Różnica między analizą rutyny i ADHOC

Różnica między analizą Rutynową a ADHOC!

Zwykle potrzebne są dwa rodzaje analiz w celu uzyskania wglądu w dane dotyczące wydajności usług. Są to rutynowa analiza i analiza ad hoc. Analiza rutynowa, jak sama nazwa wskazuje, odnosi się do regularnej, systematycznej analizy przeprowadzanej w każdym okresie raportowania w celu oceny wydajności usługi pod względem efektywności, możliwości i wskaźników wydajności. Analiza ad hoc to szczegółowe testy diagnostyczne potrzebne do zbadania przyczyn nieoczekiwanych zmian wydajności. Charakter i złożoność analizy ad hoc będzie różnić się w zależności od sytuacji.

Rutynowe czynności analityczne należy zaplanować tak, aby można je było wykonać przy jak najmniejszym wysiłku. Wiele zespołów jest tak pochłoniętych wysiłkiem, aby co miesiąc uzyskać wyniki, które pozostały niewiele czasu na interpretację lub analizę ad hoc.

Jednak analiza ad hoc powinna być głównym celem zespołu zarządzania usługami, ponieważ dzięki szczegółowym analizom można uzyskać najważniejsze informacje na temat wydajności usługi. Z drugiej strony rutynowe procedury analityczne powinny być powtarzalne, dokumentowane i zdecentralizowane.

Powtarzalny oznacza, że ​​powinno być możliwe wykonywanie tych samych kroków analizy w każdym okresie. Niektóre zespoły zmieniają swoje dane co kilka miesięcy, przez co bardzo trudno jest uzyskać kompleksowy obraz wydajności usługi w czasie.

O ile to możliwe, procedury analityczne muszą pozostać niezmienione przez co najmniej dwanaście miesięcy, aby można było zbadać trendy. Procedury rutynowej analizy powinny być udokumentowane, aby wszystkie osoby przeprowadzające analizę wykonywały te same czynności w tej samej kolejności.

Właściwa dokumentacja pomaga również w szkoleniu nowych pracowników. W miarę możliwości najbardziej powtarzalne zadania rutynowej analizy powinny być zautomatyzowane, aby mogły być regularnie reprodukowane przy niewielkiej interwencji. Decentralizacja oznacza, że ​​prawie cała rutynowa analiza (i jak największa analiza ad hoc) powinna odbywać się w pobliżu miejsca pracy.

Procedury udostępniania wyników analizy:

Jeśli dostarczanie usługi jest rozproszone na kilka obszarów geograficznych lub jeśli różne procesy podrzędne są zarządzane przez różne organizacje, należy opracować umowy szczegółowo określające sposób, w jaki wyniki analizy będą przesyłane do zespołu zarządzania usługami iw jakim formacie.

Zazwyczaj wyniki z różnych organizacji powinny być konsolidowane i agregowane przez zespół zarządzania usługami. Każda niezbędna analiza ad hoc może być wykonana przez zespół lub przez odpowiednią odpowiedzialną organizację. Zespół zarządzania usługami może również okresowo przeprowadzać kontrole wyrywkowe lub kontrole wydziałów i wyniki regionalne.

Po zakończeniu wszystkich analiz ad hoc zespół powinien opracować listę interwencji, które mogą być wymagane w celu ustabilizowania wydajności jednego lub więcej procesów, a następnie przekazać je odpowiednim organizacjom do wdrożenia.

Ogólnie rzecz biorąc, procedury analityczne muszą być zaprojektowane tak, aby zapewnić zespołowi zarządzania usługami dostęp do wszystkich potrzebnych informacji, bez konieczności samodzielnego wykonywania dużych ilości analiz danych. Procedury muszą również zapewniać, że wszystkie regiony i departamenty odpowiedzialne za zarządzanie różnymi komponentami usług są w równym stopniu zaangażowane w dostarczanie informacji i zaleceń zespołowi zarządzania usługami.

Narzędzia analityczne:

Wyniki mogą być wyświetlane jako liczba w tabelach lub w formie graficznej. Dzięki dużej liczbie narzędzi graficznych dostępnych obecnie na komputery stacjonarne, łatwo jest uzyskać wyniki w formie wykresów. Zaletą wyświetlaczy graficznych lub wizualnych jest to, że duże ilości informacji mogą być wygodnie przedstawione w sposób, który można łatwo przyswoić.

Wadą tych wyświetlaczy jest to, że można nimi manipulować, aby dać widzowi stronnicze lub błędne pierwsze wrażenie danych. Na przykład skala wykresu może być dostosowana tak, że małe różnice między punktami danych są powiększane, co prowadzi do przekonania widzów, że prezentowane są duże różnice.

