Titlen på dette blogindlæg beskriver lige præcis, hvad jeg har tænkt så mange gange, at det ikke kan tælles på to hænder.
Som analytiker, og senere som konsulent, har jeg mange gange måtte frustreres over min omverdens mangel på forståelse. Det var først, da jeg indså, at det var mig, som fejlede og ikke “de andre”, at jeg indså, at problemet lå hos mig, og ikke “dem”.
Forståelsen handlede ikke om, at de ikke kunne forstå mig som person eller de udfordringer, jeg mødte undervejs på rejsen til en løsning. Da jeg fik Covid-19 i begyndelsen af 2020 og var mærket af dette i over et halvt år efter, fik jeg masser af forståelse. Årsagen er, at folk forstår det, som de kan sætte sig ind i – de kan sætte sig i dit sted, som det hedder i psykologien.
Mit problem var folks forståelse for de resultater, jeg præsenterede efter en dataanalyse. I starten af min karriere smed jeg engang et regneark op på skærmen til et projektmøde og de stakkels kolleger fik nok ikke meget ud af det, men de smilede høfligt – uden at stille spørgsmål. Det tog jeg fejlagtigt som et signal om, at det var rigtigt, det jeg gjorde. Spoiler alert: Det var det ikke!
Jeg fik på et tidspunkt en chef, som var vanvittig dygtig til at kommunikere (og til at analysere data). Han var tidligere McKenzie-konsulent, og han fik mine øjne op for, at kommunikation er en selvstændig kompetence, som man bliver nødt til at forholde sig til, isoleret set, uagtet om det er et blogindlæg, en fristil, en tale til en fest, eller en præsentation af resultater til beslutningstagere. Det er præcis de samme mekanismer, der er i spil.
Når noget skal kommunikeres, skal man kende publikum. Det er let, når det er kolleger, eller en tale til en familiefest, men er straks sværere, hvis man udsender eller præsenterer en analyse til et forum, man ikke kender. I så fald skal man altid, altid, altid kende modtagerne. Det er sindssygt vigtigt!
Det første, man skal gøre, er at fokusere på “den råde tråd” i de emner, man vil præsentere, men det skal pakkes yderligere ind i en struktur:
- Hvad vil du fortælle?
- Hvorfor er det vigtigt at vide for modtagerne?
- De egentlige resultater.
- Resultaternes perspektiver i forhold til den nuværende situation – er der flere resultater, skal man gennemgå hvert resultat og perspektivering enkeltvis.
- Opsummering – hvad har du i korte træk gennemgået?
- Dine eventuelle forslag til, hvordan vi kommer videre.
Denne struktur ligger påfaldende tæt op af strukturen for en eventyrfortælling – og det er ikke tilfældigt. Det er den måde, vi i den vestlige verden er blevet præsenteret for historiefortælling gennem generationer og en struktur, som alle helt latent kan navigere i. Derfor er den fantastisk effektiv.
“Indpakning” om man vil er 50-80% af en god præsentation. Det sætter en kendt ramme, som du så kan snige dine resultater ind i ved hjælp af simple grafer og meget få tal. Det betyder ikke, at du ikke skal være forberedt. Du skal være ultra-forberedt, så når én eller to af de tilhørende, som har brug for yderligere uddybning, kan få det – det skal du være helt klar på.
Er dine svar til de interesserede kolleger stadig ikke nok, så vil de andre på mødet stemple ud under dit detaljerede svar og “magien” er tabt, hvis du taler direkte til de, som ønsker en detaljeret uddybning. Derfor tilbyder du et møde efterfølgende og “lukker den af” der. Men som det første efter mødet rækker du pro-aktivt ud til de interesserede deltagere og booker et møde med det samme.
Der er naturligvis meget mere i kommunikation, end hvad der er muligt at skrive i et blog-indlæg. Man kan undre sig over, at det er så svært. Den strukturerede kommunikation blev sat på formel for over 2500 år siden af Platon, Sokrates med flere i det, der hedder den “klassiske retorik” – så hvorfor ikke bruge det i dag? Det var godt nok dengang, så der er det sikkert endnu!
