Kan man effektivisere uden overblik? Det tror jeg ikke, man kan. Man har i hvert fald stor risiko for at gribe processen forkert an. Og i landets jobcentre er der ikke behov for at skære de forkerte steder. Man behøver ikke læse mange aviser for at vide, at der er travlhed på jobcentrene. Men der bliver også brugt mange penge, så kan man effektivisere bare en lille smule ved at skabe overblik med den rigtige ledelsesinformation, kan gevinsten være relativt stor.
Mariager Fjord Kommune er en gennemsnitlig kommune. Faktisk medianen af landets kommuner, når man ser på antal indbyggere, hvilket er et meget godt udgangspunkt for at se på, hvilke mulige effektiviseringer der findes i jobcentret i en gennemsnitlig kommune. I Mariager Fjord Kommune bor der omkring 27.200 indbyggere, og i 2013 udbetalte man forsørgelsesydelser for knap 1 mia. kr. ─ eller helt nøjagtigt 976.017.115 kr. (Jobindsats.dk).
1% er 10 mio. kr. i gennemsnitskommunen
Med så relativt store udbetalinger i en gennemsnitskommune er der store gevinster ved at effektivisere arbejdsgangene og få borgerne lidt hurtigere i selvforsørgelse og dermed spare kommunekassen for mange penge. I praksis kan man måle effekter af kurser og aktivering og sørge for at benytte det, der virker. Og eventuelt spare de kurser og aktiveringer væk, der er uden effekt. Man kan monitorere og effektivisere arbejdsgange og lukke sager lidt tidligere. Og med overblik sørge for at omfordele arbejdsbyrden mest ligeligt mellem medarbejderne eller måske ligefrem ansætte. Alt sammen vil bidrage til at få borgerne lidt hurtigere i selvforsørgelse. Kan man effektivisere bare 1% af kommunens udgifter til forsørgelsesydelser, vil det altså betyde en besparelse i gennemsnitskommunen Mariager Fjord på hele 10. mio. kr. 1% besparelse svarer til, at jobcentret skal sørge for, at borgerne i gennemsnit er på offentlig forsørgelse én uge mindre end det nuværende niveau. Så er besparelsen på 1% mere end opfyldt.
Business Intelligence, trin 1-2-3
Hvordan gør man så? Man bruger sine data til at få overblik over sagsgange, udbetalinger, effekter, kurser, sygefravær, best practices osv.
Trin 1: Man trækker data ud af løn-, økonomi-, udbetalings- og sagsbehandlingssystemerne og gemmer dem i et data warehouse med den rette sikkerhed på data.
Trin 2: Derefter renser man og ikke mindst kobler data for at udnytte den viden, der er, ved at koble data som eksempelvis kobling af effekter og økonomi.
Trin. 3: Er en præsentation af data i form af ledelsesinformation eller Business Intelligence, som er hele udgangspunktet for at få noget brugbar viden ud af sine data. Lettilgængelig information, der skaber overblik og sammenhænge.
Det lyder let, er måske knap så let i virkeligheden, og nok ikke noget, man klarer på en enkelt eftermiddag, men det er bestemt muligt at komme dertil med fokuseret arbejde. Og pointen er jo ligetil: Man skal bruge sine data for at finde de gevinster, der ligger gemt der. Og hvis en effektivisering på 1% er lig med 10 mio. kr., er der da også en gulerod for arbejdet. Der er faktisk også en anden gevinst ved at arbejde med Business Intelligence, som er mindst lige så vigtig, nemlig motivationen hos den enkelte medarbejder. Og motivationen stiger altså, når vi kan se og måle, at det, vi laver, gør en forskel. Det er altså meget sjovere at være medarbejder på et beskæftigelsesprojekt, der sender folk i arbejde, end at være medarbejder på et projekt, hvor man ikke aner, om det, man laver, gør en forskel.
Videre endnu – Business Analytics
Måske er der også et trin 4, der går videre end Business Intelligence-trappens tre trin, hvor man bruger data til at forudsige frem for at skabe overblik. Det kunne eksempelvis være at forudsige, hvornår en borger har brug for det ene eller det andet aktiveringsforløb i forhold til at komme hurtigt ud af kontanthjælp eller sygedagpenge. Men dette trin 4 på trappen, der kaldes for Business Analytics, kan med fordel gemmes, til man er kommet sikkert op ad de første tre trin på trappen.
