haar artikel Should you measure individual people’s performance? het nodige om over na te denken.