Lợi nhuận:
- Có khả năng hiểu rõ đặc điểm của KPI tốt và cân bằng chỉ số dẫn đầu và lựa chọn các chỉ số chính liên quan đến doanh nghiệp với sự hỗ trợ của trí tuệ nhân tạo
- Khả năng phân biệt xem độ lệch là biến động bình thường (nhiễu) hay xu hướng thực sự (tín hiệu) và tìm ra nguyên nhân gốc rễ
- Khả năng dự đoán hành vi bất lợi mà KPI có thể khuyến khích và xác minh từng giả thuyết nguyên nhân gốc rễ trong lĩnh vực này
Điều hành một doanh nghiệp mà không có đồng hồ đo cũng giống như lái một chiếc ô tô mà không có thông tin về tốc độ và nhiên liệu. KPI (Key Performance Indicator) là bảng chỉ số của doanh nghiệp. Doanh thu, tỷ suất lợi nhuận, sự hài lòng của khách hàng, tỷ lệ luân chuyển nhân viên, thời gian giao hàng... Nếu những điều này được lựa chọn và giám sát chính xác, người quản lý sẽ nhìn ra vấn đề trước khi nó bùng nổ. Nhưng sai KPI sẽ dẫn đến hành vi sai lầm. Trong phần này, chúng ta sẽ tìm hiểu cách sử dụng AI trong việc chọn KPI phù hợp, diễn giải bảng thông tin và sớm phát hiện những sai lệch. Ranh giới: AI tính toán chỉ báo và đưa ra bản dự thảo diễn giải; Người quản lý quyết định chỉ số nào là quan trọng và cách hành động.
Đặc điểm của KPI tốt
Không phải con số nào cũng có thể là KPI. Một KPI tốt có các đặc điểm sau. Measurable: được tính toán với một công thức rõ ràng. Liên quan đến kinh doanh: liên quan đến mục tiêu thực sự của doanh nghiệp. Định hướng hành động: khi nó rơi xuống thì rõ ràng phải làm gì. Khó thao túng: không dễ bị lừa. Ví dụ điển hình về KPI tồi: “số lượng email đã gửi” là một KPI tồi đối với đội ngũ bán hàng vì nó dễ bị thổi phồng và không đo lường được kết quả thực tế (doanh số bán hàng đã chốt).
Ngoài ra còn có sự khác biệt giữa các chỉ số dẫn đầu và tụt hậu. Chỉ báo theo dõi cho biết lịch sử (doanh thu của tháng này - việc gì đã làm là xong). Chỉ số hàng đầu dự đoán tương lai (số lượng ưu đãi trong tuần này - ảnh hưởng đến doanh thu của tháng tiếp theo). Một bảng thông tin tốt bao gồm cả hai: các chỉ báo theo sau cung cấp điểm số, các chỉ báo dẫn đầu cung cấp cảnh báo. Hãy yêu cầu sự cân bằng này một cách rõ ràng khi nhờ AI thiết kế bảng điều khiển.
Mẹo: Có giới hạn về số lượng KPI mà người quản lý có thể theo dõi cùng một lúc. 5-7 chỉ báo chính mạnh hơn 30 chỉ báo rải rác. Chắt lọc danh sách bằng cách yêu cầu AI “chọn 6 KPI quan trọng nhất và giải thích lý do tại sao lại là chúng”.
Giải thích độ lệch: nhiễu hay tín hiệu?
Mỗi KPI đều biến động. Mức giảm 3% trong một tuần có thể là biến động bình thường (tiếng ồn); Nó cũng có thể là một xu hướng (tín hiệu) dai dẳng. Người quản lý mới vào nghề phản ứng với mọi biến động và khiến cả nhóm mệt mỏi; Người quản lý có kinh nghiệm sẽ tách tín hiệu ra khỏi tiếng ồn. AI có thể giúp phân biệt điều này: đưa ra một vài giai đoạn dữ liệu và hỏi "sự thay đổi này có nằm trong dải dao động bình thường hay nó là một xu hướng?" hỏi. Nhưng AI đưa ra dự đoán thống kê; Giải thích cuối cùng nên kết hợp với kiến thức ngành của bạn.
