Wanneer ANOVA je ogen opent!
Ik had een sessie met teamleiders in een verffabriek en hielp ze met statistische analyses zoals een ANOVA om uiteindelijk de productiviteit in hun fabriek te verhogen.
Hij zei dat hij nu “eindelijk eens data had gekregen van die slimme data-analisten”.
Ze belden mij op om eens een paar dagen te helpen. Hij had meegekregen dat ik als Black Belt en ingenieur al miljoenen had bespaard “met wat statistiek”. Hij wilde nu wel eens met eigen ogen verschillen in productiviteit zien, maar dat data analyseren “geen dagelijkse kost” voor hun was.
Hij dacht vooraf dat er verschillen waren per verfproduct, per vulmachine, in ervaring per medewerker en per team. Maar wat de meeste impact had? Hij kreeg van diverse collega’s meerdere meningen. Zoals dat er één medewerker “de kantjes er vanaf liep”, bijvoorbeeld.
Hij twijfelde. Nu dus eindelijk de data analyseren. Tot zijn verrassing bleek dat juist die ene medewerker (operator) in positieve zin eruit sprong! Dus, zo zei hij na wat analyses, “deze verschillen in productiviteit per medewerker zijn flink en structureel.” Dit is heel interessant zei hij. “Deze statistische conclusie maakt het wel een beetje spannend, want degene die misschien niet bij iedereen goed ligt, levert dus wel de hoogste productiviteit. Structureel!”
Sterker nog, zei hij: “Als ik het advies van mijn klagende collega had opgevolgd, had ik het jaarcontract van deze topper niet eens verlengd!” Ik ga morgen toch eens een gesprek hierover aan, want deze topper is ook helemaal niet de kwaadste voor zover ik weet. Sterker nog, van hem kunnen we allemaal dus leren hoe we de productiviteit dit jaar kunnen verbeteren!”
Hoe verspilling verminderen met ANOVA?
Als manager of ondernemer ben je voortdurend op zoek naar de beste manier(en) van (samen)werken. Bijvoorbeeld, zeker als de marge onder druk staat, het verlagen van onnodige kosten. Feiten zijn daarbij belangrijk. Statistiek kan je hierbij verder helpen. Ga daarbij wel eens verder kijken dan je ‘gemiddelde aanname lang is’. Specifiek in deze blog: hoe je boetes voorkomt met Analysis of Variance (ANOVA).
In dit artikel duiken we dieper in op organisatorische vraagstukken die met ANOVA ‘te tackelen’ zijn, leggen we uit hoe het werkt, en laten we zien hoe het kan leiden tot gerichtere, betere bedrijfsbeslissingen.
Bij welke vragen is ANOVA nuttig?
Geregeld wil je verschillen in groepen duiden. Een retailer of wie dan ook snapt dat de gemiddelde schoenmaat van vrouwen anders (kleiner) is dan die van mannen. Dat geloven we wel.
Een Italiaanse schoenenfabrikant zal, als ze de verkooppunten wil uitbreiden, dan wel weer willen weten welke maten in Nederland dominant zijn. Want geloof me, de schoenmaten in Italië zijn anders (kleiner) dan die in Nederland. Want ja, je lengte correleert ook met je schoenmaat, zeg maar. Maar dat terzijde.
Maar zoals gezegd, als je wil weten welke medewerker de beste productiviteit heeft? Dan kan je met ANOVA werken. Die productiviteit per medewerker kan per dienst (shift) veel verschillen. Als je per medewerker een handvol productiviteitscijfers hebt (of meer) uit een periode, dan kun je die gaan analyseren met de ANOVA-methode.
Andere voorbeelden, waarbij je ANOVA* als antwoord kunt geven:
- Is er significant of serieus verschil in doorlooptijden van orders, incidenten of andersoortige producten of diensten?
- Welke experts bij een Service Desk lossen meer vragen ‘in-één-keer’ op? Zij die met de nieuwe tooling werken of zij die met de oudere tooling werken? Of zij die ze beide gebruiken? Of is er geen verschil?
