En entradas anteriores estuvimos hablando de los problemas y de algunas de las herramientas que nos ayudan a resolverlos, o al menos nos ayudan a aprender a usar nuestro «thinking». En esta entrada vamos a hablar de la no fácil tarea de realizar la recogida de datos. Podemos imaginar que la recogida de datos es de vital importancia, ya que es la tarea que necesitamos realizar para una clara y correcta declaración del problema, que como sabemos es necesaria para su resolución.
Aprender a recoger información, es una tarea que debemos saber como hacer correctamente, independientemente del problema que tengamos entre manos, o del trabajo o proyecto que estemos llevando a cabo. ¿que es lo que nos puede llevar a realizar una recogida de datos de forma errónea o a recoger los datos equivocados?
- Quizás estamos recogiendo datos de la fuente equivocada o no son los datos que necesitamos.
- Estamos recogiendo demasiada información, con exceso de datos o de información concluyente.
- En el caso de recogida de datos por parte de personas, es posible que utilicen diferentes procedimientos, a menos que los hayamos instruido a tal efecto y sean capaces de realizar un trabajo de recogida totalmente normalizado. Trabajo estandarizado para resolverlo.
- Cabe la posibilidad de estar haciendo una recogida de datos sesgada o parcial.
- ¿Que pasa con los entornos de recogida?
- …..
Cuando recojamos datos para solucionar problemas, a continuación algunas pautas resumidas:
Paso 1: ¿Cuales son los objetivos de la recogida de datos? ¿Cual es su alcance?
Es necesario definir el propósito de la recogida y su alcance. Parece una tontería, pero una correcta definición de que es lo que estamos buscando, nos evitará un montón de trabajo, y un montón de tiempo perdido:
- ¿Porqué estamos recogiendo datos?
- ¿Estamos atacando a la fuente adecuada?
- ¿Realmente los datos que necesitamos están disponibles en esta fuente?
- ¿Los datos que estamos recogiendo son los que nos ayudarán a mejorar los requerimientos?
- ¿Son datos en bruto, o tenemos que trabajar con ellos y refinarlos para que sean útiles?
- ¿Cuantos datos necesitamos? ¿cual es el tamaño de la muestra necesaria?
- ¿Necesitamos combinar datos de diversas fuentes para conseguir nuestro propósito?
- …..
Paso 2: Construir procedimientos para trabajar con los datos. Estandarizar el trabajo.
Es posible que el trabajo con los datos, de una manera u otra nos cree problemas, ya sea por la complejidad de estos, o porque los datos que estamos recogiendo, no están asociados a un concepto que conozcamos y que nos parezca evidente dentro del problema que estamos tratando de solucionar.
- ¿Que concepto estamos tratando de evaluar? Peso, volumen, Lead Time, %Efectividad, stocks ……
- Con todos los datos que estamos trabajando, ¿cuales serían los datos que nos permitirían añadir valor al concepto que estamos tratando de evaluar? Es decir, en un rango de defectos de una pieza, ¿cual sería el rango de trabajo para nosotros? Si medimos retrasos en las entregas, ¿cual sería el rango de Lead Times que añadirían valor a lo que necesitamos? ¿Que datos consideraremos que están fuera de la muestra? ¿Que datos definiremos como información errónea?
- Definir los procedimientos para medir las características necesarias durante la recogida de datos. Es necesario ser totalmente específico y si es necesario, definir un procedimiento completo. ¿Como será la forma utilizada para la recogida de datos? ¿Utilizaremos formularios, checklists, instrumentos de medidas, etc? ¿Cuales serán los medios necesarios? ¿Están calibrados? ¿Cuales son los márgenes de error? ¿Quienes serán los recolectores de datos? ¿Durante que intervalo de tiempo se realizarán las recogidas? ¿Será necesaria la recogida de varias características en cada medida? ¿Cuantas muestras deberán ser medidas en cada recogida? ¿Cual será el procedimiento a usar que no nos lleve a cometer errores? Especificar métodos específicos de recogida de datos.
- Si estamos midiendo para atender un requerimiento de un cliente por ejemplo,.. ¿como está el cliente realizando esta medición? ¿que procedimiento usa? ¿Como lo estamos realizando nosotros? ¿Cuales son los puntos de diferencia? ¿Que estamos haciendo mejor que él?
Paso 3: Trabaja con la consistencia y la estabilidad de los datos
Podemos imaginar que necesitamos datos consistentes, robustos y estables a lo largo del tiempo. ¿Formas de explicar esto? Podríamos decir que los datos son consistentes si dos personas que miden las mismas cosas o las mismas características llegan al mismo resultado y son estables cuando los resultados no muestran signos aparentes de variaciones en el tiempo. Tenemos que trabajar en:
- Factores que pueden causar variaciones en el mismo dato. ¿Que fuentes de variación pueden impedir una correcta recogida de datos? Utiliza un diagrama de causa-efecto para identificar esas fuentes.
- Intentar reducir el impacto de estos factores. Por ejemplo, ¿que diferencias o variaciones existen entre dos empleados cuando recogen los datos? ¿Puede haber diferencias en los instrumentos de medida? ¿Es el entorno de trabajo siempre el mismo en todas las recogidas? ¿Factores externos que pueden influir, temperatura, humedad, etc?
Nada mejor que trabajar duramente con los procedimientos del Paso 2 para evitar fuentes de variabilidad. El trabajo estandarizado nos evitará muchos problemas y formas de variación desconocidas.
Paso 4: Empezar a recoger datos.
Todos los responsables de la recolección de datos deben conocer los procedimientos trabajados en pasos anteriores. Todos deben seguir al pie de la letra los procedimientos que a tal efecto han sido desarrollados. Si alguien nuevo se integra en el equipo debe ser instruido para que no haya diferencia con el resto de recolectores de datos.
Paso 5: PDCA para mejorar en consistencia y estabilidad.
Como todo proceso, el de medir puede estar sujeto a un entorno de mejora continua con el objetivo de mejorar la consistencia y la estabilidad de los datos que adquirimos.
Planea y comprueba que procedimientos están dando resultados inestables o cuales son las medidas que degeneran en el tiempo. Igualmente, verifica cuales son las medidas que no están presentando la consistencia requerida. Es decir, verificando los datos recogidos por varios recolectores que están midiendo el mismo artículo. ¿Existe variabilidad? ¿Podemos reducirla? ¿Formas de eliminarla?.
Una forma muy interesante de trabajar es graficar los datos. Comprobar si los datos representados en las gráficas presentan formas extrañas, coincidentes con fuentes de variación.
Trabaja en el resto de fases del bucle PDCA. Aprender a utilizarlo en todos los procesos.
Un detalle importante que me gusta remarcar por la cantidad de ocasiones que genera equivocación a pesar de que parece una tontería, es recordar la necesidad de trabajar con las mismas unidades. Cantidad de errores durante el trabajo con datos, vienen porque estamos trabajando con datos en diferentes unidades y por temas tan tontos como el uso de escalas inadecuadas en los gráficos.
Algunos links de la entrada:
https://www.coursera.org/course/dataanalysis
Artículos académicos relacionados con la recogida de datos.
