Hoe meten we sociale impact? (deel 2)

In mijn vorige blog omschreef ik waarom we als Lendahand graag onze sociale impact willen meten. Om aan onze uitleners te laten zien dat het geïnvesteerde geld inderdaad positief bijdraagt. Daarnaast, als we beter begrijpen hoe we sociale impact creëren en waar dat precies is, dan kunnen we daar ook op sturen. Het is niet mogelijk morgen onze mesofinanciering uit te rollen naar alle ondernemers wereldwijd, wat wel kan is investeren waar dat het hardst nodig is. En ten slotte, we zijn een sociaal bedrijf, we willen het gewoon weten.

Goed. Dat is waarom we onze sociale impact willen meten. Maar hoe dan?

Impact in kaart brengen
De eerste stap is omschrijven welke sociale impact Lendahand verwacht te creëren. Als er een heldere omschrijving is van de verwachte impact, dan kunnen daar ook indicatoren voor opgesteld worden. In zijn boek, “The good analyst”, omschrijft Hornsby een handige manier om sociale impact in kaart te brengen. Hij introduceert de “impact chain”; een set opvolgende stappen die omschrijven hoe de uitgevoerde werkzaamheden uiteindelijk iets positiefs bijdragen. Dit model kan gebruikt worden door traditionele goede doelen die donaties ophalen om daarmee iets goeds te doen. Maar ook door social enterprises als Lendahand, die zowel financieel als sociaal rendement nastreven.

De impact chain omschrijft “ output”, “effect” en “impact” als drie stappen voor het creeëren van impact. Een organisatie doet dingen ( output), die een direct effect hebben (effect), wat weer een bredere positieve werking heeft (impact). Een voorbeeld:

RollatorCo(tm) wil iets doen tegen vereenzaming van ouderen. Om die reden halen ze donaties op en gebruiken dat geld om goedkoop electrische rolstoelen aan te bieden. Dat zorgt ervoor dat ouderen makkelijker bij familie en vrienden op bezoek kunnen.

De impact chain van RollatorCo(tm) zou je dan als volgt kunnen omschrijven:

• 1.Goedkoop verstrekken van elektrische rolstoelen aan ouderen (output)
• 2.Hierdoor kunnen ouderen makkelijker naar familie/vrienden (effect)
• 3.Dit zorgt ervoor dat sociaal isolement afneemt (impact)

Wat is nu de verwachte impact chain voor Lendahand? Op basis van ander onderzoek weten we dat onvoldoende toegang tot betaalbare financiering een grote belemmering is voor MKB’s in ontwikkelingslanden om te groeien. Daarnaast blijkt dat het MKB in ontwikkelingslanden vaak veel minder banen creeërt dan in geïndustrialiseerde landen. De verwachte impact chain van Lendahand omschrijven we als volgt:

1. Verstrekken van geschikte kredieten aan MKB’s in ontwikkelingslanden (output)
2. Doordat barrière voor groei wegvalt, kunnen deze MKB’s groeien (effect)
3. Als deze MKB’s groeien, creëren ze banen (impact)

Nu we met deze impact chain structuur hebben aangebracht in de impact die gecreëerd wordt, kunnen we gerichter gaan meten.

Slim data verzamelen en de juiste indicatoren kiezen
We willen niet alleen de juiste data verzamelen, dat moet ook slim gebeuren, zodat er een minimale werklast bij onze lokale partners komt te liggen. Omdat de dataverzameling deels door onze lokale partners wordt uitgevoerd, zijn er een paar dingen waar goed rekening mee gehouden moet worden. Als indicatoren te ingewikkeld zijn, bestaat de kans dat er in vertaling en cultuurverschillen zaken fout gaan. Daarnaast willen we niet te veel vragen van onze lokale partners. Als ze 100 diepte-interviews zouden moeten afnemen, geeft dat weliswaar veel inzicht, maar dan moet er wel een loan-officer uit zijn normale werk gehaald worden om een maand lang ondernemers te interviewen. Dat is niet wenselijk.

Wat we uiteindelijk gedaan hebben, is zo veel mogelijk gebruik te maken van data die makkelijk voorhanden is. Veel kan bijvoorbeeld afgeleid worden uit de jaarverslagen van lokale partners. Daarnaast is er natuurlijk een enorme bak met projecten die de afgelopen jaren is aangeleverd. Van die ondernemers weten we al op één moment wat hun omzet is en het aantal medewerkers dat er werkzaam is. Door deze, al bekende, data te gebruiken kunnen we bijvoorbeeld de toename van omzet bepalen zonder dat er nog uitgezocht hoeft te worden wat de omzet was op het moment van leningaanvraag.

Door aan te sluiten bij de data die we al hebben proberen we zo veel mogelijk inzicht te krijgen terwijl we de lokale partner zo min mogelijk belasten.

Voeten in de modder
Wat mij opvalt aan veel impact reports is dat er óf veel gebruik gemaakt wordt van kwalitatieve data, óf van kwantitatieve data. Dus er worden heel veel interviews afgenomen en verhalen verteld (kwalitatieve data), of er worden grote hoeveelheden getallen bijgehaald. Misschien is het wel zo dat goede doelen graag met kwalitatieve data werken, interviews afnemen en portretten maken. Terwijl die econometristen die hier bij Lendahand rondlopen gewoon getallen willen zien. Je kunt immers niet het gemiddelde berekenen van 5 citaten, of een standaardafwijking van 4 verhalen.

Uiteindelijk is het natuurlijk goed om zowel kwalitatieve als kwantitatieve data te gebruiken. Op basis van de kwalitatieve data krijgen we inzicht in welke sociale impact we creeëren en op basis van kwantitatieve data kunnen we bepalen hoeveel.

Samengevat: we willen het liefst kwalitatieve én kwantitatieve data van elke stap in de impact chain. Dat ziet er ongeveer zo uit:

De volgende stap is om deze data te verzamelen. Dat had nogal wat voeten in de aarde. Een medewerker van Lendahand is vorig jaar al naar de Filipijnen geweest om interviews af te nemen, iemand anders uit het Lendahand netwerk heeft in Colombia interviews afgenomen. De lokale partners hebben een deel van de kwantitatieve data verzameling op zich genomen, zij hebben dus de ondernemers bezocht om, onder andere, opnieuw het aantal medewerkers en de omzet vast te stellen. Daarnaast konden we veel informatie halen uit jaarverslagen en kwartaalrapportages.

Bovenstaande is een verkorte weergave van onze impact meting voor het social impact report 2014. Wat de resultaten zijn? Daarover schrijf ik meer in een volgend blog.