Πείτε ότι ο στόχος σας είναι να αυξήσετε τον αριθμό των πελατών που εκτελείτε κάθε μέρα. Ίσως τρέχετε ένα γραφείο αστυνομίας που επεξεργάζεται εφαρμογές σφραγίδας τροφίμων ή ίσως προσφέρετε τεχνική υποστήριξη για το προϊόν της εταιρείας σας. Πόσους πελάτες εξυπηρετείτε στο διαδίκτυο, αυτοπροσώπως και μέσω τηλεφώνου; Ποιος είναι ο μέσος χρόνος για την επίλυση ενός προβλήματος σε καθένα από αυτά τα κανάλια; Ποιοι τύποι αιτημάτων πελατών λαμβάνουν το μεγαλύτερο χρονικό διάστημα και ποιοι μπορούν να διεκπεραιωθούν καταλλήλως;
Αν δεν μπορείτε να απαντήσετε σε αυτές τις ερωτήσεις, είστε έτοιμοι για αποτυχία προτού αρχίσετε να δοκιμάζετε.
Η διαδικασία λήψης αποφάσεων βάσει δεδομένων είναι ένας τρόπος ζωής από τις μέρες μας, από το δημαρχείο μέχρι την εταιρική αίθουσα συνεδριάσεων. Εάν έχετε τους αριθμούς για να υπαγορεύσετε μια πορεία δράσης, η σκέψη πηγαίνει, γιατί θα χρησιμοποιούσατε την καρδιά σας ή το μυαλό σας; Αλλά στην προσπάθεια να υποστηρίξουμε κάθε κίνηση με κρύα, σκληρά δεδομένα, μπορεί να είναι εύκολο να σφάλουμε τυχόν παλιούς αριθμούς για χρήσιμους αριθμούς. Δεν δημιουργούνται όλα τα δεδομένα ίσα και ο καλύτερος τρόπος για να εξασφαλίσετε ότι θα συλλέξετε τα σωστά δεδομένα είναι να αναπτύξετε το σωστό σύνολο μετρήσεων απόδοσης.
Λοιπόν, πώς αποφασίζετε ποιες μετρήσεις θα σας βοηθήσουν και που θα σας αποσπάσουν μόνο τα κεντρικά ζητήματα; Εδώ είναι πέντε κοινά λάθη που κάνουν οι άνθρωποι όταν ασχολούνται με τα δεδομένα, και μερικές συμβουλές για να τους αποφύγετε.
Λάθος # 1: Ακριβώς με μετρήσεις είναι αρκετό
Είναι αλήθεια ότι η μέτρηση λίγο είναι καλύτερη από τη μέτρηση τίποτα. Αλλά πάρα πολλοί άνθρωποι είναι ικανοποιημένοι απλώς ότι είναι σε θέση να εκφράσουν τη λέξη "μετρήσεις" σε έναν επόπτη, και πάρα πολλοί επόπτες πιστεύουν ότι αν η ομάδα τους μετρά οτιδήποτε, πρέπει να κάνουν κάτι σωστό.
Τα δεδομένα είναι χρήσιμα μόνο αν σας επιτρέπουν να μετρήσετε και να διαχειριστείτε την ποιότητα της απόδοσης. Αυτό σημαίνει ότι δεν είναι απαραιτήτως τόσο σημαντικό για το τμήμα κτιρίων να μετράει πόσα κτίρια πέρασαν από την επιθεώρηση όσο είναι για να γνωρίζουν τους τύπους παραπομπών που τους προκάλεσαν να αποτύχουν, τον αριθμό επιθεωρήσεων που ολοκλήρωσε ένας επιθεωρητής σε μια ημέρα και πόσα κτίρια διόρθωσαν τις παραβιάσεις τους εντός ενός ή δύο μηνών από την αρχική επιθεώρηση. Αυτό το πιο πλούσιο σύνολο δεδομένων θα αποκαλύψει ανεπάρκειες στη διαδικασία επιθεώρησης και θα επιτρέψει στο τμήμα να εργαστεί προς την κατεύθυνση καλύτερων προτύπων ασφάλειας.
