Verschil tussen kwantitatieve en kwalitatieve data in Lean

Het verschil tussen kwantitatieve en kwalitatieve onderzoek in Lean

Kwalitatief en kwantitatief onderzoek wordt ook kwalitatief en kwantitatief data genoemd.

Het belangrijkste verschil tussen kwantitatieve en kwalitatieve onderzoek is dat kwantitatieve data numeriek is en geschikt voor statistische analyse, terwijl kwalitatieve data beschrijvend is en gericht op het begrijpen van meningen en ervaringen van bijvoorbeeld klanten (VOC). Bij het analyseren van data in bijvoorbeeld Lean en Lean Six Sigma kom je vaak deze termen tegen. Maar hoe passen we ze toe in ons Lean-traject? In deze blog leggen we het verschil uit tussen kwantitatieve en kwalitatieve data, geven we voorbeelden en bespreken we hoe je ze effectief kunt gebruiken in de Lean-methode.

Wat is wwantitatieve data in Lean (Continue Data)

Kwantitatief onderzoek probeert feiten te achterhalen en de resultaten worden meestal uitgedrukt in cijfers. Met kwantitatieve data kun je gemiddelden berekenen en de variantie (standaarddeviatie) bepalen. In een Lean-traject meet je vaak de doorlooptijd van een processtap of de variatie in een proces. Resultaten van een kwantitatief onderzoek worden vaak weergegeven in tabellen of grafieken. Denk bijvoorbeeld aan een Runchart, Control Chart en Histogram.

Waarom is kwantitatieve data belangrijk in Lean?

Kwantitatieve data wordt ook wel de “King of Data” genoemd, omdat dit type data objectief is. Een euro is een euro en tijd is tijd. Daar valt niet over te discussiëren.

Kenmerken van kwantitatieve data

1. Meetbaarheid: Kwantitatieve data kan gemeten worden op een continuüm of schaal. Dit betekent dat de data bijna elke numerieke waarde kan aannemen en in steeds kleinere eenheden kan worden onderverdeeld. Een getal achter de komma zegt ook nog iets.
2. Voorbeelden: Voorbeelden van kwantitatieve data zijn geld, temperatuur, tijd, volume (zoals volume van water of lucht), gewicht, lengte en grootte. Deze variabelen kunnen nauwkeurig gemeten en in kleinere delen opgesplitst worden zonder hun betekenis te verliezen.
3. Toepassing: In kwantitatief onderzoek kun je gemiddelden berekenen, de variantie (standaarddeviatie) vaststellen, de frequentie van een bepaald antwoord tellen of de gegevens in procenten verdelen.

Voorbeelden van kwantitatieve data in Lean

Doorlooptijd in processen:

In Lean-projecten kun je de doorlooptijd meten, oftewel hoe lang het duurt om een taak of proces te voltooien. Door deze tijden bij te houden, kun je de efficiëntie van je processen verbeteren en knelpunten identificeren.

Gewicht van goederen:

Het meten van het gewicht van producten of grondstoffen is een ander voorbeeld. Deze gegevens kunnen je helpen om productieprocessen te optimaliseren en kwaliteitscontrole uit te voeren.

Variatie ten opzichte van het gemiddelde:

Door de variatie ten opzichte van het gemiddelde te meten, kun je zien hoe consistent een proces presteert. Dit helpt bij het identificeren van onregelmatigheden die verbeterd kunnen worden.

Voorspelbaarheid van procesprestaties:

Het bijhouden van hoe voorspelbaar je processen zijn, helpt je om beter te plannen en je klanten beter van dienst te zijn. Als je weet dat een proces altijd binnen een bepaalde tijd wordt voltooid, kun je betrouwbaardere levertijden aangeven.

Kosten/baten-analyse:

Een ander belangrijk aspect is het meten van kosten. Door bij te houden hoeveel iets kost, kun je bepalen waar je geld kunt besparen en hoe je je budget effectiever kunt beheren.

Tijd die verspilling kost:

Stel je voor dat je op een afdeling werkt en je wilt weten hoeveel tijd verloren gaat door inefficiënte processen, ook wel verspilling genoemd. Je kunt bijvoorbeeld meten hoeveel tijd medewerkers kwijt zijn aan het wachten op materialen, het opnieuw uitvoeren van taken vanwege fouten, of het verplaatsen van producten tussen werkstations.

Wat is kwalitatieve data in Lean (Discrete Data = Attribute en Count)?

