매일 서비스를 제공하는 고객 수를 늘리는 것이 목표라고 가정 해보십시오. 시청 처리 푸드 스탬프 응용 프로그램을 실행하거나 회사 제품에 대한 기술 지원을 제공 할 수 있습니다. 온라인, 직접 또는 전화를 통해 몇 명의 고객에게 서비스를 제공합니까? 이러한 각 채널에서 문제를 해결하는 데 평균 시간은 얼마입니까? 어떤 유형의 고객 요청이 가장 오래 걸리며, 어떤 유형의 고객 요청을 신속하게 처리 할 수 있습니까?
이러한 질문에 대답 할 수 없으면 시도하기 전에 실패에 대비 한 것입니다.
데이터 중심 의사 결정은 오늘날 시청에서 기업 회의실에 이르기까지 삶의 방식입니다. 행동의 과정을 지시 할 숫자가 있다면, 생각이갑니다. 왜 당신의 마음이나 생각을 사용 하시겠습니까? 그러나 차갑고 단단한 데이터로 모든 움직임을 백업하려는 노력에서 오래된 숫자를 유용한 숫자로 착각하기 쉽습니다. 모든 데이터가 동일하게 생성되는 것은 아니며 올바른 데이터를 수집 할 수있는 가장 좋은 방법은 올바른 성능 지표를 개발하는 것입니다.
그렇다면 어떤 지표가 도움이되고 어떤 문제가 중심 문제에서 방해가되는지를 어떻게 결정합니까? 다음은 사람들이 데이터를 다룰 때 흔히 저지르는 5 가지 실수와이를 피하기위한 몇 가지 팁입니다.
실수 # 1 : 측정 항목 만 있으면 충분합니다
조금 측정하는 것이 아무것도 측정하는 것보다 낫다는 것은 사실입니다. 그러나 너무 많은 사람들이 단순히 "메트릭스"라는 단어를 감독자에게 말할 수 있다는 것에 만족하고 있으며, 너무 많은 관리자는 팀이 무엇이든 세고 있다면 반드시 올바른 일을하고 있다고 가정합니다.
데이터는 성능 품질을 측정하고 관리 할 수있는 경우에만 유용합니다. 즉, 건물 부서가 실패한 인용 유형, 각 검사관이 하루에 완료 한 검사 수, 그리고 최초 점검 후 1-2 개월 이내에 위반을 시정 한 건물 수 이 풍부한 데이터 세트는 검사 프로세스의 비 효율성을 드러내고 부서가보다 나은 안전 표준을 향해 노력할 수있게합니다.
실수 # 2 : 더 많은 메트릭, 더 나은
일반적인 오해는 무언가를 세는 것이 가능하다면 세어야한다는 것입니다. 스프레드 시트에 메트릭 탭과 탭을 배치하는 실수를 저질렀습니다. 데이터를 수집하는 데 필요한 노력이 내 시간뿐만 아니라 수행을 위해 지정된 사람들의 시간을 낭비한다는 것을 알았습니다. 우리가 측정하려고하는 일.
성능 모니터링이 너무 성가 시게되어 실제로 성능 자체를 방해하는 것은 결코 원하지 않습니다. 일련의 측정 항목을 작성할 때 측정 할 수있는 모든 것을 브레인 스토밍 한 다음 프로그램에 대한 가장 중요한 정보를 산출하는 상위 10 개 지표를 우선 순위로 지정하여 시작하는 데 도움이됩니다. 데이터를 수집하는 데 필요한 노력이 유용한 관찰과 개선 기회로 비용을 지불하는 한, 관리 가능한로드로 시작하고 점차 더 추가하십시오.
