Unterschied zwischen Routine- und ADHOC-Analyse

Unterschied zwischen Routine- und ADHOC-Analyse!

In der Regel sind zwei Arten von Analysen erforderlich, um Einblicke in die Serviceleistungsdaten zu erhalten. Sie sind Routineanalyse und Ad-hoc-Analyse. Routineanalyse bezieht sich, wie der Name vermuten lässt, auf die regelmäßige, systematische Analyse, die in jedem Berichtszeitraum durchgeführt wird, um die Leistung des Dienstes hinsichtlich der Wirksamkeits-, Fähigkeits- und Effizienzmetriken zu bewerten. Ad-hoc-Analyse ist der detaillierte Diagnosetest, der erforderlich ist, um die Gründe für unerwartete Leistungsänderungen zu untersuchen. Die Art und Komplexität der Ad-hoc-Analyse unterscheidet sich von Situation zu Situation.

Routineanalyse-Aktivitäten sollten so geplant werden, dass sie mit dem geringsten Aufwand durchgeführt werden können. Viele Teams sind so sehr von dem Aufwand angefordert, jeden Monat Ergebnisse zu produzieren, dass wenig Zeit für Interpretationen oder Ad-hoc-Analysen übrig bleibt.

Die Ad-hoc-Analyse sollte jedoch das Hauptaugenmerk des Servicemanagement-Teams sein, da durch die Details dieser Analyse die wichtigsten Erkenntnisse über die Serviceleistung gewonnen werden können. Andererseits sollten Routine-Analyseverfahren wiederholbar, dokumentiert und dezentralisiert sein.

Wiederholbar bedeutet, dass es in jedem Zeitraum möglich sein sollte, die gleichen Analyseschritte zu verfolgen. Einige Teams ändern ihre Messwerte alle paar Monate, wodurch es sehr schwierig wird, ein umfassendes Bild der Leistung des Services im Laufe der Zeit zu erhalten.

Analyseverfahren müssen nach Möglichkeit mindestens zwölf Monate unverändert bleiben, damit Trends untersucht werden können. Die Verfahren für die Routineanalyse sollten dokumentiert werden, damit alle Personen, die die Analyse durchführen, dieselben Schritte in derselben Reihenfolge ausführen.

Eine ordnungsgemäße Dokumentation hilft auch bei der Schulung des neuen Personals. Soweit es möglich ist, sollten die sich am meisten wiederholenden Aufgaben der Routineanalyse automatisiert werden, so dass sie mit wenig Eingriff regelmäßig reproduziert werden können. Dezentralisierung bedeutet, dass fast alle Routineanalysen (und möglichst viele Ad-hoc-Analysen) in der Nähe des Arbeitsortes durchgeführt werden sollten.

Verfahren zum Teilen der Analyseergebnisse:

Wenn die Servicebereitstellung auf mehrere geografische Bereiche verteilt ist oder wenn verschiedene Unterprozesse von verschiedenen Organisationen verwaltet werden, müssen Vereinbarungen getroffen werden, in denen beschrieben wird, wie und in welchem ​​Format die Analyseergebnisse an das Servicemanagement-Team gesendet werden.

In der Regel sollten die Ergebnisse der verschiedenen Organisationen vom Service Management-Team konsolidiert und aggregiert werden. Jede Ad-hoc-Analyse, die notwendig ist, kann entweder vom Team oder von der entsprechenden zuständigen Organisation durchgeführt werden. Das Service-Management-Team kann von Zeit zu Zeit Stichproben oder Audits der Abteilungs- und regionalen Ergebnisse durchführen.

Wenn alle Ad-hoc-Analysen abgeschlossen sind, sollte das Team eine Liste von Interventionen entwickeln, die möglicherweise erforderlich sind, um die Leistung eines oder mehrerer Prozesse zu stabilisieren, und diese dann zur Umsetzung an die entsprechenden Organisationen weiterleiten.

Im Allgemeinen müssen die Analyseverfahren so gestaltet sein, dass das Service-Management-Team Zugriff auf alle Informationen hat, die es benötigt, ohne dass er selbst umfangreiche Datenanalysen durchführen muss. Die Verfahren müssen auch sicherstellen, dass alle Regionen und Abteilungen für die Verwaltung verschiedener Servicekomponenten gleichermaßen an der Bereitstellung von Eingaben und Empfehlungen für das Service Management-Team beteiligt sind.

