How to train employees to have difficult conversations | Tamekia MizLadi Smith

113,627 views ・ 2018-08-20

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Larissa Melzner Lektorat: Swenja Gawantka
00:12
We live in a world where the collection of data
0
12968
2198
In unserer Welt werden Daten 24 Stunden am Tag,
00:15
is happening 24 hours a day, seven days a week,
1
15190
2548
7 Tage die Woche, 365 Tage im Jahr gesammelt.
00:17
365 days a year.
2
17762
2293
00:20
This data is usually collected by what we call a front-desk specialist now.
3
20730
4323
Diese Daten werden von sogenannten Empfangsspezialisten gesammelt.
Das sind Einzelhändler in Ihrem Lieblingskaufhaus,
00:25
These are the retail clerks at your favorite department stores,
4
25077
3120
00:28
the cashiers at the grocery stores,
5
28221
2443
die Kassierer im Supermarkt,
00:30
the registration specialists at the hospital
6
30688
2605
die Aufnahme im Krankenhaus
00:33
and even the person that sold you your last movie ticket.
7
33317
3114
und sogar die Person, die Ihnen Ihre Kinokarte verkauft.
00:36
They ask discreet questions, like: "May I please have your zip code?"
8
36908
3875
Sie fragen diskret nach: "Darf ich Ihre Postleitzahl erfragen?"
00:40
Or, "Would you like to use your savings card today?"
9
40807
3111
Oder: "Möchten Sie Ihre Kundenkarte benutzen?"
00:44
All of which gives us data.
10
44369
2309
Das alles erzeugt Daten.
00:46
However, the conversation becomes a little bit more complex
11
46702
4587
Die Gespräche werden aber schwieriger,
00:51
when the more difficult questions need to be asked.
12
51313
3318
wenn schwierigere Fragen gestellt werden müssen.
00:54
Let me tell you a story, see.
13
54655
1793
Ich erzähle Ihnen eine Geschichte.
00:56
Once upon a time, there was a woman named Miss Margaret.
14
56750
3018
Es war einmal eine Frau namens Miss Margaret.
00:59
Miss Margaret had been a front-desk specialist
15
59792
2151
Miss Margaret war 20 Jahre lang Empfangsdame gewesen.
01:01
for almost 20 years.
16
61967
1460
01:03
And in all that time, she has never, and I do mean never,
17
63451
3817
In all dieser Zeit hatte sie wirklich niemals
01:07
had to ask a patient their gender, race or ethnicity.
18
67292
3520
einen Patienten nach Geschlecht, Rasse oder Ethnie fragen müssen.
01:10
Because, see, now Miss Margaret has the ability to just look at you.
19
70836
3223
Denn Miss Margaret kann Sie einfach ansehen.
Oh ja.
01:14
Uh-huh.
20
74083
1158
Und sie kann sehen, ob man Mädchen oder Junge,
01:15
And she can tell if you are a boy or a girl,
21
75265
2777
01:18
black or white, American or non-American.
22
78066
3237
schwarz oder weiß, Amerikaner oder Nicht-Amerikaner ist.
01:21
And in her mind, those were the only categories.
23
81327
3238
Nach ihrer Auffassung waren das die einzigen Kategorien.
01:24
So imagine that grave day,
24
84589
2016
Stellen Sie sich den Tag vor,
01:26
when her sassy supervisor invited her to this "change everything" meeting
25
86629
4893
als ihre freche Chefin sie zum "Ändere alles"-Treffen bat
01:31
and told her that would have to ask each and every last one of her patients
26
91546
3634
und ihr sagte, dass sie jeden einzelnen ihrer Patienten bitten müsse,
01:35
to self-identify.
27
95204
1405
sich selbst zu identifizieren.
01:36
She gave her six genders, eight races and over 100 ethnicities.
28
96633
4770
Sie gab ihr sechs Geschlechter, acht Rassen und über 100 Ethnien.
