Compare el rendimiento de las métricas a lo largo del tiempo. Apoye las decisiones basadas en datos con el análisis de tendencias, variación, correlación y referencias.
En la planificación estratégica, cuantificamos los objetivos para hacerlos más específicos. El valor absoluto de una métrica generalmente proporciona información limitada. Para decisiones basadas en datos, recolecte datos para la métrica y use herramientas como:
- Detección de tendencias y anomalías
- Análisis de variación
- Análisis de períodos comparativos
- Análisis de correlación
- Referencias internas y externas
En este artículo, discutiremos las mejores prácticas para usar estas herramientas analíticas y compartiremos algunos ejemplos para los usuarios del software BSC Designer.
Rastrear Datos Históricos para Habilitar el Análisis de Tendencias y la Detección de Anomalías
El punto de partida para el análisis de métricas es recopilar datos a lo largo del tiempo. Para asegurar una medición consistente:
- Defina el intervalo de actualización
- Defina el método de medición
- Asigne a una persona responsable de revisar el indicador
Si los datos ya están disponibles en un sistema de TI, considere configurar actualizaciones automáticas.
Al recopilar datos históricos, asegúrese de que la persona responsable pueda anotar comentarios e ideas relevantes, tales como: “Las ventas fueron bajas este mes porque la oficina fue afectada por un evento climático extremo.”
La disponibilidad de datos históricos permite el uso de otras herramientas analíticas, tales como:
- Análisis de tendencias
- Detección de anomalías
- Comparación con puntos de referencia
También es un prerrequisito para cualquier análisis basado en IA.
En BSC Designer:
- Asigne a una persona responsable a través del campo Responsable
- Establezca el intervalo de actualización para el indicador a través del Editor de Valores
- Ingrese datos manualmente o automáticamente
Metric Analytics: Practical Examples. - Visualizar datos históricos en el panel de control como una tabla de datos o gráfico temporal
- Habilitar una línea de tendencia para la visualización en el gráfico
Metric Analytics: Practical Examples. Análisis de Variación (Real vs. Esperado)
En la planificación estratégica, típicamente nos enfocamos en metas de mejora. Desde una perspectiva de medición del rendimiento, esperamos que el estado actual de una métrica cambie, idealmente reflejando una mejora.
Para implementar esto, definimos una línea base y un objetivo para la métrica, creando una escala de medición del rendimiento. El valor actual se analiza en esta escala, que también se llama normalización.
Una vez que todas las métricas en el cuadro de mando están normalizadas, se vuelven comparables. Por ejemplo, los números absolutos de ventas de una pequeña oficina regional y una oficina ubicada en un centro financiero podrían no ser comparables, pero al normalizar los datos de ventas usando objetivos definidos para cada oficina, los hacemos comparables. Usaremos la normalización más adelante al discutir el análisis de benchmarking.
En BSC Designer:
- Ingrese el valor actual, la línea base y el objetivo en la pestaña Datos
- Especifique la fórmula de optimización en la pestaña Rendimiento
Analítica de Métricas: Ejemplos Prácticos. La herramienta calculará el progreso para el indicador.
En algunos casos, se necesitan dos escalas para la normalización. En BSC Designer, cambie a la pestaña Datos y desactive el «Modo simple» para activar los campos adicionales «Mín» y «Máx». Esto proporciona dos escalas para la normalización: min-máx y línea base-objetivo. La herramienta calculará tanto el “rendimiento” como el “progreso”.
Análisis Comparativo de Periodos: Mes a Mes, Año a Año
Otro enfoque para analizar datos históricos es el análisis comparativo de periodos, que ayuda a:
- Detectar tendencias
- Rastrear tasas de cambio
- Entender efectos estacionales
En lugar de observar registros de datos discretos, agrupe los datos por periodos, como meses, trimestres o años, para rastrear cambios a lo largo del tiempo.
Por ejemplo, al analizar el tráfico del sitio web mes a mes, las tendencias podrían no ser visibles, pero agrupar los datos por años puede revelar tendencias positivas o negativas.
El método para agrupar datos depende de la naturaleza de los datos y del contexto de la medición:
- Métricas como “tasa de satisfacción del cliente” necesitan ser promediadas
- Métricas como “ventas mensuales” necesitan ser resumidas
Si está interesado en detectar anomalías, el método de agrupamiento podría cambiarse a:
- Valor mínimo, o
- Valor máximo
En BSC Designer:
- Configure el tipo de agrupamiento de un indicador a través del control “agrupar por” en el Editor de Valores
- Muestre la columna “Dinámica” en las tablas de KPI, informes o en el mapa estratégico
- Utilice los controles de “agrupar por” en la pestaña de KPIs, la pestaña de Panel de Control y en el diálogo de Informes para cambiar los periodos de agrupamiento de los datos visualizados
Metric Analytics: Practical Examples. Análisis de Correlación con IA
Una vez que tenga datos históricos para varios indicadores, puede avanzar al análisis de correlación. Se puede realizar manualmente revisando los datos o utilizando IA para identificar posibles correlaciones entre los indicadores.
Para el análisis manual, visualice dos o más métricas en el mismo gráfico. En BSC Designer, puede hacer esto seleccionando varios indicadores como fuente de datos.