Analysewerkzeuge:

Ergebnisse können entweder als Zahl in Tabellen oder in grafischer Form angezeigt werden. Mit der großen Anzahl von Grafiktools, die jetzt für Desktop-Computer verfügbar sind, lassen sich Ergebnisse leicht in Form von Diagrammdiagrammen erstellen. Der Vorteil von grafischen oder visuellen Anzeigen besteht darin, dass große Informationsmengen bequem auf eine Art und Weise dargestellt werden können, die leicht assimiliert werden kann.

Der Nachteil dieser Anzeigen ist, dass sie manipuliert werden können, um dem Betrachter einen voreingenommenen oder falschen ersten Eindruck der Daten zu vermitteln. Zum Beispiel kann die Skalierung eines Diagramms so angepasst werden, dass kleine Unterschiede zwischen Datenpunkten vergrößert werden, sodass der Betrachter glauben kann, dass große Unterschiede dargestellt werden.

Selbst wenn die Daten nicht absichtlich manipuliert werden, kann eine unachtsame oder inkompetente Darstellung dazu führen, dass die Zuschauer unerwünschte Schlussfolgerungen ziehen. Die Darsteller von Grafikdaten müssen daher darauf achten, dass die gewählte Darstellungsmethode für die Darstellung der Informationen am besten geeignet ist und dass visuelle Verzerrungen minimiert werden.

Wir beschreiben nun kurz vier vielseitige Methoden zur grafischen Darstellung von Daten, die in einer Vielzahl von Anwendungen verwendet werden können: Histogramme, Laufdiagramme, Streudiagramme und Steuerungsdiagramme.

Diese Methoden ermöglichen uns die visuelle Antwort auf folgende Fragen, die bei jeder Datenanalyse gestellt werden:

Wie werden die Daten verteilt?

Wie variabel ist die Leistung?

Wie haben sich die Ergebnisse im Laufe der Zeit verändert?

Welche Faktoren beeinflussen die beobachteten Ergebnisse?

Wie stabil ist die Leistung rund um die Standards?

Wie nahe ist die Leistung an den Standards?

Histogramme:

Ein Histogramm ist ein Balkendiagramm, das zeigt, wie oft jeder Wert einer Variablen in einer Stichprobe von Beobachtungen vorkommt. Die Tabellierung der Anzahl der Vorkommen jedes Werts wird als Häufigkeitsverteilung bezeichnet, und ein Histogramm ist eine grafische Darstellung dieser Verteilung. Die Variablen können entweder diskret sein (dh Ordinalwerte wie 1, 2, 3 annehmen) oder kontinuierlich sein.

Histogramme diskreter Variablen werden auch als Balkendiagramm bezeichnet. Kontinuierliche Variablen wie die Zykluszeit werden in Gruppen unterteilt und die Anzahl der Beobachtungen in jeder Gruppe wird grafisch dargestellt. Der Mittelpunkt jeder Gruppe wird normalerweise als repräsentativer Wert für die Gruppe verwendet, obwohl auch ein anderer Wert verwendet werden kann. Das Histogramm ist ein visuelles Bild der Verteilung der Daten.

Einige Fragen, die aus einem Histogramm beantwortet werden können, umfassen Folgendes:

Ist die Verteilung symmetrisch?

Gibt es lange Schwänze (dh eine große Anzahl von Werten an jedem Ende der Skala?)

Gibt es mehrere Gipfel?

Wie groß ist die Streuung in den Daten (dh nimmt die Variable viele oder wenige Werte an?)

Spezielle Versionen von Histogrammen sind für bestimmte Anwendungen nützlich. Ein Pareto-Diagramm ist ein Histogramm, in dem die Balken von der größten bis zur kleinsten Frequenz geordnet sind. Dieses Diagramm kann verwendet werden, um die wenigen kritischen Faktoren zu ermitteln, die am meisten zur Variabilität der Daten beitragen.

