คู่มือการวิเคราะห์ KPI: แนวโน้ม ความแปรปรวน ความสัมพันธ์ และเกณฑ์มาตรฐานสำหรับการตัดสินใจโดยขับเคลื่อนด้วยข้อมูล

เปรียบเทียบผลการดำเนินงานของตัวชี้วัดตามกาลเวลา สนับสนุนการตัดสินใจโดยใช้ข้อมูลด้วยการวิเคราะห์แนวโน้ม ความแปรปรวน ความสัมพันธ์ และเกณฑ์มาตรฐาน

ในการวางแผนยุทธศาสตร์ เราใช้ปริมาณวัตถุประสงค์เพื่อทำให้มีความชัดเจนมากขึ้น ค่าที่แน่นอนของตัวชี้วัดมักให้ข้อมูลที่จำกัด เพื่อการตัดสินใจโดยใช้ข้อมูล ควรรวบรวมข้อมูลสำหรับตัวชี้วัดและใช้เครื่องมือต่างๆ เช่น:

• การตรวจจับแนวโน้มและความผิดปกติ
• การวิเคราะห์ความแปรปรวน
• การวิเคราะห์ช่วงเวลาที่เปรียบเทียบได้
• การวิเคราะห์ความสัมพันธ์
• เกณฑ์มาตรฐานภายในและภายนอก

ในบทความนี้ เราจะพูดถึงแนวทางปฏิบัติที่ดีที่สุดในการใช้เครื่องมือวิเคราะห์เหล่านี้และแบ่งปันตัวอย่างสำหรับผู้ใช้ซอฟต์แวร์ BSC Designer

ติดตามข้อมูลย้อนหลังเพื่อเปิดใช้งานการวิเคราะห์แนวโน้มและการตรวจจับความผิดปกติ

จุดเริ่มต้นของการวิเคราะห์ตัวชี้วัดคือการรวบรวมข้อมูลตามช่วงเวลา เพื่อให้มั่นใจว่าการวัดมีความสม่ำเสมอ:

• กำหนดช่วงเวลาในการอัปเดตค่า
• กำหนดวิธีการวัด
• มอบหมายผู้รับผิดชอบในการทบทวนตัวชี้วัด

หากข้อมูลมีอยู่แล้วในระบบไอที ให้พิจารณาตั้งค่าการอัปเดตอัตโนมัติ

เมื่อรวบรวมข้อมูลย้อนหลัง ให้มั่นใจว่าผู้รับผิดชอบสามารถบันทึกความคิดเห็นและข้อสังเกตที่เกี่ยวข้องได้ เช่น: “ยอดขายต่ำในเดือนนี้เนื่องจากสำนักงานได้รับผลกระทบจากเหตุการณ์สภาพอากาศรุนแรง”

การมีข้อมูลย้อนหลังทำให้สามารถใช้เครื่องมือวิเคราะห์อื่น ๆ ได้ เช่น:

• การวิเคราะห์แนวโน้ม
• การตรวจจับความผิดปกติ
• การเปรียบเทียบมาตรฐาน

นอกจากนี้ยังเป็นข้อกำหนดเบื้องต้นสำหรับการวิเคราะห์ใด ๆ ที่อิงกับเอไอ

ใน BSC Designer:

• มอบหมายผู้รับผิดชอบผ่านฟิลด์ ผู้รับผิดชอบ
• ตั้งค่าช่วงเวลาในการอัปเดตของตัวชี้วัดผ่าน ตัวแก้ไขค่า
• ป้อนข้อมูลด้วยตนเองหรืออัตโนมัติ

ติดตามข้อมูลย้อนหลังสำหรับตัวชี้วัดใน BSC Designer. ที่มา: การวิเคราะห์ตัวชี้วัด: ตัวอย่างเชิงปฏิบัติ.

• แสดงภาพข้อมูลย้อนหลังบนแดชบอร์ดเป็นตารางข้อมูลหรือแผนภูมิตามเวลา
• เปิดใช้งานเส้นแนวโน้มเพื่อการแสดงภาพบนแผนภูมิ

แสดงภาพค่าตามช่วงเวลาด้วยเส้นแนวโน้ม ค่าอ้างอิง ค่าปัจจุบัน และค่าเป้าหมาย ที่มา: การวิเคราะห์ตัวชี้วัด: ตัวอย่างเชิงปฏิบัติ.

