指標のパフォーマンスを時間の経過とともに比較します。傾向、偏差、相関、およびベンチマークの分析でデータ駆動型の意思決定をサポートします。
戦略的計画において、目標をより具体化するために定量化します。指標の絶対値は通常、限られた情報しか提供しません。データ駆動型の意思決定のために、指標のデータを収集し、次のようなツールを使用します：
この記事では、これらの分析ツールのベストプラクティスを議論し、BSC Designerソフトウェアのユーザーのためのいくつかの例を共有します。
歴史データを追跡してトレンド分析と異常検出を可能にする
メトリクス分析の出発点は、時間をかけてデータを収集することです。一貫した測定を確保するために：
- 実現間隔を定義する
- 測定方法を定義する
- インジケーターの見直しを担当する人を割り当てる
データがすでにITシステムで利用可能な場合は、自動更新の設定を検討してください。
歴史データを収集する際には、担当者が関連するコメントや洞察を記録できるようにしてください。たとえば、「今月の売上は極端な気象イベントの影響でオフィスが影響を受けたため、低かった」といった内容です。
歴史データの利用可能性は、以下のような他の分析ツールの使用を可能にします：
- トレンド分析
- 異常検出
- ベンチマーキング
これは、AIに基づく分析の前提条件でもあります。
BSC Designerでは：
- 担当者フィールドを使用して担当者を割り当てる
- 値エディターを通じてインジケーターの更新間隔を設定する
- データを手動で、または自動的に入力する
Metric Analytics: Practical Examples. - ダッシュボードで歴史データをデータテーブルまたは時系列チャートとして視覚化する
- チャートで視覚化するためのトレンドラインを有効にする
Metric Analytics: Practical Examples. 差異分析（実際値 vs. 期待値）
戦略的計画において、通常は改善目標に焦点を当てます。パフォーマンス測定の観点から、指標の現在の状態が変化し、理想的には改善を反映することを期待します。
これを実行するために、指標の基準値と目標値を定義し、パフォーマンス測定の尺度を作成します。その後、尺度上で現在の値を分析します。これは正規化とも呼ばれます。
スコアカード上のすべての指標が正規化されると、それらは比較可能になります。たとえば、小規模な地域オフィスと金融ハブに拠点を置くオフィスの絶対的な売上数は比較できないかもしれませんが、各オフィスの目標を使用して売上データを正規化することで、それらを比較可能にします。ベンチマーキング分析を議論するときに、後で正規化を使用します。
BSC Designerでは：
- データタブに現在の値、基準値、目標値を入力します
- パフォーマンスタブで最適化の数式を指定します
指標分析：実践例. このツールは指標の進捗を計算します。
場合によっては、正規化のために2つの尺度が必要です。BSC Designerでは、データタブに切り替え、「シンプルモード」を無効にして追加の「最小値」と「最大値」フィールドを有効にします。これにより、正規化のための2つの尺度、最小最大と基準目標が得られます。このツールは「パフォーマンス」と「進捗」の両方を計算します。
比較期間分析: 月次および年次
別の歴史データ分析アプローチは比較期間分析であり、以下を助けます:
- トレンドを検出する
- 変化率を追跡する
- 季節的影響を理解する
個々のデータ記録を見る代わりに、データを月、四半期、年といった期間でグループ化し、時間の経過による変化を追跡します。
例えば、月ごとのウェブサイトトラフィックを分析する際、トレンドが見えないかもしれませんが、データを年別にグループ化すると、ポジティブまたはネガティブなトレンドが明らかになるかもしれません。
データのグループ化方法は、データの性質や測定の文脈に依存します:
- 「顧客満足度」といった指標は平均化する必要があります
- 「月次売上」といった指標は集計する必要があります
異常を検出したい場合、グループ化方法は以下に変更されるかもしれません:
- 最小値、または
- 最大値
BSC Designerでは:
- 値エディタの「グループ化」コントロールを使って指標のグループ化タイプを設定する
- KPIテーブル、レポート、または戦略マップで「ダイナミック」列を表示する
- KPIタブ、ダッシュボードタブ、およびレポートダイアログで「グループ化」コントロールを使用して視覚化されたデータのグループ化期間を変更する
指標分析: 実践例. AIを用いた相関分析
様々な指標の過去データが揃ったら、相関分析に進むことができます。データを手動で確認するか、AIを使用して指標間の可能な相関を特定することができます。
手動分析の場合、同じチャートに2つ以上の指標を視覚化します。BSC Designerでは、複数の指標をデータソースとして選択することでこれを行うことができます。
