Hoe je Lean Six Sigma met Data Science kan laten accelereren?
Als je weerstand niet voelt, is het er niet.” Het lijkt een open deur, maar het was een van de meest waardevolle inzichten die ik leerde van prof. dr. Ronald Does. Hoe dat zit? Laat me je meenemen in een trip down memory lane.
Ronald was mijn coach toen ik 10 jaar geleden mijn opleiding Lean Six Sigma Black Belt voltooide en ik hem introduceerde bij de Ziggo-directie.
Ziggo wilde ‘continue verbeteren’, maar hoe doe je dit aantoonbaar?
Mijn zoektocht
Al 15 jaar zocht ik vanuit kwaliteits- en procesmanagement naar antwoorden om de operatie binnen bedrijven aantoonbaar te verbeteren. Met kwaliteitscertificaten konden we weliswaar laten zien dat er een bepaald niveau werd gehaald, maar relateren aan bedrijfsresultaten lukte niet.
Tijdens mijn opleiding tot Black Belt liet Ronald mij het verschil ervaren tussen ‘lekker bezig zijn’ en ‘goed bezig zijn’.
Alles is data
‘Goed bezig zijn’ betekende vanaf dat moment voor mij:
- klantwaarde maximaliseren met Lean
- complexe problemen oplossen door de werkelijkheid te modelleren en te kwantificeren met Six Sigma
- een proces zien als een wiskundige vergelijking
Een vergelijking die je moet oplossen door te zoeken naar verbanden en het vinden van grondoorzaken.
Het onvoorspelbare voorspellen met Lean Six Sigma
Grootschalige verbeterprogramma’s zijn uitdagend in termen van verandermanagement. Het is niet vanzelfsprekend dat mensen actief kiezen voor de verandering. Herkenbaar?
Vaak willen mensen niet dat de omstandigheden waarin ze werken veranderen. Weerstand is het bijproduct van het loslaten van controle en je begeven in een onvoorspelbare situatie. Het maakt veelal onzeker.
En dat is nou het mooie van Lean Six Sigma… Je voorspelt de nieuwe situatie aan de hand van feiten (data). Op die manier verklein je het gevoel van weerstand. En kun je ‘makkelijker’ het maximale potentieel uit mensen halen.
Data Science: voorbij het voorspellen
Bij het voorspellen van gebeurtenissen denken mensen als snel aan data science: een complexe brei aan data wordt teruggebracht tot een voorspellingsmodel.
Wat mij betreft, is een data scientist het meest effectief als hij aan de hand van data aantoonbare impact kan maken voor de operatie. Daar ligt vaak de uitdaging. Hoe kun je de complexiteit reduceren en mensen meenemen in een voor hen voorspelbare situatie?
Een holistische benadering van procesmanagement, statistiek en verandermanagement is hierbij van cruciaal belang.
Hoe zet jij data science in?