Pareto-Diagramme sind nützlich, um die Hauptursachen für Fehler zu analysieren, um die Aktivitäten zu ermitteln, die zu den größten Kosten beitragen, oder um die Faktoren zu ermitteln, die den größten Einfluss auf die Zufriedenheit der Verbraucher haben. Ein Spezialfall eines Balkendiagramms ist ein gruppiertes oder gestapeltes Balkendiagramm, mit dem eine Variable über mehrere diskrete Dimensionen hinweg verglichen werden kann.

Diagramm ausführen:

Ein Laufdiagramm ist ein Diagramm, das die Leistung einer Variablen über die Zeit zeigt.

Diese Diagramme dienen folgenden Zwecken:

Um zyklische Leistungsmuster oder saisonale Schwankungen zu identifizieren.

Historische Trends in der Leistung ermitteln.

Bewertung der Auswirkungen von Service-Verbesserungen auf die Leistung.

Ermittlung der Zeitverzögerung zwischen Serviceverbesserungen und Leistungsänderungen.

Ermittlung von Verschleiß- oder Erfahrungseffekten, die dazu führen, dass sich die Leistung mit der Zeit verschlechtert

Beurteilung der Lücke zwischen der gewünschten und der tatsächlichen Leistung im Zeitverlauf.

Streudiagramm:

Ein Streudiagramm zeigt die Beziehung zwischen zwei Variablen, z. B. Fehlerrate und Mitarbeitererfahrung, oder die Zeit, die für die Durchführung einer Servicetransaktion und die Kundenzufriedenheit benötigt wird.

Das Streudiagramm zeigt Folgendes:

Ob eine Beziehung zwischen zwei Variablen besteht

Die Form der Beziehung (dh linear, gekrümmt).

Das Ausmaß der zufälligen Variabilität in der Beziehung zwischen zwei Variablen.

Ob diese Variabilität für verschiedene Werte der beiden Variablen unterschiedlich ist.

Ein Streudiagramm ist ein Diagramm mit den Werten der abhängigen Variablen (deren Wert vorhergesagt wird) auf der y-Achse und denen des Prädiktors oder der unabhängigen Variablen (die den Wert der abhängigen Variablen vorhersagt) auf der x-Achse. Jeder Punkt in der Grafik repräsentiert ein Wertepaar der abhängigen Variablen und der Prädiktorvariablen.

Die Steigung eines Streudiagramms zeigt das Ausmaß der durchschnittlichen Beziehung zwischen zwei Variablen. Wenn die Steigung flach ist, besteht keine Beziehung. Das Ausmaß der Streuung im Diagramm (dh ob die y-Werte für jeden Wert von x ziemlich nahe liegen oder ob sie eine „Wolke“ bilden) zeigt das Ausmaß der zufälligen Variabilität in den Daten und ist ein Maß für die Stärke von die Beziehung zwischen den beiden Variablen. Ein Streudiagramm ist häufig ein nützlicher erster Schritt vor dem Schätzen einer Regressionsgleichung, da es einen Hinweis auf Art, Stärke und Form der Beziehung zwischen zwei Variablen gibt.

Das Streudiagramm kann auch verwendet werden, um Annahmen zu überprüfen, die während des Entwurfs eines Dienstes gemacht wurden. Angenommen, ein Designteam versucht, eine Leistungsfunktion für ein bestimmtes Serviceattribut zu entwickeln, für das die genaue Funktionsform nicht bekannt ist. Nehmen wir an, das Designteam nähert sich der Funktion mit einer Mischung aus Erfahrung und Urteilsvermögen.

Nachdem der Dienst in Betrieb ist, kann ein Streudiagramm verwendet werden, um die angenommene Funktionsform zu überprüfen. Das Service-Management-Team kann Daten zur Leistung der Attribute auf verschiedenen Ebenen der Betriebseigenschaften sammeln. Das Design muss möglicherweise geändert werden, wenn die tatsächliche Leistungsfunktion erheblich von der angenommenen Leistung abweicht.

Steuerkarte:

Eine Kontrollkarte ist ein grafisches Werkzeug, das Teil einer als "Statistische Prozesskontrolle (SPC)" bezeichneten Methode ist. Mit dieser Methodik wird die Variabilität von Fertigungs- und Dienstleistungsprozessen gemessen, um zu bestimmen, ob diese Variabilität systematischen oder zufälligen Ursachen zuzuschreiben ist.

