Als bestuurder is kennis van statistiek onontbeerlijk. Minstens zo belangrijk is het kunnen toepassen van die kennis. En daar schort het nog al eens aan, ook in onze branche. Want omgaan met 'onzekerheid', daar zijn we ook in onze branche niet altijd even goed in. Zeker niet als het om fondsenwerving gaat.
Verwachtingen en onzekerheid
Als de corona periode ons iets leert is het wel de zeer beperkte kennis van statistiek die het overgrote deel van de mensen heeft. Wat was het ook al weer, die modus, mediaan, standaarddeviatie, nauwkeurigheid en betrouwbaarheid? Tja, statistiek is niet sexy en interpreteren van cijfers is moeilijk, al helemaal als het over verwachtingen gaat. Want die zijn per definitie onzeker.
Neem iets eenvoudigs als een weersverwachting. We kunnen inschatten dat het morgen hoogstwaarschijnlijk gaat regenen in Nederland. Die waarschijnlijkheid is gebaseerd op een hele grote hoeveelheid waarnemingen uit het verleden. Hoe groter de hoeveelheid waarnemingen, des te beter ons vermogen om iets in te schatten. En des te beperkter dus onze onzekerheid.
Maar dat wil nog niet zeggen dat het een dag later daadwerkelijk regent in mijn achtertuin. Is de weersverwachting daarmee onjuist? Of is één waarneming die het tegendeel bewijst slechts een uitzondering op de regel? Een zogenaamde 'outlier'.
'Waarnemingen' zijn dan ook cruciaal om onzekerheid te reduceren. Daarbij spelen diverse factoren een rol, zoals de hoeveelheid waarnemingen, factoren die waarnemingen beïnvloeden, zoals bijvoorbeeld hoe recent een waarneming gedaan is, de methode van waarnemen maar ook waarnemingen die we niet doen, ontbrekende waarnemingen dus.
Fondsenwerving is geen wiskunde.
Het zal sommigen verbazen, maar fondsenwerving is geen exacte wetenschap. Veel van de activiteiten die we als fondsenwervers doen zijn gebaseerd op kennis uit het verleden. Kennis die gebaseerd is op waarnemingen. 'Dit is al tientallen/honderden/duizenden keren gedaan en het werkte.' Dus zal het waarschijnlijk weer wel werken.
Daar komt meteen die onzekerheid om de hoek kijken. Want kloppen onze aannames ten aanzien van die waarnemingen wel? Lukte het ook echt ieder keer? Of ging het ook wel eens mis? Zijn die waarnemingen van mislukkingen ook goed vastgelegd? Of hebben we alleen oog voor succesverhalen? Zijn er nieuwe, al dan niet onvoorziene, omstandigheden die een herhaalde actie onvergelijkbaar maken met eerder waarnemingen?
Je begin het langzamerhand wel aan te voelen. Iedere, maar dan ook echt iedere, nieuw geïnitieerde fondsenwervende actie brengt een mate van onzekerheid met zich mee. Onzekerheid over het verloop van de actie en onzekerheid over het resultaat. Want ze slagen echt niet allemaal.
Daar is niets mis mee, zo zit de wereld nu eenmaal in elkaar, maar het betekent wel dat je altijd rekening moet houden met die onzekerheid. Een resultaat kan een beetje mee- of tegenvallen maar ook extreem goed of extreem slecht zijn. De kans op een extreem resultaat, in positieve of negatieve zin, is over het algemeen wel kleiner naarmate je over meer eerdere waarnemingen beschikt. Maar de kans blijft altijd aanwezig.
Die onzekerheid over resultaten vinden managers en bestuurders niet leuk en willen ze vaak niet horen. Alleen successen tellen. Ze investeren in fondsenwerving in de verwachting dat het (veel) meer oplevert. Maar we weten allemaal dat het een redenatie is die in de praktijk natuurlijk lang niet altijd opgaat. En dan zullen we het helemaal maar niet hebben over boekhouders, controllers en accountants.
Maar we weten wel hoe we de kans op succes kunnen vergroten, hoe we het gat tussen onzekerheid en zekerheid kunnen verkleinen. Daar helpt statistiek ons bij. Statistiek biedt ons immers de mogelijkheid een uitspraak te kunnen doen over de waarschijnlijkheid van een verwachting zonder dat we vooraf over alle informatie beschikken.
Een normaal resultaat
Een belangrijk, misschien wel cruciaal, aspect van statistische kennis toepassen is het begrip 'normaal'. Wat is een 'normaal resultaat' ? Dat is namelijk wat we realistisch mogen verwachten en iets fundamenteel anders dan 'hopen op een goed resultaat'.
Laten we eens kijken naar wat 'normaal' voor diverse aspecten van ons werk betekent:
Wanneer we als goed doel over een beperkt budget beschikken, is het aantal mogelijke fondsenwervende acties ook beperkt. En daarmee de kans op een 'normaal' resultaat. Immers, we hebben gewoon minder kans op dat normale resultaat.
Vergelijk het met het werpen van een dobbelsteen. De kans op het werpen van een '1' is 1/6e, dus afgerond 16,7%. Wanneer we één keer werpen is de kans dus ook 83,3% dat we geen '1' gooien. Het lukt wel of niet, maar de kans dat het die ene keer lukt is natuurlijk vrij klein. Als we die dobbelsteen daarentegen 6.000 keer werpen zullen we gemiddeld wel ongeveer 1.000 keer een '1' gooien. Kortom, vaker een actie uitvoeren brengt ons dichterbij een normaal te verwachten resultaat.
