Favicon

Bạn cần bao nhiêu điểm dữ liệu KPI để sử dụng và diễn giải chúng?

Có một con số đã được thống kê về số lượng điểm dữ liệu KPI bạn cần trước khi bắt đầu sử dụng và giải thích chính xác các tín hiệu từ chúng.

Có hai câu hỏi cơ bản mà thước đo KPI cần trả lời:

  • Mức hiệu suất hiện tại là bao nhiêu?
  • Nó có thay đổi không?

Để trả lời những câu hỏi này một cách đáng tin cậy, chúng ta cần đảm bảo có đủ dữ liệu hoặc đủ giá trị hoặc các điểm dữ liệu KPI, không vội vàng đi tới kết luận hay phải chờ đợi quá lâu.

Điều này có nghĩa là – tìm ra “điểm ngọt”.  Đó là điểm mà tại đó chúng ta đạt hiệu quả lớn nhất với nỗ lực ít nhất.

Số điểm dữ liệu KPI (đủ nhiều) rất quan trọng vì chúng thể hiện sự biến động

Sự thay đổi là lý do chúng ta không thể chỉ dựa vào một hoặc hai điểm dữ liệu để rút ra kết luận từ KPI. Tiến sĩ Donald Wheeler là chuyên gia hàng đầu thế giới về sự thay đổi, và ông giải thích:

“Trong thế giới toán học, 2+2 luôn bằng 4. Nhưng trong thế giới này, trong cuộc sống hàng ngày, 2+2 chỉ bằng bốn điểm trung bình. Khi nghĩ tới điều này, từ trải nghiệm của riêng mình bạn biết có sự thay đổi trong mọi thứ chúng ta làm và sự thay đổi trong mọi thứ chúng ta đo lường. ”

Vì vậy, thay đổi có nghĩa là mỗi giá trị KPI đơn lẻ không phải là thước đo chính xác phản ánh thực tế, chúng ta không thể dựa vào bất kỳ giá trị KPI đơn lẻ nào. Chúng ta cần nhìn vào mẫu giá trị, không phải chính bản thân các điểm.

Tối thiểu 5 dữ liệu KPI để thiết lập đường cơ sở KPI

Đường cơ sở là tập hợp các điểm trong KPI, xác định điểm xuất phát của chúng ta, nơi chúng ta muốn cải thiện. Chúng ta cần một đường cơ sở, bởi không có nó, chúng ta không biết điểm bắt đầu hay mức độ hiệu suất “trước đó”, để so sánh trong tương lai.

Bạn cần bao nhiêu điểm dữ liệu KPI để sử dụng và diễn giải chúng?

Một điểm dữ liệu đơn lẻ không thể vẽ đường cơ sở. Bởi có sự biến thiên trong bất cứ điều gì chúng ta đo lường. Ngay cả khi bạn có kế hoạch ăn kiêng và tập thể dục giống hệt nhau, cân nặng của bạn sẽ vẫn dao động từ ngày này sang ngày khác. Cân nặng của một ngày không phải là đường cơ sở chính xác.

Chúng ta cần sử dụng đủ các giá trị KPI để tính toán đường cơ sở, nhưng không sử dụng nhiều hơn mức cần thiết. Và the sweet spot là 5 giá trị đo lường. Đôi khi chúng ta cần nhiều hơn thế, nếu biến thể KPI hơi hỗn loạn. Nhưng chúng ta không sử dụng ít hơn 5.

Số điểm dữ liệu KPI ngoại lệ được chấp nhận chỉ có 1

Ngoại lệ với 1 điểm dữ liệu duy nhất mà hoạt động rất bất thường so với các điểm dữ liệu lân cận. Điều đó không có nghĩa là hiệu suất đã thay đổi về cơ bản; nó có nghĩa là một cái gì đó bất thường và hiếm gặp đã xảy ra. Hầu như luôn luôn, hiệu suất trở lại bình thường rất nhanh chóng.

Chúng ta nhìn thấy điểm dữ liệu ngoại lệ rất dễ dàng trong biểu đồ XmR, bởi chúng nằm ngoài phạm vi biến thể bình thường. Chúng ta vẫn có thể nhìn thấy chúng trong các biểu đồ dạng đường, khi ngoại lệ ‘nằm ngoài’ đủ xa so với các điểm khác. Nhưng biểu đồ XmR chỉ ra chúng ngay lập tức và chính xác nhất.

Bạn cần bao nhiêu điểm dữ liệu KPI để sử dụng và diễn giải chúng?

Chúng ta không bao giờ nên cố định với dữ liệu ngoại lệ. Thật hữu ích khi tìm ra nguyên nhân của chúng, nhưng cũng cần hiểu rõ đó là một sự xuất hiện hiếm hoi hoặc đặc biệt và không đáng nỗ lực sửa chữa.

Tối thiểu 8 điểm dữ liệu KPI để tuyên bố một sự thay đổi nhỏ

Một thay đổi nhỏ là một sự thay đổi trong hiệu suất di chuyển ra khỏi hiệu suất trung bình nhưng vẫn nằm trong phạm vi vùng giới hạn (trung bình 50%) sự biến thiên bình thường.