Eine Kontrollkarte vergleicht die Leistung einer kontinuierlichen oder diskreten Variablen mit statistisch berechneten "Kontrollgrenzen". Die Idee von Kontrollgrenzen beruht auf der Tatsache, dass die Leistung eines Dienstattributs aufgrund verschiedener zufälliger Ursachen, die nicht identifiziert oder gesteuert werden können, inhärent variabel ist. Diese zufällige Variabilität sollte die einzige Ursache für Variabilität in einem Dienst sein, der so entwickelt wurde, dass er ein stabiles durchschnittliches Leistungsniveau erzeugt, das robust gegenüber Änderungen innerhalb eines bestimmten Betriebsbereichs ist.

Darüber hinaus sollte diese Variabilität innerhalb der durch das Design festgelegten Grenzen bleiben. Eine Kontrollkarte prüft die Stabilität der Leistung während des gesamten Betriebs des Dienstes. Wenn die Leistung normal verteilt ist, würden wir von den Eigenschaften der Normalverteilung auch erwarten, dass 99, 7% der Leistungswerte zufällig innerhalb von drei Standardabweichungen des Durchschnittswertes liegen. Wenn diese Erwartungen von den gesammelten Daten erfüllt werden, gilt die Serviceleistung als Kontrolle. Die durch drei Standardabweichungen dargestellten Leistungswerte werden als Kontrollgrenzen bezeichnet.

Das Verfahren zum Aufzeichnen einer Kontrollkarte besteht aus zwei Schritten: Kalibrierung und Kontrolle. Im Kalibrierungsschritt werden der Mittelwert und die Variabilität der Daten aus historischen Prozessleistungsdaten berechnet und die Kontrollgrenzen werden bestimmt.

Die Kontrollgrenzen sind die Leistungswerte bei drei Standardabweichungen auf beiden Seiten des Mittelwerts. Es gibt verschiedene Verfahren zum Schätzen der Standardabweichung der Daten. Eine Transformation des Beobachtungsbereichs, dh die Differenz zwischen Maximal- und Minimalwert, ist eine häufig verwendete Schätzung.

Im Kontrollschritt werden regelmäßig aktuelle Beobachtungen der Prozessleistung auf der kalibrierten Kontrollkarte aufgezeichnet. Wenn der Prozess unter Kontrolle ist, würden wir erwarten, dass über 99% der Punkte im Diagramm zwischen der oberen und der unteren Kontrollgrenze liegen. Wir würden auch erwarten, dass die Punkte zufällig verteilt sind, dh es sollten keine ungewöhnlichen Muster in den Daten sichtbar sein. Es gibt Standardtests zur Überprüfung auf ungewöhnliche Muster durch Sichtprüfung.

Berichtsverteilung:

Nach Abschluss der Datenanalyse müssen die Ergebnisse und die vorgeschlagenen Maßnahmen den für die Implementierung Verantwortlichen mitgeteilt werden. Die Ergebnisse können auch an das obere Management gesendet werden. Die Ergebnisse müssen nicht für jeden in der Organisation auf der gleichen Detailebene dargestellt werden.

Für das obere Management reicht es aus, eine kurze und prägnante Zusammenfassung vorzulegen, in der die aktuelle und vergangene Performance von Schlüsselindikatoren, die durchzuführenden Maßnahmen und deren voraussichtliche Auswirkung auf die zukünftige Leistung sowie Einzelheiten ihres Prozesses (z. B. Wirksamkeit) dargelegt werden und Fähigkeit nach Arbeitsort, Region, Auftrag oder Kundentyp). Für Manager eines Arbeitsorts muss eine Zusammenfassung der Gesamtleistung mit Angaben zum eigenen Arbeitsort ergänzt werden.

Die Idee sollte darin bestehen, allen wichtigen Stakeholdern einen Überblick über die Leistung aller Komponenten des Services zu geben und den Verantwortlichen spezifische Details zu vermitteln. Die auf verschiedenen Ebenen der Organisation benötigten Informationen sind in Tabelle 16.3 dargestellt.