Kasu:
- Võimalus mõista heade KPI-de omadusi ja juhtivat mahajäänud indikaatori tasakaalu ning valida tehisintellekti toel äritegevusega seotud võtmenäitajaid
- Võimalus eristada, kas kõrvalekalle on normaalne kõikumine (müra) või tõeline trend (signaal) ja jõuda algpõhjuseni
- Võime ennustada ebasoodsat käitumist, mida KPI võib julgustada ja kontrollida iga algpõhjuse hüpoteesi valdkonnas
Ettevõtte juhtimine ilma näidikuta on nagu auto juhtimine ilma kiiruse ja kütuseinfota. KPI (Key Performance Indicator) on ettevõtte armatuurlaud. Käive, kasumimarginaal, klientide rahulolu, töötajate voolavus, tarneaeg... Kui need on õigesti valitud ja jälgitud, näeb juht probleemi enne, kui see plahvatab. Kuid vale KPI viib vale käitumiseni. Selles üksuses õpime kasutama tehisintellekti õigete KPI-de valimisel, armatuurlaudade tõlgendamisel ja kõrvalekallete varakult tuvastamisel. Piir: AI arvutab indikaatori ja koostab tõlgenduse mustandi; Juht otsustab, milline näitaja on oluline ja kuidas tegutseda.
Hea KPI omadused
Iga number ei saa olla KPI. Heal KPI-l on järgmised omadused. Mõõdetav: arvutatakse selge valemiga. Ettevõtlusega seotud: seotud ettevõtte tegeliku eesmärgiga. Tegudele orienteeritud: kui kukub, on selge, mida teha. Raske manipuleerida: ei ole kergesti pettav. Klassikaline näide halvast KPI-st: "saadetud e-kirjade arv" on müügimeeskonna jaoks halb KPI, kuna see on kergesti paisutav ega mõõda tegelikku tulemust (suletud müük).
Samuti eristatakse juhtivaid ja mahajäänud näitajaid. Lõpunäitaja räägib ajalugu (selle kuu käive — mis tehtud, see tehtud). Juhtnäitaja ennustab tulevikku (pakkumiste arv sel nädalal — mõjutab järgmise kuu käivet). Hea armatuurlaud sisaldab mõlemat: lõpuindikaatorid annavad tulemuse, juhtindikaatorid hoiatavad. Küsige seda tasakaalu selgesõnaliselt, kui tehisintellektil armatuurlauda kujundate.
Nõuanne. KPI-de arv, mida haldur saab korraga jälgida, on piiratud. 5-7 põhiindikaatorit on võimsamad kui 30 hajutatud indikaatorit. Destilleerige loend, käsitades AI-l "valida 6 kõige olulisemat KPI-d ja selgitada, miks need on".
Hälbe tõlgendamine: müra või signaal?
Iga KPI kõigub. 3-protsendiline langus ühe nädala jooksul võib olla normaalne kõikumine (müra); See võib olla ka püsiv trend (signaal). Algaja juht reageerib igale kõikumisele ja väsitab meeskonda; Kogenud juht eraldab signaali mürast. Tehisintellekt võib selle eristamisel aidata: esitage mõned andmeperioodid ja küsige: "Kas see muutus jääb normaalsesse kõikumisvahemikku või on see trend?" küsi. Kuid tehisintellekt annab statistilise ennustuse; Lõplik tõlgendus peaks olema ühendatud teie valdkonna teadmistega.
Pärast kõrvalekalde nägemist on vaja jõuda algpõhjuseni. Tehnika "5 Miks" (meetod, mille abil jõuda algpõhjuseni, küsides viis korda järjest pärast küsimust "miks?") on siin väärtuslik ja tehisintellekt teeb selle lihtsaks. Kuid pidage meeles: algpõhjus, mille AI leiab, on hüpotees; tuleb kohapeal kontrollida.
kolm minikarpi
Juhtum 1 – vale KPI parandamine. Kõnekeskus oli muutnud oma KPI-ks "vastatud kõnede arvu päevas". Esindajad kiirustasid koosolekute arvu suurendamiseks ja klientide rahulolu vähenes. Juht küsib tehisintellektilt "millist ebasoodsat käitumist see KPI soodustab?" küsis ta. AI demonstreeris kiiruse ja kvaliteedi konflikti. KPI muudeti "lahendatud kõne määr + rahulolu skoor"; Rahulolu kasvas kolme kuuga 12 protsenti.
Juhtum 2 – müra eraldamine signaalist. Veebipoe konversioonimäär langes nädalaga 2,4 protsendilt 2,2 protsendile. Paanika asemel andis juht tehisintellektile viimase 12 nädala anonüümsed andmed. YZ näitas, et määr kõigub tavaliselt vahemikus 2,1-2,5, see langus on vahemikus. Ebavajalik erakorraline sekkumine hoiti ära. Kui kolm nädalat hiljem algas tõeline langus, siis seekord tabati see kiiresti, sest see läks bändist välja.
Juhtum 3 – algpõhjuseni jõudmine. Ühes kaubaveoettevõttes kasvas tarne hilinemise protsent. Manager juurutas AI-ga "5 Miks": miks see viibib? → Jätke laos üleslaadimine vahele. Miks hilja? → Hommikune vahetus puudub. Miks see puudu on? → Kaks töötajat lahkusid ja neid ei asendatud. Algpõhjus oli personalilõhe, mitte logistika. Sekkumine tehti õiges kohas. AI struktureeris küsimused; väliandmed kinnitasid vastuseid.
