Winst:
- Vermogen om de kenmerken van goede KPI's en het saldo van de leidende en achterblijvende indicatoren te begrijpen en sleutelindicatoren met betrekking tot het bedrijf te selecteren met behulp van kunstmatige intelligentie
- Vermogen om te onderscheiden of een afwijking een normale fluctuatie (ruis) of een echte trend (signaal) is en de hoofdoorzaak te achterhalen
- Mogelijkheid om te anticiperen op ongewenst gedrag dat een KPI zou kunnen aanmoedigen en om elke hoofdoorzaakhypothese in het veld te verifiëren
Een bedrijf runnen zonder meter is als autorijden zonder snelheids- en brandstofinformatie. KPI (Key Performance Indicator) is het dashboard van het bedrijf. Omzet, winstmarge, klanttevredenheid, personeelsverloop, levertijd... Als deze op de juiste manier worden gekozen en bewaakt, ziet de manager een probleem voordat het ontploft. Maar verkeerde KPI’s leiden tot verkeerd gedrag. In deze unit leren we hoe we AI kunnen gebruiken bij het kiezen van de juiste KPI’s, het interpreteren van dashboards en het vroegtijdig signaleren van afwijkingen. Grens: AI berekent de indicator en produceert een interpretatieconcept; De manager bepaalt welke indicator belangrijk is en hoe te handelen.
Kenmerken van een goede KPI
Niet elk getal kan een KPI zijn. Een goede KPI heeft de volgende kenmerken. Meetbaar: berekend met een duidelijke formule. Zakelijk gerelateerd: gerelateerd aan het echte doel van het bedrijf. Actiegericht: als het valt, is het duidelijk wat te doen. Moeilijk te manipuleren: niet gemakkelijk voor de gek te houden. Klassiek voorbeeld van een slechte KPI: “aantal verzonden e-mails” is een slechte KPI voor een verkoopteam, omdat deze gemakkelijk wordt opgeblazen en niet de werkelijke uitkomst meet (gesloten verkopen).
Er is ook een onderscheid tussen leading en lagging indicators. De volgindicator vertelt de geschiedenis (de omzet van deze maand – wat gedaan is, is gedaan). De voorlopende indicator voorspelt de toekomst (het aantal aanbiedingen van deze week heeft invloed op de omzet van volgende maand). Een goed dashboard omvat beide: trailing indicators zorgen voor de score, leading indicators zorgen voor de alert. Vraag expliciet om deze balans als je de AI het dashboard laat ontwerpen.
Tip: Er is een limiet aan het aantal KPI’s dat een manager tegelijkertijd kan volgen. 5-7 sleutelindicatoren zijn krachtiger dan 30 verspreide indicatoren. Destilleer de lijst door de AI te vertellen “de zes meest kritische KPI’s te selecteren en uit te leggen waarom dit deze zijn.”
Afwijking interpreteren: ruis of signaal?
Elke KPI fluctueert. Een daling van 3 procent in één week kan een normale fluctuatie (ruis) zijn; Het kan ook een aanhoudende trend zijn (signaal). De beginnende manager reageert op elke fluctuatie en vermoeit het team; De ervaren manager scheidt het signaal van de ruis. AI kan helpen bij dit onderscheid: geef een paar dataperioden en vraag: "is deze verandering binnen de normale fluctuatiemarge of is het een trend?" vragen. Maar AI geeft een statistische voorspelling; De uiteindelijke interpretatie moet worden gecombineerd met uw branchekennis.
Nadat u de afwijking heeft gezien, is het noodzakelijk om de oorzaak te achterhalen. De ‘5 Whys’-techniek (een methode om de oorzaak te achterhalen door na een vraag vijf keer achter elkaar ‘waarom?’ te vragen) is hier waardevol, en AI maakt het gemakkelijk. Maar onthoud: de hoofdoorzaak die AI vindt is een hypothese; moet in het veld worden geverifieerd.
drie minikoffers
Geval 1 — Het corrigeren van de verkeerde KPI. Een callcenter had van ‘het aantal beantwoorde oproepen per dag’ zijn KPI gemaakt. Vertegenwoordigers haastten zich naar vergaderingen om het aantal te vergroten, en de klanttevredenheid nam af. De manager vraagt aan de AI “welk ongewenst gedrag stimuleert deze KPI?” vroeg hij. AI demonstreerde het conflict tussen snelheid en kwaliteit. KPI gewijzigd in “opgelost belpercentage + tevredenheidsscore”; De tevredenheid is in drie maanden tijd met 12 procent toegenomen.
Geval 2 — Ruis scheiden van signaal. Het conversiepercentage van een webwinkel daalde in één week tijd van 2,4 procent naar 2,2 procent. In plaats van in paniek te raken, gaf de manager de AI de anonieme gegevens van de afgelopen twaalf weken door. YZ liet zien dat de koers normaal gesproken in de band van 2,1-2,5 schommelt, deze daling ligt binnen de band. Een onnodige noodinterventie werd voorkomen. Toen drie weken later een echte achteruitgang inzette, werd deze dit keer snel opgevangen doordat deze uit de band ging.
Geval 3 – De oorzaak achterhalen. Bij een vrachtbedrijf nam het aantal vertragingen bij de levering toe. Manager implementeerde "5 Whys" met AI: waarom is het vertraagd? → Uploaden in magazijn overslaan. Waarom laat? → Ochtenddienst ontbreekt. Waarom ontbreekt het? → Twee medewerkers vertrokken en werden niet vervangen. De hoofdoorzaak was een HR-kloof, niet de logistiek. De interventie werd op de juiste plaats uitgevoerd. AI structureerde de vragen; veldgegevens bevestigden de antwoorden.