실수 # 3 : 가치 판단은 볼륨에 할당되어야합니다
표면적으로는 응답이 적은 전화보다 더 많은 전화가 응답하는 것이 직관적 인 것처럼 보일 수 있습니다. 그러나 한 시간에 5 번 더 전화를 걸려면 각 통화의 품질이 저하된다고 상상해보십시오. 적은 정보가 수집되고 더 적은 문제가 해결됩니다. 발신자는 첫 번째 통화에 만족하지 않으므로 두 번째 또는 세 번째 통화에 전화를 걸면 통화 번호가 더 늘어나지 만 시간이 더 걸리고 통화가 처음 오는 이유를 해결하지 못합니다. 아마도 1 분 더 길지만 호출자의 질문을보다 적절하게 해결하는 호출은 반복 호출을 방지하게되므로 실수뿐만 아니라 거꾸로 더 나은 사고 방식을 갖게됩니다.
절대 수로 계산 될 때 많은 메트릭이 특별히 도움이되지 않는다는 것을 인식하는 것도 중요합니다. 문맥이 없으면 숫자는 다소 의미가 없습니다. 모든 분자는 분모를 가질 자격이 있으며 순수한 숫자는 전체의 백분율로 표시되어야합니다. 예를 들어, 노숙자 1, 000 명을 거리에서 벗어나 임시 주택으로 옮길 수 있습니다. 그러나 목표가 20, 000 명의 노숙자들을위한 주택을 조성하는 것이라면 그 길의 5 %에 불과하다는 것을 인식하는 것이 중요합니다.
실수 # 4 : 숫자들이 스스로를 말하게하라
숫자가 전체 이야기를 전한다고 가정하는 것은 위험합니다. 데이터를 흡연 총이 아니라 빵 부스러기의 흔적으로 생각하는 것이 좋습니다. 측정 항목을 통해 문제 영역으로 안내하거나 다른 방법으로는 알 수없는 잠재적 문제를 경고 할 수 있습니다. 그러나 맨손으로 파헤 치기 전까지는 숫자가 바로 숫자입니다. 문제의 근본을 밝혀내는 것은 종종 해당 문제에 가까이 다가가는 사람들을 인터뷰하고, 질적 인 데이터를 관찰하고 이해하는 것을 포함합니다. 메트릭은 결과를 반영하지만 근본 원인은 아닙니다.
제출 절차를 완료하는 데 소요되는 시간이 5 일 증가했습니다. 그러나 사무원이 하루 종일 BuzzFeed 를 미루고 있다고 가정하지 마십시오. 몇 가지 간단한 질문으로 최근의 마케팅 노력으로 인해 응용 프로그램이 20 % 증가했거나 새로 입법화 된 변경 사항이 프로세스에 한 단계를 추가 한 것으로 나타났습니다. 당신의 숫자가 당신을 답으로 삼기보다는 질문 영역에 집중하도록하세요.
실수 # 5 : 현재 좋은 지표라면 나중에 좋은 지표가 될 것입니다
목표와 마찬가지로 문제도 바뀌고 변화합니다. 초기 측정 항목 집합을 사용하면 계약 서류 작업에 소요되는 지연 시간을 해결할 수 있습니다. 그러나 일단 그 문제가 해결되면 월계관에 안주하지 않는 것이 중요합니다. 추가로 메트릭을 향상시킬 수 있거나주의를 요하는 완전히 다른 문제 영역이있을 수 있습니다.
3 ~ 6 개월마다 측정 항목을 다시 방문하여 현재 상황에 맞는지 확인하십시오. 일부는 더 이상 사용되지 않으며, 일부는 조정이 필요합니다. 그러나 메트릭 변경을 결정할 때는주의하십시오. 특정 데이터 조각을 측정하는 방법을 변경하면 기록 데이터의 유용성이 떨어지고 수집중인 데이터의 연속성이 중단 될 수 있습니다. 이것은 시간이 지남에 따라 측정 항목을 조정해서는 안되며, 결정을 가볍게해서는 안된다는 말은 아닙니다.
데이터는 과학이며 그렇게 취급 될 가치가 있습니다. 고려 된 장소에서 지표에 접근하는 데 시간이 걸리면 지속적으로 노력을 평가하고 의미있는 개선을 구현할 수 있습니다.
