Confronta le prestazioni delle metriche nel tempo. Supporta le decisioni basate sui dati con l’analisi delle tendenze, delle variazioni, delle correlazioni e dei benchmark.
Nella pianificazione strategica, quantifichiamo gli obiettivi per renderli più specifici. Il valore assoluto di una metrica fornisce generalmente informazioni limitate. Per decisioni basate sui dati, raccogliere dati per la metrica e utilizzare strumenti come:
- Rilevamento di tendenze e anomalie
- Analisi delle variazioni
- Analisi comparativa dei periodi
- Analisi delle correlazioni
- Benchmark interni ed esterni
In questo articolo, discuteremo le migliori pratiche per l’uso di questi strumenti analitici e condivideremo alcuni esempi per gli utenti del software BSC Designer.
Tracciare i dati storici per consentire l’analisi delle tendenze e il rilevamento delle anomalie
Il punto di partenza per l’analisi delle metriche è raccogliere dati nel tempo. Per garantire una misurazione coerente:
- Definire l’intervallo di attualizzazione
- Definire il metodo di misurazione
- Assegnare una persona responsabile della revisione dell’indicatore
Se i dati sono già disponibili in un sistema IT, considerare la configurazione di aggiornamenti automatici.
Quando si raccolgono dati storici, assicurarsi che la persona responsabile possa annotare commenti e intuizioni pertinenti, come: “Le vendite sono state basse questo mese perché l’ufficio è stato colpito da un evento meteorologico estremo.”
La disponibilità di dati storici consente l’uso di altri strumenti analitici come:
- Analisi delle tendenze
- Rilevamento delle anomalie
- Benchmarking
È anche un prerequisito per qualsiasi analisi basata su IA.
In BSC Designer:
- Assegnare una persona responsabile tramite il campo Proprietario
- Impostare l’intervallo di aggiornamento per l’indicatore tramite il Editor dei valori
- Inserire i dati manualmente o automaticamente
Metric Analytics: Practical Examples. - Visualizzare i dati storici sul dashboard come una tabella di dati o un grafico temporale
- Abilitare una linea di tendenza per la visualizzazione sul grafico
Metric Analytics: Practical Examples. Analisi delle varianze (Reale vs. Previsto)
Nella pianificazione strategica, ci concentriamo tipicamente su obiettivi di miglioramento. Da una prospettiva di misurazione delle prestazioni, ci aspettiamo che lo stato attuale di una metrica cambi, idealmente riflettendo un miglioramento.
Per implementare questo, definiamo una base di riferimento e un obiettivo per la metrica, creando una scala di misurazione delle prestazioni. Il valore attuale viene quindi analizzato su questa scala, che è anche chiamata normalizzazione.
Una volta che tutte le metriche nella scorecard sono normalizzate, diventano confrontabili. Ad esempio, i numeri di vendita assoluti di un piccolo ufficio regionale e di un ufficio situato in un hub finanziario potrebbero non essere confrontabili, ma normalizzando i dati di vendita utilizzando gli obiettivi definiti per ciascun ufficio, li rendiamo confrontabili. Useremo la normalizzazione in seguito quando discuteremo l’analisi di benchmarking.
In BSC Designer:
- Inserisci il valore attuale, la base di riferimento e l’obiettivo nella scheda Dati
- Specifica la formula di ottimizzazione nella scheda Prestazioni
Metric Analytics: Practical Examples. Lo strumento calcolerà il progresso per l’indicatore.
In alcuni casi, sono necessarie due scale per la normalizzazione. In BSC Designer, passa alla scheda Dati e disattiva la “Modalità semplice” per attivare i campi aggiuntivi “Min” e “Max”. Questo fornisce due scale per la normalizzazione: min-max e base di riferimento-obiettivo. Lo strumento calcolerà sia la “prestazione” che il “progresso”.
Analisi Comparativa dei Periodi: Mese su Mese, Anno su Anno
Un altro approccio per analizzare i dati storici è l’analisi comparativa dei periodi, che aiuta a:
- Rilevare tendenze
- Monitorare i tassi di cambiamento
- Comprendere gli effetti stagionali
Invece di guardare i dati discreti, raggruppare i dati per periodi, come mesi, trimestri o anni, per monitorare i cambiamenti nel tempo.
Ad esempio, quando si analizza il traffico del sito web mese per mese, le tendenze potrebbero non essere visibili, ma raggruppando i dati per anni potrebbero emergere tendenze positive o negative.
Il metodo per il raggruppamento dei dati dipende dalla natura dei dati e dal contesto della misurazione:
- Metriche come il “tasso di soddisfazione del cliente” devono essere medie
- Metriche come le “vendite mensili” devono essere riassunte
Se sei interessato a rilevare anomalie, il metodo di raggruppamento potrebbe essere cambiato per:
- Il valore minimo, oppure
- Il valore massimo
In BSC Designer:
- Imposta il tipo di raggruppamento di un indicatore tramite il controllo “raggruppa per” nell’Editor dei Valori
- Visualizza la colonna “Dinamico” nelle tabelle KPI, nei rapporti o sulla mappa strategica
- Usa i controlli “raggruppa per” nella scheda KPI, nella scheda Dashboard e nella finestra di dialogo Rapporti per cambiare i periodi di raggruppamento dei dati visualizzati
Metriche Analitiche: Esempi Pratici. Analisi delle Correlazioni con l’IA
Una volta che si dispone di dati storici per vari indicatori, si può procedere all’analisi delle correlazioni. Questo può essere fatto manualmente esaminando i dati o utilizzando l’IA per identificare possibili correlazioni tra indicatori.
