Vi får ofte for meget, når ledere og politikere gentagne gange taler om Big Data eller Disruption. På et tidspunkt lytter man simpelthen ikke mere, fordi man har hørt om det så mange gange og ofte på meget løst definerede måder, så man bliver usikker på, hvad man taler om.
Data og dataindsamling er dog ikke noget nyt. For eksempel har Danmarks Statistik indsamlet data om danskere, virksomheder og samfundet siden 1835, hvor man registrerede de første folketællinger. Siden da er der kommet flere til, både nationale og internationale organisationer og virksomheder, som arbejder med at indsamle, analysere og sælge data til offentlige og private virksomheder.
Mængden af data på alle områder vokser eksplosivt og derfor er de helt centrale for at blive bedre til at forstå brugere, udvikle systemer og arbejdspladser. Når man gerne vil bruge data for at forbedre arbejdsprocesser, arbejdsmiljø og brugernes oplevelse, så er de ansattes viden og erfaring med systemer, data og brugere helt centrale.
Når man ser på de offentlige it-skandaler, så har professor Søren Lausen i projekter - bl.a. Polsag hos Rigspolitiet og Rejsekortet - identificeret 5 hovedårsager udover mangel på kvalificerede it-professionelle:
1. Projekterne identificerer ikke brugernes behov.
2. Projekterne beskriver ikke krav, der dækker brugernes behov.
3. Projekterne vil opnå alt på én gang.
4. Brugergrænsefladerne designes alt for sent.
5. Der opstår for mange overraskelser, når forskellige systemer integreres.
I alle fremtidige systemer indgår altid data. Som det fremgår, er der to væsentlige årsager til kaos i it-projekter: nemlig at projekterne ikke har haft brugere, såvel ansatte som eksterne brugere, tæt inde i udviklingsprocessen til at definere hvilke data, som var relevante i bestemte situationer og hvilke behov, som brugerne havde i forhold til systemerne. Ikke mindst, at brugerne kan forstå hvad og hvordan, de kan tilgå systemerne.
Så data og adgang, kobling og brug af data kan ikke stå alene, hvis man ikke har de rigtige kompetencer i spil i fremtidens it-projekter.
Udvikling og brug af data er som kinder ægget med 3 væsentlige elementer, som skal spille tæt sammen for at man opnår gevinst til gavn for samfund, brugere og ansatte nemlig; de it-professionelle, de ansatte og brugerne.
Man kan sige, at mange it-projekter er gennemført med store udgifter og kaos som konsekvens, fordi man ikke har lyttet seriøst og inddraget de, som kender dagligdagen, praksis, egne og eksterne brugeres behov.
DET BØR MAN TAGE LANGT MERE SERIØST I FREMTIDEN!
Data og typer af data?
Lad os se på de forskellige typer af data og dernæst hvad de faktisk kan bruges til.
For det første de eksterne strukturerede data, som f.eks. de tal og statistikker, som bl.a. Beskæftigelsesministeriet løbende udarbejder og stiller til rådighed for ansatte, ledere og politikere mv. om ledighed over tid, køn, brancher, uddannelse mv. På den måde tegner de et fortids- og nutidsbillede på området ud fra helt specifikke måder at indsamle data på. Den type data og brug af dem, er der en lang tradition for.
Derudover kan man i dag finde mange ustrukturerede eksterne data på en person eller organisation, som vi finder bl.a. finder på Google+, Facebook, Instagram mv. Det kan også være sensordata, som indsamler data fra de fysiske omgivelser f.eks. temperatur, antal biler, berøring og stop i en bygning, som viser noget om hvor mennesker stopper og er i tvivl.
De fleste organisationer, også på Beskæftigelsesområdet, som for eksempel jobcentre indsamler løbende data på antal ledige, varighed, og uddannelse også kaldet interne data. Det er noget som man selv som organisation står for, og i det offentlige er det ofte lovbestemt eller regelfastsat, hvilke data, som forvaltningen er forpligtet til at indhente. Disse data kalder de interne data i såvel privat som offentlig organisation.
Den sidste type af data er de interne men ustrukturerede data, som kan være fælles dokumenter på sharepoint, fælles sagsbehandlingssystemer, intranet og lignende, som alle har adgang til måske uden at det er alt, som er tilgængeligt for alle i en organisation. Oftest uden at der er bestemte måder at tilgå dem, eller adgang og adgangsveje er organiseret fra systemets side i forhold til den enkelte.
Datamængden vokser og heldigvis øger man kapaciteten på de digitale motorveje og gør det muligt at transportere data hurtigt rundt mellem myndigheder og organisationer. Det betyder ikke nødvendigvis, at vi uden problemer står med de rigtige data i de sammenhænge, hvor vi har brug for det.
OECD har flere gange estimeret, at det offentlige kunne reducere omkostningerne med ca. 15 til 20 %, ved at arbejde bedre med de interne data dvs. kun de data, som organisation eller myndighed selv er herre over.
Oftest har man i samfund og virksomheder været meget fokuseret på nye teknologier frem for data, da data umiddelbart lyder kedeligt, men konsulentfirmaet McKinsey redegør for i analysen ”The age of analytics: Competing in a data driven World (2016)”, at der oftest er større gevinst ved optimeret brug af data end ved at indføre ny teknologi.
