Man bruger ovenstående viden og færdighed til at finde den virkelige grund til den positive eller dårlige situation. Det kaldes et ”Why”.
Et Why er den grundlæggende outness, man finder, der vil føre til et opsving i statistikker. En outness er noget, der har været gjort forkert eller ukorrekt, eller helt har manglet.
Statistik er målingen af antal eller mængde af noget sammenlignet med et tidligere antal eller en tidligere mængde af den samme ting. Statistikker måler produktionsmængde eller -kvalitet i en aktivitet. Enhver aktivitet kan måles med en statistik, der viser produktionen i den aktivitet.
For eksempel, antal salg i en skobutik er gået ned. Nogen finder en grund eller et Why til dette fald i skosalg. De korrigerer det, de har fundet. To uger senere er skosalgsstatistikken (antal sko solgt) i butikken forbedret og er kommet sig helt efter nedgangen. Det viser, at grunden eller Why’et til antal sko solgt, der blev fundet, var korrekt.
Et forkert Why er den ukorrekt fundne outness, som, når den anvendes, ikke fører til en genopretning.
Lad os i skobutikkens salgseksempel ovenfor antage, at et par uger efter at have fundet ”Why’et” og forsøge på at ”korrigere” det, gik skosalgsstatistikken ned igen. ”Why’et”, der blev fundet, førte ikke til en genopretning af skosalgsstatistikken. Det var et forkert Why.
En ren forklaring er et ”Why”, givet som Why’et, der ikke muliggør nogen genopretning.
Igen, ved at bruge eksemplet med skobutikken: Et Why for det faldende skosalg gives: ”Statistikkerne gik ned på grund af regnvejr den uge.” Og hvad så? Lukker vi så nu for regnen? Forklaringen resulterer ikke i nogen opadgående statistik.
En anden ren forklaring kunne være: ”Staben blev overvældet den uge,” hvilket betyder, de var stærkt påvirket af noget. Så en ordre kunne gives ”Overvæld ikke staben” som en mulig ”løsning” fra en leder. MEN STATISTIKKERNE VILLE IKKE KOMME SIG. Så den givne forklaring kunne ikke kaldes et Why. Den førte ikke til en genopretning af statistikker.
Det virkelige Why, det korrekte, ville, når det blev fundet og korrigeret, føre direkte tilbage til forbedrede statistikker.
Et forkert Why ville sænke statistikkerne yderligere, hvis det blev brugt til at korrigere med.
En ren forklaring udretter intet overhovedet, og ting går fortsat dårligt.
Her er et andet eksempel: Statistikkerne i et område var nede. Undersøgelse viste, at der havde været sygdom to uger før. Rapporten kom ind: ”Statistikkerne var nede, fordi folk var syge.” Det var en ren forklaring, der gav en ”grund”, men det løste intet. Hvad kunne der nu gøres? Måske godtages denne forklaring som det korrekte Why. Der gives en ordre: ”Alt personale i området skal undersøges af en læge, og ikke-raske arbejdere vil ikke blive godtaget. Ikke-raske arbejdere vil blive fyret.” Fordi det er en korrektion til et forkert Why, går statistikker for aktiviteten, der måler dens produktivitet, kraftigt ned. Så det er ikke det. Da der blev kigget yderligere, findes det virkelige Why: Chefen i området giver ordrer til de forkerte folk, som, når de følges, skader deres individuelle produktion, og deres produktionsstatistikker går ned.
For at korrigere det bliver området organiseret, chefen uddannes hurtigt, så han ved, hvad der foregår, og ikke bliver ved med at udstede forkerte ordrer. Som resultat forbedres produktionen i området, og statistikkerne, der måler produktionen i området, retter sig og forøges endnu mere. Det korrekte Why førte til et opsving i statistikken.
Her er et andet eksempel: På en skole er statistikkerne nede. Antal elever, der færdiggør deres studier på den forventede tid, er langt nede. En undersøgelse finder frem til en ren forklaring: ”Eleverne havde alle travlt med at dyrke idræt.” Så skoleledelsen siger: ”Ingen idræt for eleverne!” Nu går statistikken for elevfærdiggørelser ned igen. En ny undersøgelse kommer frem til et forkert Why: ”Eleverne bliver undervist forkert.” Skoleledelsen fyrer inspektøren, embedsmanden med ansvar for eleverne og lærere. Nu går statistikken ned stejlt.
Til sidst finder der en yderligere, mere kompetent undersøgelse sted. Det kommer frem, at der var 140 elever og kun inspektøren og en lærer! Og inspektøren havde andre pligter! Så inspektøren vender tilbage til sit job, og to yderligere lærere ansættes, så der er tre lærere. Statistikker på skolen går meget højt op, fordi et rigtigt Why er blevet fundet.
Ledelses- og organisatoriske katastrofer og succeser kan alle forklares gennem disse tre typer Why. En vilkårlighed – en falsk ordre eller et falsk datum, som indføres i en situation – er sandsynligvis bare et forkert Why, der holdes på plads af en lov eller regel. Og hvis det blev holdt sådan, vil en aktivitet, der opererer under denne falske ordre eller dette falske datum, have en masse besvær og statistikkerne, der måler dens produktion, vil forblive meget lave.
Så hvis man ønsker at håndtere en dårlig situation korrekt, skal man forstå logik, så man kan finde det korrekte Why, og man skal virkelig være årvågen og korrigere et forkert Why.
I global bankvirksomhed, hvor inflation regelmæssigt forekommer, er de forskellige finansbestemmelser eller -love sandsynligvis bare en lang række forkerte Whys. Pengenes værdi og deres brugbarhed for borgerne kan forringes i en sådan grad, at en hel filosofi kan opbygges. Det skete i oldtidsbyen Sparta. Lykurgos, en græsk lovgiver, opfandt penge lavet af jern, som ingen kunne løfte, så de ikke kunne bruges. Han forsøgte at slippe af med ”penge-onder” i Sparta. Det standsede brugen af penge helt, og i penges sted var der intet andet end nonsens.
Organisatoriske besværligheder bliver stærkt forværret ved at bruge rene forklaringer (som ikke fører til nogen forbedring) eller forkerte Whys (som skaber yderligere nedgang i statistikker). Organisatoriske forbedringer kommer fra at finde det virkelige Why og korrigere det.
Testen for det virkelige Why er: ”Når det er korrigeret, retter statistikkerne, der måler produktionen for et område, sig?” Hvis de gør, så var Why’et korrekt. Og enhver anden korrigerende ordre givet, men baseret på et forkert Why, bør annulleres hurtig.
