Datainformeret ledelse FU Aarhus Kommune Aarhus Hvem jeg er Hvor vi arbejder Hvad vi vil Malene Skov Dinesen Indehaver af Ineva Udvikle og udfordre evalueringsfeltet Understøtte evalueringskapacitet Ny bog på vej (forår 2017): Evaluativ ledelse Skabe viden til beslutninger Udvikle programmer 1
Hvad skal vi sammen den næste 1,5 times tid? Formål: Få viden om hvad data og datainformeret ledelse er Få inspiration til hvordan den datainformerede ledelse kan aktiveres i praksis ud fra kerneopgaven og afprøve det i forhold til jeres LOKE øvebaner Roller og rammer Jeg forklarer I afbryder og stiller spørgsmål Tid Vi har ca. 1,5 time Dagsorden 1. Hvad er data supplerende til forklaringer på 1. LOKE FU seminar? 2. Hvad er datainformeret ledelse? 3. Kvalificeret brug af data i ledelsespraksis 1. Hypoteser som afsæt for hvilke data vi indsamler 2. Systematik i dataindsamlingen 3. Hvordan kommer vi fra data til viden og videre til handling? 4. To eksempler på arbejde med data i praksis 2
Data er Information i rå og uordnet form som refererer til eller repræsenterer betingelser, ideer eller objekter. Data er uden grænser og repræsenterer alt i universet. (Datainformed leadership, min oversættelse) Data er dermed: Observationer (ikke strukturerede og strukturerede) Registreringer og monitoreringer (eks. komme-gå-systemer) Undersøgelser, der har et spørgsmål og et svar Kvalitative (eks. interviews) Kvantitative (eks. APV/forældretilfredshedsundersøgelser) Ikke alt, der kan tælles, tæller, og ikke alt, der tæller, kan tælles. (Einstein) Datahybriden Datatype Demografiske data Resultatdata Procesdata Forklaring Demografiske data er alle data, der refererer til demografi og socioøkonomiske forhold. Demografiske data er altså befolkningsbeskrivelser ift. sammensætning. Resultatdata referer til en indsats resultater. Resultatdata er dermed outcomedata, der siger noget om en ændring i eksempelvis viden, adfærd, kompetencer, motivationer, planer, praksis, policy eller økonomi. Data der er indsamlet undervejs i et projekt eller en indsats. Procesdata giver viden og indsigt om netop processen, altså hvilke aktiviteter der er gennemført Perceptuelle data Perceptuelle data er fastholdelse af perceptioner, altså observationer og indsamling af andres observationer og fornemmelser, holdninger og oplevelser. 3
Højere datakvalitet på niveau 2 end niveau 1 04-10-2016 Data er ikke Fortolkninger Holdninger Synsninger Vurderinger Analyser Vi har selektiv perception nogle af os har rosenfarvede briller, andre har tristhedsbriller på. Vi er ikke neutrale; der er følelsesladet indhold i informationer. Vi har derfor brug for systematiske teknikker til at blive i stand til at trække os tilbage fra hverdagens verden og virkelig være i stand til at se, hvad der foregår. Vi har brug for teknikker, der gør os i stand til at træde tilbage fra vores tendens til at have fordomme og forudfattede holdninger. (Waldick, min oversættelse) Niveauer og datakvalitet NIVEAU 2 Data indsamlet bevidst, eks.: Billeder taget af specifikke situationer Løbende registrering og monitorering med bestemt formål Planlagte observationer med særligt fokus Interviews Kvantitative undersøgelser NIVEAU 1 Data indsamlet ubevidst over tid, eks.: Løbende observationer Billeder taget af aktiviteter Referater fra møder Bevidst Systematik er i indsamlingen af data (og analyse) Bevidste hypoteser Tydelig efterspørgsel på viden Ubevidst Systematik kommer efter dataindsamling (i analyse) Ingen bevidste hypoteser Ingen bevidst efterspørgsel på viden Trickere af dataindsamling: Fornemmelse forestillinger 4