Miss Margaret war geschockt.
01:41
Well, now, Miss Margaret was appalled.
29
101427
2588
Ich meine richtiggehend beleidigt.
01:44
I mean, highly offended.
30
104039
1397
01:45
So much so that she marched down to that human-resource department
31
105460
3331
So sehr, dass sie zur Personalabteilung ging,
01:48
to see if she was eligible for an early retirement.
32
108815
2524
um herauszufinden, ob sie in Frührente gehen könne.
01:51
And she ended her rant by saying
33
111363
1960
Sie beendete ihre Wutrede mit den Worten,
01:53
that her sassy supervisor invited her to this "change everything" meeting
34
113347
4870
dass ihre schlaue Chefin sie zu diesem "Ändere alles"-Treffen eingeladen habe
01:58
and didn't, didn't, even, even
35
118241
2024
und nicht einmal, ja nicht einmal etwas zu Essen mitgebracht habe.
02:00
bring, bring food, food, food, food.
36
120289
3028
(Lachen)
02:03
(Laughter)
37
123341
1154
02:04
(Applause) (Cheers)
38
124519
5067
(Applaus) (Jubel)
02:10
You know you've got to bring food to these meetings.
39
130681
2434
Man bringt doch Essen zu so einem Meeting mit.
02:13
(Laughter)
40
133139
2343
(Lachen)
02:15
Anyway.
41
135506
1159
Jedenfalls ...
02:16
(Laughter)
42
136689
1508
(Lachen)
02:18
Now, that was an example of a healthcare setting,
43
138221
2769
Das war ein Beispiel aus der Gesundheitsbranche,
aber natürlich sammeln alle Unternehmen in der ein oder anderen Form Daten.
02:21
but of course, all businesses collect some form of data.
44
141014
3333
02:24
True story: I was going to wire some money.
45
144371
3142
Wahre Geschichte: Ich wollte Geld überweisen.
Die Kundenberaterin fragte mich,
02:28
And the customer service representative asked me
46
148165
2555
02:30
if I was born in the United States.
47
150744
2334
ob ich in den USA geboren sei.
02:33
Now, I hesitated to answer her question,
48
153419
2381
Ich zögerte, ihre Frage zu beantworten,
02:35
and before she even realized why I hesitated,
49
155824
3130
und bevor sie wusste, warum ich zögerte,
02:38
she began to throw the company she worked for under the bus.
50
158978
3015
fing sie an, das Unternehmen, für das sie arbeitete, schlecht zu machen.
02:42
She said, "Girl, I know it's stupid, but they makin' us ask this question."
51
162017
5072
Sie sagte: "Ich weiß, es ist dumm, aber wir müssen diese Fragen stellen."
02:47
(Laughter)
52
167113
1151
(Lachen)
02:48
Because of the way she presented it to me,
53
168288
2073
Wegen der Art, wie sie es mir vortrug, dachte ich: "Warum?
02:50
I was like, "Girl, why?
54
170385
1600
02:52
Why they makin' you ask this question?
55
172561
2230
Warum müsst ihr diese Fragen stellen?
02:54
Is they deportin' people?"
56
174815
1802
Deportieren sie Leute?"
02:56
(Laughter)
57
176641
2142
(Lachen)
02:58
But then I had to turn on the other side of me,
58
178807
2222
Aber ich wandte mich an mein anderes Ich,
03:01
the more professional speaker-poet side of me.
59
181053
2568
das professionellere Sprecher-Ich.
03:04
The one that understood that there were little Miss Margarets all over the place.
60
184164
4150
Das, das versteht, dass es Miss Margarets überall gibt.
03:08
People who were good people, maybe even good employees,
61
188871
2968
Gutherzige Menschen, sogar gute Angestellte,
03:11
but lacked the ability to ask their questions properly
62
191863
2552
aber ohne die Fähigkeit, ihre Fragen richtig zu stellen,
03:14
and unfortunately, that made her look bad,
63
194439
2535
und das ließ sie schlecht dastehen, und noch schlimmer,
03:16
but the worst, that made the business look even worse
64
196998
3246
das ließ das Unternehmen noch schlechter dastehen als sie selbst.
