Compare o desempenho das métricas ao longo do tempo. Apoie decisões baseadas em dados com análise de tendências, variação, correlação e benchmarks.
No planejamento estratégico, quantificamos os objetivos para torná-los mais específicos. O valor absoluto de uma métrica geralmente fornece informações limitadas. Para decisões baseadas em dados, colete dados para a métrica e utilize ferramentas como:
- Detecção de tendências e anomalias
- Análise de variação
- Análise de períodos comparativos
- Análise de correlação
- Benchmarks internos e externos
Neste artigo, discutiremos as melhores práticas para usar essas ferramentas analíticas e compartilharemos alguns exemplos para usuários do software BSC Designer.
Acompanhar Dados Históricos para Permitir Análise de Tendências e Detecção de Anomalias
O ponto de partida para a análise de métricas é reunir dados ao longo do tempo. Para garantir uma medição consistente:
- Defina o intervalo de atualização
- Defina o método de medição
- Atribua uma pessoa responsável por revisar o indicador
Se os dados já estiverem disponíveis em um sistema de TI, considere configurar atualizações automáticas.
Ao reunir dados históricos, garanta que a pessoa responsável possa anotar comentários e insights relevantes, como: “As vendas foram baixas este mês porque o escritório foi afetado por um evento climático extremo.”
A disponibilidade de dados históricos permite o uso de outras ferramentas analíticas, como:
- Análise de tendências
- Detecção de anomalias
- Benchmarking
Também é um pré-requisito para qualquer análise baseada em IA.
No BSC Designer:
- Atribua uma pessoa responsável através do campo Proprietário
- Defina o intervalo de atualização para o indicador através do Editor de Valores
- Insira dados manualmente ou automaticamente
Métricas Analíticas: Exemplos Práticos. - Visualize dados históricos no painel como uma tabela de dados ou gráfico temporal
- Habilite uma linha de tendência para visualização no gráfico
Métricas Analíticas: Exemplos Práticos. Análise de Variação (Real vs. Esperado)
No planejamento estratégico, geralmente focamos em metas de melhoria. Do ponto de vista da medição de desempenho, esperamos que o estado atual de uma métrica mude, idealmente refletindo uma melhoria.
Para implementar isso, definimos uma linha de base e um alvo para a métrica, criando uma escala de medição de desempenho. O valor atual é então analisado nesta escala, que também é chamada de normalização.
Uma vez que todas as métricas no scorecard são normalizadas, elas se tornam comparáveis. Por exemplo, os números absolutos de vendas de um pequeno escritório regional e de um escritório situado em um centro financeiro podem não ser comparáveis, mas ao normalizar os dados de vendas usando alvos definidos para cada escritório, tornamo-los comparáveis. Usaremos a normalização mais tarde ao discutir a análise de benchmarking.
No BSC Designer:
- Insira o valor atual, linha de base e alvo na aba Dados
- Especifique a fórmula de otimização na aba Desempenho
Análise Métrica: Exemplos Práticos. A ferramenta calculará o progresso para o indicador.
Em alguns casos, são necessárias duas escalas para normalização. No BSC Designer, mude para a aba Dados e desative o “Modo Simples” para ativar os campos adicionais “Min” e “Max”. Isso oferece duas escalas para normalização: min-max e linha de base-alvo. A ferramenta calculará tanto o “desempenho” quanto o “progresso”.
Análise Comparativa de Períodos: Mês-a-Mês, Ano-a-Ano
Outra abordagem para analisar dados históricos é a análise comparativa de períodos, que ajuda a:
- Detectar tendências
- Acompanhar taxas de mudança
- Entender efeitos sazonais
Em vez de olhar para registros de dados discretos, agrupe os dados por períodos, como meses, trimestres ou anos, para acompanhar mudanças ao longo do tempo.
Por exemplo, ao analisar o tráfego do site mês a mês, as tendências podem não ser visíveis, mas agrupar dados por anos pode revelar tendências positivas ou negativas.
O método de agrupamento de dados depende da natureza dos dados e do contexto da medição:
- Métricas como “taxa de satisfação do cliente” precisam ser médias
- Métricas como “vendas mensais” precisam ser resumidas
Se você estiver interessado em detectar anomalias, o método de agrupamento pode ser alterado para:
- Valor Mínimo, ou
- Valor Máximo
No BSC Designer:
- Configure o tipo de agrupamento de um indicador através do controle “agrupar por” no Editor de Valores
- Exiba a coluna “Dinâmico” nas tabelas de KPI, relatórios ou no mapa estratégico
- Use os controles “agrupar por” na aba KPIs, na aba Dashboard e no diálogo de Relatórios para alterar períodos de agrupamento para dados visualizados
Análise de Métricas: Exemplos Práticos. Análise de Correlação com IA
Uma vez que você tenha dados históricos para vários indicadores, pode prosseguir para a análise de correlação. Isso pode ser feito manualmente, revisando os dados ou usando IA para identificar possíveis correlações entre os indicadores.