Kvalitative og kvantitative data Kvantitativ data Den kvantitative metode går ud på at indsamle et kæmpemateriale, så man kan aflæse sammenhænge og tendenser, kortlægge udbredelsen af folks holdninger eller finde ud af, hvor mange patienter der bliver syge af en særlig medicin. Hård data Kortlægning af at noget sker (deskriptive) Generaliserbarhed og testbarhed Viden i bredden Kvalitativ data Den kvalitative forskning undersøger man ikke udbredelsen af noget. Man forsøger i stedet at afdække mønstre i vores forståelse og praksisser og hvordan de hænger sammen med de situationer, de kommer frem i. Blød data Afdækning af hvorfor noget sker (elaborative) Realisme Viden i dybden Kilder: Harboe, 2006 og Hoffmann, 2013 Datainformeret ledelse er At bruge data til at skabe den nødvendige og hensigtsmæssige viden at træffe beslutninger på baggrund af I sin mest enkle form handler det datainformerede om at spørge både sig selv, sine medarbejdere, det politiske system og andre aktører: Hvad bygger du det på?, når der kommer ideer, ønsker, prioriteringer eller andet. Datainformeret ledelse adskiller sig væsentligt fra datadrevet ledelse Datainformeret ledelse handler om at kunne stille kvalificerede spørgsmål til sin praksis ikke blindt være drevet af data 5
Hvor sikre på effekt skal vi være? Hvor sikre skal vi være på effekt, før vi sætter en indsats i gang? Spændingen er mellem risikovillighed/innovation og evidens Prøvehandlinger kalder på datainformeret ledelse At arbejde med data i praksis BEHOV HYPOTESE VIDEN DATA ANALYSE MÅL HANDLING 6
Hypoteser Hvad tror vi der kommer til at virke for hvem under hvilke omstændigheder? Hvad tror vi, der er udgangspunkt for den praksis, vi oplever? Hypoteserne bruges som afsæt for den løbende dataindsamling, analyse og derigennem opbygning viden Indsamling af data Indsamling af relevant data Data, der allerede findes i organisationen (jf. Ole Hersteds oplæg) Data, der allerede findes uden for organisationen (forskning, medier, DS osv.) Data, der skal indsamles til at informere efterspørgslen af viden på hypoteser Kvalitativt Kvantitativt 7
Analyse Systematisk analyse med afsæt i hypoteser Fra data til viden Data er ikke noget i sig selv men kan være afsæt for videre undersøgelse Data bliver information når nogen analyserer og opsummerer dem. Med andre ord er information data med mening, og det bliver til viden når informationen er sammenfattet og prioriteret. (Datnow og Park, 2014, min oversættelse) 8
Et eksempel BEHOV Rationel anvendelse af medarbejderressourcer i forhold til antallet af unge HYPOTESER Medarbejderne kommer til ledelse med forklaring om, at der ikke er personale nok til antallet af unge mennesker i klubben. Lederen har en hypotese om, at udfordringen skyldes organisering/struktur og ikke medarbejderressourcer VIDEN Be- eller afkræftelse af min hypotese MÅL Opfyldelse af strategier og indsatser (Stærkere fællesskaber, tidlig indsats osv.) Kvalitet for de unge DATA Indhentning af data fra kolleger antal børn/medarbejdere Strukturerede observationer ANALYSE Analyse af data fra kolleger Analyse af observationer op imod hypoteser og mål BESLUTNING OG HANDLING Fastholdelse eller ændring af den nuværende vagtplan/struktur Et andet eksempel BEHOV Indsigt og forståelse i hvad der er vigtigt for forældrene i samarbejde med fritidscenteret HYPOTESE Forældrene har ikke den tilstrækkelige viden om hverdagen i fritidscenteret til at kunne svare kvalificeret. De er aldrig i centeret VIDEN Be- eller afkræftelse af min hypotese MÅL At forældresamarbejdet er understøttende for opnåelse af målene i arbejdet med de unge DATA 1 Fritidsceteret modtager resultaterne fra forældretilfredshedsundersøgelsen. 14% af forældrene har en klar opfattelse af fritids- og klubtilbuddet forventer af dem DATA 2 Små interviews med forældrene om deres viden om tilbud ANALYSE Analyse af de kvantitative data hvilke svar kan vi finde i de øvrige besvarelser (eks. samlet tilfredshed) Analyse af kvalitative data hvilke andre forklaringer/forståelser får vi her? BESLUTNING OG HANDLING 1) Ændring i strukturen i Fritidscenteret 2) Ændring i kommunikationen til forældrene om aktiviteter og tilbud 9
Nicolas Cage Arbejde med den fælles LOKE øvebane Der arbejdes i ledergrupperne FU-leder/FU-viceleder laver en klar bestilling I har frem til kl. 11.10 God arbejdslyst! 10
Tak for i dag Følg Ineva på LinkedIn 11