Per un’analisi manuale, visualizzare due o più metriche sullo stesso grafico. In BSC Designer, è possibile farlo selezionando diversi indicatori come fonte di dati.
Metric Analytics: Practical Examples. Per un’analisi supportata dall’IA, fornire all’IA le informazioni contestuali e i dati per le metriche, e chiedere di identificare possibili correlazioni.
Assicurarsi di applicare un pensiero critico ai risultati di questa analisi, poiché la correlazione non implica la causazione.
Per utilizzare l’analisi delle correlazioni in BSC Designer:
- Passare alla scheda IA
- Iniziare una nuova chat fornendo i dati sulle prestazioni all’IA
- Chiedere di trovare KPI che potrebbero essere correlati
Ecco un esempio di prompt per l’IA:
Sei un analista di dati IA incaricato di eseguire un’analisi completa delle correlazioni su una Balanced Scorecard contenente vari indicatori chiave di prestazione (KPI) attraverso diverse prospettive. L’obiettivo è comprendere le relazioni tra questi indicatori per informare le decisioni strategiche.
Istruzioni:
– Concentrarsi sul periodo di dati dell’ultimo anno
– Calcolare il coefficiente di correlazione di Pearson per ogni coppia di metriche.
– Se i dati non sono distribuiti normalmente, utilizzare il coefficiente di correlazione di Spearman.
– Determinare la significatività statistica di ogni coefficiente di correlazione.
– Usare un livello di significatività di 0,05 (intervallo di confidenza del 95%)
– Evidenziare le coppie di indicatori con coefficienti di correlazione superiori a 0,7 o inferiori a -0,7
– Fornire un’interpretazione dettagliata delle correlazioni significative identificate e possibili ragioni per queste relazioni basate sul contesto aziendale.
– Proporre ipotesi che potrebbero essere testate con ulteriori analisi o sperimentazioni.
Metric Analytics: Practical Examples. Benchmarking o analisi della performance relativa
Il benchmarking è utile quando la stessa metrica viene utilizzata in un ambito aziendale. Ci potrebbero essere:
- Metriche standard del settore o best-practice (ad esempio, “Margine di profitto lordo” o “Net Promoter Score”)
- Metriche utilizzate per valutare la concorrenza (ad esempio, “Quota di mercato” o “Traffico del sito web”)
- Metriche interne utilizzate nei vari dipartimenti (ad esempio, metriche nelle schede di valutazione o nelle scorecard dei fornitori)
Dal punto di vista della misurazione, il fattore chiave di successo nell’analisi della performance relativa è definire e mantenere standard di misurazione. Sebbene sia realistico per le metriche interne, per le metriche esterne dobbiamo accettare un margine di errore più elevato. Anche metriche classiche come “% di clienti che hanno raccomandato il nostro prodotto” possono variare significativamente tra le aziende a seconda del contesto della domanda.
In BSC Designer:
- Crea un set di modelli di KPI o criteri di valutazione
- Propaga (copia e incolla) i KPI per rappresentare vari dipartimenti interni o concorrenti
- Usa il grafico “Serie” sulla dashboard per visualizzare i dati in base ai criteri di valutazione e confrontare la performance totale di ciascun benchmark
Metric Analytics: Practical Examples. Abbiamo discusso esempi più specifici e best practice per misurare le serie di dati nelle nostre discussioni sulle schede di valutazione.
Formulare intuizioni azionabili
L’obiettivo principale dell’analisi dei dati sulle prestazioni è scoprire intuizioni che possono essere utilizzate per formulare ipotesi strategiche migliori.
Principi generali per formulare queste intuizioni:
- Riferirsi ai dati che hanno scatenato l’intuizione
- Verificare le fonti e analizzare il contesto, poiché qualsiasi dato può essere involontariamente distorto
- Condurre un’analisi delle cause profonde per comprendere meglio l’intuizione
- Allineare le intuizioni con la strategia esistente per supportare gli obiettivi, soddisfare le esigenze degli stakeholder, mitigare i rischi e altro ancora.
- Ricorda, un’intuizione è un’ipotesi che necessita di validazione prima di essere ampliata. Trattala di conseguenza identificando metriche leader e ritardatarie rilevanti e stabilendo esperimenti.
In BSC Designer:
- Nelle fasi iniziali, annotare le intuizioni come commenti per date specifiche di KPI selezionati
- Nelle fasi successive, spostare le intuizioni in scorecard funzionali o strategiche per svilupparle ulteriormente
Analitica delle Metriche: Esempi Pratici. Sintesi dell’Analisi delle Prestazioni nella Pianificazione Strategica
- Definire metriche di prestazione nel contesto della strategia formulata e delle esigenze degli stakeholder.
- Monitorare i dati sulle prestazioni per gli indicatori nel tempo.
- Utilizzare strumenti analitici discussi sopra per generare approfondimenti.
- Formulare nuove ipotesi e intuizioni praticabili.
- Validare le ipotesi nella pratica; aggiornare la strategia con nuovi input.
Alexis Savkin è un architetto dell’implementazione della strategia e fondatore di BSC Designer, una piattaforma software per l’esecuzione della strategia e la Scheda di valutazione bilanciata. Aiuta le organizzazioni ad automatizzare la gestione delle prestazioni e a trasformare la strategia in risultati misurabili. Alexis è il creatore dello “Strategy Execution Canvas”, l’autore di oltre 100 articoli su strategia e misurazione delle prestazioni, e un relatore abituale in occasione di eventi di settore.