Kwalitatieve data, ook wel discrete data genoemd, is beschrijvend van aard en richt zich op interpretaties en ervaringen. Deze data kan worden onderverdeeld in tellingen (count data) of categorieën (attribute data). Denk bijvoorbeeld aan enquêtes met antwoorden variërend van ‘oneens’ tot ‘helemaal eens’. Deze data is vaak onderdeel van een 5-punts Likert-schaal. Dit type data kan je analyseren met een Pareto-chart of een pie-chart.

Dit type data wordt vaak verzameld door middel van kwalitatief onderzoek, zoals interviews, focusgroepen of observaties. De resultaten worden vaak omgerekend naar percentages.

Kwalitatieve resultaten worden meestal weergegeven in woorden en bieden inzicht in de onderliggende redenen, meningen en motivaties. Deze data is veel subjectiever dan kwantitatieve data. Stel je voor: je bent net bij de garage geweest en je hebt een flinke rekening gekregen. Hoe vul je de enquête in? Of je hebt een slechte beoordeling gekregen op je werk, en een dag later moet je een medewerkers-tevredenheidsonderzoek invullen…

Kenmerken van kwalitatieve data:

1. Beschrijvend: Kwalitatieve data is vooral beschrijvend en richt zich op de interpretatie van menselijke ervaringen. Daardoor heb je vaak meer metingen nodig om een betrouwbare analyse te maken.
2. Patronen: In plaats van cijfers te analyseren, kijk je bij kwalitatieve data naar patronen in de informatie. Deze patronen vormen de basis voor je uiteindelijke analyse. Bijvoorbeeld, met een Pareto-analyse zoek je naar de 80-20 regel.
3. Toepassing: Kwalitatieve data wordt vaak gebruikt om inzichten te krijgen in de redenen achter bepaald gedrag, meningen en motivaties. Het is nuttig voor het begrijpen van situaties waar cijfers alleen niet genoeg zijn.

Voorbeelden van kwalitatieve analyse in Lean:

1. Klanttevredenheidsonderzoeken: Dit betreft het verzamelen en analyseren van feedback van klanten om hun ervaringen en tevredenheid met een product of dienst te begrijpen.
2. Medewerkers-tevredenheidsonderzoeken: Hierbij wordt de tevredenheid van medewerkers binnen een organisatie gemeten om inzicht te krijgen in hun werkervaringen en motivatie.
3. Tellen van fouten: Het identificeren en beschrijven van fouten in processen om de oorzaken te begrijpen en verbeteringen door te voeren.
4. Categoriseren van afkeur: Het indelen van afgekeurde producten of diensten in categorieën om patronen te herkennen en de onderliggende problemen aan te pakken.

Als je met kwalitatieve data werkt in Lean-trajecten, is het belangrijk om van tevoren duidelijke operationele definities vast te stellen. Bijvoorbeeld, wat beschouwen we als een fout? Wanneer keuren we iets af? Dit is belangrijk omdat deze beoordelingen vaak door verschillende medewerkers worden uitgevoerd en iedereen zijn eigen interpretaties heeft. Stel je moet spijkerbroeken afkeuren op hoe blauw ze zijn. Tja, mijn definitie van blauw is waarschijnlijk anders dan die van jou.

Verschillen tussen kwantitatieve en kwalitatieve data in Lean

Het grootste verschil tussen kwantitatieve en kwalitatieve data is de aard van de gegevens. Kwantitatieve data is numeriek en geschikt voor statistische analyse, terwijl kwalitatieve data beschrijvend is en gericht op het begrijpen van meningen en ervaringen. Beide soorten data hebben hun eigen toepassingen en kunnen elkaar aanvullen in een Lean verbetertraject.

Kwantitatieve data in Lean:

• Feiten achterhalen: Het doel is vaak om feiten te achterhalen en deze te kwantificeren.
• Numeriek: Gegevens worden uitgedrukt in cijfers en kunnen worden gemeten (bijvoorbeeld gemiddelde en standaarddeviatie).
• Analytisch: Geschikt voor statistische analyses en het identificeren van trends en patronen.

Kwalitatieve data in Lean:

• Tellen en classificeren: Het doel is om informatie te beschrijven en te classificeren.
• Beschrijvend: Gegevens worden uitgedrukt in woorden en zijn gericht op interpretatie. Om deze te analyseren worden ze vaak omgerekend naar percentages of verhoudingen.
• Exploratief: Geschikt voor het begrijpen van achterliggende redenen en motivaties.

