רווחים:
- יכולת להבין את המאפיינים של מדדי KPI טובים ומאזן האינדיקטורים המובילים בפיגור ולבחור אינדיקטורים מרכזיים הקשורים לעסק עם תמיכה של בינה מלאכותית
- יכולת להבחין אם סטייה היא תנודה רגילה (רעש) או מגמה אמיתית (אות) ולהגיע לשורש
- יכולת לצפות התנהגות שלילית ש-KPI עשוי לעודד ולאמת כל השערת שורש בשטח
ניהול עסק ללא מד זה כמו לנהוג במכונית ללא מידע על מהירות ודלק. KPI (Key Performance Indicator) הוא לוח המחוונים של העסק. תחלופה, שולי רווח, שביעות רצון לקוחות, קצב תחלופה של עובדים, זמן אספקה... אם אלו נבחרים ומפוקחים נכון, המנהל יראה בעיה לפני שהיא תתפוצץ. אבל KPI שגוי מוביל להתנהגות שגויה. ביחידה זו, נלמד כיצד להשתמש ב-AI בבחירת ה-KPIs הנכונים, פירוש לוחות מחוונים ותפיסת סטיות מוקדם. גבול: בינה מלאכותית מחשבת את האינדיקטור ומפיקה טיוטת פרשנות; המנהל מחליט איזה אינדיקטור חשוב וכיצד לפעול.
מאפיינים של KPI טוב
לא כל מספר יכול להיות KPI. ל-KPI טוב יש את התכונות הבאות. מדיד: מחושב עם נוסחה ברורה. קשור לעסקים: קשור למטרה האמיתית של העסק. מוכווני פעולה: כאשר הוא נופל, ברור מה לעשות. קשה לתמרן: לא שולל בקלות. דוגמה קלאסית ל-KPI גרוע: "מספר אימיילים שנשלחו" הוא KPI גרוע עבור צוות מכירות מכיוון שהוא מנופח בקלות ואינו מודד את התוצאה האמיתית (מכירות סגורות).
ישנה גם הבחנה בין אינדיקטורים מובילים לפיגור. המחוון הנגרר מספר את ההיסטוריה (המחזור של החודש - מה שנעשה נעשה). המדד המוביל חוזה את העתיד (מספר ההצעות השבוע - משפיע על המחזור של החודש הבא). לוח מחוונים טוב כולל את שניהם: מחוונים נגררים מספקים את הציון, מחוונים מובילים מספקים את ההתראה. בקש איזון זה במפורש כאשר ה-AI מעצב את לוח המחוונים.
טיפ: יש מגבלה למספר KPIs שמנהל יכול לעקוב אחר בו זמנית. 5-7 אינדיקטורים מרכזיים חזקים יותר מ-30 אינדיקטורים מפוזרים. זקקו את הרשימה על ידי תגיד ל-AI "לבחור את 6 ה-KPIs הקריטיים ביותר ולהסביר מדוע הם הם."
לפרש סטייה: רעש או אות?
כל KPI משתנה. ירידה של 3 אחוזים בשבוע אחד עשויה להיות תנודה רגילה (רעש); ייתכן שזו גם מגמה מתמשכת (אות). המנהל המתחיל מגיב לכל תנודה ומעייף את הצוות; המנהל המנוסה מפריד בין האות לרעש. בינה מלאכותית יכולה לעזור בהבחנה הזו: תן מספר תקופות של נתונים ושאל "האם השינוי הזה נמצא בטווח התנודות הרגיל או שזו מגמה?" לִשְׁאוֹל. אבל AI נותן תחזית סטטיסטית; הפרשנות הסופית צריכה להשתלב עם הידע שלך בתעשייה.
לאחר שרואים את הסטייה, יש צורך להגיע לשורש הסיבה. טכניקת "5 למה" (שיטה להגיע לשורש הסיבה על ידי שאילת 'למה?' חמש פעמים ברציפות אחרי שאלה) היא בעלת ערך כאן, ובינה מלאכותית עושה את זה קל. אבל זכרו: הסיבה העיקרית ש-AI מוצא היא השערה; חייב להיות מאומת בשטח.