03:20
than how she was looking.
65
200268
1666
03:22
Because she had no idea who I was.
66
202236
1767
Denn sie hatte keine Ahnung, wer ich war.
03:24
I mean, I literally could have been a woman who was scheduled to do a TED Talk
67
204027
3685
Ich hätte eine Frau sein können,
die einen TED-Talk halten und sie als Beispiel benutzen würde.
03:27
and would use her as an example.
68
207736
1778
03:29
Imagine that.
69
209538
1300
Stellen Sie sich das vor.
03:30
(Applause)
70
210862
4262
(Applaus)
03:35
And unfortunately,
71
215148
1183
Und leider passiert es, dass Leute die Fragen nicht beantworten,
03:36
what happens is people would decline to answer the questions,
72
216355
2895
weil sie denken,
03:39
because they feel like you would use the information
73
219274
2509
die Informationen würden benutzt, um sie zu diskriminieren,
03:41
to discriminate against them,
74
221807
1425
und zwar nur wegen der Art, wie die Information präsentiert wurde.
03:43
all because of how you presented the information.
75
223256
2391
03:45
And at that point, we get bad data.
76
225671
1778
Und hier bekommen wir schlechte Daten.
03:47
And everybody knows what bad data does.
77
227473
2111
Jeder weiß, was schlechte Daten bewirken.
03:49
Bad data costs you time, it costs you money
78
229608
2793
Schlechte Daten kosten Zeit, sie kosten Geld
03:52
and it costs you resources.
79
232425
1946
und sie kosten Ressourcen.
03:54
Unfortunately, when you have bad data,
80
234395
2563
Leider, wenn man schlechte Daten erhält,
03:56
it also costs you a lot more,
81
236982
3079
kostet Sie das sogar noch mehr,
04:00
because we have health disparities,
82
240085
2395
denn wir haben ungleiche Gesundheitsversorgung,
04:02
and we have social determinants of health,
83
242504
2214
wir haben soziale Determinanten bezüglich Gesundheit
04:04
and we have the infant mortality,
84
244742
1658
und wir haben Säuglingssterblichkeit.
04:06
all of which depends on the data that we collect,
85
246424
2643
All das hängt von unseren Daten ab,
04:09
and if we have bad data, than we have those issues still.
86
249091
3248
und wenn wir schlechte Daten haben, bleiben diese Probleme.
04:12
And we have underprivileged populations
87
252363
1899
Wir haben unterprivilegierte Menschen, die unterprivilegiert bleiben,
04:14
that remain unfortunate and underprivileged,
88
254286
2791
04:17
because the data that we're using is either outdated,
89
257101
3926
denn die Daten, die wir nutzen, sind entweder veraltet
04:21
or is not good at all or we don't have anything at all.
90
261051
3293
oder nicht gut, oder wir haben gar keine.
04:24
Now, wouldn't it be amazing if people like Miss Margaret
91
264987
2636
Wäre es nicht fantastisch, wenn es Leute wie Miss Margaret
04:27
and the customer-service representative at the wiring place
92
267647
3150
und die Kundenberaterin in der Bank selig machen würde,
04:30
were graced to collect data with compassionate care?
93
270821
4374
Daten mit Mitgefühl zu erfragen?
04:35
Can I explain to you what I mean by "graced?"
94
275562
2317
Ich erkläre, was ich mit "selig" meine.
04:38
I wrote an acrostic poem.
95
278324
1666
Ich habe ein Akrostichon geschrieben.
