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, recopile datos para la métrica y utilice herramientas como:
- Detección de tendencias y anomalías
- Análisis de variación
- Análisis comparativo de períodos
- Análisis de correlación
- Referencias internas y externas
En este artículo, discutiremos las mejores prácticas para usar estas herramientas analíticas y compartiremos algunos ejemplos para usuarios del software BSC Designer.
Realice el seguimiento de los datos históricos para permitir 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 un responsable para revisar el indicador
Si los datos ya están disponibles en un sistema informático, considere configurar actualizaciones automáticas.
Al recopilar datos históricos, asegúrese de que el responsable pueda anotar comentarios e ideas relevantes, tales como: “Las ventas fueron bajas este mes porque la oficina fue afectada por un evento meteorológico extremo.”
La disponibilidad de datos históricos permite el uso de otras herramientas analíticas como:
- Análisis de tendencias
- Detección de anomalías
- Comparación
También es un requisito previo para cualquier análisis basado en IA.
En BSC Designer:
- Asigne a un 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
- Visualice datos históricos en el panel de control como una tabla de datos o gráfico de tiempo
- Active una línea de tendencia para visualización en el gráfico
Análisis de variación (Real vs. Esperado)
En la planificación estratégica, normalmente 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 luego 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 de ventas absolutas de una pequeña oficina regional y de una oficina ubicada en un centro financiero podrían no ser comparables, pero al normalizar los datos de ventas utilizando 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
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 de “Mín” y “Máx”. Esto proporciona dos escalas para la normalización: mín-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
Análisis de correlación con IA
Una vez que tenga datos históricos para varios indicadores, puede proceder al análisis de correlación. Se puede hacer manualmente revisando los datos o utilizando IA para identificar posibles correlaciones entre 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.
Para el análisis potenciado 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 correlacionar
Aquí hay un ejemplo de solicitud para la IA:
Usted es un analista de datos de IA encargado de realizar un análisis de correlación integral en un Cuadro de Mando Integral que contiene varios indicadores clave de rendimiento (KPIs) a través de múltiples perspectivas. El objetivo es comprender las relaciones entre estos indicadores para informar la toma de decisiones estratégicas.
Instrucciones:
– Enfóquese en el período de datos del último año
– Calcule el coeficiente de correlación de Pearson para cada par de métricas.
– Si los datos no están distribuidos normalmente, use el coeficiente de correlación de rango de Spearman.
– Determine la significancia estadística de cada coeficiente de correlación.
– Use un nivel de significancia de 0.05 (intervalo de confianza del 95%)
– Destaque los pares de indicadores con coeficientes de correlación superiores a 0.7 o inferiores a -0.7
– Proporcione una interpretación detallada de las correlaciones significativas identificadas y las posibles razones de estas relaciones basadas en el contexto empresarial.
– Proponga hipótesis que podrían ser probadas con análisis o experimentación adicional.
Análisis de benchmarking o rendimiento relativo
El benchmarking es útil cuando se utiliza la misma métrica en un dominio empresarial. Podría haber:
- Métricas estándar de la industria o métricas de mejores prácticas (por ejemplo, «Margen de beneficio bruto» o «Net Promoter Score»)
- Métricas utilizadas para evaluar la competencia (por ejemplo, «Cuota de mercado» o «Tráfico del sitio web»)
- Métricas internas utilizadas en todos los 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 métricas internas, para métricas externas necesitamos aceptar un margen de error mayor. 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
- Utilizar el gráfico de “Series” en el panel de control para visualizar datos por criterios de evaluación y comparar el rendimiento total de cada benchmark
Hemos discutido ejemplos más específicos y mejores prácticas para medir series de datos en nuestras discusiones sobre cuadros de mando de evaluación.
Formulación de insights accionables
El objetivo principal del análisis de datos de rendimiento es descubrir insights que puedan usarse para formular mejores hipótesis estratégicas.
Principios generales para formular estos insights:
- Refiera a los datos que desencadenaron el insight
- Verifique las fuentes y analice el contexto, ya que cualquier dato puede estar involuntariamente sesgado
- Realice un análisis de causa raíz para entender mejor el insight
- Alinee los insights con la estrategia existente para apoyar los objetivos, atender las necesidades de las partes interesadas, mitigar riesgos, y más.
- Recuerde, un insight es una hipótesis que necesita validación antes de escalar. Trátelo en consecuencia identificando métricas relevantes de actuación y resultado y estableciendo experimentos.
En BSC Designer:
- En las etapas iniciales, anote los insights como comentarios para fechas específicas de KPIs seleccionados
- En etapas posteriores, traslade los insights a cuadros de mando funcionales o estratégicos para desarrollarlos más
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.