Λάθος # 2: Οι περισσότερες μετρήσεις, τόσο το καλύτερο
Μια κοινή εσφαλμένη αντίληψη είναι ότι εάν μπορεί να μετρηθεί κάτι, πρέπει να μετρηθεί. Έκανα το λάθος να βάλω τις καρτέλες και τις καρτέλες μετρήσεων σε ένα υπολογιστικό φύλλο, μόνο για να διαπιστώσω ότι η προσπάθεια που απαιτείται για τη συλλογή των δεδομένων είναι μια διαρροή όχι μόνο του χρόνου μου, αλλά και του χρόνου των ανθρώπων που έχουν ανατεθεί να πραγματοποιήσουν το ίδιο εργασία που προσπαθούμε να μετρήσουμε.
Ποτέ δεν θέλετε η παρακολούθηση της απόδοσής σας να είναι τόσο δαπανηρή ώστε να εμποδίζει την ίδια την απόδοση. Όταν καταλήγετε σε ένα σύνολο μετρήσεων, βοηθάτε να ξεκινήσετε με brainstorming όλα όσα θα μπορούσατε ενδεχομένως να μετρήσετε και έπειτα να δώσετε προτεραιότητα στους κορυφαίους 10 δείκτες που θα δώσουν τις πιο κρίσιμες πληροφορίες σχετικά με το πρόγραμμά σας. Ξεκινήστε με ένα διαχειρίσιμο φορτίο και σταδιακά προσθέστε περισσότερα - όσο η προσπάθεια που απαιτείται για τη συλλογή των δεδομένων θα πληρώσει για τις ανάγκες της χρήσιμες παρατηρήσεις και ευκαιρίες βελτίωσης.
Λάθος # 3: Οι κρίσεις αξίας πρέπει να εκχωρηθούν στους τόμους
Στην επιφάνεια, μπορεί να φαίνεται διαισθητικό ότι περισσότερες κλήσεις που απαντήθηκαν είναι καλύτερες από τις λιγότερες κλήσεις που απαντήθηκαν. Φανταστείτε όμως ότι για να πιέσετε σε έξι επιπλέον κλήσεις μία ώρα, η ποιότητα κάθε κλήσης υποβαθμίζεται. Λιγότερες πληροφορίες συγκεντρώνονται και αντιμετωπίζονται λιγότερα ζητήματα. Οι καλούντες δεν είναι ικανοποιημένοι με την πρώτη κλήση, γι 'αυτό καλούν για δεύτερη ή τρίτη φορά, αυξάνοντας περαιτέρω τους αριθμούς κλήσης σας, αλλά αναλαμβάνοντας επιπλέον χρόνο και παραλείποντας να απαντήσουν τους λόγους για τους οποίους οι κλήσεις έρχονται στην πρώτη θέση. Ίσως κλήσεις που διαρκούν ένα λεπτό περισσότερο αλλά ανταποκρίνονται καλύτερα στις ερωτήσεις του καλούντος καταλήγουν να αποτρέπουν επαναλαμβανόμενες κλήσεις, καθιστώντας έτσι την πιο ισότιμη-καλύτερη γραμμή σκέψης όχι μόνο λάθος, αλλά και προς τα πίσω.
Είναι επίσης σημαντικό να συνειδητοποιήσουμε ότι πολλές μετρήσεις, όταν υπολογίζονται ως απόλυτοι αριθμοί, δεν είναι ιδιαίτερα χρήσιμες. Χωρίς πλαίσιο, ένας αριθμός είναι περισσότερο ή λιγότερο χωρίς νόημα. Κάθε αριθμητής αξίζει έναν παρονομαστή και οι καθαροί αριθμοί πρέπει να αντιπροσωπεύονται ως ποσοστό του συνόλου. Για παράδειγμα, η μετακίνηση 1.000 ατόμων αστέγων από το δρόμο και σε προσωρινή στέγαση είναι αξιέπαινη. Αλλά αν ο στόχος είναι να δημιουργηθεί κατοικία για 20.000 άστεγους, τότε είναι σημαντικό να αναγνωρίσετε ότι είστε μόνο το 5% του τρόπου εκεί.