การวิเคราะห์ความแปรปรวน (ผลจริงเทียบกับค่าที่คาดหวัง)

ในการวางแผนเชิงกลยุทธ์ โดยทั่วไปเราจะมุ่งเน้นไปที่เป้าหมายการปรับปรุง จากมุมมองของการวัดผลการดำเนินงาน เราคาดหวังให้สถานะปัจจุบันของตัวชี้วัดเปลี่ยนแปลงไป โดยอุดมคติควรสะท้อนถึงการปรับปรุง

เพื่อให้ดำเนินการได้ เรากำหนดค่าพื้นฐานและค่าเป้าหมายสำหรับตัวชี้วัด เพื่อสร้างมาตราส่วนสำหรับการวัดผลการดำเนินงาน จากนั้นจึงวิเคราะห์ค่าปัจจุบันบนมาตราส่วนนี้ ซึ่งเรียกอีกอย่างว่า การทำให้เป็นมาตรฐาน

เมื่อทำให้ตัวชี้วัดทั้งหมดบนสกอร์การ์ดเป็นมาตรฐานแล้ว ตัวชี้วัดเหล่านั้นจะสามารถเปรียบเทียบกันได้ ตัวอย่างเช่น ตัวเลขการขายแบบค่าสัมบูรณ์ของสำนักงานภูมิภาคขนาดเล็กกับสำนักงานที่ตั้งอยู่ในศูนย์กลางทางการเงินอาจไม่สามารถเปรียบเทียบกันได้ แต่ด้วยการทำให้ข้อมูลการขายเป็นมาตรฐานโดยใช้ค่าเป้าหมายที่กำหนดสำหรับแต่ละสำนักงาน เราจะทำให้สามารถเปรียบเทียบกันได้ เราจะใช้การทำให้เป็นมาตรฐานในภายหลังเมื่อกล่าวถึงการวิเคราะห์การเทียบเคียง

ใน BSC Designer:

• ป้อนค่าปัจจุบัน ค่าพื้นฐาน และค่าเป้าหมายในแท็บข้อมูล
• ระบุสูตรการเพิ่มประสิทธิภาพในแท็บผลการดำเนินงาน

กำหนดค่าผลจริงเทียบกับค่าเป้าหมายเพื่อคำนวณความคืบหน้าของตัวชี้วัด. ที่มา: Metric Analytics: ตัวอย่างเชิงปฏิบัติ.

เครื่องมือจะคำนวณความคืบหน้าสำหรับตัวชี้วัด

ในบางกรณี จำเป็นต้องใช้มาตราส่วน 2 แบบสำหรับการทำให้เป็นมาตรฐาน ใน BSC Designer ให้สลับไปที่แท็บข้อมูลและปิดใช้งาน “โหมดอย่างง่าย” เพื่อเปิดใช้งานฟิลด์เพิ่มเติม “Min” และ “Max” ซึ่งจะได้มาตราส่วน 2 แบบสำหรับการทำให้เป็นมาตรฐาน: min-max และ ค่าพื้นฐาน-ค่าเป้าหมาย เครื่องมือจะคำนวณทั้ง “ผลการดำเนินงาน” และ “ความคืบหน้า”

การวิเคราะห์ช่วงเวลาเปรียบเทียบ: เดือนต่อเดือน, ปีต่อปี

อีกแนวทางหนึ่งในการวิเคราะห์ข้อมูลในอดีตคือการวิเคราะห์ช่วงเวลาเปรียบเทียบ ซึ่งช่วยให้:

• ตรวจจับแนวโน้ม
• ติดตามอัตราการเปลี่ยนแปลง
• ทำความเข้าใจผลกระทบตามฤดูกาล

แทนที่จะพิจารณาบันทึกข้อมูลแบบแยกส่วน ให้จัดกลุ่มข้อมูลตามช่วงเวลา เช่น เดือน ไตรมาส หรือปี เพื่อใช้ติดตามการเปลี่ยนแปลงตามกาลเวลา

