Het uitvoeren van oorzakenanalyses

In het eerste deel van deze reeks over oorzakenanalyses schreven we over het opzetten van een oorzakenanalysepraktijk. In dit artikel geven we inzicht in de aanpak van een oorzakenanalyse. Binnen het oorzakenanalyseteam van Assurance hebben we de afgelopen jaren een gestructureerde aanpak ontwikkeld, gebaseerd op zowel inzichten uit andere sectoren als eigen ervaringen in de uitvoering. De onderzoeksaanpak bestaat uit zowel kwantitatieve als kwalitatieve onderzoeksmethoden en is verdeeld in de volgende vijf stappen:

1. Probleemdefiniëring
2. Dataverzameling
3. Data-analyse en identificatie van grondoorzaken
4. Valideren en rapporteren
5. Formuleren van maatregelen

Voordat een onderzoek wordt gestart, is het van belang om te bepalen wat het probleem is en daarmee wat de onderzoeksvraag is. De onderzoeksvraag bepaalt de opzet van de oorzaakanalyse en welke onderzoeksmethoden daar het beste bij passen. Een duidelijk gedefinieerde onderzoeksvraag schept helderheid over de reikwijdte van het onderzoek en inzicht in de beperkingen. Het zorgt ervoor dat de belanghebbenden overeenstemming hebben over het startpunt van de oorzakenanalyse. Deze overeenstemming verkleint het risico op verschillende verwachtingen of de beantwoording van de verkeerde onderzoeksvraag.

Voorbeelden van een startpunt voor oorzakenanalyses binnen onze organisatie zijn kwaliteitsbevindingen in de accountantscontroles. Dit kan gaan over een controle die niet goed gedocumenteerd is of een fout in de jaarrekening die we eerder hadden moeten signaleren. In dat geval kunnen we een oorzakenanalyse starten om de oorzaken te achterhalen. 

Nadat er overeenstemming is over de onderzoeksvraag  , stellen we in overleg met de belanghebbenden een onderzoeksopzet op en wordt het onderzoeksteam gevormd. Een voorbeeld van een onderzoeksvraag kan zijn: Welke causale factoren hebben een rol gespeeld in het missen van een fout in de jaarrekening? Deze neutrale opstelling biedt de mogelijkheid om het onderzoek vanuit meerdere kanten te benaderen.

De benodigde data kunnen voortkomen uit interviews met betrokkenen en experts, observaties in de praktijk, datapunten uit systemen en applicaties, of documenten en dossiers. 

Omdat een groot deel van de data die we verzamelen voor de oorzakenanalyses binnen onze organisatie wordt verkregen uit interviews met betrokkenen en experts, leggen we hier de nadruk op in dit artikel. Welke individuen of groepen er geïnterviewd zullen worden hangt af van de vastgestelde onderzoeksvraag. De kwaliteit van het interview hangt vervolgens af van de vaardigheden van de interviewer. Het is van cruciaal belang dat de participant zich veilig en gehoord voelt. De gestelde vragen mogen niet sturend zijn en open vragen werken vaak het beste – er moet geborgd worden dat het perspectief van de participant naar voren komt en niet de verwachtingen van de interviewers. Dat vraagt veel oefening en beheersing van de interviewer, met tegelijkertijd voldoende analytische vaardigheden én inlevingsvermogen. Hier komt het belang van een multidisciplinair team naar voren. In onze praktijk kiezen we ervoor om het interview te voeren met zowel een collega met vaktechnische kennis als een collega met een sociaalwetenschappelijke achtergrond. Deze combinatie borgt zowel het analytische, vaktechnische perspectief, als de interviewvaardigheden en het gedragsperspectief.

Daarnaast is het van belang een veilige sfeer te creëren. De participanten moeten zich veilig genoeg voelen om hun ervaringen en reflecties te delen. Naast de adviezen in het artikel over het inrichten van oorzakenanalyses, is het ook aan te bevelen bij de aanvang van het interview het doel van de oorzakenanalyse en de vertrouwelijkheid van het gesprek te benadrukken. Het doel is niet om een zondebok te vinden noch om sancties door te voeren. Het doel is om te leren binnen de organisatie en op collectief niveau. Waar mogelijk kan het ook aan te raden zijn om herleiding naar de participanten te voorkomen, door bijvoorbeeld andere namen of codes te gebruiken in plaats van eigen namen.

Hoe uitgebreid de verslagen worden uitgewerkt, zal verschillen per onderzoek. Het is zeker mogelijk om AI in te zetten voor het samenvatten of transcriberen van de interviews. 

Na verzameling van de data begint de analysefase. In deze fase kan gebruik worden gemaakt van verschillende modellen om grip te krijgen op de verkregen data. Zo kan gebruik worden gemaakt van een ‘current reality tree’. In deze methode wordt visueel in kaart gebracht hoe verschillende aspecten met elkaar samenhangen. Boven in het model, dat veelal lijkt op een kerstboom, staat het centrale probleem, met daaronder alle geïdentificeerde relevante aspecten. De boom met de onderliggende oorzaken, in hun samenhang en met hun onderlinge relaties, geeft vervolgens inzicht in potentieel structurele factoren. 

