i el que no es pot avaluar DADES – INFORMACIÓ – CONEIXEMENT

Presentación del tema: "i el que no es pot avaluar DADES – INFORMACIÓ – CONEIXEMENT"— Transcripción de la presentación:

1 i el que no es pot avaluar DADES – INFORMACIÓ – CONEIXEMENT
El que no es pot mesurar no es pot avaluar i el que no es pot avaluar no es pot millorar DADES – INFORMACIÓ – CONEIXEMENT Jornada de cloenda Cercle d’Esports 25 de novembre de 2016

2 Dibuix infantil o obra d’un pintor rus?
 Dibuix infantil o obra d’un pintor rus?

3 Dibuix infantil o obra d’un pintor americà?
 Dibuix infantil o obra d’un pintor americà?

4 Ona (filla del Joël) Sense títol 5€ Hans Hofmann Laburnum $

5 Cercles de Comparació Intermunicipal
Els Cercles de Comparació Intermunicipal tenen la finalitat d’explicar el funcionament d’un servei públic local a partir de l’anàlisi de les seves dades i la comparació amb municipis similars. Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història Expliquem?

6 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

7 Treballar amb dades, no amb percepcions o amb aparences
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Per què volem dades? Treballar amb dades, no amb percepcions o amb aparences Si la presa de decisions sobre serveis es basa únicament en percepcions i intuïcions, podem arribar a conclusions imprecises o que no acaben d’ajustar-se a la realitat. En canvi, els indicadors ens permeten descriure els àmbits clau d’un servei amb dades objectives.

8 Denúncies de trànsit de la policia local
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?  49% Denúncies de trànsit de la policia local  22% Accidents de trànsit amb víctimes

9 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Metodologia per a la construcció de l’Índex de Felicitat Interna Bruta (FIB)

10 L’indicador perfecte no sempre és el millor
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Quines dades i indicadors? L’indicador perfecte no sempre és el millor Encara que de vegades un indicador pugui semblar perfecte des del punt de vista de la informació que aportaria, l’indicador perfecte no és el millor si és massa difícil d’obtenir. Un indicador imperfecte, però factible, serà millor que un indicador perfecte que no podem mesurar.

11 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Biblioteques % de població alfabetitzada gràcies a la biblioteca  % de població que fa ús de la biblioteca (15%)  OMICs % de despesa retornada gràcies a l’intervenció de l’OMIC  % de resolucions de reclamacions favorables a les persones consumidores s/ total reclamacions tancades l'any en estudi (52%) 

12 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

13 Els indicadors no s’han d’analitzar aïlladament
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Quina interpretació fem? Els indicadors no s’han d’analitzar aïlladament De manera aïllada, els indicadors aporten poc valor perquè ofereixen visions parcials. És de manera conjunta quan informen correctament per a la presa de decisions. L’establiment de Quadres de Comandament permet integrar i donar un ordre lògic als indicadors d’un servei que d’una altra manera estarien dispersos en diferents instruments.

14 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Biblioteques públiques ( ) municipis majors de hab. M² per cada habitants (34-46) +36% +47% Fons documental per habitant (1,16-1,71) Visites presencials per habitant (3,04-3,22) +6% Préstecs per habitant (2,01-1,99) -1% +157% % de visites que fan ús del servei de wi-fi (3,61-9,27)

15 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

16 La comparació de les dades ha de ser adequada
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Quina interpretació fem? La comparació de les dades ha de ser adequada La interpretació de les dades i de qualsevol element de la realitat depèn del punt de vista del qui observa. A més, pot variar molt segons amb qui ens comparem. Perquè l’avaluació sigui justa i serveixi per a la millora, hem d’establir referents vàlids de comparació, és a dir, organitzacions/ens locals similars al nostre en aspectes rellevants del servei.

17 Butaques per cada 1.000 habitants
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Sant Feliu de Llobregat comparat amb 8 municipis d’entre i habitants CCI Espais Escènics Butaques per cada habitants  del % de despesa corrent SAM sobre el pressupost corrent municipal, període : +18,2% Sant Feliu de Llobregat comparat amb 30 municipis participants al CCI d’Espais Escènics  del % de despesa corrent SAM sobre el pressupost corrent municipal, període : -13,3% Sant Feliu de Llobregat comparat amb 7 municipis del CCI d’Espais Escènics

18 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

19 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

20 La importància de la presentació de les dades
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Com ho presentem? La importància de la presentació de les dades Les representacions gràfiques de les dades ens han d’ajudar a entendre i treure profit de les dades. Compte amb els gràfics impossibles i els gràfics enganyosos.

21 Nombre de denúncies per drogues i armes per cada 1.000 habitants
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Nombre de denúncies per drogues i armes per cada habitants És positiu o negatiu tenir un elevat nombre de denúncies per drogues i armes al municipi?  Perspectiva del tècnic (gestió)  Perspectiva del ciutadà

22 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

23 79,3% Impost de vehicles Per què volem dades? Quines dades i
indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? 79,3% Impost de vehicles

24 Darrera de les dades hi ha una història per explicar
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Quina història Expliquem? Darrera de les dades hi ha una història per explicar Per tal d’evitar conclusions extretes de les percepcions, contextualitzar els indicadors, relacionar-los entre ells, interpretar-los i representar-los correctament, cal explicar un relat que ho lligui tot.

25 Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem?

26 Premi a la Innovació en la Gestió 2015
Agencia Estatal de Evaluación y Calidad de los servicios Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Premi a la Innovació en la Gestió 2015 Portal d’Informació Econòmica i de Serveis Locals (PIESL)

27 Premi a la Innovació en la Gestió 2015
Per què volem dades? Quines dades i indicadors? Quina interpretació fem? Com ho presentem? Quina història expliquem? Portal d’Informació Econòmica i de Serveis Locals Premi a la Innovació en la Gestió 2015