Neli kopeeritavat malli
1) KPI valik ja destilleerimine:
Sinu roll: tulemusjuhtimise konsultant.Minu töö: [töö kirjeldus]. Minu eesmärk: [peamine eesmärk]. Soovitage mulle 6 kõige olulisemat KPI-d, mida peaksin jälgima. Igaühe kohta: valem, miks see on oluline, kas see on eelkäija või järglane, millist ebasoodsat käitumist see võib soodustada. Vältige indikaatoreid, mida on lihtne manipuleerida.
2) Lõikelaua tõlgendus:
Kommenteerige lisatud anonüümset KPI armatuurlauda (periood, indikaator, väärtus, sihtmärk).1) Märkige näitajad, mis jäävad sihtmärgist allapoole.2) Näidake iga kõrvalekalde suurust (%).3) Seadke prioriteediks 3 kõige pakilisemat näitajat.Kasutage lihtsalt minu antud numbreid; uus näidiku/numbrite paigaldus.
3) Müra või signaal:
Lisatud on järgmise KPI anonüümsed väärtused viimase 12 perioodi kohta. Kas see viimane muutus jääb indikaatori normaalsesse kõikumisvahemikku või on see uus trend? Näidake tavalist riba (ligikaudu min-max) ja märkige, kus riba viimane väärtus on. Ärge tehke täpseid ennustusi; Rõhutage, et see on oletus.
4) Algpõhjus (5 põhjust):
Aidake mul seda probleemi algpõhjust analüüsida: [probleem] Rakendage tehnikat "5 Miks": korrake "miks?" pärast iga vastust. küsi. Küsi minult igal sammul lisainfot, et saaksime lähtuda reaalsetest andmetest, mitte oletustest.
Nõrk viip / Tugev viip
Nõrk viip:
Soovitage mulle KPI-sid.
Ei ole selge ei tema töö ega eesmärk. AI loetleb klišeelikud näitajad (käive, kasum), mis sobivad kõigile; See ei tea teie ettevõtte tegelikke tegureid.
Võimas viip:
Sinu roll: tulemuskonsultant. Minu töö: Klienditoe juhtimine 15 inimesega ettevõtte tarkvarafirmas. Minu eesmärk on vähendada klientide vähenemist. Soovitage mulle selle eesmärgiga seotud 6 KPI-d; vähemalt 2 neist peaksid olema juhtivad näitajad. Märkige igaühe valem ja manipuleerimise oht.
Suurus
halb lähenemine
Tugev lähenemine
äri kontekst
Mitte ühtegi
Net (tugihaldus)
sihtmärk
ebakindel
Katkestuse vähendamine
Juht/järgija tasakaal
soovimatult
selgesõnaliselt nõutud
Manipulatsiooni hoiatus
Mitte ühtegi
Jah
kättesaadavus
madal
kõrge
Levinud vead
- Liiga paljude KPI-de jälgimine. 30 indikaatorit segavad; 5-7 põhinäitajat on tugevamad.
- Manipuleeritavate KPI-de valimine. Kergesti pumbatavad näitajad, nagu "kõnede arv", põhjustavad väära käitumise.
- Lihtsalt vaadates lõpunäitajaid. Sa mõõdad minevikku, aga sa ei näe tulevikku; Lisa juhtindikaator.
- Reageerides igale kõikumisele. Eraldage müra signaalist; Vastasel juhul väsitate meeskonda.
- Ei kontrolli algpõhjust. Algpõhjus, mille AI leiab, on hüpotees; tuleb kohapeal katsetada.
Ettevaatust: "Sa saad seda, mida mõõdate" (Goodharti seadus). Kui KPI-st saab sihtmärk, leiavad inimesed viisi, kuidas seda petta. Nii et enne KPI valimist küsige tehisintellektilt: "Mida halba käitumist see indikaator võiks soodustada?" Küsi kindlasti.
Kokkuvõttes
KPI-d on ettevõtte armatuurlaud; Kui see on hästi valitud, näitab see probleemi varakult, kui see on valesti valitud, põhjustab see ebasoodsat käitumist. Head KPI-d on mõõdetavad, äriga seotud, tegevusele orienteeritud ja manipuleerimisele vastupidavad. Kasutage esi- ja lõpunäitajaid koos. Keskenduge 5-7 põhinäitajale. AI on võimas abivahend KPI valimisel, armatuurlaua tõlgendamisel, mürasignaalide diskrimineerimisel ja algpõhjuste analüüsil; kuid iga kõrvalekalde ja algpõhjuse tõlgendus on hüpotees ja seda tuleb kohapeal kontrollida. Otsus on sinu.
Rakenduse ülesanne
Loetlege KPI-d, mida praegu jälgite. Kasutage ülaltoodud malli „KPI valimine ja destilleerimine” 6 tehisintellekti soovitust oma ettevõtte jaoks ja võrrelge neid olemasoleva loendiga. Seejärel iga olemasoleva KPI puhul „millist ebasoodsat käitumist see indikaator võib soodustada?” Küsige tehisintellektilt ja kirjutage üles, kuidas tuvastaksite vähemalt ühe riskantse näitaja ja parandaksite selle.
kontrollnimekiri
- [ ] Kas ma olen oma KPI-d jaganud 5–7 põhinäitajaks?
- [ ] Kas olen tasakaalustanud esi- ja taganäitajad?
- [ ] Kas olen seadnud kahtluse alla iga KPI manipuleerimisriski?
- [ ] Kas ma eristasin hälbe tõlgendamisel müra ja signaali?
- [ ] Kas ma olen kontrollinud algpõhjust põllul?