Slecht aanpasbare systemen zorgen voor werkdruk (deel 2)

Vorige week ben ik ingegaan op hoe je het beste van start kunt gaan met het in kaart brengen van werkdruk door verouderde systemen.

Heb je de juiste vragen gesteld?

Dan heb je als het goed is een grote lijst aan potentiële verbeteringen voor je organisatie.

Stap 2 is het analyseren van de verzamelde data.

Belangrijk is dat dit gestructureerd gebeurt, anders wordt een conclusie eruit trekken lastig.

Dit kan je in drie stappen doen.

𝟭. 📊 𝗗𝗮𝘁𝗮 𝘃𝗲𝗿𝘇𝗮𝗺𝗲𝗹𝗲𝗻
Maak het overzichtelijk voor jezelf, bijvoorbeeld: Pietje Puk heeft de volgende antwoorden gegeven:

𝘝𝘳𝘢𝘢𝘨: 𝘞𝘦𝘭𝘬𝘦 𝘧𝘰𝘶𝘵𝘦𝘯 𝘬𝘰𝘮𝘦𝘯 𝘷𝘢𝘢𝘬 𝘷𝘰𝘰𝘳 𝘪𝘯 𝘩𝘦𝘵 𝘴𝘺𝘴𝘵𝘦𝘦𝘮?

‣ Irritatie: Klantdata wordt vaak verkeerd opgeslagen door onduidelijke invoervelden.
‣ Hoe erg? 9/10.
‣ Tijdverlies: 1 uur per foutieve invoer om te corrigeren.
‣ Potentiële besparing: Tot 5 uur per maand door duidelijke invoervelden.

𝘝𝘳𝘢𝘢𝘨: 𝘞𝘦𝘭𝘬𝘦 𝘧𝘶𝘯𝘤𝘵𝘪𝘦𝘴 𝘪𝘯 𝘩𝘦𝘵 𝘴𝘺𝘴𝘵𝘦𝘦𝘮 𝘸𝘦𝘳𝘬𝘦𝘯 𝘯𝘪𝘦𝘵 𝘻𝘰𝘢𝘭𝘴 𝘫𝘦 𝘷𝘦𝘳𝘸𝘢𝘤𝘩𝘵?

‣ Irritatie: De zoekfunctie toont onjuiste resultaten.
‣ Hoe erg? 6/10.
‣ Tijdverlies: 30 minuten per dag aan zoeken.
‣ Potentiële besparing: Tot 10 uur per maand met een verbeterde zoekfunctie.

𝟮. 🗂️ 𝗖𝗼𝗻𝘁𝗿𝗼𝗹𝗲𝗿𝗲𝗻 & 𝘀𝘁𝗿𝘂𝗰𝘁𝘂𝗿𝗲𝗿𝗲𝗻
Structureer vervolgens de data in een overzicht. Het kan handig zijn om ChatGPT hiervoor te gebruiken. Gebruik bijvoorbeeld als prompt:

➔ Gooi al je vragen en antwoorden in een bestand
➔ Uploaden (kan ook als platte tekst, inmiddels zonder karakter limiet)
➔ Prompt: ‘Verwerk deze output in een knelpuntenanalyse met categorie, vraag, antwoord, impact, tijdverlies, potentiële besparing, gesorteerd op prioriteit.’

𝟯. 𝗣𝗮𝘁𝗿𝗼𝗻𝗲𝗻 𝗵𝗲𝗿𝗸𝗲𝗻𝗻𝗲𝗻
Uit de analyse kun je patronen gaan herkennen en conclusies trekken. Hier kun je ook ChatGPT voor inschakelen. Prompts zoals: ‘Zoek veelvoorkomende problemen (binnen afdeling X)’ of ‘Welke problemen zorgen voor het meeste tijdverlies?’ analyseren in één klap alle data, zodat jij dat niet hoeft te doen.

Een mogelijke uitkomst zou zijn: ‘Vijf collega’s geven aan dat zoekfuncties onjuiste resultaten geven en klantdata verkeerd wordt opgeslagen.’

Waardevolle data, want door een pijnpunt als deze te verhelpen bespaar je al snel 5 x 15 = 75 uur per maand aan werk (en dus kosten).

Volgende week ga ik verder in op de implementatie.