Metric Analytics: Practical Examples. AIを活用した分析の場合、指標の文脈情報とデータをAIに提供し、可能な相関を特定するよう依頼します。
この分析の結果には批判的思考を適用する必要があります。相関は因果関係を意味するものではありません。
BSC Designerで相関分析を使用するには：
- AIタブに切り替えます
- パフォーマンスデータをAIに提供して新しいチャットを開始します
- 相関する可能性のあるKPIを見つけるよう依頼します
AIへのプロンプトの例は以下の通りです：
あなたは、様々な主要業績評価指標（KPI）が複数の視点にわたるバランスト・スコアカードについて、包括的な相関分析を行う任務を受けたAIデータアナリストです。これらの指標間の関係を理解し、戦略的な意思決定に役立てることが目的です。
指示：
– 昨年のデータスパンに焦点を当てます
– 各指標ペアのピアソン相関係数を計算します
– データが正規分布していない場合は、スピアマンの順位相関係数を使用します
– 各相関係数の統計的有意性を判断します
– 有意水準は0.05（95%信頼区間）を使用します
– 相関係数が0.7以上または-0.7以下の指標ペアを強調します
– 特定された重要な相関の詳細な解釈と、これらの関係の可能な理由をビジネスの文脈に基づいて提供します
– さらなる分析や実験で検証できる仮説を提案します。
Metric Analytics: Practical Examples. ベンチマーキングまたは相対的パフォーマンス分析
ベンチマーキングは、ビジネスドメイン全体で同じ指標が使用される場合に有用です。以下のようなものがあるかもしれません：
- 業界標準またはベストプラクティスの指標（例：「粗利益率」や「ネットプロモータースコア」）
- 競合を評価するために使用される指標（例：「市場シェア」や「ウェブサイトトラフィック」）
- 部門間で使用される内部指標（例：評価やベンダースコアカードの指標）
測定の観点から、相対的パフォーマンス分析における重要な成功要因は、測定基準の定義と維持です。内部指標に対しては現実的ですが、外部指標に対しては誤差の余地を大きくする必要があります。「当社の製品を推奨した顧客の割合」のような古典的な指標でさえ、質問の文脈に応じて企業間で大きく異なることがあります。
BSC Designerでは：
- KPIや評価基準のテンプレートセットを作成します
- KPIを展開（コピー＆ペースト）して、さまざまな内部部門や競合他社を表現します
- ダッシュボードの「シリーズ」チャートを使用して、評価基準ごとにデータを視覚化し、各ベンチマークの総合パフォーマンスを比較します
Metric Analytics: Practical Examples. 私たちは評価スコアカードに関する議論で、データシリーズを測定するためのより具体的な例とベストプラクティスについて議論しました。
実行可能なインサイトを策定する
パフォーマンスデータ分析の主な目的は、より良い戦略仮説を策定するために使用できるインサイトを発見することです。
これらのインサイトを策定するための一般的な原則:
- インサイトを引き起こしたデータを参照する
- 情報源を確認し、文脈を分析する。どのデータも意図せず偏る可能性があるため
- インサイトをよりよく理解するために根本原因分析を行う
- インサイトを既存の戦略に整合させることで、目標を支援し、利害関係者のニーズに対応し、リスクを軽減するなどする。
- インサイトは検証が必要な仮説であることを忘れずに。関連する先行および遅行指標を特定し、実験を確立することで適切に扱う。
BSC Designerでは:
- 初期段階では、選択したKPIの特定の日付に対するコメントとしてインサイトをメモする
- 後の段階では、インサイトを機能的または戦略的スコアカードに移してさらに発展させる
メトリック分析: 実践例. 戦略的計画におけるパフォーマンス分析の概要
- 策定された戦略とステークホルダーのニーズの文脈でパフォーマンス指標を定義する。
- 指標のパフォーマンスデータを時間の経過とともに追跡する。
- 上記で議論した分析ツールを使用して洞察を得る。
- 新しい仮説と実行可能な洞察を策定する。
- 仮説を実践で検証し、新しい入力で戦略を更新する。
Alexis Savkinは、戦略アーキテクトであり、バランスト・スコアカードを中核とする戦略実行ソフトウェア・プラットフォームであるBSC Designerの創設者です。彼は、組織が戦略を測定可能な戦略的目標、KPI、および施策へと落とし込むことを支援しています。Alexisは、Strategy Execution Canvasの考案者であり、戦略とパフォーマンス測定に関する100本以上の記事の著者であり、また定期的な講演者でもあります。