Effektiv kommunikation er ikke kun noget, der foregår i en statusmail eller en præsentation. Det foregår i høj grad også ved dit skrivebord, ved mødet med dem, som var interesserede i mere information. Derfor er det vigtigt at dine analyser og mellemregninger er transparante og simple, med respekt for almindelige statistike etiske (common sense) regler (se kolofon nederst på siden). Man skal kunne følge dine mellemregninger, og du skal kunne føre dine kolleger gennem disse, så de forstår dem – det gør dem også i stand til at gennemskue, om du skulle have lavet en fejl.
Du skal derfor holde dig fra komplicerede formler og andre fodfejl, som at have dine input data, mellemregninger, og resultater på samme “ark” i regnearket, hvis du benytter sådan ét. Er det decideret kode, du har skrevet i f.eks. Python, så skal det være tilsvarende let-læseligt. Mange gange kan man dele et program op, så der bliver mere kode, men at det er lettere at forstå – men det er endnu et stort emne, som der er mange meninger om.
Al den tid, du har brugt (= din arbejdsgivers penge) kan være spildt, hvis du ikke formår at overlevere dit budskab. Så kan du være nok så god til analyse og statistik, men i sidste ende vil du fejle – og det kan ende med at blive dyrt for dig, i form af fyring eller kollegiale samtaler med din ledelse, for frustration følger med, og det vil afspejle sig i dit relation til dine kolleger.
Er du til gengæld god til at kommunikere, åbner det døre til forfremmelse, mere løn eller frihed, fordi tilliden stiger til dig i takt med dine kommunikative evner forbedres.
Det er afsenderen, som har ansvaret for budskabet. Tag ejerskab som afsender. Find din egen stil og acceptér, at ikke alle er lige som dig. 50% af alle mennesker forstår bedre billeder end tal, når resultater skal kommunikeres. Det skal man have respekt for. Det er ikke dig, som skal forstå det – det er modtageren af dit budskab. Derfor skal du tale til dem og ikke til dig selv!
Vil du vide mere om transparent dataanalyse, kommunikation i en professionel sammenhæng, så tilmeld dig webinaret den 8. september. Vel mødt!
Kolofon: Statistiske etiske regler
Statistik er en sammentælling af rå uoverskuelige data med det formål at kunne danne et overblik og derigennem lære mere om de rå data. Brugt forkert kan statistik blive misvisende og kan derfor blive udgangspunkt for forkerte konklusioner – til potentielt stor skade og tab for din virksomhed eller arbejdsgiver. Derfor er etisk statistik vigtigt.
Karikeret eksempel: Du arbejder i legetøjsbutik. Fem minutter efter butikken åbner, kommer en kunde ind og køber en dukke. Seks minutter efter butikken er åben, kan du via statistik påvise, at 100% af alle besøgende køber en vare, og at 100% af varerne er dukker. Konklusion: “vi er verdens bedste butik, og vi skal fremover kun sælge dukker”.
Læring: Du skal altid forholde dig til, om dit datasæt er stort og varieret nok. Det er mega svært.
Mere realistisk eksempel: I legetøjsbutikken sælges dukker og dukkevogne. Af tallene, over et halvt år, ses det, at salget af dukker og dukkevogne er korrelerede med en R2 på 0.67 (hvis den var 0, var der ingen korrelation. Hvis den var 1, blev der solgt dukkevogne, hver gang der blev solgt dukker). Du præsenterer resultatet, og ledelsen tager inputtet og træffer en beslutning. Men en korrelation på 0.67 er overhovedet ikke en stærk korrelation – det er tæt på tilfældigt.
Læring: Hvis du ikke forstår det statistiske værktøj, du benytter, så lad være!
Statistisk etik handler om, at du altid skal have en kritisk tilgang til dit data og bruge de værktøjer, du har til rådighed med professionel integritet. Og så skal du aldrig lade dig presse af interessenters agenda. Hvis salgstallene for din afdeling er dårlige, så er de dårlige. Sig højt nej, når din chef kun vil præsentere de to varekategorier, som er i fremgang, og ikke det fulde billede – med dig som afsender vel at mærke. Du skal varetage din organisations interesser – ikke din chefs forsøg på at skjule inkompetence i dit navn.