04:40
G: Getting the front desk specialist involved and letting them know
96
280300
4773
S: Sorge tragen, dass die Empfangsperson einbezogen wird,
E: erkennt, wie wichtig ihre Rolle ist,
04:45
R: the Relevance of their role as they become
97
285097
3953
04:49
A: Accountable for the accuracy of data while implementing
98
289074
3531
L: lernt, die Richtigkeit der Daten zu gewährleisten,
04:52
C: Compassionate care within all encounters by becoming
99
292629
4044
I: imstande ist, den Menschen mit Mitgefühl zu begegnen,
04:56
E: Equipped with the education needed to inform people
100
296697
3301
G: die Gabe besitzt, Menschen angemessen darüber zu informieren,
05:00
of why data collection is so important.
101
300022
3293
warum Datenerhebung so wichtig ist.
05:04
(Applause)
102
304315
2949
(Applaus)
05:07
Now, I'm an artist.
103
307288
2096
Ich bin Künstlerin.
05:09
And so what happens with me
104
309408
1674
Was mir passiert:
Wenn ich etwas Künstlerisches schaffe,
05:11
is that when I create something artistically,
105
311106
2174
05:13
the trainer in me is awakened as well.
106
313304
1923
erwacht die Lehrerin in mir.
05:15
So what I did was, I began to develop that acrostic poem into a full training
107
315251
4072
Ich wandelte das Akrostichon also in eine Schulung
mit dem Titel "Ich bin S.E.L.I.G." um.
05:19
entitled "I'm G.R.A.C.E.D."
108
319347
1548
05:20
Because I remember, being the front-desk specialist,
109
320919
2841
Denn ich erinnere mich, als ich am Empfang war,
05:23
and when I went to the office of equity to start working,
110
323784
2674
und als ich zur Bank ging, um dort zu arbeiten, dachte ich:
05:26
I was like, "Is that why they asked us to ask that question?"
111
326482
3555
"Sollen wir deswegen diese Fragen stellen?"
05:30
It all became a bright light to me,
112
330061
1768
Es leuchtete mir plötzlich ein und mir wurde klar,
05:31
and I realized that I asked people and I told people about --
113
331853
3637
dass ich Menschen mit dem falschen Geschlecht,
05:35
I called them by the wrong gender, I called them by the wrong race,
114
335514
3284
mit der falschen Rasse, der falschen Ethnie angesprochen hatte,
05:38
I called them by the wrong ethnicity,
115
338822
1803
05:40
and the environment became hostile,
116
340649
2007
und es wurde unangenehm.
05:42
people was offended and I was frustrated because I was not graced.
117
342680
4284
Die Leute waren beleidigt
und ich war frustriert, weil ich nicht "selig" war.
05:46
I remember my computerized training,
118
346988
2587
Ich erinnere mich an mein computerbasiertes Training,
05:49
and unfortunately, that training did not prepare me to deescalate a situation.
119
349599
5626
das mich leider nicht darauf vorbereitet hatte,
solche Situationen zu deeskalieren.
05:55
It did not prepare me to have teachable moments when I had questions
120
355249
3376
Es zeigte mir keine Lehr-Momente auf, wenn ich Fragen dazu hatte,
05:58
about asking the questions.
121
358649
1658
wie man die Fragen stellt.
06:00
I would look at the computer and say, "So, what do I do when this happens?"
122
360331
3564
Ich sah den PC an und fragte: "Was mache ich, wenn das passiert?"
06:03
And the computer would say ...
123
363919
1858
Und der PC sagte....
06:05
nothing, because a computer cannot talk back to you.
124
365801
3268
Nichts, denn ein Computer spricht nicht Ihnen.
(Lachen)
06:09
(Laughter)
125
369093
3207
06:12
So that's the importance of having someone there
126
372324
2571
Deshalb ist es wichtig, jemanden vor sich zu haben,
06:14
who was trained to teach you and tell you what you do
127
374919
2777
der gelernt hat, einem beizubringen, was man in solchen Situationen zu tun hat.
06:17
in situations like that.
