Vergleichen Sie die Leistung von Kennzahlen im Laufe der Zeit. Unterstützen Sie datengetriebene Entscheidungen mit der Analyse von Trends, Abweichungen, Korrelationen und Benchmarks.
In der strategischen Planung quantifizieren wir Ziele, um sie spezifischer zu machen. Der absolute Wert einer Kennzahl liefert typischerweise begrenzte Informationen. Für datengetriebene Entscheidungen sammeln Sie Daten für die Kennzahl und verwenden Sie Werkzeuge wie:
- Trends und Anomalieerkennung
- Abweichungsanalyse
- Vergleichende Periodenanalyse
- Korrelationsanalyse
- Interne und externe Benchmarks
In diesem Artikel erörtern wir Best Practices für die Nutzung dieser analytischen Werkzeuge und teilen einige Beispiele für Benutzer der BSC Designer Software.
Verfolgen Sie historische Daten, um Trendanalyse und Anomalieerkennung zu ermöglichen
Der Ausgangspunkt für die Metrikanalyse ist die Erfassung von Daten über die Zeit. Um eine konsistente Messung sicherzustellen:
- Definieren Sie das Aktualisierungsintervall
- Definieren Sie die Messmethode
- Weisen Sie eine verantwortliche Person zur Überprüfung des Indikators zu
Wenn die Daten bereits in einem IT-System verfügbar sind, ziehen Sie in Betracht, automatische Updates einzurichten.
Beim Sammeln historischer Daten stellen Sie sicher, dass die verantwortliche Person relevante Kommentare und Erkenntnisse notieren kann, wie zum Beispiel: „Die Verkäufe waren in diesem Monat niedrig, weil das Büro von einem extremen Wetterereignis betroffen war.“
Die Verfügbarkeit historischer Daten ermöglicht die Nutzung anderer analytischer Werkzeuge wie:
- Trendanalyse
- Anomalieerkennung
- Benchmarking
Es ist auch eine Voraussetzung für jede KI-basierte Analyse.
In BSC Designer:
- Weisen Sie eine verantwortliche Person über das Eigentümer-Feld zu
- Legen Sie das Aktualisierungsintervall für den Indikator über den Werte-Editor fest
- Geben Sie Daten manuell oder automatisch ein
Metric Analytics: Practical Examples. - Visualisieren Sie historische Daten im Dashboard als Datentabelle oder Zeitdiagramm
- Aktivieren Sie eine Trendlinie zur Visualisierung im Diagramm
Metric Analytics: Practical Examples. Varianzanalyse (Ist vs. Erwartet)
Im strategischen Planungsprozess konzentrieren wir uns typischerweise auf Verbesserungsziele. Aus der Perspektive der Leistungsbewertung erwarten wir, dass sich der aktuelle Zustand einer Kennzahl ändert, idealerweise eine Verbesserung widerspiegelt.
Um dies umzusetzen, definieren wir eine Baseline und ein Ziel für die Kennzahl und erstellen eine Leistungsmessungsskala. Der aktuelle Wert wird dann auf dieser Skala analysiert, was auch als Normalisierung bezeichnet wird.
Sobald alle Kennzahlen auf der Scorecard normalisiert sind, werden sie vergleichbar. Zum Beispiel sind die absoluten Verkaufszahlen eines kleinen regionalen Büros und eines Büros in einem Finanzzentrum möglicherweise nicht vergleichbar, aber durch Normalisierung der Verkaufsdaten mit den für jedes Büro definierten Zielen machen wir sie vergleichbar. Wir werden die Normalisierung später bei der Besprechung der Benchmarking-Analyse verwenden.
In BSC Designer:
- Geben Sie den aktuellen Wert, die Baseline und das Ziel im Daten-Tab ein
- Geben Sie die Optimierungsformel im Performance-Tab an
Metric Analytics: Practical Examples. Das Tool berechnet den Fortschritt für den Indikator.
In einigen Fällen sind zwei Skalen für die Normalisierung erforderlich. In BSC Designer wechseln Sie zum Daten-Tab und deaktivieren Sie den „Einfachen Modus“, um die zusätzlichen Felder „Min“ und „Max“ zu aktivieren. Dies ergibt zwei Skalen für die Normalisierung: Min-Max und Baseline-Ziel. Das Tool berechnet sowohl die „Performance“ als auch den „Fortschritt“.
