| Written by Mark Buzinkay
Warum Performance-monitoring?
Damals wie heute suchen Unternehmen nach Produkten und Dienst-leistungen, die es ihnen ermöglichen, ihren Konkurrenten voraus zu sein. Kontinuierliche Innovation, Kostensenkung und verbesserte Ressourcennutzung sind nur einige Beispiele für eine optimierte betriebliche Leistung. Eines der bekanntesten Konzepte der kontinuierlichen Verbesserung ist Kaizen. Kaizen basiert auf der Idee, dass kleine, fortlaufende positive Veränderungen zu erheblichen Verbesserungen führen können. Es ruht auf Zusammenarbeit und Engagement und unterscheidet sich von Ansätzen, die radikale oder von oben nach unten verlaufende Veränderungen anstreben.
Im Allgemeinen handelt es sich bei den operativen Leistungszielen um Maßnahmen, die wir benötigen, um die Effizienz eines Prozesses zu bewerten. Wir suchen nach Möglichkeiten zur Verbesserung von Abläufen, z. B. bei der Entwicklung eines Produkts oder einer Dienstleistung bis zum Ende ihrer Lebensdauer. Dazu können die Steigerung des quantitativen Outputs, die Senkung von Kosten und Verschwendung, die Verbesserung der Qualität, die Verringerung von Sicherheitsrisiken, die Verkürzung von Innovationszyklen und die Verbesserung der Ressourcenplanung gehören. Letztendlich ermöglichen es Leistungsmessungen Managern oder Teams, Prozessinputs (die zugewiesenen Ressourcen) und -outputs (direkte Ergebnisse von Prozessschritten oder Dienstleistungsaktivitäten) zu bewerten, um eine fundierte Entscheidung zu treffen.
Auch heute noch gilt: “Was gemessen wird, wird auch gemacht”. Operative Leistungsziele beschreiben und fokussieren langfristige und strategische Ziele; sie lenken auch die Aufmerksamkeit der Mitarbeiter auf das, was zählt. Die Ergebnisse sind für Führung und Management hilfreich, weil sie präzise und umsetzbar sind. Operative Leistungsziele haben eine richtungsweisende Funktion. Der Zusammenhang zwischen Zielen und Leistung ist empirisch erwiesen: Was gemessen wird, bekommt Aufmerksamkeit (siehe auch: Prozesskennzahlen). Dies kann dem Prozess bereits zugute kommen, bevor operative Verbesserungen umgesetzt wurden oder die Messergebnisse bekannt sind.
Die Messung hilft uns, beabsichtigte wie unbeabsichtige Aspekte von Leistung zu verstehen. Werden die Dinge besser oder schlechter? Die Antworten auf diese einfache Frage sind für den Manager, der bereit ist, zuzuhören, von großer Bedeutung. Leistungskennzahlen sind auch der effektivste Weg, um mit den Beteiligten über den Erfolg von Produkten, Dienstleistungen oder Verbesserungsmaßnahmen zu kommunizieren. Die Verwendung von leicht verständlichen Leistungsmessungszielen entmystifiziert einen Prozess und ermöglicht es ihnen zu wissen, wie gut er funktioniert.
Vor dem Monitoring: SMARTe Ziele
Durch die Festlegung von Zielen geben sich Manager und Teams ein Ziel, das sie anstreben. SMART wird verwendet, um die Zielsetzung zu unterstützen und anzuleiten. Wahrscheinlich wissen Sie, dass SMART ein Akronym ist, das für Spezifisch, Messbar, Erreichbar, Realistisch und Terminiert steht. Ein SMART-Ziel vereint also alle diese Kriterien, um Ihre Bemühungen zu bündeln und die Chancen zu erhöhen, Ihr Ziel zu erreichen.
- Spezifisch (Specific): Gut spezifiziert, klar und unzweideutig (wer-was-wo-wann-warum?).
- Messbar (Measurable): Mit bestimmten Kriterien, die Ihre Fortschritte bei der Erreichung des Ziels messen, einschließlich Indikatoren, Messintervallen und Methoden.
- Erreichbar (Achievable): Erreichbar, aber dennoch kühn, damit sich jeder herausgefordert fühlt.
- Realistisch (Realistic): In Reichweite und relevant für den Zweck.
- Rechtzeitig (Timely): Ein Start- und ein Zieldatum geben Ihnen einen Zeitrahmen, um Dringlichkeit zu erzeugen.
SMART-Ziele machen ein Team erfolgreich, indem sie Ziele spezifisch, messbar, erreichbar, realistisch und zeitlich begrenzt sind. Die SMART-Methode gibt die Richtung vor und hilft, die Ziele des Teams zu organisieren und zu erreichen. Wenn Sie auf ein SMART-Ziel hinarbeiten, ist es an der Zeit, die Fortschritte im Detail zu messen.
Wie daten sammeln?
