Apprendimento sistematico da eventi sorprendenti significativi. Trarre le giuste lezioni per migliorare il futuro - Parte 4

Libera traduzione del documento originale "Systematic Learning from Significant Surprising Events Drawing the right lessons for improving the future" A BOK paper for TOCICO by Eli Schragenheim.

Le parole assunti, paradigmi, ipotesi, presupposti vengono considerate come sinonimi; rappresentano in buona sostanza le idee e le convinzioni sulle quali basiamo i nostri ragionamenti, spesso in maniera inconsapevole. Con assunto / paradigma / ipotesi non valida o errata o erroneo o difettosa intendiamo convinzioni che alla prova dei fatti non hanno trovato riscontro nella realtà.

Passaggio 4: creare un elenco di tutte le possibili spiegazioni/ipotesi a cui si può pensare

Le categorie di  riserva legittima (CLR), una parte fondamentale dei TP, includono la riserva "Un'altra causa".

 Anche quando abbiamo una causa e un ramo logico causa ed effetto valido che inizia con la causa 'A' che porta fino all'effetto' Z', è ancora possibile che 'Z' sia causato (anche) da un'altra causa 'B'.

I TP si occupano di relazioni causa ed effetto “croniche” in cui azioni ripetute causano gli stessi effetti. È possibile quindi che l'effetto Z sia causato da diverse cause, alcune più frequenti di altre.

Qui abbiamo una situazione un po' diversa. Abbiamo un UDE che si è verificato, finora, solo una volta.

Sembra ovvio che potrebbero esserci diverse possibili cause, quindi è facile rimanere colpiti da una delle possibili spiegazioni e ignorare tutte le altre.

Per trarre le giuste conclusioni, il team deve valutare la validità di ogni possibile spiegazione che sembra in qualche modo plausibile.

È necessario esplicitare molte possibili spiegazioni, si spera che coprano l'intero spettro delle possibili spiegazioni, per acquisire la certezza che l'analisi indichi le vere cause dell'evento.

Trovare una possibile spiegazione NON equivale a disegnare un dettagliato ramo causa ed effetto. È solo il primo passo per esprimere le possibilità grossolane. Il prossimo passo consiste nel costruire e testare logicamente ogni ramo causa ed effetto che spiega come da una causa X si sia potuto arrivare all’effetto sorprendente che si è verificato!

Ad esempio, quando osserviamo il secondo esempio, una potenziale spiegazione ad alto livello potrebbe essere: "C'è stato un errore nella registrazione dei dati degli assaggiatori".

Questa è una dichiarazione iniziale di una direzione da esplorare per trovare per una spiegazione completa. In questa fase, verbalizzare una possibile spiegazione in questo modo è sufficiente, a condizione che tutti i membri del team comprendano che questa “causa” potrebbe spiegare il divario osservato.

In generale, possiamo distinguere tra due tipi di spiegazioni:

1. Affermare che le aspettative non erano realistiche all'inizio.

2. Le aspettative iniziali erano giustificate, ma qualcos'altro è andato storto.

L'obiettivo in questo passaggio è di coprire tutte le possibilità di spiegazione prima di determinare quale sia quella giusta.

Passaggio 5: creare spiegazioni dettagliate ed eliminare quelle che chiaramente non hanno causato il divario

L'obiettivo della quinta fase è identificare e convalidare la causa operativa. Due missioni si intrecciano nel raggiungimento di questo obiettivo:

1. la prima è trasformare ogni spiegazione/ipotesi in un ramo completo di connessioni causa ed effetto. Dobbiamo assicurarci che ogni spiegazione/ipotesi sia completa.

2. La seconda missione è rispondere alla seguente domanda:

È successo davvero così nella realtà?

Poiché la spiegazione potrebbe coinvolgere diverse cause, la domanda è se sia possibile verificare che tutte le cause ipotizzate siano realmente accadute generando così il divario tra le aspettative iniziali e il risultato effettivo.

Esistono quattro modi generali per convalidare o invalidare se si è verificata una causa presunta.

1.      Convalida diretta che l'effetto esisteva o non esisteva in quel momento.

Ad esempio, l'effetto di “C'è stato un errore nella registrazione dei dati degli assaggiatori” potrebbe essere facilmente validato o invalidato controllando le risposte registrate sui moduli originali compilati dagli assaggiatori.

Tuttavia, non è sempre possibile convalidare direttamente una causa proposta. Un esempio è la seguente ipotesi: “Il gruppo degli assaggiatori non era un buon campione dei potenziali clienti della nuova zuppa”.

2.      Utilizzando la struttura di base “effetto-causa-effetto”.

Il termine effetto-causa-effetto è stato utilizzato da Goldratt per convalidare le cause proposte. L'idea è di mostrare logicamente che, se quella causa fosse esistita in quel momento, allora avrebbe dovuto causare un altro effetto, che potremmo essere in grado di utilizzare per provarne l'esistenza.

Ad esempio, se la presunta causa "Il gruppo degli assaggiatori non era un buon campione dei potenziali clienti della nuova zuppa" esisteva davvero, allora se ci informiamo sui dati di vendita dei supermercati e vediamo che i clienti che hanno acquistato la nuova zuppa di solito non acquistava altri prodotti dell'azienda, possiamo concludere che la presunta causa sembra essere valida.

Si noti che anche se “effetto-causa-effetto” è ampiamente utilizzato nella scienza per convalidare ipotesi, non può mai dimostrare completamente alcuna ipotesi; tuttavia, potrebbe dimostrare che l'ipotesi non è valida

Il metodo “effetto-causa-effetto” è particolarmente efficace per invalidare alcune ipotesi poiché la convalida è probabile piuttosto che dimostrata. Nell'esempio sopra, se la correlazione è alta, rimane ancora la possibilità che la causa ipotizzata sia ancora valida.

3.      Identificare una causa per un effetto.

Supponiamo che nell'indagare sull'incidente di un aereo una delle spiegazioni sia che "il pilota ha commesso un errore umano". È difficile convalidare questa ipotesi. Ciò che potrebbe essere utilizzato per convalidare questa ipotesi è identificare una causa di tale errore. Se scopriamo che il pilota non ha dormito bene o ha avuto una situazione personale molto stressante, allora l'ipotesi fatta ha qualche supporto.

Una validazione parziale, ma pratica:

4.      Tutte le altre possibili spiegazioni sono state scartate. Questa è "prova per eliminazione".

SEGUE