ตัวอย่างเช่น เมื่อวิเคราะห์ปริมาณการเข้าชมเว็บไซต์แบบเดือนต่อเดือน อาจมองไม่เห็นแนวโน้ม แต่การจัดกลุ่มข้อมูลตามปีอาจเผยให้เห็นแนวโน้มเชิงบวกหรือเชิงลบ

วิธีการจัดกลุ่มข้อมูลขึ้นอยู่กับลักษณะของข้อมูลและบริบทของการวัด:

• ตัวชี้วัด เช่น “อัตราความพึงพอใจของลูกค้า” จำเป็นต้องนำมา หาค่าเฉลี่ย
• ตัวชี้วัด เช่น “ยอดขายรายเดือน” จำเป็นต้องนำมา สรุปรวม

หากคุณสนใจในการตรวจจับความผิดปกติ วิธีการจัดกลุ่มอาจเปลี่ยนเป็น:

• ค่า ต่ำสุด หรือ
• ค่า สูงสุด

ใน BSC Designer:

• ตั้งค่าประเภทการจัดกลุ่มของตัวชี้วัดผ่านตัวควบคุม “group by” ในตัวแก้ไขค่า
• แสดงคอลัมน์ “ยืดหยุ่น” ในตาราง KPI รายงาน หรือบนแผนที่ยุทธศาสตร์
• ใช้ตัวควบคุม “group by” บนแท็บ KPIs แท็บ แดชบอร์ด และในกล่องโต้ตอบ รายงาน เพื่อเปลี่ยนช่วงเวลาการจัดกลุ่มสำหรับข้อมูลที่แสดงผล

การวิเคราะห์ช่วงเวลาเปรียบเทียบ (ไตรมาสต่อไตรมาส) ใน BSC Designer. ที่มา: การวิเคราะห์เมตริก: ตัวอย่างเชิงปฏิบัติ.

การวิเคราะห์สหสัมพันธ์ด้วยเอไอ

เมื่อคุณมีข้อมูลย้อนหลังสำหรับตัวชี้วัดต่าง ๆ แล้ว คุณสามารถดำเนินการต่อไปยังการวิเคราะห์สหสัมพันธ์ได้ โดยสามารถทำได้ด้วยตนเองผ่านการทบทวนข้อมูล หรือใช้เอไอเพื่อระบุสหสัมพันธ์ที่เป็นไปได้ระหว่างตัวชี้วัด

สำหรับการวิเคราะห์ด้วยตนเอง ให้แสดงภาพเมตริกตั้งแต่ 2 รายการขึ้นไปบนแผนภูมิเดียวกัน ใน BSC Designer คุณสามารถทำได้โดยการเลือกตัวชี้วัดหลายรายการเป็นแหล่งข้อมูล

Two metrics visualized on the dashboard to show correlation. ที่มา: การวิเคราะห์เมตริก: ตัวอย่างเชิงปฏิบัติ.

สำหรับการวิเคราะห์ที่ขับเคลื่อนด้วยเอไอ ให้จัดเตรียมข้อมูลเชิงบริบทและข้อมูลสำหรับเมตริกให้เอไอ และขอให้เอไอระบุสหสัมพันธ์ที่เป็นไปได้

โปรดใช้การคิดเชิงวิพากษ์กับผลลัพธ์ของการวิเคราะห์นี้ เนื่องจากสหสัมพันธ์ไม่ได้หมายถึงเหตุและผล

หากต้องการใช้การวิเคราะห์สหสัมพันธ์ใน BSC Designer:

• สลับไปที่แท็บ เอไอ
• เริ่มแชทใหม่โดยจัดเตรียมข้อมูลผลการดำเนินงานให้เอไอ
• ขอให้ค้นหา KPIs ที่อาจมีสหสัมพันธ์กัน

ต่อไปนี้เป็นตัวอย่างพรอมต์สำหรับเอไอ:

คุณเป็นนักวิเคราะห์ข้อมูลเอไอที่ได้รับมอบหมายให้ดำเนินการวิเคราะห์สหสัมพันธ์อย่างครอบคลุมบน บาลานซ์ สกอร์การ์ด ซึ่งประกอบด้วยตัวชี้วัดผลการดำเนินงานหลัก (KPIs) หลากหลายรายการ ครอบคลุมหลายมุมมอง เป้าหมายคือทำความเข้าใจความสัมพันธ์ระหว่างตัวชี้วัดเหล่านี้เพื่อสนับสนุนการตัดสินใจเชิงกลยุทธ์

คำแนะนำ:

– มุ่งเน้นช่วงข้อมูลของปีที่ผ่านมา

– คำนวณค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สันสำหรับเมตริกแต่ละคู่

– หากข้อมูลไม่เป็นการแจกแจงแบบปกติ ให้ใช้ค่าสัมประสิทธิ์สหสัมพันธ์แบบอันดับของสเปียร์แมน

– พิจารณานัยสำคัญทางสถิติของค่าสัมประสิทธิ์สหสัมพันธ์แต่ละค่า

– ใช้ระดับนัยสำคัญ 0.05 (ช่วงความเชื่อมั่น 95%)

– เน้นคู่ของตัวชี้วัดที่มีค่าสัมประสิทธิ์สหสัมพันธ์มากกว่า 0.7 หรือน้อยกว่า -0.7

– ให้คำอธิบายเชิงตีความอย่างละเอียดเกี่ยวกับสหสัมพันธ์ที่มีนัยสำคัญที่ระบุได้ และเหตุผลที่เป็นไปได้ของความสัมพันธ์เหล่านี้ตามบริบททางธุรกิจ

– เสนอสมมติฐานที่สามารถทดสอบได้ด้วยการวิเคราะห์เพิ่มเติมหรือการทดลอง

An example of correlation analysis of metrics with AI in BSC Designer. ที่มา: การวิเคราะห์เมตริก: ตัวอย่างเชิงปฏิบัติ.

การทำ Benchmarking หรือการวิเคราะห์ผลการดำเนินงานเชิงสัมพัทธ์

การทำ Benchmarking มีประโยชน์เมื่อใช้ตัวชี้วัดเดียวกันในโดเมนธุรกิจเดียวกัน โดยอาจมี:

• ตัวชี้วัดมาตรฐานอุตสาหกรรม หรือ ตัวชี้วัดแนวปฏิบัติที่ดีที่สุด (เช่น “อัตรากำไรขั้นต้น” หรือ “Net Promoter Score”)
• ตัวชี้วัดที่ใช้เพื่อ ประเมินการแข่งขัน (เช่น “ส่วนแบ่งการตลาด” หรือ “ทราฟฟิกเว็บไซต์”)
• ตัวชี้วัดภายใน ที่ใช้ข้ามแผนก (เช่น ตัวชี้วัดใน สกอร์การ์ดการประเมิน หรือ สกอร์การ์ดผู้ขาย)

จากมุมมองด้านการวัด ปัจจัยความสำเร็จที่สำคัญในการวิเคราะห์ผลการดำเนินงานเชิงสัมพัทธ์คือการกำหนดและคงไว้ซึ่งมาตรฐานการวัด แม้จะเป็นเรื่องที่เป็นไปได้สำหรับตัวชี้วัดภายใน แต่สำหรับตัวชี้วัดภายนอก เราจำเป็นต้องยอมรับค่าความคลาดเคลื่อนที่สูงกว่า แม้แต่ตัวชี้วัดแบบดั้งเดิมอย่าง “% ของลูกค้าที่แนะนำผลิตภัณฑ์ของเรา” ก็อาจแตกต่างกันอย่างมีนัยสำคัญระหว่างบริษัท ขึ้นอยู่กับบริบทของคำถาม

ใน BSC Designer:

• สร้างชุดแม่แบบของ KPIs หรือเกณฑ์การประเมิน
• ถ่ายทอดเป้าหมายสู่ระดับปฏิบัติ (คัดลอกและวาง) KPIs เพื่อแทนแผนกภายในต่าง ๆ หรือคู่แข่ง
• ใช้แผนภูมิ “ชุดข้อมูล” บนแดชบอร์ดเพื่อแสดงข้อมูลตามเกณฑ์การประเมิน และเปรียบเทียบผลการดำเนินงานรวมของแต่ละ Benchmark

ตัวอย่างของการทำ Benchmarking สำหรับตัวชี้วัดใน BSC Designer. ที่มา: การวิเคราะห์ตัวชี้วัด: ตัวอย่างเชิงปฏิบัติ.