I dag går teknologi og data hånd i hånd, når vi taler om service og sagsbehandling på mange offentlige områder, også beskæftigelsesområdet, da nye teknologier ikke har relevans med mindre de er udviklet, indsamler og agerer med brug af de rette data.
Hvad kan data bruges til?
Arbejdet og potentialet i arbejde med data er stort og nedenstående er udvalgte eksempler på, hvorfor det er vigtigt at arbejde med data også på beskæftigelsesområdet.
Oprydning
Netop fordi beskæftigelsesområdet er fyldt med data er oprydning i data en særlig vigtig opgave på dette område.
Det kræver en kritisk gennemgang af alle de data, som indsamles automatisk eller manuelt i organisatio-nen til centralt eller decentralt brug. Giver de mening eller bruger man tid og energi på at indsamle data, som måske er forældede eller aldrig bliver brugt til at udvikle service, forståelse eller interaktion med brugerne. Typisk indfører centrale myndigheder nye krav om indsamling af data uden at tage stilling til alle de data, som i forvejen indsamles stadig er relevante.
Automatisering – frigørelse af arbejdstid og bedre brugeroplevelse
En af de store gevinster ved at brug af data er at automatisere arbejdsgange f.eks. i forbindelse med sagsbehandlingssystemer, så f.eks. data om alder, køn, ledighed mv. automatisk forberedes til den sagsbehandler, som skal møde en borger eller træffe en afgørelse i sagen. Beskæftigelsesområdet har i årtier været præget af, at størstedelen af arbejdet er gået med administrative opgaver i stedet for det personlige møde og formidling af job eller andet til den enkelte borger.
Så drømmen er, at automatisering af kontrol, data og opfølgning på den længere bane kan frigøre arbejdskraft til det personlige møde og udvikling/forbedring af forvaltningen på området.
Automatisering kan også ske i mødet med borgeren, som man kender det fra Dr. Watson Jill https://www.youtube.com/watch?v=WbCguICyfTA eller Chatbots, hvor man automatiserer typiske spørgsmål fra brugere og svar fra de professionelle. Det gøres ved, at robotten kan genkende og forstå sproget og samtidigt matche et relevant spørgsmål på en forespørgsel. Robotten har adgang til vi-den/data, som den bruger i sine svar.
På den måde kan man gøre det muligt for borgere og brugere at få svar og tilbagemeldinger på de mest almindelige spørgsmål og bekymringer 24 timer 7 dage om ugen.
Større individualisering i relation mellem system og bruger
I dag præges Jobnet og andre af de tilknyttede systemer af, at der som borger eller arbejdsgiver er en måde og et koncept, som skal følges i forbindelse med ledighed, kontanthjælp eller opslag af et job. Ofte tvinges brugeren eller virksomheden gennem en lang række automatiske og lovpligtige arbejdsgange, uanset hvilket behov og ressourcer, den enkelte person eller virksomhed er i besiddelse af.
Data om person eller virksomhed kan bruges til at udvikle flere typer af adgange og måder at tilgå systemet på efter behov, og den situation, man står i. Derfor er data på bruger og virksomhed koblet med data på, hvordan brugere agerer i systemet samt hvor de møder barrierer og ofte springer fra, altafgørende for at kunne forbedre og være med til at sikre, at man løser de rigtige udfordringer for brugere og virksomheder.
Modsat hvad der ofte sker, nemlig at systemet selv mener at kende de rigtige udfordringer for dem selv, og ikke har brugernes reelle udfordringer med i udviklingsarbejdet. Data fra mødet mellem bruger og systemet er altafgørende for at kunne udvikle og optimere relationen.
Hvis man ikke kender brugeren, så begår man oftest fejl i forbindelse med f.eks. automatisering som et ministerie, der ville automatisere ansøgninger til opholdstilladelser, men som lige havde glemt, at mennesker, som ansøger om opholdstilladelse oftest har en anden nationalitet og sprog, derfor blev det en meget besværlig proces for både ansøgere og systemet.
Måske kunne historiske data med fordel have været anvendt til på krypteret vis at automatisk udfylde skemaet på den enkelte og udpege de steder, som vedkommende selv skulle udfylde.
En vej ind i det offentlige
Et drømmescenarie for mange borgere, uanset om de har brug for at være i kontakt med beskæftigelsesområdet eller andre fagområder, er at de fra starten bliver taget i hånden og hjulpet hen til de steder eller personer, som de har brug for i forbindelse med den konkrete sag. Mange gange skal man henvende sig flere steder med forskellige eller samme problemstillinger. Det skaber frustration og raseri, at ting skal gentages og udfyldes flere steder. Oftest er baggrunden, at hvert område repræsenterer en bestemt lovgivning, men borgere og virksomheder går på tværs af de lovgivningsmæssige siloer og har brug for koordinering og effektivisering af kontakten.
Det kan kun ske ved analyse af den enkeltes behov lig data og behov og kobling til de mange steder, som er relevant for den enkelte. Også her kan de rette data være med til at skabe et langt bedre flow i mødet mellem brugeren og systemet.
Oprindelig artikel til Schultz Essens i marts 2019.