שלושה מיני תיקים
מקרה 1 - תיקון KPI שגוי. מוקד טלפוני הפך את "מספר השיחות שנענה ליום" ל-KPI שלו. נציגים מיהרו לפגישות כדי להגדיל את המספר, ושביעות הרצון של הלקוחות ירדה. המנהל שואל את ה-AI "איזו התנהגות שלילית מעודד KPI זה?" הוא שאל. AI הדגים את הקונפליקט באיכות המהירות. KPI השתנה ל"שיעור שיחות נפתר + ציון שביעות רצון"; שביעות הרצון עלתה ב-12 אחוזים בשלושה חודשים.
מקרה 2 - הפרדת רעש מהאות. שיעור ההמרה לחנות מקוונת ירד מ-2.4 אחוזים ל-2.2 אחוזים בשבוע אחד. במקום להיכנס לפאניקה, המנהל נתן ל-AI את הנתונים האנונימיים של 12 השבועות האחרונים. YZ הראה כי הקצב בדרך כלל משתנה ברצועה 2.1-2.5, ירידה זו היא בטווח. נמנעה התערבות חירום מיותרת. כשהחלה ירידה של ממש שלושה שבועות לאחר מכן, הפעם היא נתפסה במהירות כי היא יצאה מהלהקה.
מקרה 3 - הגעה לשורש. שיעור עיכוב המסירה גדל בחברת מטענים. מנהל הטמיע "5 למה" עם AI: מדוע זה מתעכב? ← דלג על העלאה במחסן. למה באיחור? → חסרה משמרת בוקר. למה זה חסר? ← שני עובדים עזבו ולא הוחלפו. הסיבה העיקרית הייתה פער משאבי אנוש, לא לוגיסטיקה. ההתערבות נעשתה במקום הנכון. AI בנה את השאלות; נתוני שדה אישרו את התשובות.
ארבע תבניות הניתנות להעתקה
1) בחירת וזיקוק KPI:
תפקידך: יועץ לניהול ביצועים. התפקיד שלי: [תיאור התפקיד]. המטרה שלי: [מטרה עיקרית].הצע לי את 6 מדדי ה-KPI הקריטיים ביותר שעלי לעקוב אחריהם. לכל אחד: נוסחה, למה היא חשובה, האם היא מבשר או יורש, איזו התנהגות שלילית היא עשויה לעודד. הימנע מחוונים שניתן לתמרן בקלות.
2) פרשנות הלוח:
הערה בלוח המחוונים האנונימי המצורף של KPI (נקודה, אינדיקטור, ערך, יעד).1) סמן את האינדיקטורים הנופלים מהיעד.2) הראה את גודל הסטייה (%) לכל אחד.3) תעדוף את 3 האינדיקטורים הדחופים ביותר.פשוט השתמש במספרים שנתתי; התאמת מחוון/מספר חדש.
3) רעש או אות:
מצורפים ערכים אנונימיים של ה-KPI הבא עבור 12 התקופות האחרונות. האם השינוי האחרון הזה נמצא בטווח התנודות הרגיל של האינדיקטור או שמא מדובר במגמה חדשה? הצג את הרצועה הרגילה (בערך min-max) וציין היכן נמצא הערך האחרון בפס. אל תעשה תחזיות מדויקות; הדגישו שזהו ניחוש.
4) גורם שורש (5 סיבות):
עזור לי לנתח את הבעיה הזו לשורש הסיבה: [בעיה] יישם את טכניקת "5 למה": חזור על "למה?" אחרי כל תשובה. לִשְׁאוֹל. בקש ממני מידע נוסף בכל שלב כדי שנוכל להמשיך עם נתונים אמיתיים, לא הנחות.
הנחיה חלשה / הנחיה חזקה
הנחיה חלשה:
הצע לי מדדי KPI.