เราได้อภิปรายตัวอย่างที่เฉพาะเจาะจงมากขึ้นและแนวปฏิบัติที่ดีที่สุดสำหรับการวัดชุดข้อมูลไว้แล้ว ในการอภิปรายของเราเกี่ยวกับ สกอร์การ์ดการประเมิน

กำหนดข้อมูลเชิงลึกที่นำไปใช้ได้จริง

เป้าหมายหลักของการวิเคราะห์ข้อมูลผลการดำเนินงานคือการค้นพบข้อมูลเชิงลึกที่สามารถนำไปใช้เพื่อกำหนดสมมติฐานเชิงกลยุทธ์ที่ดียิ่งขึ้น

หลักการทั่วไปในการกำหนดข้อมูลเชิงลึกเหล่านี้:

• อ้างอิงข้อมูลที่เป็นตัวกระตุ้นให้เกิดข้อมูลเชิงลึก
• ยืนยันแหล่งที่มาและวิเคราะห์บริบท เนื่องจากข้อมูลใด ๆ อาจ มีอคติโดยไม่ตั้งใจ
• ดำเนินการวิเคราะห์สาเหตุรากเพื่อทำความเข้าใจข้อมูลเชิงลึกให้ดียิ่งขึ้น
• จัดให้ข้อมูลเชิงลึกสอดคล้องกับยุทธศาสตร์ที่มีอยู่ เพื่อสนับสนุนวัตถุประสงค์ ตอบสนองความต้องการของผู้มีส่วนได้ส่วนเสีย ลดความเสี่ยง และอื่น ๆ
• โปรดจำไว้ว่า ข้อมูลเชิงลึกคือสมมติฐานที่ต้องได้รับการยืนยันก่อนขยายผล จัดการให้เหมาะสมโดยระบุตัวชี้วัดเชิงนำและตัวชี้วัดเชิงผลลัพธ์ที่เกี่ยวข้อง และกำหนดการทดลอง

ใน BSC Designer:

• ในระยะแรก ให้บันทึกข้อมูลเชิงลึกเป็นความคิดเห็นสำหรับวันที่เฉพาะเจาะจงของ KPIs ที่เลือก
• ในระยะต่อมา ให้ย้ายข้อมูลเชิงลึกไปยังสกอร์การ์ดเชิงหน้าที่หรือสกอร์การ์ดยุทธศาสตร์เพื่อพัฒนาต่อไป

เพิ่มข้อมูลเชิงลึกเป็นความคิดเห็นสำหรับ KPIs. ที่มา: การวิเคราะห์เมตริก: ตัวอย่างเชิงปฏิบัติ.

สรุปการวิเคราะห์ผลการดำเนินงานในยุทธศาสตร์การวางแผน

Alexis Savkín

Alexis Savkin เป็นสถาปนิกด้านยุทธศาสตร์และผู้ก่อตั้ง BSC Designer ซึ่งเป็นแพลตฟอร์มซอฟต์แวร์สำหรับการดำเนินการตามยุทธศาสตร์ โดยมี บาลานซ์ สกอร์การ์ด เป็นแกนหลัก เขาช่วยให้องค์กรต่าง ๆ แปลงยุทธศาสตร์ให้เป็นวัตถุประสงค์ที่วัดผลได้ KPI และโครงการ Alexis เป็นผู้สร้าง Strategy Execution Canvas เป็นผู้เขียนบทความมากกว่า 100 บทความเกี่ยวกับยุทธศาสตร์และการวัดผลการดำเนินงาน และเป็น วิทยากรประจำ