परिणामों को मापने का सही (और गलत) तरीका

कहें कि आपका लक्ष्य उन ग्राहकों की संख्या को बढ़ाना है जो आप प्रत्येक दिन सेवा करते हैं। शायद आप एक सिटी ऑफिस प्रोसेसिंग फूड स्टाम्प एप्लिकेशन चलाते हैं, या शायद आप अपनी कंपनी के उत्पाद के लिए तकनीकी सहायता दे रहे हैं। आप कितने ग्राहकों को ऑनलाइन, व्यक्तिगत रूप से और फोन पर सेवा देते हैं? इनमें से प्रत्येक चैनल में किसी समस्या को हल करने का औसत समय क्या है? किस प्रकार के ग्राहक अनुरोध सबसे लंबे समय तक लगते हैं, और जिन्हें तेजी से संभाला जा सकता है?

यदि आप इन सवालों का जवाब नहीं दे सकते हैं, तो आप असफलता के लिए खुद को स्थापित कर रहे हैं इससे पहले कि आप भी प्रयास करना शुरू कर दें।

सिटी हॉल से लेकर कॉर्पोरेट बोर्डरूम तक, इन दिनों डेटा-चालित निर्णय लेना जीवन का एक तरीका है। यदि आपके पास कार्रवाई के एक कोर्स को निर्धारित करने के लिए संख्या है, तो सोच जाती है, आप अपने दिल या अपने दिमाग का उपयोग क्यों करेंगे? लेकिन ठंड, कठिन डेटा के साथ हर कदम का बैकअप लेने की चाह में, उपयोगी संख्याओं के लिए किसी भी पुराने नंबर को गलती करना आसान हो सकता है। सभी डेटा समान नहीं बनाए गए हैं, और यह सुनिश्चित करने का सबसे अच्छा तरीका है कि आप सही डेटा एकत्र कर रहे हैं, प्रदर्शन मीट्रिक का सही सेट विकसित करना है।

तो आप कैसे तय करते हैं कि कौन से मीट्रिक आपकी सहायता करेंगे और जो आपको केंद्रीय मुद्दों से विचलित करेंगे? यहां पांच सामान्य गलतियां हैं जो लोग डेटा से निपटने के दौरान करते हैं, और उनसे बचने के लिए कुछ टिप्स।

गलती # 1: बस मेट्रिक्स होने के लिए पर्याप्त है

यह सच है कि थोड़ा सा मापना कुछ नहीं मापने से बेहतर है। लेकिन बहुत से लोग केवल पर्यवेक्षक के लिए "मेट्रिक्स" शब्द का उच्चारण करने में सक्षम होने पर संतुष्ट हैं, और बहुत से पर्यवेक्षकों का मानना ​​है कि अगर उनकी टीम कुछ भी गिन रही है, तो उन्हें कुछ सही करना चाहिए।

डेटा केवल तभी उपयोगी है जब यह आपको प्रदर्शन गुणवत्ता को मापने और प्रबंधित करने की अनुमति देता है। इसका मतलब यह नहीं है कि यह जरूरी नहीं है कि, भवन विभाग यह गिनने के लिए कि कितने भवन निरीक्षण के लिए उत्तीर्ण हुए हैं, क्योंकि यह उन प्रकार के उद्धरणों को जानने के लिए है जो उन्हें विफल कर देते हैं, प्रत्येक निरीक्षक के निरीक्षण की संख्या एक दिन में पूरी होती है, और प्रारंभिक निरीक्षण के एक या दो महीनों के भीतर कितने भवनों ने अपने उल्लंघन को ठीक किया। डेटा का यह समृद्ध सेट निरीक्षण प्रक्रिया में अक्षमताओं को प्रकट करेगा और विभाग को बेहतर सुरक्षा मानकों की दिशा में काम करने की अनुमति देगा।

गलती # 2: अधिक मैट्रिक्स, बेहतर

एक आम गलतफहमी यह है कि अगर कुछ गिना जा सकता है, तो उसे गिना जाना चाहिए। मैंने स्प्रेडशीट पर टैब और मीट्रिक के टैब बिछाने की गलती की है, केवल यह पता लगाने के लिए कि डेटा एकत्र करने के लिए आवश्यक प्रयास न केवल मेरे समय पर एक नाली है, बल्कि लोगों के समय को बहुत आगे ले जाने के लिए सौंपा गया है। वह काम जिसे हम मापने की कोशिश कर रहे हैं।

आप कभी नहीं चाहते कि आपके प्रदर्शन की निगरानी इतनी बेहतर हो कि यह वास्तव में प्रदर्शन में बाधा उत्पन्न करे। मेट्रिक्स के सेट के साथ आने पर, यह संभवतया आपके द्वारा मापी जा सकने वाली हर चीज़ का मंथन करके शुरू करने में मदद करता है, फिर शीर्ष 10 संकेतकों को प्राथमिकता देते हुए जो आपके कार्यक्रम के बारे में सबसे महत्वपूर्ण जानकारी प्राप्त करेंगे। एक प्रबंधनीय भार के साथ शुरू करें, और धीरे-धीरे और अधिक जोड़ें - जब तक डेटा एकत्र करने के लिए आवश्यक प्रयास उपयोगी टिप्पणियों और सुधार के अवसरों में खुद के लिए भुगतान करेंगे।