- Is er bij de diverse machines structureel verschil in OEE uitkomsten? Ik zie dat metingen van de afgelopen keer per lijn wordt gedeeld, maar niemand analyseert trends onderling
- Welke verkoopteams zijn structureel het beste?
- Welke clusters (van producten) leveren significant betere reviews?
Kortom, de ANOVA methode kun je inzetten om meerdere vragen structureel te beantwoorden.
Wat is ANOVA?
ANOVA, oftewel Analysis of Variance, is een relatief bekende statistische analysemethode (een zogenaamde hypothesetoets). ANOVA is meer dan een eeuw oud (ontwikkeld door Robert R. Fischer), en wordt gebruikt om te bepalen of er ‘significante’ verschillen zijn tussen gemiddelden van twee of (veel) meer groepen. Je kijkt, anders gezegd, of gemiddeldes per groep structureel verschillen (lees: significant verschil). Of niet (lees: het verschil is toevallig).
Doel van ANOVA: gemiddeldes per groep toetsen op interessante verschillen.
In de bedrijfswereld wordt ANOVA vaak ingezet om gemiddeldes te analyseren en optimalisatiekansen te identificeren. Bijvoorbeeld om verschil in percentages “Op Tijd Geleverd” per land of locatie te vinden. Binnen de wereld van (Lean) Six Sigma of data-analyse is ANOVA een standaard analysemethode om tot meer inzicht en betere besluiten te komen.
Meer weten over ANOVA? Lees dan de uitleg hierover in ons boek online.
Of koop ons boek: “Lean Six Sigma: Samenzinnig verbeteren”. Dit boek heeft namelijk heel veel statistiek ‘in huis’ als het gaat om verbeteringen c.q. veranderingen, met name in de grootste hoofdstukken Measure en Analyse. Dit is ons naslagwerk, welke wij in diverse trainingen behandelen.
ANOVA in Actie: een boete besparend voorbeeld
Stel je voor dat je een logistiek manager bent van twee locaties, en dat je steeds binnen twee dagen producten wilt leveren aan klanten in het land. Je kunt klachten krijgen als je te laat levert, en ook boetes als je structureel minder dan 95% op tijd levert. Je krijgt klachten van enkele klanten en je vermoedt dat er aanzienlijke verschillen zijn per locatie, en je wilt ontdekken of, en zo ja, bij welke locatie verbeteringen gewenst zijn.
Je maandelijkse rapportage (dashboard) geeft wel een algemeen landelijk beeld, maar ja, dat kan elke keer weer anders zijn en niet of er structurele verschillen tussen de locaties zijn. Toch maar eens iemand vragen om een statistische analyse met de achterliggende data. Iets met ANOVA* of zo? … Briljant!
* Alternatieve hypothesetoetsen op de ANOVA, zoals de “2 sample T-toets” of “Mood’s Mediaan Toets”, zijn er natuurlijk ook. Maar dat mag de slimmerik die de diagnose uitvoert natuurlijk zelf aangeven! Anders mag hij/ zij de Black Belt opleiding bij LSSP volgen. Dit is enkel een voorbeeld om ANOVA toe te lichten.
Het Belang van ANOVA voor Organisaties
Het toepassen van ANOVA of andersoortige analyses op je bedrijfsgegevens biedt talloze voordelen. Niet alleen helpt het bij het identificeren van kostenbesparingen, maar het stelt je ook in staat om strategische beslissingen te nemen. Bovendien kun je met ANOVA waardevolle inzichten verkrijgen die je concurrentievoordeel kunnen vergroten.
Wil je meer weten over ANOVA en hoe het specifiek van toepassing is op jouw bedrijf? Neem contact op voor een gepersonaliseerd advies en ontdek hoe data-analyse je kan helpen om kosten te besparen en je bedrijf naar nieuwe hoogten te tillen.
Tip: ga niet enkel ‘Data Management’ optuigen of een of ander duur online ICT systeem aanschaffen voor een of ander dashboard, maar kijk ook of je ‘slimme data mensen’ ook echt statistisch kunnen denken en doen (‘doenken’), zodat ze ook data kunnen analyseren om management vraagstukken helpen oplossen.