Nawet jeśli dane nie są manipulowane celowo, nieostrożna lub niekompetentna prezentacja może spowodować, że widzowie dostaną niepożądane wnioski. Prezenterzy danych graficznych muszą zatem zadbać o to, aby wybrana metoda wyświetlania była najbardziej odpowiednia do reprezentowania informacji i aby zminimalizować stronniczość.

W skrócie opisujemy cztery wszechstronne metody graficznego wyświetlania danych, które mogą być wykorzystywane w wielu różnych zastosowaniach: histogramach, wykresach przebiegu, wykresach rozproszenia i wykresach kontrolnych.

Te metody pozwalają nam odpowiedzieć wizualnie na następujące często zadawane pytania podczas analizy danych:

W jaki sposób dystrybuowane są dane?

Jak zmienna jest wydajność?

W jaki sposób wyniki zmieniały się w czasie?

Jakie czynniki wpływają na zaobserwowane wyniki?

Jak stabilna jest wydajność wokół standardów?

Jak blisko jest wydajność do standardów?

Histogramy:

Histogram to wykres słupkowy pokazujący liczbę wystąpień każdej wartości zmiennej w próbie obserwacji. Tabulacja liczby wystąpień każdej wartości nazywana jest rozkładem częstotliwości, a histogram jest graficzną reprezentacją tego rozkładu. Zmienne mogą być dyskretne (tj. Przyjmujące wartości porządkowe, takie jak 1, 2, 3) lub ciągłe.

Histogramy zmiennych dyskretnych są również określane jako wykres słupkowy. Zmienne ciągłe, takie jak czas cyklu, są podzielone na grupy, a liczba obserwacji w każdej grupie jest przedstawiona na wykresie. Środek każdej grupy jest zazwyczaj używany jako reprezentatywna dla grupy, ale można również użyć dowolnej innej wartości. Histogram jest wizualnym obrazem kształtu rozkładu danych.

Niektóre pytania, na które można odpowiedzieć z histogramu, obejmują:

Czy rozkład jest symetryczny?

Czy istnieją długie ogony (np. Duża liczba wartości na każdym końcu skali?)

Czy istnieje wiele szczytów?

Jak szeroki jest spread w danych (tj. Czy zmienna przyjmuje wiele wartości lub kilka?)

Specjalne wersje histogramów są przydatne w określonych zastosowaniach. Wykres Pareto to histogram, w którym pręty są sortowane z największej częstotliwości do najmniejszej. Wykres ten można wykorzystać do zidentyfikowania kilku krytycznych czynników, które najbardziej przyczyniają się do zmienności danych.

Wykresy Pareto są przydatne w analizie głównych przyczyn defektów, w identyfikacji działań przyczyniających się do największych kosztów lub w określaniu czynników, które mają największy wpływ na zadowolenie konsumenta. Specjalny przypadek wykresu słupkowego to klastra lub stos wykresu słupkowego, który można wykorzystać do porównania zmiennej w wielu osobnych wymiarach.

Uruchom wykres:

Wykres przebiegu jest wykresem pokazującym wydajność zmiennej w czasie.

Te poletka służą następującym celom:

Aby zidentyfikować cykliczne wzorce wydajności lub sezonowe zmiany.

Aby określić historyczne trendy w wydajności.

Aby ocenić wpływ poprawy usług na wydajność.

Aby określić opóźnienie między ulepszeniami usług i zmianami wydajności.

Aby określić zużycie lub efekty, które powodują dryf wydajności w czasie

Aby ocenić lukę pomiędzy pożądaną i rzeczywistą wydajnością w czasie.

Wykres punktowy:

Wykres rozproszenia pokazuje zależność między dwiema zmiennymi, takimi jak wskaźnik defektu i doświadczenie pracownika, lub czas potrzebny do ukończenia transakcji usługowej i zadowolenia klienta.

Wykres rozproszenia pokazuje:

Czy istnieje związek między dwiema zmiennymi.

Kształt relacji (tj. Liniowy, zakrzywiony).

Ilość losowej zmienności w relacji między dwiema zmiennymi.

Czy ta zmienność różni się dla różnych wartości dwóch zmiennych.

Wykres rozproszony jest wykresem z wartościami zmiennej zależnej (której wartość jest przewidziana) na osi y oraz z wartościami predykcyjnymi lub zmiennymi niezależnymi (które przewidują wartość zmiennej zależnej) na osi X. Każdy punkt na wykresie reprezentuje parę wartości zmiennych zależnych i predykcyjnych.

Nachylenie wykresu punktowego pokazuje zakres średniej relacji między dwiema zmiennymi. Jeśli nachylenie jest płaskie, nie istnieje żaden związek. Ilość rozproszenia na wykresie (tj. Czy wartości y są dość bliskie dla każdej wartości x, czy też tworzą "chmurę") pokazuje zakres losowej zmienności danych i jest miarą siły związek między dwiema zmiennymi. Wykres rozproszenia jest często użytecznym pierwszym krokiem przed oszacowaniem równania regresji, ponieważ daje wskazanie natury, siły i kształtu relacji między dwiema zmiennymi.

