Man använder kunskapen och färdigheten ovan för att finna den verkliga orsaken till en positiv situation eller en dålig situation. Denna kallas ett ”Why”.

Ett Why är den grundläggande outness man hittar som kommer att leda till att statistikerna återhämtar sig. En outness är någonting som har gjorts fel eller felaktigt eller som saknas helt och hållet.

Statistiker är antalet eller mängden av något jämfört med ett tidigare antal eller en tidigare mängd av samma sak. Statistiker mäter mängden produktion eller dess kvalitet inom någon aktivitet. Varenda aktivitet kan mätas med en statistik som visar produktionen i den aktiviteten.

Exempel: Antalet försäljningar i en skobutik har gått ner. Någon hittar en orsak eller ett Why till denna nedgång i skoförsäljning. De korrigerar vad de hittade. Två veckor senare har statistiken för skoförsäljning (antal sålda skor) i butiken förbättrats och har helt återhämtat sig från nedgången. Detta visar att orsaken eller Why:et för antalet sålda skor som hittades var korrekt.

Ett fel Why är den felaktigt identifierade outness som, när den används, inte leder till någon återhämtning.

I exemplet ovan med skoaffärens försäljning, låt oss anta att ett par veckor efter det att man hittat ”Why:et” och försökt ”korrigera” det, statistiken för antalet sålda skor gick ner ännu mer. ”Why:et” som hittades ledde inte till någon återhämtning av skoförsäljningsstatistiken. Det var fel Why.

Enbart en förklaring är ett ”Why” som ges som det faktiska Why:et, men det möjliggör inte någon återhämtning.

Om vi än en gång använder exemplet med skoaffären: Ett Why för den dalande skoförsäljningen ges: ”Statistikerna gick ner på grund av det myckna regnandet den veckan.” Än sen då? Ska vi nu stänga av regnet? Denna förklaring resulterar inte i någon höjd statistik.

En annan förklaring skulle kunna vara: ”Personalen blev överväldigad den veckan”, dvs. de påverkades av någonting i hög grad. Så en chef skulle, som en möjlig ”lösning”, kunna ge en order i stil med ”Överväldiga inte medarbetarna”. MEN STATISTIKERNA SKULLE INTE ÅTERHÄMTA SIG. Så förklaringen som gavs skulle inte kunna kallas ett Why. Den ledde inte till en återhämtning av statistikerna.

När det verkliga Why:et har hittats och korrigerats, leder det direkt tillbaka till förbättrade statistiker.

Fel Why, korrigerat, får statistikerna att gå ner ytterligare.

Enbart en förklaring åstadkommer ingenting över huvud taget och saker och ting bara fortsätter att gå dåligt.

Här är ett annat exempel: Statistikerna för ett område var nere. En undersökning avslöjade att det förekommit sjukdom två veckor tidigare. Rapporten kom in: ”Statistikerna var nere eftersom folk var sjuka.” Detta var bara en förklaring som gav en ”anledning”, men det löste ingenting. Vad skulle kunna göras nu? Kanske denna förklaring accepteras som det korrekta Why:et. Sedan ges en order: ”Alla personer i området måste få en läkarundersökning och arbetare som inte är friska kommer inte att accepteras. Arbetare som är sjuka kommer att avskedas.” Eftersom detta är en korrigering av fel Why, går de statistiker som mäter aktivitetens produktivitet ner kraftigt. Så det är inte Why:et. När vi tittar vidare upptäcker vi det verkliga Why:et: Chefen i området ger order till fel personer, order som när de följs sedan skadar deras personliga produktion och deras produktionsstatistiker går ner.

För att korrigera detta organiseras området, chefen utbildas snabbt så att han vet vad som händer och inte fortsätter att ge felaktiga order. Som ett resultat förbättras produktionen i området och statistiken som mäter dess produktion återhämtar sig och ökar ännu mer. Det korrekta Why:et ledde till en återhämtning av statistikerna.

Här är ett annat exempel: Statistikerna på en skola är nere. Antalet studerande som fullbordat sina studier inom förväntad tid är mycket lågt. En undersökning görs som enbart ger en förklaring: ”Alla eleverna var upptagna med idrott.” Så skolans ledning säger: ”Ingen idrott för eleverna!” Nu går statistiken fullbordade kurser ner igen. En ny undersökning kommer fram till fel Why: ”Eleverna undervisas felaktigt.” Skolans ledning avskedar rektorn. Nu går statistiken brant nedåt.

Slutligen görs ytterligare en, mer kompetent, undersökning. Det visar sig att det finns 140 elever och bara rektorn och en lärare! Och rektorn hade andra arbetsuppgifter! Så rektorn sätts tillbaka på sitt jobb och ytterligare två lärare anställs, vilket innebär totalt tre lärare. Skolans statistiker går upp väldigt högt därför att ett korrekt Why har hittats.

Alla katastrofer och framgångar inom management och organisation har sin förklaring i dessa tre typer av Why. En godtycklighet – en felaktig order eller ett datum som förs in i en situation – är förmodligen bara fel Why som hålls på plats genom någon lag eller regel. Och om det fortsätter på det sättet kommer en aktivitet som verkar under denna felaktiga order eller detta falska datum att få stora svårigheter och statistikerna som mäter dess produktion kommer att förbli mycket låga.

Så om man vill hantera en dålig situation på rätt sätt, måste man förstå logik så att man kan hitta det rätta Why:et och man måste verkligen vara på sin vakt och korrigera ett felaktigt Why.

Inom världens bankväsende, där det regelbundet förekommer inflation, är olika ekonomiska regleringar och lagar förmodligen bara en lång rad fel Whys. Pengarnas värde och användbarhet för medborgaren kan försämras så till den grad att en hel filosofi kan byggas upp. Detta inträffade i den forntida staden Sparta. Den grekiske lagstiftaren Lykurgos uppfann pengar gjorda av järn som ingen kunde lyfta, så de kunde inte användas. Han försökte bli av med ”pengarnas ondska” i Sparta. Det fick bruket av pengar att upphöra helt och hållet och i stället för pengar var det inget annat än nonsens.

Organisatoriska problem förvärras i hög grad om man bara använder förklaringar (vilka inte leder till några förbättringar) eller fel Whys (vilka får statistiker att gå ner ytterligare). Förbättringar inom en organisation kommer från att man hittar det verkliga Why:et och korrigerar det.

Beviset på det verkliga Why:et är: ”När det är korrigerat, återhämtar sig statistikerna som mäter områdets produktion?” Om de gör det, då var Why:et korrekt. Och varje annan korrigerande order som getts men var baserad på fel Why måste snabbt upphävas.