Para a análise manual, visualize duas ou mais métricas no mesmo gráfico. No BSC Designer, você pode fazer isso selecionando vários indicadores como fonte de dados.
Metric Analytics: Practical Examples. Para a análise com IA, forneça à IA as informações contextuais e os dados para as métricas, e peça para identificar possíveis correlações.
Certifique-se de aplicar pensamento crítico aos resultados dessa análise, pois correlação não implica causalidade.
Para usar a análise de correlação no BSC Designer:
- Alterne para a guia de IA
- Inicie um novo chat fornecendo dados de desempenho à IA
- Peça para encontrar KPIs que possam estar correlacionados
Aqui está um exemplo de prompt para IA:
Você é um analista de dados de IA encarregado de realizar uma análise de correlação abrangente em um Balanced Scorecard contendo vários indicadores chave de desempenho (KPIs) em várias perspectivas. O objetivo é entender as relações entre esses indicadores para informar a tomada de decisões estratégicas.
Instruções:
– Foque no período de dados do último ano
– Calcule o coeficiente de correlação de Pearson para cada par de métricas.
– Se os dados não estiverem distribuídos normalmente, use o coeficiente de correlação de Spearman.
– Determine a significância estatística de cada coeficiente de correlação.
– Use um nível de significância de 0,05 (intervalo de confiança de 95%)
– Destaque pares de indicadores com coeficientes de correlação acima de 0,7 ou abaixo de -0,7
– Forneça uma interpretação detalhada das correlações significativas identificadas e possíveis razões para essas relações com base no contexto empresarial.
– Proponha hipóteses que possam ser testadas com análise ou experimentação adicional.
Metric Analytics: Practical Examples. Benchmarking ou Análise de Desempenho Relativo
Benchmarking é útil quando a mesma métrica é usada em um domínio de negócios. Pode haver:
- Métricas padrão da indústria ou melhores práticas (por exemplo, “Margem de lucro bruto” ou “Net Promoter Score”)
- Métricas usadas para avaliar a concorrência (por exemplo, “Participação de mercado” ou “Tráfego do site”)
- Métricas internas usadas em diferentes departamentos (por exemplo, métricas em avaliação ou scorecards de fornecedores)
Do ponto de vista de medição, o fator chave de sucesso na análise de desempenho relativo é definir e manter padrões de medição. Enquanto é realista para métricas internas, para métricas externas precisamos aceitar uma margem de erro maior. Mesmo métricas clássicas como “% de clientes que recomendaram nosso produto” podem variar significativamente entre as empresas dependendo do contexto da questão.
No BSC Designer:
- Crie um conjunto de modelos de KPIs ou critérios de avaliação
- Propague (copie e cole) os KPIs para representar vários departamentos internos ou concorrentes
- Use o gráfico “Séries” no painel para visualizar dados por critérios de avaliação e comparar o desempenho total de cada benchmark
Metric Analytics: Practical Examples. Discutimos exemplos mais específicos e melhores práticas para medir séries de dados em nossas discussões sobre scorecards de avaliação.
Formulando Percepções Acionáveis
O objetivo principal da análise de dados de desempenho é descobrir percepções que possam ser usadas para formular melhores hipóteses estratégicas.
Princípios gerais para formular essas percepções:
- Refira-se aos dados que geraram a percepção
- Verifique as fontes e analise o contexto, pois qualquer dado pode ser involuntariamente tendencioso
- Conduza uma análise de causa raiz para entender melhor a percepção
- Alinhe as percepções com a estratégia existente para apoiar objetivos, atender às necessidades das partes interessadas, mitigar riscos e mais.
- Lembre-se, uma percepção é uma hipótese que precisa de validação antes de ser ampliada. Trate-a adequadamente identificando métricas relevantes de tendência e de resultado e estabelecendo experimentos.
No BSC Designer:
- Nas etapas iniciais, anote as percepções como comentários para datas específicas de KPIs selecionados
- Nas etapas posteriores, mova as percepções para scorecards funcionais ou de estratégia para desenvolvê-las ainda mais
Métricas Analíticas: Exemplos Práticos. Resumo da Análise de Desempenho no Planejamento Estratégico
- Definir métricas de desempenho no contexto da estratégia formulada e das necessidades das partes interessadas.
- Acompanhar os dados de desempenho para indicadores ao longo do tempo.
- Usar ferramentas analíticas discutidas acima para gerar insights.
- Formular novas hipóteses e insights acionáveis.
- Validar hipóteses na prática; atualizar a estratégia com novos insumos.
Alexis é um Consultor Sênior de Estratégia e CEO da BSC Designer, com mais de 20 anos de experiência em planejamento estratégico. Alexis desenvolveu o “Sistema de Implementação de Estratégia em 5 Passos” que ajuda empresas na implementação prática de suas estratégias. Ele é um palestrante regular em conferências do setor e publicou mais de 100 artigos sobre estratégia e gestão de desempenho, incluindo o livro “Sistema de KPI em 10 Passos”. Seu trabalho é frequentemente citado em pesquisas acadêmicas.
Inscreva-se no Alexis’s Unedited no Substack.