Toepassing van kwantitatieve en kwalitatieve data in Lean

In de praktijk worden kwantitatieve en kwalitatieve data vaak samen gebruikt om een vollediger beeld te krijgen, vooral binnen Lean-methodologieën. Bijvoorbeeld, een Lean Black Belt kan beginnen met kwalitatieve interviews om te begrijpen wat klanten belangrijk vinden. Vervolgens kunnen deze onderwerpen kwantitatief gemeten worden in het proces.

Lean data-analyse: Stappenplan voor kwantitatief en kwalitatief onderzoek

 

1: Definieer wat je wilt meten

• Wat doe je?: Bepaal wat je wilt meten en welke vragen je wilt beantwoorden.
• Hoe doe je dat?: Formuleer duidelijke en gerichte definities van wat je wilt meten. Maak operationele definities en stel meetplannen op. Bepaal of de data al beschikbaar is of dat je steekproeven moet nemen.

2: Voer de meting uit

• Wat doe je?: Noteer of verzamel de tijd die nodig is om een proces te doorlopen of verzamel de wachttijd in het proces. Verzamel daarnaast gegevens door middel van kwalitatief onderzoek, zoals interviews en enquêtes.
• Hoe doe je dat?: Gebruik zoveel mogelijk data die al bijgehouden wordt in je systemen. Als je geen data hebt, werk dan met steekproeven. Laat medewerkers de tijd bijhouden, bijvoorbeeld de doorlooptijd of het aantal klachten. Gebruik open vragen tijdens interviews of creëer een gestructureerd observatieformulier om consistente gegevens te verzamelen.

3: Analyseer de Gegevens

• Wat doe je?: Organiseer en analyseer de verzamelde gegevens over een bepaalde periode om te bepalen hoeveel tijd verloren gaat door verspillingen en om patronen en thema’s te identificeren. Het doel is om van ruwe data nuttige informatie te maken.
• Hoe doe je dat?: Maak gebruik van spreadsheets of databasetools zoals PowerBi om de kwantitatieve gegevens te organiseren en basisstatistieken te berekenen, zoals gemiddelden, percentages en totale tijden. Data-analysetools die je kunt gebruiken zijn de Seven Basic Quality Tools, runcharts, histogrammen, Pareto-analyses, control charts, measle plots en process capability analyse.

4: Identificeer Trends en Trek Conclusies

• Wat doe je?: Kijk naar patronen in de gegevens. Gebeurt het wachten op materialen bijvoorbeeld altijd op een specifiek moment van de dag of in een bepaalde afdeling? Worden er fouten gemaakt in een bepaalde categorie? Gebruik de geanalyseerde gegevens om inzichten en conclusies te trekken.
• Hoe doe je dat?: Gebruik de visualisatie van grafieken om patronen en trends te ontdekken. Prioriteer wat je als eerste wilt verbeteren in je Lean-traject.

5: Voer de verbetering uit

• Wat doe je?: Gebruik de conclusies en prioritering. Voer de verbetering uit met een Lean-traject.
• Hoe doe je dat?: Ontwikkel en implementeer verbeterplannen, bijvoorbeeld met PDCA of DMAIC. Tools die je kunt gebruiken zijn A3 en implementatieplannen.

Samenvatting

Kwantitatieve en kwalitatieve data vullen elkaar aan en zijn samen nodig om processen goed te begrijpen en te verbeteren binnen Lean. Kwantitatieve data laat zien hoe een proces presteert in cijfers, zoals doorlooptijd, variatie en fouten. Hiermee maak je prestaties meetbaar en kun je trends en afwijkingen analyseren.

Kwalitatieve data geeft inzicht in waarom het proces zo presteert. Door ervaringen, observaties en feedback te verzamelen, ontdek je de onderliggende oorzaken van problemen en verspilling.

Door beide vormen van data te combineren ontstaat een compleet beeld van het proces. Je ziet niet alleen waar het misgaat, maar ook waarom het misgaat. Dit maakt het mogelijk om gerichter verbeteringen door te voeren en structurele oplossingen te realiseren.

Binnen Lean gebruik je deze combinatie om verspilling zichtbaar te maken, oorzaken bij de bron aan te pakken en processen stabieler en voorspelbaarder te maken. Zo stuur je niet op aannames, maar op feiten en inzichten die daadwerkelijk leiden tot betere prestaties en meer klantwaarde.

Zie wat er écht gebeurt in je proces met Lean data-analyse

Leer hoe je data omzet in inzichten en inzichten in concrete verbeteringen met onze online Lean Black Belt cursus.