Az elmúlt napokban az új EFQM Modell megjelenése kapcsán a szervezeti működés számos területe került új megvilágításba, alakult át azok értelmezése, egymáshoz való viszonyuk. Ezek közül talán az alábbi logikai sor kielemzése lehet az egyik tovább gondolásra érdemes téma:
adat –> információ –> tudás –> innováció –> transzformáció
Az új modell azt sugallja, hogy egy kiemelkedő teljesítmény elérésére törekvő szervezetnek rendkívül komoly felkészültséggel kell rendelkeznie, hogy mind a szervezeten belülről, mind kívülről érkező adatokat képes legyen rögzíteni, kezelni, megfelelően tárolni.
A szervezet által begyűjtött adatok önmagukban még nem jelentenek igazi értéket… Fontos azok feldolgozása, kielemzése, analizálása. Ez már egy komolyabb kihívást jelent a szakemberek számára. De ez sem jelent még igazi előre lépest, ha a kapott elemzések eredményeit nem csatolja vissza a szervezet a működési rendszerébe. A mérésekből származó adatok elemzésének eredményei számtalan formában épülhetnek be a működésbe, függően attól, hogy milyen természetű, jellegű adatról, elemzésről van szó. Ezek hatása lehet azonnali (gyártási sor leállítás), de leginkább időben elhúzódó (vevői reklamáció, dolgozó elégedettség felmérés). Ez nagyban függ attól, hogy a mért adat milyen hatással van a termék, szolgáltatás elvárt minőségére, színvonalára. Amennyiben az adatok és azok elemzésének eredménye megosztásra kerül (oktatás, továbbképzés…), onnantól beszélhetünk szervezeti tudásról. A szervezeti szintű tudás növelhető a munkatársak által behozott tudással (képzettség, kompetencia), illetve a különböző forrásból érkező adatok, információk által. A szervezeti tudás elvesztésének veszélyét is kezelni kell.
Az új EFQM Modellben egy önálló alfejezet foglalkozik az adat, információ és tudás hasznosításával. A modell ajánlása szerint a szervezetnek első szinten azonosítania kell azt az adathalmazt, amely szükséges a szervezet napi működésének és fejlesztésének biztosításához.
Az adatelemzés kapcsán a modell úgy fogalmaz, hogy „az adatokból való érték kinyerése”, ami nem más, mint az adathalmaz elemzése, analízise. Ez adhat fontos bemenetet a megalapozott döntések meghozatalához (visszacsatolás). A modell megemlíti a prediktív analitika fontosságát is. A prediktív analitika voltaképp arra szolgál, hogy általa felismerhetővé válnak a minták, és megbecsülhetők lesznek a jövőben bekövetkező események, az adathalmazokból kinyert információk elemzése révén.
A modell logikája szerinti következő lépés, hogy a szervezet a feldolgozási folyamat eredményeként az adatokat információvá és tudássá alakítja, mely aztán a belső tudás fejlesztését, a tanulást és az innovációt támogatja.
Természetesen nem hagyható figyelmen kívül az adatok etikus és elővigyázatos kezelése sem. Erre a modell is felhívja a figyelmet, utalva a GDPR irányelvekre, illetve a szellemi tulajdon védelmére egyaránt.
Jól érzékelhető, hogy a modell egy nagyon tudatos, szisztematikus, adatközpontú működést vázol fel, amely azt sugallja, hogy a szervezetnek felkészültnek kell lennie a külső és belső környezetéből egyaránt érkező impulzusok, jelzések fogadására. A legtöbb esetben ez egy kiforrott mérési gyakorlatot feltételez a belső
működés tekintetében. Az így generált „big data” halmaz jelenti aztán az egyik komoly kihívást a szervezetek számára. Talán ezen a pontos látható az egyik nagyon markáns kapcsolódás az új EFQM Modell és az Ipar 4.0, valamint a digitális transzformáció irányelvei között.
Szabó Kálmán
Szövetség a Kiválóságért Közhasznú Egyesület