Vergleichende Periodenanalyse: Monat-zu-Monat, Jahr-zu-Jahr
Eine weitere Methode zur Analyse historischer Daten ist die vergleichende Periodenanalyse, die hilft, um:
- Trends zu erkennen
- Änderungsraten zu verfolgen
- Saisonale Effekte zu verstehen
Anstatt sich einzelne Datensätze anzusehen, gruppieren Sie Daten nach Perioden, wie Monaten, Quartalen oder Jahren, um Veränderungen im Laufe der Zeit zu verfolgen.
Zum Beispiel, wenn Sie den Website-Verkehr Monat für Monat analysieren, sind Trends möglicherweise nicht sichtbar, aber das Gruppieren von Daten nach Jahren kann positive oder negative Trends aufzeigen.
Die Methode zur Datengruppierung hängt von der Art der Daten und dem Kontext der Messung ab:
- Metriken wie „Kundenzufriedenheitsrate“ müssen gemittelt werden
- Metriken wie „monatlicher Umsatz“ müssen zusammengefasst werden
Wenn Sie daran interessiert sind, Anomalien zu erkennen, kann die Gruppierungsmethode auf den:
- Mindestwert, oder
- Höchstwert geändert werden
In BSC Designer:
- Richten Sie den Gruppierungstyp eines Indikators über die „Gruppe nach“-Steuerung im Werte-Editor ein
- Zeigen Sie die „Dynamische“ Spalte in KPI-Tabellen, Berichten oder auf der Strategiekarte an
- Verwenden Sie „Gruppe nach“-Steuerungen auf dem KPIs-Tab, dem Dashboard-Tab und im Berichte-Dialog, um die Gruppierungsperioden für visualisierte Daten zu ändern
Metrikanalytik: Praktische Beispiele. Korrelationsanalyse mit KI
Sobald Sie historische Daten für verschiedene Indikatoren haben, können Sie mit der Korrelationsanalyse fortfahren. Diese kann manuell durch Überprüfung der Daten oder mit KI durchgeführt werden, um mögliche Korrelationen zwischen Indikatoren zu identifizieren.
Für die manuelle Analyse visualisieren Sie zwei oder mehr Metriken auf demselben Diagramm. In BSC Designer können Sie dies tun, indem Sie mehrere Indikatoren als Datenquelle auswählen.
Metric Analytics: Practical Examples. Für KI-gestützte Analyse liefern Sie der KI die kontextuellen Informationen und Daten für die Metriken und bitten sie, mögliche Korrelationen zu identifizieren.
Stellen Sie sicher, dass Sie kritisch über die Ergebnisse dieser Analyse nachdenken, da Korrelation nicht Kausalität impliziert.
Um Korrelationsanalysen in BSC Designer zu verwenden:
- Wechseln Sie zum KI-Tab
- Starten Sie einen neuen Chat, indem Sie der KI Leistungsdaten zur Verfügung stellen
- Bitten Sie sie, KPIs zu finden, die möglicherweise korrelieren
Hier ist ein Beispiel für einen Prompt für KI:
Sie sind ein KI-Datenanalyst, der mit der Durchführung einer umfassenden Korrelationsanalyse auf einem Balanced Scorecard mit verschiedenen Key Performance Indicators (KPIs) über mehrere Perspektiven beauftragt ist. Ziel ist es, die Beziehungen zwischen diesen Indikatoren zu verstehen, um strategische Entscheidungen zu informieren.
Anweisungen:
– Konzentrieren Sie sich auf die Daten des letzten Jahres
– Berechnen Sie den Pearson-Korrelationskoeffizienten für jedes Paar von Metriken.
– Wenn die Daten nicht normal verteilt sind, verwenden Sie Spearmans Rangkorrelationskoeffizienten.
– Bestimmen Sie die statistische Signifikanz jedes Korrelationskoeffizienten.
– Verwenden Sie ein Signifikanzniveau von 0,05 (95% Konfidenzintervall)
– Heben Sie Paare von Indikatoren mit Korrelationskoeffizienten über 0,7 oder unter -0,7 hervor
– Geben Sie eine detaillierte Interpretation der identifizierten signifikanten Korrelationen und mögliche Gründe für diese Beziehungen basierend auf dem Geschäftskontext.
– Schlagen Sie Hypothesen vor, die mit weiteren Analysen oder Experimenten getestet werden könnten.