Een andere methode van analyse is het ijsbergmodel. In het ijsbergmodel blijken boven het wateroppervlak de zichtbare gebeurtenissen en gedragingen. Een veel groter deel is echter vaak niet zichtbaar, maar bevindt zich onder het wateroppervlak. Dit zijn de onzichtbare culturele aspecten, overtuigingen of ‘mental models’. Door zowel de zichtbare als onzichtbare elementen in kaart te brengen, ontstaat een beter beeld van het systeem en hoe dit te adresseren. 

Om structuur en eenduidigheid aan te brengen in onze analyse, hebben wij een taxonomie ontwikkeld, waarin verschillende categorieën aan oorzaken zijn gedefinieerd. Deze categorieën helpen ons om structuur aan te brengen. In het derde en laatste artikel van dit drieluik gaan wij hier verder op in.

Met de verschillende tools in de hand, kunnen de data worden geanalyseerd binnen het team. Multidisciplinariteit komt ook hier weer van pas – op de data kunnen verschillende perspectieven worden toegepast. Hierdoor ontstaat een vollediger beeld van de context en het systeem. Een belangrijke vraag die dan ontstaat is wat een oorzaak eigenlijk is. Op welk niveau wordt deze geïdentificeerd of beschreven? Wij definiëren een oorzaak op het niveau van ‘actionable insights’: dit zijn inzichten die voldoende specifiek, beïnvloedbaar en praktisch uitvoerbaar zijn, zodat de organisatie gerichte maatregelen kan nemen om een herhaling van deze oorzaken te voorkomen.   

Een uitdaging in het doen van oorzakenanalyses is de vraag wanneer de juiste en wanneer álle relevante oorzaken geïdentificeerd zijn. Het doen van oorzakenanalyses is een complex en subjectief proces, waarbij niet altijd vast te stellen is of de uitkomsten valide zijn. Er kan immers geen klinisch experiment worden uitgevoerd waarbij met verschillende oorzaken en oplossingen kan worden getoetst wat nu écht de belangrijke oorzaken (dan wel de effectieve oplossingen) waren. Daarnaast kan sprake zijn van ‘hindsight bias’, achteraf zouden we het allemaal anders gedaan hebben.

Om toch tot waardevolle inzichten te komen, is het belangrijk om de geïdentificeerde oorzaken te valideren. Dit kan enerzijds met de bij de casus betrokken medewerkers en experts, waarbij gevraagd wordt in hoeverre zij zich kunnen vinden in de bevindingen en naar feitelijke onjuistheden. Naast aanscherping van bevindingen en versterking van de boodschap, kan dit binnen de organisatie ook tot meer draagvlak voor de bevindingen leiden en daarmee een belangrijke aanloop vormen naar de opvolging. Anderzijds kan validatie georganiseerd worden met de eigen oorzakenanalyseteamleden, bijvoorbeeld door een ‘advocaat van de duivel’-sessie waarin tegenspraak georganiseerd wordt op de bevindingen.

Vervolgens kan gerapporteerd worden over de oorzakenanalyse. Het is aan te bevelen deze fase niet te onderschatten. Afhankelijk van de lezers van het rapport, zal de schrijver zich er bewust van moeten zijn dat het mogelijk weerstand kan oproepen. Men kan zich immers aangesproken voelen door de geïdentificeerde oorzaken, zelfs als deze tot doel hebben de organisatie te verbeteren. De rapportage mag stevig zijn op de inhoud, maar moet recht doen aan dat wat binnen de organisatie is opgebouwd.

Zodra oorzaken geïdentificeerd en gerapporteerd zijn, kan gewerkt worden aan maatregelen om dergelijke situaties in de toekomst te voorkomen. De effectiviteit van een oorzakenanalyse wordt niet alleen bepaald door de identificatie van de juiste en álle relevante oorzaken. De effectiviteit hangt ook in grote mate samen met het formuleren van de benodigde maatregelen én het implementeren van deze maatregelen. De afhankelijkheid van de opvolgende fases geeft nogmaals aan hoe complex het is om een effectieve oorzakenanalysepraktijk op te zetten en te onderhouden.

Binnen onze organisatie maken we voor de opvolging van de oorzakenanalyses gebruik van de eerdergenoemde taxonomie. Door het eenduidige gebruik van één model in de analysefase, in de rapportering én voor de opvolging, wordt meer overzicht gecreëerd. Dit kan helpen in het creëren van draagvlak voor de bevindingen en opvolging. Wij hebben gemerkt dat het ons heeft geholpen in de gesprekken met de beleidsbepalers en lijnverantwoordelijken binnen de organisatie.

De sleutel tot een gedegen oorzakenanalyse is een systematische aanpak met voldoende oog voor de context en het systeem waarin een casus zich heeft afgespeeld. De vijf stappen uit de bovenstaande methodiek helpen met het verkrijgen van inzichten uit meerdere perspectieven, met als doel waardevolle inzichten te verkrijgen en gedragen oplossingen te creëren.

In het volgende en laatste artikel uit dit drieluik duiken we in de taxonomie, die ons helpt oorzaken nog nauwkeuriger te identificeren en te adresseren.