Bạn cần bao nhiêu điểm dữ liệu KPI để sử dụng và diễn giải chúng?

Những thay đổi nhỏ này được gọi là đường chạy dài, trong lý thuyết biểu đồ XmR. Bởi sự thay đổi ở mức nhỏ, chúng ta cần một chút thuyết phục hơn để biết đó là thực. Và đó là lý do tại sao chúng ta cần ít nhất 8 giá trị KPI liên tiếp để tuyên bố một thay đổi nhỏ về hiệu suất.

Tối thiểu 3 điểm dữ liệu KPI để tuyên bố một sự thay đổi lớn.

Một thay đổi lớn là một sự thay đổi trong hiệu suất mà di chuyển ra khỏi hiệu suất trung bình và cũng nằm ngoài phạm vi liên vùng sự biến thiên thông thường.

Bạn cần bao nhiêu điểm dữ liệu KPI để sử dụng và diễn giải chúng?

Chúng tôi gọi những thay đổi ngắn này là đường chạy ngắn, trong lý thuyết biểu đồ XmR. Một thay đổi lớn hơn cần só điểm dữ liệu ít hơn một thay đổi nhỏ để thuyết phục chúng ta. Trong thực tế, chúng ta có thể sử dụng ít nhất 3 điểm dữ liệu KPI liên tiếp (hoặc 3 trong 4 điểm liên tiếp) để tuyên bố một sự thay đổi lớn về hiệu suất.

Tối thiểu là 5 điểm dữ liệu KPI để thiết lập đường cơ sở mới

Khi thấy sự thay đổi thực sự trong KPI, đã đến lúc tạo đường cơ sở mới. Cả tín hiệu đường chạy dài và đường chạy ngắn có nghĩa là thước đo KPI đã thay đổi. Vì vậy, nếu muốn thấy được các tín hiệu trong tương lai, chúng ta cần một đường cơ sở mới. Và chúng ta tính toán nó bằng cách sử dụng 5 điểm dữ liệu KPI đầu tiên từ khi bắt đầu dấu hiệu thay đổi.

Hướng dẫn chi tiết tạo biểu đồ XmR chỉ bạn cách thiết lập KPI theo cách này. Nếu thực hiện với dữ liệu lịch sử, bạn sẽ ngạc nhiên khi thấy các tín hiệu bạn chưa từng biết trước đó. Hoặc xem xét mối tương quan giữa các sự kiện hoặc sáng kiến cụ thể và các tín hiệu đó

“Tôi không thể chờ đợi lâu như vậy !!!”

Chúng ta có thực sự phải chờ cho đến khi có đủ 5 giá trị KPI trước khi bắt đầu sử dụng KPI? Chúng ta có thực sự phải chờ đủ 8 giá trị KPI để hành xử khác, đảm bảo hiệu suất đã thay đổi? Vâng. Chúng ta cần.

Nếu không, chúng ta sẽ dự đoán, giả định. Chúng ta đang lãng phí tài nguyên với hành động không cần thiết hoặc không có khả năng đem lại hiệu quả. Chúng ta không thể thoát khỏi thực tế là các quyết định tồi tệ được tạo ra từ dữ liệu không đủ.

Nếu bạn đang lo lắng vì phải chờ 5 năm từ dữ liệu khảo sát hàng năm trước khi có thể sử dụng  thước đo Employee Engagement – Gắn kết nhất viên, điều đó có nghĩa bạn đã chọn sai nhịp cho KPI của mình.

Lưu ý: luôn có ngoại lệ đối với bất kỳ quy tắc nào.

Hiệu suất hỗn loạn là một trong những trường hợp các quy tắc trên không thực sự hiệu quả. KPI cần có hiệu suất ổn định và có thể dự đoán được, ngay cả với biến thể, trước khi chúng ta tìm ra tín hiệu. Sự thay đổi hỗn loạn thường là dấu hiệu cho thấy quy trình được đo lường không nằm trong tầm kiểm soát. Ví dụ: không có quy trình chuẩn hoặc quy trình không được tuân thủ.

Và một trường hợp khác mà các quy tắc trên không đủ là khi chúng ta có những thay đổi phức tạp hơn về hiệu suất. Đây có thể là các tín hiệu ẩn trong tín hiệu (như trường hợp ngoại lệ ẩn trong thời gian dài) hay mẫu xu hướng.  Vì thế, chúng ta cần thêm các quy tắc phát hiện tín hiệu.

Lời khuyên của chúng tôi là hướng dẫn cho người mới bắt đầu chỉ sử dụng đủ dữ liệu để rút ra kết luận từ KPI. Sau đó, chúng ta có thể chuyển sang các quy tắc tín hiệu phức tạp hơn. Hầu hết các tình huống, mọi trường hợp đều bao gồm các vấn đề cơ bản.

Giống như việc chơi Golf, có một “điểm ngọt” về số điểm dữ liệu KPI cần có để giải thích xu hướng thay đổi của hiệu suất.

Thảo luận:

Tổ chức bạn sử dụng bao nhiêu điểm giá trị KPI để rút ra kết luận về hiệu suất hiện tại và thay đổi về hiệu suất là gì? Các quy tắc đến từ đâu?

BÀI VIẾT LIÊN QUAN

Favicon
Menu