Sau khi nhìn thấy sự sai lệch thì cần phải tìm ra nguyên nhân gốc rễ. Kỹ thuật “5 Whys” (một phương pháp đi đến nguyên nhân gốc rễ bằng cách hỏi ‘tại sao?’ năm lần liên tiếp sau một câu hỏi) rất có giá trị ở đây và AI giúp việc này trở nên dễ dàng. Nhưng hãy nhớ: nguyên nhân sâu xa mà AI tìm ra là một giả thuyết; phải được xác minh tại hiện trường.
ba trường hợp nhỏ
Trường hợp 1 - Sửa sai KPI. Một trung tâm cuộc gọi đã đưa ra "số lượng cuộc gọi được trả lời mỗi ngày" KPI của mình. Các đại diện đang gấp rút họp để tăng số lượng, trong khi sự hài lòng của khách hàng ngày càng giảm. Người quản lý hỏi AI “KPI này khuyến khích hành vi bất lợi nào?” anh ấy hỏi. AI đã chứng minh xung đột giữa tốc độ và chất lượng. KPI thay đổi thành “tỷ lệ cuộc gọi được giải quyết + điểm hài lòng”; Sự hài lòng tăng 12 phần trăm trong ba tháng.
Trường hợp 2 - Tách nhiễu khỏi tín hiệu. Tỷ lệ chuyển đổi cho một cửa hàng trực tuyến giảm từ 2,4% xuống 2,2% trong một tuần. Thay vì hoảng sợ, người quản lý đã đưa cho AI dữ liệu ẩn danh trong 12 tuần qua. YZ cho thấy tỷ giá thường dao động trong biên độ 2.1-2.5, mức giảm này nằm trong biên độ. Một sự can thiệp khẩn cấp không cần thiết đã được ngăn chặn. Khi sự suy giảm thực sự bắt đầu ba tuần sau đó, lần này nó nhanh chóng bị phát hiện vì nó đã vượt ra khỏi phạm vi.
Trường hợp 3 - Đi đến nguyên nhân gốc rễ. Tỷ lệ giao hàng chậm trễ tăng lên ở một công ty vận chuyển hàng hóa. Người quản lý triển khai “5 Whys” với AI: Tại sao lại bị trì hoãn? → Bỏ qua việc tải lên kho. Tại sao muộn? → Thiếu ca sáng. Tại sao nó lại bị thiếu? → Hai nhân viên đã nghỉ việc và không được thay thế. Nguyên nhân cốt lõi là do thiếu hụt nhân sự chứ không phải hậu cần. Sự can thiệp đã được thực hiện đúng chỗ. AI đã cấu trúc các câu hỏi; dữ liệu thực địa đã xác nhận câu trả lời.
Bốn mẫu có thể sao chép
1) Lựa chọn và chắt lọc KPI:
Vai trò của bạn: cố vấn quản lý hiệu suất. Công việc của tôi: [mô tả công việc]. Mục tiêu của tôi: [mục tiêu chính]. Hãy đề xuất cho tôi 6 KPI quan trọng nhất mà tôi nên theo dõi. Đối với mỗi: công thức, tại sao nó quan trọng, nó là tiền thân hay kế thừa, nó có thể khuyến khích hành vi bất lợi nào. Tránh các chỉ số dễ bị thao túng.
2) Giải thích bảng nhớ tạm:
Nhận xét trên bảng điều khiển KPI ẩn danh đính kèm (kỳ, chỉ báo, giá trị, mục tiêu).1) Đánh dấu các chỉ số chưa đạt mục tiêu.2) Hiển thị mức độ sai lệch (%) cho mỗi chỉ số.3) Ưu tiên 3 chỉ số cấp bách nhất. Chỉ cần sử dụng những con số tôi đã đưa ra; khớp chỉ báo/số mới.
3) Tiếng ồn hoặc tín hiệu:
Các giá trị ẩn danh của KPI sau trong 12 kỳ vừa qua được đính kèm. Đây có phải là thay đổi mới nhất trong phạm vi dao động bình thường của chỉ báo hay đây là một xu hướng mới? Hiển thị dải thông thường (khoảng tối thiểu-tối đa) và cho biết giá trị cuối cùng nằm ở đâu trong dải. Đừng đưa ra dự đoán chính xác; Nhấn mạnh rằng đây là một phỏng đoán.
4) Nguyên nhân cốt lõi (5 lý do):
Giúp tôi phân tích vấn đề này đến tận gốc rễ: [vấn đề] Áp dụng kỹ thuật "5 Whys": lặp lại "why?" sau mỗi câu trả lời. hỏi. Hãy hỏi tôi để biết thêm thông tin ở mỗi bước để chúng ta có thể tiến hành với dữ liệu thực chứ không phải giả định.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Đề xuất cho tôi KPI.