Wykres punktowy może również służyć do sprawdzania poprawności założeń poczynionych podczas projektowania usługi. Załóżmy, że zespół projektowy stara się opracować funkcję wydajności dla konkretnego atrybutu usługi, dla którego nieznana jest dokładna postać funkcjonalna. Załóżmy, że zespół projektowy przybliża funkcję, wykorzystując połączenie doświadczenia i oceny.

Po uruchomieniu usługi można użyć wykresu rozproszenia w celu zatwierdzenia założonej formy funkcjonalnej. Zespół zarządzania usługami może zbierać dane dotyczące wydajności atrybutów na różnych poziomach charakterystyk operacyjnych. Projekt może wymagać modyfikacji, jeśli rzeczywista funkcja wydajności znacząco różni się od założonej.

Tabela kontrolna:

Karta kontrolna jest narzędziem graficznym, które jest częścią metodologii znanej jako "statystyczna kontrola procesu (SPC)". Metodologia ta służy do pomiaru zmienności procesów produkcyjnych i usługowych w celu ustalenia, czy ta zmienność jest przypisywana przyczynom systematycznym lub przypadkowym.

Tabela kontrolna porównuje wydajność zmiennej ciągłej lub dyskretnej z obliczonymi statystycznie "granicami kontrolnymi". Idea ograniczeń kontrolnych wynika z faktu, że działanie dowolnego atrybutu usługi jest z natury zmienne z powodu różnych losowych przyczyn, których nie można zidentyfikować ani kontrolować. Ta losowa zmienność powinna być jedynym źródłem zmienności w usłudze, która została zaprojektowana w celu zapewnienia stabilnego średniego poziomu wydajności, który jest odporny na zmiany w danym zakresie działania.

Ponadto ta zmienność powinna pozostać w granicach określonych przez projekt. Karta kontrolna sprawdza stabilność działania podczas działania usługi. Jeśli wydajność rozkłada się normalnie, to z właściwości rozkładu normalnego, spodziewalibyśmy się również, że 99, 7% wartości wyników będzie przypadkowo mieściło się w granicach trzech standardowych odchyleń od średniej wartości. Jeśli te dane są spełnione przez zebrane dane, uważa się, że wydajność usługi jest pod kontrolą. Wartości wydajności reprezentowane przez trzy standardowe odchylenia są określane jako granice kontrolne.

Procedura tworzenia wykresu kontrolnego składa się z dwóch kroków: kalibracji i sterowania. W etapie kalibracji średnia i zmienność danych są obliczane na podstawie historycznych danych dotyczących wydajności procesu i określa się granice kontrolne.

Granice kontrolne są wartościami wydajności przy trzech standardowych odchyleniach po obu stronach średniej. Istnieją różne metody szacowania odchylenia standardowego danych. Transformacja zakresu obserwacji, która jest różnicą pomiędzy wartością maksymalną i minimalną, jest powszechnie stosowanym oszacowaniem.

Na etapie kontroli bieżące obserwacje wydajności procesu są regularnie nanoszone na skalibrowaną kartę kontrolną. Jeśli proces jest pod kontrolą, spodziewamy się, że ponad 99% punktów na wykresie znajdzie się między górną i dolną granicą kontrolną. Spodziewalibyśmy się również, że punkty będą losowo rozdzielane, tzn. W danych nie powinny pojawiać się żadne nietypowe wzorce. Istnieją standardowe testy w celu sprawdzenia nietypowych wzorów za pomocą oględzin.

Dystrybucja raportu:

Po zakończeniu analizy danych wyniki i sugerowane działania muszą zostać udostępnione podmiotom odpowiedzialnym za ich wdrożenie. Wyniki mogą być również przesyłane do kierownictwa wyższego szczebla. Wyniki nie muszą być prezentowane na tym samym poziomie szczegółowości dla wszystkich w organizacji.

W przypadku kierownictwa wyższego szczebla wystarczy przedstawić krótkie i zwięzłe podsumowanie, w którym wymieniono bieżące i przeszłe wyniki kluczowych wskaźników, działań, które należy podjąć, oraz ich przewidywany wpływ na przyszłe wyniki i szczegóły dotyczące ich procesu (np. Skuteczność). i możliwości według lokalizacji pracy, regionu, zamówienia lub typu klienta). Menedżerom lokalizacji pracy należy uzupełnić podsumowanie ogólnej wydajności o szczegóły dotyczące ich własnej lokalizacji pracy.

Ideą powinno być zapewnienie wszystkim kluczowym interesariuszom przeglądu wydajności wszystkich składników usługi oraz zapewnienie szczegółowych informacji osobom odpowiedzialnym. Informacje potrzebne na różnych poziomach organizacji przedstawiono w tabeli 16.3.