गलती # 3: मान निर्णय वॉल्यूम के लिए असाइन किया जाना चाहिए

सतह पर, यह सहज ज्ञान युक्त लग सकता है कि अधिक कॉल किए गए उत्तर कम कॉल की तुलना में बेहतर है। लेकिन कल्पना करें कि एक घंटे में अतिरिक्त पांच कॉल में निचोड़ करने के लिए, प्रत्येक कॉल की गुणवत्ता से समझौता किया जाता है। कम जानकारी एकत्र की जाती है, और कम मुद्दों को संबोधित किया जाता है। कॉल करने वाले पहले कॉल से संतुष्ट नहीं होते हैं, इसलिए वे दूसरी या तीसरी बार कॉल करते हैं, आपके कॉल नंबर को और बढ़ाते हैं, लेकिन अतिरिक्त समय ले रहे हैं और उन कारणों को दूर करने में विफल हैं कि कॉल पहले स्थान पर क्यों आ रही हैं। शायद ऐसी कॉल जो एक मिनट तक चलती हैं, लेकिन अधिक पर्याप्त रूप से कॉल करने वाले के सवालों को दोहराती हैं, जिससे रिपीट कॉल को रोका जा सकता है, इस प्रकार अधिक-बराबरी-बेहतर लाइन की सोच को न केवल गलत, बल्कि पीछे की ओर ले जाता है।

यह महसूस करना भी महत्वपूर्ण है कि कई मैट्रिक्स, जब पूर्ण संख्या के रूप में गिने जाते हैं, विशेष रूप से सहायक नहीं हैं। संदर्भ के बिना, एक संख्या कम या ज्यादा अर्थहीन है। कोई भी अंश एक भाजक के योग्य है, और शुद्ध संख्या को कुल के प्रतिशत के रूप में दर्शाया जाना चाहिए। उदाहरण के लिए, सड़क से और अस्थायी आवास में 1, 000 बेघर व्यक्तियों को ले जाना प्रशंसनीय है। लेकिन अगर लक्ष्य 20, 000 बेघर लोगों के लिए आवास बनाने का है, तो यह पहचानना महत्वपूर्ण है कि आप वहां केवल 5% हैं।

गलती # 4: नंबर को खुद के लिए बोलें

यह मान लेना खतरनाक है कि संख्या पूरी कहानी बताती है। डेटा को धूम्रपान बंदूक के रूप में नहीं बल्कि ब्रेडक्रंब के निशान के रूप में सोचना बेहतर है। मेट्रिक्स आपको समस्या क्षेत्रों की ओर इशारा कर सकता है या आपको एक संभावित मुद्दे के प्रति सचेत कर सकता है जिसे आपने अन्यथा नहीं देखा होगा। लेकिन जब तक आप अपने नंगे हाथों से खुदाई नहीं करते हैं, तब तक संख्या बस यही है - संख्या। समस्या की जड़ को उजागर करने में अक्सर उन लोगों का साक्षात्कार करना शामिल होता है जो हाथ पर बात करने, अवलोकन करने और गुणात्मक डेटा की समझ बनाने के लिए काम करते हैं। मैट्रिक्स एक परिणाम को दर्शाता है, लेकिन मूल कारण नहीं है।

आप पा सकते हैं कि फाइलिंग प्रक्रिया को पूरा करने के लिए समय की मात्रा में पांच दिनों की वृद्धि हुई है। लेकिन स्वचालित रूप से यह नहीं मानते कि क्लर्क सारा दिन BuzzFeed पर खर्च कर रहे हैं। कुछ सरल सवालों से पता चल सकता है कि हाल ही में किए गए विपणन प्रयासों से अनुप्रयोगों में 20% की वृद्धि हुई है, या नए विधायी परिवर्तनों ने प्रक्रिया में एक कदम जोड़ा है। आपकी संख्या आपको प्रश्नों के क्षेत्रों पर ध्यान केंद्रित करने की ओर ले जाती है, बजाय उन्हें स्वयं उत्तर के रूप में लेने के।

गलती # 5: अगर यह अब एक अच्छा मीट्रिक है, तो यह बाद में एक अच्छा मीट्रिक होगा

समस्याएँ बदलाव और बदलाव, जैसे कि उद्देश्य। शायद मेट्रिक्स के एक शुरुआती सेट ने आपको कागजी कार्रवाई के अनुबंध पर बार-बार होने वाले बदलाव को संबोधित करने की अनुमति दी। एक बार जब वह समस्या हल हो जाती है, हालांकि, यह महत्वपूर्ण है कि आप अपने लॉरेल पर आराम न करें। संभावना है, कि मीट्रिक को और बेहतर बनाया जा सकता है, या ध्यान देने के लिए भीख माँगने का एक अलग क्षेत्र है।

यह सुनिश्चित करने के लिए कि वे अभी भी वर्तमान संदर्भ में समझ में आते हैं, अपने मेट्रिक्स को हर तीन से छह महीने में फिर से देखें। आपको संभावना है कि कुछ अप्रचलित हो गए हैं, और अन्य को ट्विकिंग की आवश्यकता होती है। लेकिन मीट्रिक बदलने का निर्णय लेते समय ध्यान रखें। जिस तरह से आप डेटा के एक विशेष टुकड़े को मापते हैं, उसे बदलने से ऐतिहासिक डेटा कम उपयोगी हो सकता है और आपके द्वारा एकत्रित किए जा रहे डेटा की निरंतरता को बाधित कर सकता है। यह कहना नहीं है कि समय के अनुसार मैट्रिक्स को अनुकूलित नहीं किया जाना चाहिए, केवल यह कि निर्णय को हल्के ढंग से नहीं किया जाना चाहिए।

डेटा एक विज्ञान है और इस तरह के रूप में माना जाना चाहिए। जब आप किसी निर्धारित स्थान से मैट्रिक्स के पास जाने का समय लेते हैं, तो आप लगातार अपने प्रयासों का मूल्यांकन करने और सार्थक सुधारों को लागू करने की स्थिति में होंगे।