Cả công việc và mục tiêu của anh ấy đều không rõ ràng. AI liệt kê các chỉ số sáo rỗng (doanh thu, lợi nhuận) phù hợp với mọi người; Nó không biết động lực thực sự của doanh nghiệp bạn.
Lời nhắc mạnh mẽ:
Vai trò của bạn: cố vấn hiệu suất. Công việc của tôi: Quản lý hỗ trợ khách hàng tại một công ty phần mềm doanh nghiệp với 15 người. Mục tiêu của tôi là giảm lượng khách hàng rời bỏ. Đề xuất cho tôi 6 KPI liên quan đến mục tiêu này; ít nhất 2 trong số đó phải là chỉ số dẫn đầu. Nêu rõ công thức và rủi ro thao túng cho mỗi loại.
Kích thước
cách tiếp cận kém
Cách tiếp cận mạnh mẽ
bối cảnh kinh doanh
không có
Net (quản lý hỗ trợ)
mục tiêu
không chắc chắn
Giảm tỷ lệ rời bỏ
Sự cân bằng của người lãnh đạo/người theo dõi
không được yêu cầu
được yêu cầu rõ ràng
Cảnh báo thao tác
không có
Có
sẵn có
thấp
cao
Những lỗi thường gặp
- Theo dõi quá nhiều KPI. 30 chỉ số gây mất tập trung; 5-7 chỉ số chính mạnh hơn.
- Lựa chọn các KPI có thể thao túng được. Các chỉ báo dễ bị thổi phồng như “số cuộc gọi” sẽ tạo ra hành vi sai trái.
- Chỉ cần nhìn vào các chỉ số theo dõi. Bạn đo lường quá khứ nhưng bạn không thể nhìn thấy tương lai; Thêm chỉ báo hàng đầu.
- Phản ứng với mọi biến động. Tách tiếng ồn khỏi tín hiệu; Nếu không bạn sẽ làm cả đội mệt mỏi.
- Không xác minh nguyên nhân gốc rễ. Nguyên nhân sâu xa mà AI tìm ra là một giả thuyết; phải được thử nghiệm trên thực địa.
Thận trọng: "Bạn nhận được những gì bạn đo lường" (Định luật Goodhart). Khi KPI trở thành mục tiêu, người ta tìm mọi cách để đánh lừa nó. Vì vậy, trước khi chọn KPI, hãy hỏi AI “chỉ báo này có thể khuyến khích hành vi xấu nào?” Hãy chắc chắn để hỏi.
Tóm lại
KPI là bảng điều khiển của doanh nghiệp; Nếu được chọn tốt, nó sẽ sớm bộc lộ vấn đề, nếu chọn sai, nó sẽ tạo ra hành vi bất lợi. KPI tốt có thể đo lường được, liên quan đến kinh doanh, định hướng hành động và có khả năng chống lại sự thao túng. Sử dụng các chỉ số dẫn đầu và theo dõi cùng nhau. Tập trung vào 5-7 chỉ số chính. AI là công cụ hỗ trợ mạnh mẽ trong việc lựa chọn KPI, giải thích bảng thông tin, phân biệt tín hiệu nhiễu và phân tích nguyên nhân gốc rễ; nhưng mọi cách giải thích về sai lệch và nguyên nhân gốc rễ đều là giả thuyết và phải được xác minh trên thực địa. Quyết định là của bạn.
Nhiệm vụ ứng dụng
Liệt kê các KPI bạn hiện đang theo dõi. Hãy lấy 6 đề xuất chỉ báo chính từ AI cho doanh nghiệp của bạn với mẫu “lựa chọn và chắt lọc KPI” ở trên và so sánh chúng với danh sách hiện có của bạn. Sau đó, đối với mỗi KPI hiện có “chỉ báo này có thể khuyến khích hành vi bất lợi nào?” Hỏi AI và viết ra cách bạn phát hiện ít nhất một chỉ báo rủi ro và khắc phục nó.
danh sách kiểm tra
- [ ] Tôi đã chắt lọc KPI của mình thành 5-7 chỉ số chính chưa?
- [ ] Tôi đã cân bằng các chỉ báo dẫn đầu và chỉ báo cuối chưa?
- [ ] Tôi đã đặt câu hỏi về rủi ro thao túng của từng KPI chưa?
- [ ] Tôi có phân biệt được giữa nhiễu và tín hiệu khi diễn giải độ lệch không?
- [ ] Tôi đã xác minh nguyên nhân gốc rễ tại hiện trường chưa?