比较指标随时间的表现。通过对趋势、差异、相关性和基准的分析来支持数据驱动的决策。
在战略规划中，我们量化目标以使其更具体。指标的绝对值通常提供的信息有限。对于数据驱动的决策，收集指标数据并使用以下工具：
在本文中，我们将讨论使用这些分析工具的最佳实践，并为BSC Designer软件用户分享一些示例。
跟踪历史数据以支持趋势分析和异常检测
指标分析的起点是随着时间的推移收集数据。为确保测量的一致性：
- 定义实际化间隔
- 定义测量方法
- 指派负责修订指标的人
如果数据已经在IT系统中可用，考虑设置自动更新。
在收集历史数据时，确保负责人员能够记录相关评论和见解，例如：“本月销售额较低，因为办公室受到极端天气事件的影响。”
历史数据的可用性使得可以使用其他分析工具，如：
- 趋势分析
- 异常检测
- 基准测试
这也是任何基于AI的分析的前提条件。
在BSC Designer中：
- 通过负责人字段指派负责人员
- 通过值编辑器为指标设置更新间隔
- 手动或自动输入数据
Metric Analytics: Practical Examples。 - 在仪表板上将历史数据可视化为数据表或时间图
- 在图表上启用趋势线以进行可视化
Metric Analytics: Practical Examples。 方差分析（实际与预期）
在战略规划中，我们通常关注改进目标。从绩效衡量的角度来看，我们期望指标的当前状态发生变化，理想情况下反映出改进。
为实现这一点，我们为指标定义基线和目标，创建一个绩效衡量尺度。然后在这个尺度上分析当前值，这也称为标准化。
一旦记分卡上的所有指标都标准化，它们就变得可比。例如，小型区域办公室和金融中心办公室的绝对销售数字可能不可比，但通过使用为每个办公室定义的目标对销售数据进行标准化，我们使它们可比。我们将在讨论基准分析时使用标准化。
在BSC Designer中：
- 在数据选项卡中输入当前值、基线和目标
- 在绩效选项卡中指定优化公式
Metric Analytics: Practical Examples。 该工具将为指标计算进度。
在某些情况下，需要两个标准化尺度。在BSC Designer中，切换到数据选项卡并禁用“简单模式”以激活附加的“最小值”和“最大值”字段。这提供了两个标准化尺度：最小-最大和基线-目标。工具将计算“绩效”和“进度”。
比较期间分析：逐月、逐年
另一种分析历史数据的方法是比较期间分析，它有助于：
- 检测趋势
- 跟踪变化率
- 理解季节性影响
不看离散的数据记录，而是按期间（如月份、季度或年份）对数据进行分组，以跟踪随时间的变化。
例如，在逐月分析网站流量时，可能看不到趋势，但按年份分组的数据可能会揭示正面或负面的趋势。
数据分组的方法取决于数据的性质和测量的背景：
- 像“客户满意度”这样的指标需要平均
- 像“月销售额”这样的指标需要汇总
如果您对检测异常感兴趣，可以将分组方法改为：
- 最小值，或
- 最大值
在BSC Designer中：
- 通过值编辑器中的“按组”控件设置指标的分组类型
- 在关键绩效指标表、报告或战略图上显示“动态”列
- 使用关键绩效指标选项卡、仪表板选项卡和报告对话框中的“按组”控件更改可视化数据的分组期间
指标分析：实用示例。 使用AI进行相关性分析
一旦您拥有各种指标的历史数据，就可以进行相关性分析。您可以手动查看数据来进行分析，也可以使用AI来识别指标之间可能的相关性。
对于手动分析，将两个或多个指标可视化在同一图表上。在BSC Designer中，您可以通过选择多个指标作为数据源来实现这一点。
Metric Analytics: Practical Examples。 对于由AI驱动的分析，向AI提供指标的上下文信息和数据，并要求其识别可能的相关性。
务必对分析结果进行批判性思考，因为相关性并不意味着因果关系。
在BSC Designer中使用相关性分析：
- 切换到AI选项卡
- 通过向AI提供绩效数据来开始新的聊天
- 要求其找到可能相关的关键绩效指标
以下是给AI的一个提示示例：
您是一名AI数据分析师，负责对包含多个视角的平衡记分卡进行全面的相关性分析，该记分卡包含各种关键绩效指标（KPIs）。目标是了解这些指标之间的关系，以便为战略决策提供信息。
说明：
– 关注去年的数据跨度
– 计算每对指标的皮尔逊相关系数。
– 如果数据不是正态分布，使用斯皮尔曼等级相关系数。
– 确定每个相关系数的统计显著性。
– 使用显著性水平0.05（95%的置信区间）
– 突出显示相关系数高于0.7或低于-0.7的指标对
– 提供对识别出显著相关性及其可能原因的详细解释，基于业务背景。
– 提出可以通过进一步分析或实验进行测试的假设。
Metric Analytics: Practical Examples。 基准测试或相对绩效分析
基准测试在整个业务领域使用相同指标时非常有用。可能包括：
从测量的角度来看，相对绩效分析的关键成功因素是定义和维护测量标准。虽然对内部指标来说是现实的，但对于外部指标，我们需要接受更高的误差范围。即使是传统指标，如“推荐我们产品的客户百分比”，在不同公司之间也可能因问题背景而显著不同。
在BSC Designer中：
- 创建KPI或评估标准的模板集
- 传播（复制和粘贴）KPI以代表各种内部部门或竞争对手
- 在控制面板上使用“序列”图表，通过评估标准可视化数据并比较每个基准的总绩效
Metric Analytics: Practical Examples。 我们在关于评估记分卡的讨论中讨论了更多具体示例和最佳实践，以测量数据序列。
制定可操作的见解
绩效数据分析的主要目标是发现可以用来制定更好战略假设的见解。
制定这些见解的一般原则：
- 参考触发见解的数据
- 验证来源并分析背景，因为任何数据都可能无意中存在偏见
- 进行根本原因分析以更好地理解见解
- 使见解与现有战略保持一致，以支持目标、满足利益相关者的需求、降低风险等。
- 请记住，见解是需要验证的假设，在扩大规模之前需要验证。通过识别相关的前置和滞后指标并建立实验来相应对待它。
在BSC Designer中：
- 在早期阶段，将见解作为评论记录在所选关键绩效指标的特定日期
- 在后期阶段，将见解转移到功能或战略记分卡中以进一步发展
Metric Analytics: Practical Examples。 战略规划中绩效分析总结
- 在制定的战略和利益相关者需求的背景下定义绩效指标。
- 随着时间的推移跟踪指标的绩效数据。
- 使用上面讨论的分析工具生成洞察。
- 制定新的假设和可操作的见解。
- 在实践中验证假设；通过新的输入更新战略。