Λάθος # 4: Αφήστε τους αριθμούς να μιλούν για τον εαυτό τους
Είναι επικίνδυνο να υποθέσουμε ότι οι αριθμοί λένε ολόκληρη την ιστορία. Είναι καλύτερο να σκεφτόμαστε τα δεδομένα όχι ως πυροβόλο όπλο, αλλά ως ίχνη ψωμιού. Οι μετρήσεις μπορούν να σας καθοδηγήσουν προς προβληματικές περιοχές ή να σας προειδοποιήσουν για πιθανό πρόβλημα που ίσως να μην έχετε παρατηρήσει αλλιώς. Αλλά μέχρι να σκάψετε με τα γυμνά χέρια σας, οι αριθμοί είναι ακριβώς αυτοί οι αριθμοί. Η αποκάλυψη της ρίζας ενός προβλήματος συχνά συνεπάγεται τη συνέντευξη των ανθρώπων που εργάζονται κοντά στο θέμα, παρατηρώντας και καθιστώντας την έννοια των ποιοτικών δεδομένων. Οι μετρήσεις αντικατοπτρίζουν ένα αποτέλεσμα, αλλά όχι μια βασική αιτία.
Μπορεί να διαπιστώσετε ότι ο χρόνος που απαιτείται για την ολοκλήρωση μιας διαδικασίας κατάθεσης έχει αυξηθεί κατά πέντε ημέρες. Αλλά μην υποθέτετε αυτόματα ότι οι υπάλληλοι ξοδεύουν όλη την ημέρα για αναμονή στο BuzzFeed . Μερικές απλές ερωτήσεις μπορεί να αποκαλύψουν ότι μια πρόσφατη προσπάθεια μάρκετινγκ απέδωσε με επιτυχία μια αύξηση κατά 20% στις αιτήσεις ή οι πρόσφατα νομοθετημένες αλλαγές προσέθεσαν ένα βήμα στη διαδικασία. Αφήστε τους αριθμούς σας να σας οδηγήσουν να εστιάσετε στις περιοχές των ερωτήσεων, αντί να τις λάβετε ως τις ίδιες τις απαντήσεις.
Λάθος # 5: Αν είναι μια καλή μέτρηση τώρα, θα είναι μια καλή μέτρηση αργότερα
Τα προβλήματα αλλάζουν και αλλάζουν, όπως και οι στόχοι. Ίσως ένα αρχικό σύνολο μετρήσεων σας επέτρεψε να αντιμετωπίσετε τους χρόνους ανάκαμψης της αναθέτουσας γραφειοκρατίας. Μόλις το πρόβλημα επιλυθεί, ωστόσο, είναι σημαντικό να μην στηρίζεται στις δάφνες σας. Οι πιθανότητες είναι ότι η μετρική μπορεί να βελτιωθεί περαιτέρω, ή υπάρχει μια εντελώς διαφορετική προβληματική περιοχή που ικετεύει την προσοχή.
Κάντε ένα σημείο επανεξέτασης των μετρήσεων σας κάθε τρεις έως έξι μήνες για να βεβαιωθείτε ότι εξακολουθούν να έχουν νόημα στο τρέχον πλαίσιο. Θα βρείτε πιθανώς ότι μερικοί έχουν ξεπεραστεί, και άλλοι χρειάζονται μικροαλλαγές. Αλλά φροντίστε να αποφασίσετε να αλλάξετε μια μέτρηση. Αλλάζοντας τον τρόπο με τον οποίο μετράτε ένα συγκεκριμένο κομμάτι δεδομένων μπορεί να καταστήσετε τα ιστορικά δεδομένα λιγότερο χρήσιμα και να διακόψετε τη συνέχεια των δεδομένων που συλλέγετε. Αυτό δεν σημαίνει ότι οι μετρήσεις δεν θα πρέπει να προσαρμόζονται με το πέρασμα του χρόνου, μόνο ότι η απόφαση δεν πρέπει να γίνει ελαφρά.
Τα δεδομένα είναι μια επιστήμη και αξίζει να τα αντιμετωπίζουμε ως τέτοια. Όταν αφιερώσετε χρόνο για να προσεγγίσετε μετρήσεις από ένα θεωρημένο μέρος, θα είστε σε θέση να αξιολογείτε συνεχώς τις προσπάθειές σας και να εφαρμόζετε ουσιαστικές βελτιώσεις.
