En nylig artikel i National Geographic Magazine, Hvorfor vi lyver: Videnskaben bag vores bedrageriske adfærd af Yudhijit Bhattacharjee, udforsker, hvordan og hvorfor intriger og uærlighed er en del af det, der gør os til mennesker.

Vi lyver af alle mulige grunde - vi vil gerne have det bedre med vores kost: "Denne yoghurt med limefrugt er lige så god som et stykke tærte." Vi lyver for at beskytte andres følelser: "Selvfølgelig har du ikke taget på, du ser godt ud!" Vi lyver også for at dække over en fejltagelse: "Det havde jeg ikke noget med at gøre."

Der er også mange andre typer løgne, der nævnes i artiklen - undgåelse, altruistiske og ondsindede løgne for blot at nævne nogle få. Når vi reflekterer ærligt over vores eget liv, er det let at se de mange løgne, vi fortæller andre af en lang række årsager, men også, og måske mere slående, de utallige usandheder, vi fortæller os selv. Det er blevet en refleksiv, menneskelig teknik til at håndtere vores virkelighed, noget vi gør socialt, professionelt og personligt, og ofte uden selv at være klar over, at vi gør det.

Vi lever i en verden fuld af data. Tv-serier har succes eller fiasko baseret på seertal. Sportsfans og -eksperter indsamler statistiske oplysninger for at bedømme spilleres og holds evner og præstationer. Gamblere og bookmakere beregner altid odds. Kuponklippere opgør, hvor mange penge de kan spare.

I forsknings- og udviklingsverdenen er den store mængde data, der er i spil, svimlende. Så når det drejer sig om datahåndtering og -kvalitet, stikker vi så igen hovedet i busken og lyver for os selv om vores systems effektivitet? Er de data, der driver vores workflow, virkelig så gode, som de kunne være?

Økonomisk fordel: nyd godt af de økonomiske fordele

"Ja, skat. Bagagerummet er fyldt med indkøbsposer, men jeg har fået alle de her ting meget billigt!"

Vi nyder alle spændingen ved et godt tilbud. Vi har det godt med at finde en vare, der koster så meget mindre, end den normalt ville gøre, men til hvilken pris? Har vi accepteret en dårligere kvalitet, som i sidste ende betyder, at den skal udskiftes? Har vi valgt en model uden alt det smarte, som vi tror, vi ikke har brug for på det tidspunkt, for så at finde ud af, at vi virkelig har brug for det senere hen? Det, vi troede var en økonomisk gevinst i øjeblikket, kan ofte resultere i et økonomisk tab senere - ikke bare i kroner og ører, men også i den tid, det tager at finde og udskifte det produkt, du valgte i første omgang.

Som med alt andet i det moderne samfund er der mange muligheder for F&U-datahåndtering - og nogle af disse muligheder er måske endda gratis. Du kan allerede høre stemmen i dit hoved, eller måske er det ordene fra din chef eller regnskabsafdelingen: "Der er slet ingen grund til at bruge penge på det her, vel?" Husk de små løgne i øjeblikket, der er altid en grund til, at nogle ting er gratis...

Når data er gemt på min computer i en mappestruktur, der giver mening for mig, er det umuligt for andre at vide, at dataene er der, endsige at søge efter dem og finde dem.

Hvad nu, hvis de samme data på min computer er afgørende for den analyse, som andre udfører? Hvad nu, hvis dataene på min computer ændrer analysen fuldstændigt? Eller endnu værre, hvad hvis analysen afhænger af disse data, og uden adgang er andre nødt til at gentage min indsats og indsamle disse data på egen hånd?

Spildt tid, der fordobler omkostningerne for at opnå det samme resultat. Alt dette kunne have været undgået, hvis jeg bare havde brugt et værktøj, der ville gøre det muligt for mit team at vide, at dataene allerede findes, og præcis hvor de skal findes.

Selvopfattelse: at skabe et positivt billede af os selv

"Jeg har ikke brug for en Fitbit til at fortælle mig, at jeg er en kalorieforbrændingsmaskine!"

Vi har alle været i en situation, hvor vi synes, vi gør noget rigtig godt, indtil vi bliver sat på prøve. Først da finder vi ud af, at vi enten stak hovedet i busken eller åbenlyst løj for os selv om, hvor godt vi gjorde det.

Det er let at antage, at alle i en organisation registrerer alle de nødvendige data, der kræves for, at en anden kan forstå og fortolke, hvad han eller hun har gjort for at skabe det pågældende resultat. Det er også let at antage, at de alle har brugt de rigtige processer og fulgt de nødvendige regler til punkt og prikke. Men vi ved alle, hvor blinde antagelser fører hen på arbejdspladsen.

Det er ikke kun vigtigt at vide, at der findes data, og hvor man kan finde dem. Det er lige så vigtigt at vide, at dataene er indsamlet på en måde, som andre kan forstå og stole på - der kan aldrig sættes spørgsmålstegn ved gyldigheden, og der kan aldrig fuskes med lovmæssige standarder.

Hvis data i laboratoriet er ugyldige eller vanskelige at forstå, kan det resultere i gentaget arbejde, som koster en organisation både tid og penge. Men med den rigtige software til håndtering af laboratoriedata kan der indføres kontrolforanstaltninger, som sikrer, at alle nødvendige oplysninger registreres korrekt, og at data produceres i henhold til forudindstillede forretningsregler.

Du kan læse 'Anden del' af vores 'Data Management: Are You Kidding Yourself?' blogserie her.

Find ud af, hvordan E-WorkBook Cloud kan hjælpe dig med dine F&U-data og processer til håndtering af laboratoriedata, Tal med en af vores eksperter i dag.