Wanneer je bijvoorbeeld budget hebt om vijf vermogensfondsen te benaderen met een voorstel, kan je niet verwachten dat ze alle vijf 'ja' zullen zeggen. Eén op vijf is normaal, twee op vijf is gewoon een heel goed resultaat. Maar als je hoopt of verwacht dat ze alle vijf 'ja' zeggen, reken je jezelf tevoren wel erg rijk en kan het resultaat eigenlijk alleen maar tegenvallen.
Maar wat als je nu maar budget hebt om er slechts één te benaderen? Dan wordt je kans op succes klein en moet je je af gaan vragen of het wel een zinvolle investering van tijd en geld is.
Een ander voorbeeld: Een collectebus brengt tijdens een collecte gemiddeld X op. Je kan dus het aantal uitgezette collectebussen vermenigvuldigen met de gemiddelde opbrengst om een redelijk 'normale' verwachting van de opbrengst te hebben. Maar wat als er iemand is die jaarlijks een heel groot bedrag in die collectebus stopte, die dat dit jaar niet meer doet? Eén collectebus kan het gemiddelde al aardig doen zakken of stijgen, zeker als het aantal bussen niet heel hoog is. Misschien toch maar rekenen met de modus? En ja, ik heb dit echt meegemaakt!
Maar een 'normaal' resultaat heeft meer aspecten. Het bepalen van een normaal resultaat wordt een stuk lastiger wanneer we iets gaan doen dat volledig nieuw voor ons is. We beschikken dan over minder of geen waarnemingen en dus: "wat is 'normaal'?"
Soms kunnen we er dan nog iets over zeggen op basis van resultaten van andere organisaties (benchmarking), maar die resultaten moeten wel beschikbaar zijn én accuraat. Het zal niet de eerste keer zijn dat de resultaten van anderen onvolledig zijn of mooier weergegeven worden dan ze feitelijk waren. Of dat een grote mislukking maar even niet benoemd werd, terwijl die statistisch wel relevant is. Er is dan misschien nog wel een 'normaal' te bepalen, maar het risico op een 'outlier' wordt dan wel beduidend groter.
Feit is dat een statistisch 'normaal' resultaat hetgeen is waar je vanuit mag gaan bij iedere actie. Dat is dus heel wat anders dan 'We willen dat de actie X kost en Y oplevert, want dat staat in de begroting omdat we dat nodig hebben'.
Outliers
De term kwam al een paar keer voorbij. Een 'outlier' is een resultaat dat buiten de normale verwachting valt. Die komen voor en daarvoor zijn diverse verklaringen:
- Gebrek aan relevante waarnemingen waardoor het bepalen van 'normaal' nauwelijks betrouwbaar was. Dit zien we veel bij hele nieuwe activiteiten.
- Een onvoorziene omstandigheid, waardoor eerdere waarnemingen irrelevant zijn. Denk bijvoorbeeld aan een ramp, zoals een plotseling opkomend virus. Het schijnt voor te komen.
- Een voorzienbare omstandigheid, waarop vooraf geen of weinig invloed uitgeoefend kon worden. Denk aan slecht weer tijdens een evenement of plotseling rumoer in de media over een collega organisatie.
- Het plotseling extreem veel aandacht krijgen voor een relatief kleine actie, waardoor die extreem uitgroeit, zoals bijvoorbeeld de Icebucket challenge.
Eigenlijk zijn statistische outliers zelden of nooit de verdienste of de schuld van een organisatie. Hoogstens heeft men, al dan niet bewust, veel risico genomen of het huiswerk niet goed gedaan. Ik wordt dan ook erg moe van fondsenwervers die zich op de borst kloppen bij een uitzonderlijk goed resultaat.
Toch zijn outliers vaak interessant voor fondsenwervers. Je kan er veel van leren. Zoals een klant van me eens zei: "We proberen alles wat een echt goed idee lijkt uit, dan zullen er van de tien ideeën zes falen, drie een vrij normaal resultaat opleveren en er één geweldig zijn. Dan staat die laatste alvast op de planning voor een herhaling en waar mogelijk uitbreiding en kunnen we het jaar daarop weer tien nieuwe ideeën testen. Zo stapelen we wel succesformules."
Toegegeven, desbetreffende bestuurder is dan ook een ondernemer is hart en nieren die niet lang wakker ligt van een mislukking. En die leiding geeft aan een organisatie die het zich kan permitteren om dit soort risico's aan te gaan!
Voor de meeste fondsenwervers geldt: Neem geen risico zonder dat je een expliciete buy-in hebt van je bestuurders. Want anders leg je je hoofd op het hakblok. Communiceer normale verwachtingen, of bestuurders dat leuk vinden of niet!
Own it!
Want daarmee kom ik bij de kern van dit verhaal. Als je weinig risico's kunt nemen, moet je je middelen besteden aan activiteiten waarvan je met een hoge mate van betrouwbaarheid kan bepalen wat de opbrengst wordt. Dat ben je aan je donateurs verplicht.
Als je dan toch zo graag die positieve outlier nastreeft, moet je tevoren al accepteren dat je veel risico neemt en dat het dan ook helemaal mis kan gaan. Dan moet je, zeker als bestuurder, achteraf ook niet klagen. Own your failure!
...en waarschijnlijk had je beter moeten opletten bij je lessen statistiek.
Geen opmerkingen:
Een reactie posten