Metric Analytics: Practical Examples. Benchmarking oder Relative Leistungsanalyse
Benchmarking ist nützlich, wenn dieselbe Kennzahl über ein Geschäftsfeld hinweg verwendet wird. Es könnte geben:
- Branchenstandard oder Best-Practice-Kennzahlen (z. B. „Bruttogewinnmarge“ oder „Net Promoter Score“)
- Kennzahlen zur Bewertung des Wettbewerbs (z. B. „Marktanteil“ oder „Webseitenverkehr“)
- Interne Kennzahlen, die in verschiedenen Abteilungen verwendet werden (z. B. Kennzahlen in Evaluations- oder Lieferanten-Scorecards)
Aus der Perspektive der Messung ist der Schlüsselfaktor für den Erfolg der relativen Leistungsanalyse die Definition und Aufrechterhaltung von Messstandards. Während dies für interne Kennzahlen realistisch ist, müssen wir bei externen Kennzahlen eine höhere Fehlermarge akzeptieren. Selbst klassische Kennzahlen wie „% der Kunden, die unser Produkt empfohlen haben“ können je nach Kontext der Frage zwischen Unternehmen erheblich variieren.
In BSC Designer:
- Erstellen Sie ein Vorlagenset von KPIs oder Bewertungskriterien
- Verbreiten (kopieren und einfügen) Sie die KPIs, um verschiedene interne Abteilungen oder Wettbewerber darzustellen
- Verwenden Sie das „Serien“-Diagramm auf dem Dashboard, um Daten nach Bewertungskriterien zu visualisieren und die Gesamtleistung jedes Benchmarks zu vergleichen
Metric Analytics: Practical Examples. Wir haben spezifischere Beispiele und Best Practices zur Messung von Datenserien in unseren Diskussionen über Evaluations-Scorecards erörtert.
Umsetzbare Erkenntnisse formulieren
Das Hauptziel der Leistungsdatenanalyse ist es, Erkenntnisse zu gewinnen, die zur Formulierung besserer strategischer Hypothesen genutzt werden können.
Allgemeine Prinzipien zur Formulierung dieser Erkenntnisse:
- Beziehen Sie sich auf die Daten, die die Erkenntnis ausgelöst haben
- Überprüfen Sie Quellen und analysieren Sie den Kontext, da alle Daten unbeabsichtigt voreingenommen sein können
- Führen Sie eine Ursachenanalyse durch, um die Erkenntnis besser zu verstehen
- Richten Sie Erkenntnisse an der bestehenden Strategie aus, um Ziele zu unterstützen, die Bedürfnisse der Stakeholder zu adressieren, Risiken zu mindern und mehr.
- Denken Sie daran, eine Erkenntnis ist eine Hypothese, die vor der Skalierung validiert werden muss. Behandeln Sie sie entsprechend, indem Sie relevante Früh- und Spätindikatoren identifizieren und Experimente etablieren.
In BSC Designer:
- In den frühen Phasen notieren Sie Erkenntnisse als Kommentare für bestimmte Daten der ausgewählten KPIs
- In späteren Phasen verschieben Sie Erkenntnisse in funktionale oder strategische Scorecards, um sie weiterzuentwickeln
Metric Analytics: Practical Examples. Zusammenfassung der Leistungsanalyse in der strategischen Planung
- Definition von Leistungskennzahlen im Kontext der formulierten Strategie und der Bedürfnisse der Interessengruppen.
- Verfolgung von Leistungsdaten für Indikatoren über die Zeit.
- Verwendung von oben diskutierten Analysetools zur Generierung von Erkenntnissen.
- Formulierung neuer Hypothesen und umsetzbarer Erkenntnisse.
- Validierung von Hypothesen in der Praxis; Aktualisierung der Strategie mit neuen Eingaben.
Alexis ist ein Senior Strategy Consultant und CEO bei BSC Designer mit über 20 Jahren Erfahrung in der strategischen Planung. Alexis hat das „5-Schritte-Strategie-Implementierungssystem“ entwickelt, das Unternehmen bei der praktischen Umsetzung ihrer Strategien unterstützt. Er ist regelmäßiger Redner auf Industriekonferenzen und hat über 100 Artikel über Strategie und Leistungsmanagement veröffentlicht, darunter das Buch „10-Step KPI System“. Seine Arbeit wird häufig in der akademischen Forschung zitiert.