Vier kopieerbare sjablonen
1) KPI-selectie en destillatie:
Jouw rol: performance management consultant. Mijn functie: [functieomschrijving]. Mijn doel: [hoofddoel]. Stel mij de zes meest kritische KPI’s voor die ik moet volgen. Voor elk: formule, waarom is deze belangrijk, is deze een voorloper of een opvolger, welk ongewenst gedrag kan deze aanmoedigen. Vermijd indicatoren die gemakkelijk te manipuleren zijn.
2) Klembordinterpretatie:
Reageer op het bijgevoegde anonieme KPI-dashboard (periode, indicator, waarde, doel).1) Markeer de indicatoren die niet aan het doel voldoen.2) Toon voor elk de omvang van de afwijking (%).3) Geef prioriteit aan de drie meest urgente indicatoren. Gebruik gewoon de cijfers die ik heb gegeven; nieuwe indicator/nummer fitting.
3) Ruis of signaal:
Anonieme waarden van de volgende KPI voor de afgelopen 12 perioden zijn bijgevoegd. Valt deze laatste verandering binnen de normale fluctuatiemarge van de indicator of is het een nieuwe trend? Toon de normale band (ongeveer min-max) en geef aan waar de laatste waarde in de band ligt. Maak geen exacte voorspellingen; Benadruk dat dit een gok is.
4) Oorzaak (5 redenen):
Help me dit probleem te analyseren naar de hoofdoorzaak: [probleem] Pas de '5 Waarom'-techniek toe: herhaal 'waarom?' na elk antwoord. vragen. Vraag mij bij elke stap om aanvullende informatie, zodat we verder kunnen gaan met echte gegevens en niet met aannames.
Zwakke prompt/sterke prompt
Zwakke prompt:
Stel mij KPI's voor.
Noch zijn taak, noch zijn doel zijn duidelijk. AI zet cliché-indicatoren (omzet, winst) op een rij die voor iedereen geschikt zijn; Het kent de echte drijfveren van uw bedrijf niet.
Krachtige prompt:
Jouw rol: performance consultant. Mijn baan: Klantondersteuningsbeheer in een bedrijfssoftwarebedrijf met 15 mensen. Mijn doel is om het klantverloop te verminderen. Stel mij 6 KPI’s voor die verband houden met dit doel; minstens twee daarvan moeten leidende indicatoren zijn. Geef voor elk de formule en het risico op manipulatie aan.
Grootte
slechte aanpak
Sterke aanpak
zakelijke context
Geen
Net (ondersteuningsbeheer)
doel
onzeker
Vermindering van klantverloop
Leider/volger-balans
ongevraagd
uitdrukkelijk gevraagd
Manipulatie waarschuwing
Geen
Ja
beschikbaarheid
laag
hoog
Veel voorkomende fouten
- Te veel KPI’s bijhouden. 30 indicatoren leiden af; 5-7 sleutelindicatoren zijn sterker.
- Kiezen voor manipuleerbare KPI’s. Gemakkelijk opgeblazen indicatoren zoals het aantal oproepen veroorzaken pervers gedrag.
- Kijk maar eens naar de trailing indicators. Je meet het verleden, maar je kunt de toekomst niet zien; Voorlopende indicator toevoegen.
- Reageren op elke fluctuatie. Scheid de ruis van het signaal; Anders vermoeit u het team.
- De oorzaak wordt niet geverifieerd. De hoofdoorzaak die AI vindt is een hypothese; moet in het veld worden getest.
Let op: "Je krijgt wat je meet" (wet van Goodhart). Wanneer een KPI een doelwit wordt, vinden mensen manieren om deze te misleiden. Vraag dus voordat u een KPI kiest aan de AI “welk slecht gedrag zou deze indicator kunnen aanmoedigen?” Vraag het gerust.
Samengevat
KPI’s zijn het dashboard van het bedrijf; Als het goed wordt gekozen, wordt het probleem vroegtijdig zichtbaar; als het verkeerd wordt gekozen, leidt het tot ongewenst gedrag. Goede KPI’s zijn meetbaar, bedrijfsgericht, actiegericht en bestand tegen manipulatie. Gebruik leading en trailing indicators samen. Focus op 5-7 sleutelindicatoren. AI is een krachtig hulpmiddel bij het selecteren van KPI's, het interpreteren van dashboards, het onderscheiden van ruissignalen en het analyseren van de hoofdoorzaken; maar elke interpretatie van afwijkingen en hoofdoorzaken is een hypothese en moet in het veld worden geverifieerd. De beslissing is aan jou.
Applicatie taak
Maak een lijst van de KPI's die u momenteel bijhoudt. Neem de zes belangrijkste indicatoraanbevelingen van AI voor uw eigen bedrijf met het bovenstaande sjabloon ‘KPI-selectie en destillatie’ en vergelijk ze met uw bestaande lijst. Voor elke bestaande KPI “welk ongewenst gedrag zou deze indicator kunnen aanmoedigen?” Vraag het aan de AI en schrijf op hoe je minimaal één risicovolle indicator zou detecteren en oplossen.
controlelijst
- [ ] Heb ik mijn KPI's onderverdeeld in 5-7 sleutelindicatoren?
- [ ] Heb ik de voorlopende en achterliggende indicatoren in evenwicht gebracht?
- [ ] Heb ik het manipulatierisico van elke KPI in twijfel getrokken?
- [ ] Heb ik bij het interpreteren van de afwijking onderscheid gemaakt tussen ruis en signaal?
- [ ] Heb ik de oorzaak in het veld geverifieerd?