Si dice che “la convinzione sia peggio della pazzia”.
A volte, infatti, si è convinti di qualcosa al punto da sostenerla a qualsiasi costo, salvo poi scoprire che i numeri la smentiscono.
Parto quindi da una premessa che abbiamo già fatto più volte:
non è possibile parlare di obiettivi di miglioramento in azienda senza raccolta e analisi dei dati. Il rischio che si corre è infatti quello di prendere decisioni basate su sensazioni e convinzioni prive di un fondamento scientifico.
A questa, però, vorrei aggiungere un’altra considerazione.
Premesso che la raccolta dei dati (in ambito aziendale, ma non solo) migliora inequivocabilmente la produzione e aiuta a ridurre i costi, e
premesso che i dati sono oggettivi, imparziali e neutri, è fondamentale considerare anche che, in un determinato contesto, possono restituire una risposta piuttosto che un’altra a seconda di come vengono letti.
Vi faccio un esempio pratico. Immaginate che la percentuale di scarti (quindi di pezzi non conformi) di un’azienda che produce componentistica meccanica sia pari all’1% (dato che, mediamente, può essere considerato piuttosto buono).
Facendo però poi un’analisi più approfondita, quindi di fatto scomponendo i numeri per reparto, magari si scopre che, in realtà, il reparto A di quell’azienda funziona discretamente bene, mentre il reparto B produce tanti scarti, diventando di fatto l’unico responsabile (o quasi) della percentuale totale di scarti.
Quel 1%, pertanto, che inizialmente poteva apparire una percentuale bassa, resta effettivamente bassa se considerata a livello generale, ma non se analizzata nel contesto del suo specifico reparto, dove invece lascia moltissimo margine di miglioramento.
Quindi, tornando alla domanda da cui siamo partiti:
I dati ci dicono davvero tutto? Sì, ma a patto che si tenga conto anche del contesto. Quindi a patto che vengano scomposti e analizzati secondo modelli specifici, messi a punto, tenendo conto di fattori ben precisi.
E come creare un modello che funzioni?
Utilizzando logica e sensibilità prima di tutto. A cui si aggiunge la mission, intesa come obiettivo dato a un reparto, affinché possa fare il proprio lavoro con cognizione di causa e seguendo una roadmap costruita sulla base di una visione olistica dell’impresa.
La missione di un reparto potrebbe, ad esempio, privilegiare la qualità a scapito dei tempi di produzione, o viceversa. L’importante è che l’obiettivo, qualunque esso sia, venga chiaramente dichiarato a priori.
Un altro aspetto importante da non sottovalutare sono le competenze di chi dovrà andare a definire e costruire un modello.
Per quanto bravo il professionista in questione possa essere, infatti, dovrà necessariamente avere anche competenza nella materia di cui si sta occupando, che, nel nostro caso specifico, è la meccanica.
Articoli correlati:
Parlare di obiettivi di miglioramento per un’azienda senza analisi dei dati è pura fantascienza
C’è sempre più di un modo per fare una stessa cosa. Quello migliore si trova solo grazie ai dati
Ridurre le spese in azienda. Partiamo dall’analisi dei dati
Cyber security e sicurezza dei dati in una factory 4.0: come proteggere le informazioni sensibili