לא התפקיד שלו ולא המטרה שלו ברורים. AI מפרט מדדי קלישאה (מחזור, רווח) שמתאימים לכולם; הוא לא מכיר את המניעים האמיתיים של העסק שלך.
הנחיה עוצמתית:
תפקידך: יועץ ביצועים. התפקיד שלי: ניהול תמיכת לקוחות בחברת תוכנה ארגונית עם 15 איש. המטרה שלי היא להפחית את נטישת הלקוחות. הצע לי 6 מדדי KPI הקשורים למטרה זו; לפחות 2 מהם צריכים להיות אינדיקטורים מובילים. ציין את הנוסחה ואת הסיכון למניפולציה עבור כל אחד.
גודל
גישה גרועה
גישה חזקה
הקשר עסקי
אין
נטו (ניהול תמיכה)
מטרה
לא בטוח
הפחתת נטישה
איזון מנהיג/עוקב
לא מבוקש
מתבקש במפורש
אזהרת מניפולציה
אין
כן
זמינות
נמוך
גבוה
טעויות נפוצות
- מעקב אחר יותר מדי מדדי KPI. 30 אינדיקטורים מסיחים את הדעת; 5-7 אינדיקטורים מרכזיים חזקים יותר.
- בחירת KPI הניתנים למניפולציה. אינדיקטורים מנופחים בקלות כגון "ספירת שיחות" מייצרים התנהגות פרוורטית.
- רק מסתכלים על האינדיקטורים העוקבים. אתה מודד את העבר, אבל אתה לא יכול לראות את העתיד; הוסף מחוון מוביל.
- מגיבים לכל תנודה. הפרד את הרעש מהאות; אחרת תעייף את הצוות.
- לא מאמת את סיבת השורש. הסיבה העיקרית ש-AI מוצא היא השערה; חייב להיבדק בשטח.
זהירות: "אתה מקבל מה שאתה מודד" (חוק גודהארט). כאשר KPI הופך למטרה, אנשים מוצאים דרכים להונות אותו. אז לפני בחירת KPI, שאל את ה-AI "איזו התנהגות גרועה יכול האינדיקטור הזה לעודד?" הקפד לשאול.
לסיכום
מדדי KPI הם לוח המחוונים של העסק; אם נבחר היטב, זה מראה את הבעיה מוקדם, אם נבחר בצורה לא נכונה, זה מייצר התנהגות שלילית. מדדי KPI טובים ניתנים למדידה, קשורים לעסקים, מוכווני פעולה ועמידים בפני מניפולציות. השתמש במדדים מובילים ונגררים יחד. התמקד ב-5-7 אינדיקטורים מרכזיים. בינה מלאכותית היא כלי עזר רב עוצמה בבחירת KPI, פרשנות לוח המחוונים, אפליה של אותות רעש וניתוח שורש; אבל כל פרשנות של סטייה ושורש היא השערה ויש לאמת אותה בשטח. ההחלטה היא שלך.
משימת יישום
רשום את מדדי ה-KPI שאתה עוקב אחריהם כעת. קח את 6 המלצות האינדיקטורים העיקריים מ-AI עבור העסק שלך עם תבנית "בחירת KPI וזיקוק" למעלה והשווה אותם עם הרשימה הקיימת שלך. ואז עבור כל KPI קיים "איזו התנהגות שלילית עשוי לעודד אינדיקטור זה?" שאל את ה-AI ורשום כיצד היית מזהה לפחות אינדיקטור מסוכן אחד ותתקן אותו.
רשימת בדיקה
- [ ] האם זיקקתי את מדדי ה-KPI שלי ל-5-7 מדדי מפתח?
- [ ] האם איזנתי את האינדיקטורים המובילים והנגררים?
- [ ] האם הטלתי ספק בסיכון המניפולציה של כל KPI?
- [ ] האם הבחנתי בין רעש לאות בעת פירוש הסטייה?
- [ ] האם אימתתי את סיבת השורש בשטח?