Metric Analytics: Practical Examples. Para el análisis impulsado por IA, proporcione a la IA la información contextual y los datos de las métricas, y pídale que identifique posibles correlaciones.
Asegúrese de aplicar un pensamiento crítico a los resultados de este análisis, ya que la correlación no implica causalidad.
Para utilizar el análisis de correlación en BSC Designer:
- Cambie a la pestaña de IA
- Inicie un nuevo chat proporcionando datos de rendimiento a la IA
- Pídale que encuentre KPIs que puedan correlacionarse
Aquí hay un ejemplo de solicitud para IA:
Usted es un analista de datos de IA encargado de realizar un análisis de correlación exhaustivo en un Cuadro de Mando Integral que contiene varios indicadores clave de rendimiento (KPIs) en múltiples perspectivas. El objetivo es comprender las relaciones entre estos indicadores para informar la toma de decisiones estratégicas.
Instrucciones:
– Concéntrese en el periodo de datos del año pasado
– Calcule el coeficiente de correlación de Pearson para cada par de métricas.
– Si los datos no están distribuidos normalmente, utilice el coeficiente de correlación de rango de Spearman.
– Determine la significancia estadística de cada coeficiente de correlación.
– Utilice un nivel de significancia de 0.05 (intervalo de confianza del 95%)
– Destaque los pares de indicadores con coeficientes de correlación por encima de 0.7 o por debajo de -0.7
– Proporcione una interpretación detallada de las correlaciones significativas identificadas y las posibles razones para estas relaciones basadas en el contexto empresarial.
– Proponga hipótesis que podrían ser probadas con un análisis o experimento adicional.
Metric Analytics: Practical Examples. Benchmarking o Análisis de Rendimiento Relativo
El benchmarking es útil cuando se utiliza la misma métrica en un dominio empresarial. Puede haber:
- Métricas estándar de la industria o métricas de mejores prácticas (por ejemplo, “Margen de ganancia bruta” o “Net Promoter Score”)
- Métricas utilizadas para evaluar la competencia (por ejemplo, “Cuota de mercado” o “Tráfico del sitio web”)
- Métricas internas utilizadas en diferentes departamentos (por ejemplo, métricas en evaluación o cuadros de mando de proveedores)
Desde el punto de vista de la medición, el factor clave de éxito en el análisis de rendimiento relativo es definir y mantener estándares de medición. Aunque es realista para las métricas internas, para las métricas externas debemos aceptar un mayor margen de error. Incluso métricas clásicas como “% de clientes que recomendaron nuestro producto” pueden variar significativamente entre empresas dependiendo del contexto de la pregunta.
En BSC Designer:
- Crear un conjunto de plantillas de KPIs o criterios de evaluación
- Propagar (copiar y pegar) los KPIs para representar varios departamentos internos o competidores
- Usar el gráfico “Series” en el panel de control para visualizar datos por criterios de evaluación y comparar el rendimiento total de cada benchmark
Metric Analytics: Practical Examples. Hemos discutido ejemplos más específicos y mejores prácticas para medir series de datos en nuestras discusiones sobre cuadros de mando de evaluación.
Formulación de Perspectivas Accionables
El objetivo principal del análisis de datos de rendimiento es descubrir perspectivas que puedan usarse para formular mejores hipótesis estratégicas.
Principios generales para formular estas perspectivas:
- Refiera a los datos que desencadenaron la perspectiva
- Verifique las fuentes y analice el contexto, ya que cualquier dato puede estar involuntariamente sesgado
- Realice un análisis de causa raíz para entender mejor la perspectiva
- Alinee las perspectivas con la estrategia existente para apoyar objetivos, abordar las necesidades de las partes interesadas, mitigar riesgos y más.
- Recuerde, una perspectiva es una hipótesis que necesita validación antes de escalar. Trátela en consecuencia identificando métricas de actuación y de resultado relevantes y estableciendo experimentos.
En BSC Designer:
- En las etapas iniciales, anote las perspectivas como comentarios para fechas específicas de KPI seleccionados
- En etapas posteriores, traslade las perspectivas a cuadros de mando funcionales o estratégicos para desarrollarlas más
Análisis de Métricas: Ejemplos Prácticos. Resumen del Análisis de Desempeño en la Planificación Estratégica
- Definir métricas de desempeño en el contexto de la estrategia formulada y las necesidades de las partes interesadas.
- Rastrear datos de desempeño para los indicadores a lo largo del tiempo.
- Usar herramientas analíticas discutidas anteriormente para generar ideas.
- Formular nuevas hipótesis e ideas accionables.
- Validar hipótesis en la práctica; actualizar la estrategia con nuevos insumos.
Alexis es un Consultor Senior de Estrategia y CEO en BSC Designer, con más de 20 años de experiencia en planificación estratégica. Alexis desarrolló el «Sistema de Implementación de Estrategias en 5 Pasos» que ayuda a las empresas con la implementación práctica de sus estrategias. Es un orador habitual en conferencias de la industria y ha publicado más de 100 artículos sobre estrategia y gestión del rendimiento, incluyendo el libro «Sistema KPI de 10 Pasos». Su trabajo es frecuentemente citado en investigaciones académicas.