Řekněme, že vaším cílem je zvýšit počet zákazníků, kterým denně obsluhujete. Možná provozujete městský úřad zpracovávající aplikace potravinových razítek, nebo možná nabízíte technickou podporu pro produkt vaší společnosti. Kolik zákazníků obsluhujete online, osobně a telefonicky? Jaký je průměrný čas k vyřešení problému v každém z těchto kanálů? Které typy požadavků zákazníků trvají nejdéle a které lze účelně vyřešit?
Pokud nemůžete odpovědět na tyto otázky, připravujete se na selhání dříve, než se začnete pokoušet.
Rozhodování založené na údajích je v dnešní době způsob života, od radnice až po firemní zasedací místnost. Pokud máte čísla, která diktují určitý postup, přemýšlíte, proč byste měli používat své srdce nebo svou mysl? Ve snaze zálohovat každý tah studenými a tvrdými daty však může být snadné zaměnit všechna stará čísla za užitečná čísla. Ne všechna data jsou vytvořena stejně a nejlepší způsob, jak zajistit, že budete shromažďovat správná data, je vyvinout správnou sadu metrik výkonu.
Jak tedy rozhodnete, které metriky vám pomohou a které vás odvedou od ústředních problémů? Zde je pět běžných chyb, které lidé dělají při zpracování dat, a několik tipů, jak jim zabránit.
Chyba č. 1: Stačí mít metriku dost
Je pravda, že měření trochu je lepší než měření nic. Ale příliš mnoho lidí je spokojeno pouze s tím, že mohou dát slovo „metrika“ supervizorovi a příliš mnoho supervizorů předpokládá, že pokud jejich tým vůbec počítá, musí něco dělat správně.
Data jsou užitečná, pouze pokud vám umožňují měřit a spravovat kvalitu výkonu. To znamená, že není nezbytně nutné, například, oddělení budov spočítat, kolik budov prošlo inspekcí, protože je nutné znát typy citací, které způsobily jejich selhání, počet inspekcí, které každý inspektor dokončil za jeden den, a kolik budov opravilo jejich porušení během jednoho nebo dvou měsíců od počáteční inspekce. Tento bohatší soubor údajů odhalí nedostatky v procesu inspekce a umožní oddělení pracovat na lepších bezpečnostních standardech.
Chyba č. 2: Více metrik, lepší
Běžná mylná představa je, že pokud lze něco spočítat, mělo by se to spočítat. Udělal jsem chybu, když jsem rozložil karty a tabulky metrik v tabulce, jen abych zjistil, že úsilí potřebné ke sběru dat není jen mým časem, ale časem lidí přidělených k provedení samotného práci, kterou se snažíme měřit.
Nikdy nechcete, aby vaše sledování výkonu bylo tak obtížné, že by to skutečně brzdilo samotný výkon. Když přijdete se sadou metrik, pomůže začít brainstormingem všeho, co byste mohli měřit, a pak upřednostnit top 10 indikátorů, které poskytnou nejdůležitější informace o vašem programu. Začněte s zvládnutelným zatížením a postupně přidávejte více - pokud úsilí potřebné ke sběru dat se vyplatí za užitečná pozorování a příležitosti ke zlepšení.
Chyba č. 3: Hodnotové rozsudky by měly být přiřazeny k svazkům
Na povrchu se může zdát intuitivní, že více přijatých hovorů je lepší než méně přijatých hovorů. Představte si však, že za účelem vytlačení dalších pěti hovorů za hodinu je kvalita každého hovoru snížena. Shromažďuje se méně informací a řeší se méně problémů. Volající nejsou spokojeni s prvním hovorem, takže volají podruhé nebo potřetí, dále zvyšují vaše telefonní čísla, ale zabírají více času a nereagují na důvody, proč jsou hovory na prvním místě. Možná volání, která vydrží o minutu déle, ale přiměřeněji reagují na otázky volajícího, nakonec zabrání opakovaným hovorům, a tím způsobí, že více-rovná-lepší linie myšlení se nejen mýlí, ale naopak.
Je také důležité si uvědomit, že mnoho metrik, když se počítají jako absolutní čísla, nejsou příliš užitečná. Bez kontextu je číslo víceméně bezvýznamné. Každý čitatel si zaslouží jmenovatel a čistá čísla by měla být vyjádřena jako procento z celkového počtu. Například chvályhodné je přesunout 1 000 bezdomovců z ulice do dočasného bydlení. Pokud je však cílem vytvořit bydlení pro 20 000 lidí bez domova, pak je důležité si uvědomit, že jste tam jen 5% cesty.
Chyba č. 4: Nechte čísla mluvit za sebe
Je nebezpečné předpokládat, že čísla vypráví celý příběh. Je lepší myslet na data ne jako na kuřáckou zbraň, ale na stopu strouhanky. Metriky vás mohou upozornit na problémové oblasti nebo vás upozornit na potenciální problém, který byste si jinak nevšimli. Ale dokud se nekopete holýma rukama, čísla jsou jen ta - čísla. Odhalení kořene problému často zahrnuje rozhovor s lidmi, kteří pracují blízko k dané záležitosti, pozorování a smysluplnost kvalitativních dat. Metriky odrážejí výsledek, ale ne hlavní příčinu.
Možná zjistíte, že doba potřebná k dokončení procesu podání se zvýšila o pět dní. Neočekávejte však automaticky, že úředníci tráví celý den otálením BuzzFeedu . Několik jednoduchých otázek může odhalit, že nedávné marketingové úsilí úspěšně přineslo 20% nárůst aplikací, nebo nové legislativní změny přidaly krok do procesu. Nechte svá čísla vést k tomu, abyste se zaměřili spíše na oblasti dotazování, než abyste je brali jako odpovědi sami.
Chyba č. 5: Pokud je to nyní dobrá metrika, bude to později dobrá metrika
Problémy se posouvají a mění, stejně jako cíle. Možná vám počáteční soubor metrik umožnil řešit zpožděné doby obratu při uzavírání smluv. Jakmile je tento problém vyřešen, je však důležité nezůstávat na vavřínech. Šance jsou, že metrika může být dále zlepšena, nebo existuje zcela jiná problémová oblast, která žádá o pozornost.
Snažte se revidovat své metriky každé tři až šest měsíců, abyste se ujistili, že v aktuálním kontextu stále mají smysl. Pravděpodobně zjistíte, že některé jsou zastaralé a jiné vyžadují vyladění. Při rozhodování o změně metriky však dávejte pozor. Změna způsobu, jakým měříte konkrétní část dat, může způsobit, že historická data budou méně užitečná a naruší kontinuitu shromažďovaných údajů. Tím nechceme říci, že metriky by se neměly upravovat s postupem času, pouze aby rozhodnutí nemělo být učiněno na lehkou váhu.
Data jsou věda a zaslouží si to jako takové. Když uděláte čas na to, abyste se přiblížili metrikám z uvažovaného místa, budete schopni neustále vyhodnotit své úsilí a implementovat smysluplná vylepšení.