128
377720
1690
Als ich "Ich bin S.E.L.I.G." erschuf,
06:20
So, when I created the "I'm G.R.A.C.E.D" training,
129
380030
2626
06:22
I created it with that experience that I had in mind,
130
382680
2994
entwickelte ich es mit Erfahrung,
06:25
but also that conviction that I had in mind.
131
385698
2516
aber auch mit Überzeugung.
06:28
Because I wanted the instructional design of it
132
388238
2253
Ich wollte die Schulung so aufbauen,
06:30
to be a safe space for open dialogue for people.
133
390515
2778
dass sie einen sicheren und offenen Dialog ermöglicht.
06:33
I wanted to talk about biases,
134
393317
1895
Ich wollte über Vorurteile sprechen, die unbewussten und die bewussten,
06:35
the unconscious ones and the conscious ones,
135
395236
2397
06:37
and what we do.
136
397657
1166
und was wir tun.
06:38
Because now I know that when you engage people in the why,
137
398847
3944
Denn ich weiß, dass sich, wenn man Leuten die Gründe erklärt,
06:42
it challenges their perspective, and it changes their attitudes.
138
402815
3476
ihre Perspektive und ihre Haltung ändern.
06:46
Now I know that data that we have at the front desk
139
406315
3159
Ich weiß, dass mit den Daten, die wir am Empfang erheben,
06:49
translates into research that eliminates disparities and finds cures.
140
409498
4813
in der Forschung Ungleichheiten bekämpft und Heilungen gefunden werden.
06:54
Now I know that teaching people transitional change
141
414335
3706
Ich weiß, dass es ein besserer Weg ist, Menschen Änderung zu lehren,
06:58
instead of shocking them into change
142
418065
2846
als sie damit zu überrumpeln,
07:00
is always a better way of implementing change.
143
420935
3255
um eine wahre Änderung hervorzurufen.
07:04
See, now I know people are more likely to share information
144
424214
3046
Ich weiß, dass die Menschen eher Informationen teilen,
07:07
when they are treated with respect by knowledgeable staff members.
145
427284
3859
wenn sie von kompetentem Personal mit Respekt behandelt werden.
07:11
Now I know that you don't have to be a statistician
146
431167
3021
Ich weiß, man muss kein Statistiker sein,
07:14
to understand the power and the purpose of data,
147
434212
3001
um Macht und Zweck der Daten zu verstehen,
07:17
but you do have to treat people with respect and have compassionate care.
148
437237
4364
aber man muss Menschen mit Respekt und Mitgefühl begegnen.
07:21
Now I know that when you've been graced,
149
441625
2825
Ich weiß, wenn man "selig" ist,
07:24
it is your responsibility to empower somebody else.
150
444474
3376
liegt es in der eigenen Verantwortung, auch jemand anderen zu befähigen.
07:27
But most importantly, now I know
151
447874
2425
Aber vor allem weiß ich jetzt:
07:30
that when teaching human beings
152
450323
2413
Wenn man Menschen beibringt,
07:32
to communicate with other human beings,
153
452760
3079
mit anderen Menschen zu kommunizieren,
07:35
it should be delivered by a human being.
154
455863
3785
sollte das durch einen Menschen geschehen.
(Applaus)
07:40
(Applause)
155
460117
6792
07:46
So when y'all go to work
156
466933
1849
Wenn Sie also alle zur Arbeit gehen
07:48
and y'all schedule that "change everything" meeting --
157
468806
3335
und ein "Ändere alles"-Meeting vereinbaren, --
07:52
(Laughter)
158
472165
1650
(Lachen)
07:53
remember Miss Margaret.
159
473839
1515
denken Sie an Miss Margaret.
07:55
And don't forget the food, the food, the food, the food.
160
475792
3819
Und vergessen Sie das Essen nicht.
08:00
Thank you.
161
480103
1151
Vielen Dank.
08:01
(Applause) (Cheers)
162
481278
5475
(Applaus)
08:06
Thank you.
163
486777
1175
08:07
(Applause)
164
487976
1595
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7