Ein SMART-Ziel muss messbar sein, um vergleichbar zu sein. Nur wenn Sie Daten vergleichen können, können Sie Diskrepanzen oder, mit anderen Worten, Fortschritte in Richtung Ihres Ziels feststellen. Ein Vergleich ist möglich, wenn Sie Maßnahmen der quantitativen Bewertung verwenden. Leider sind nicht alle Daten sofort in diesem Format verfügbar. In der Wissenschaft nennt man dies quantitative und qualitative Forschung. Bei der Sammlung und Analyse von Daten geht es in der quantitativen Forschung um Zahlen und Statistiken, in der qualitativen Forschung um Worte und Bedeutungen. Beide sind wichtig, um unterschiedliche Erkenntnisse zu gewinnen, aber das Untersuchungsteam muss die Daten der qualitativen Forschung zunächst umwandeln, um sie messbar zu machen.
Quantitative Forschung wird in Zahlen und Diagrammen ausgedrückt. Sie wird eingesetzt, um Theorien und Annahmen zu prüfen oder zu bestätigen. Mit dieser Art von Forschung können verallgemeinerbare Fakten über ein Thema ermittelt werden. Zu den quantitativen Standardmethoden gehören Experimente, Beobachtungen, die als Zahlen aufgezeichnet werden, und Umfragen mit geschlossenen Fragen.
Qualitative Forschung wird in Worten dargestellt. Sie wird eingesetzt, um Konzepte, Gedanken oder Erfahrungen zu verstehen. Mit dieser Art von Forschung können Sie tiefgreifende Einblicke in schwer verständliche Themen gewinnen. Zu den standardmäßigen qualitativen Methoden gehören Interviews mit offenen Fragen, Beobachtungen, die in Worten beschrieben werden, und Literaturanalysen, die Konzepte und Theorien untersuchen.
Lesen Sie mehr über Asset Tracking und mobile Prozesse
Methoden der daten-Sammlung
Quantitative und qualitative Daten können mit verschiedenen Methoden erhoben werden. Aber Achtung: jede Methode liefert unterschiedliche Ergebnisse. Daher ist die Entscheidung für eine bestimmte Datenerhebungsmethode eingesetzt werden soll, entscheidend für die Beantwortung Ihrer Messfrage. Wählen Sie qualitative Forschungsmethoden, um eine Hypothese zu formulieren. Verwenden Sie quantitative Forschung, um eine Theorie oder Hypothese zu bestätigen oder zu testen.
Für die meisten Forschungsthemen können Sie einen qualitativen, quantitativen oder gemischten Methodenansatz wählen. Nehmen Sie das folgende Beispiel an: Sie möchten wissen, wie zufrieden Ihre Kunden mit Ihren Dienstleistungen sind. Sie befragen 300 Kunden und stellen ihnen Fragen wie: “Wie zufrieden sind Sie auf einer Skala von 1-5 mit unseren Dienstleistungen?” Sie testen also eine Hypothese (“Unsere Kunden sind mit unseren Dienstleistungen zufrieden”). Nach der Datensammlung können Sie eine statistische Analyse durchführen und Schlussfolgerungen ziehen, wie z. B.: “Im Durchschnitt haben die Kunden unsere Dienstleistungen mit 4,2 bewertet”.
Um das Beispiel fortzusetzen, könnten Sie alternativ ausführliche Interviews mit 15 Kunden führen und ihnen offene Fragen stellen, wie z. B.: "Wie zufrieden sind Sie mit unseren Dienstleistungen?", "Was ist der positivste Aspekt des Kundenerfolgsprogramms?" und "Was kann getan werden, um unseren Online-Support zu verbessern?" Anhand der Antworten können Sie Folgefragen stellen, um die Dinge zu klären. Bevor Sie die Antworten vergleichen, transkribieren Sie alle Interviews und versuchen, Gemeinsamkeiten und Muster zu finden, um die Gründe für die Ergebnisse aufzuzeigen ("Die Kunden schätzen unsere Dienstleistungen am meisten wegen der kurzen Antwortzeit 24/5. Aber sie würden es gerne 24/7 haben.").
Das Mischen von Methoden ist der bevorzugte Weg, um Daten zu sichern. Bei einem methodengemischten Ansatz führen Sie beispielsweise Interviews durch, um herauszufinden, wie zufrieden die Kunden mit Ihren Dienstleistungen sind, und gewinnen so Erkenntnisse und formulieren eine Hypothese. Später können Sie diese Erkenntnisse mit einer Umfrage in größerem Maßstab überprüfen. Es ist auch möglich, mit einer Studie zu beginnen, um die allgemeinen Trends herauszufinden, und anschließend Interviews zu führen, um die Gründe für die Trends besser zu verstehen.
Quantitative Methoden der Datensammlung enthalten:
- Erhebungen: Liste von geschlossenen oder Multiple-Choice-Fragen, die an eine Stichprobe verteilt werden.
- Experimente: Variablen werden kontrolliert und manipuliert werden, um Ursache-Wirkungs-Beziehungen herzustellen.
- Beobachtungen: Beobachtung von Probanden in einer natürlichen Umgebung, in der die Variablen nicht kontrolliert werden können.
- Daten können auch automatisch gesammelt werden - z.B. Erfassen von Daten über Lokalisierung Software
Qualitative Methoden der Datensammlung nutzen
- Befragungen: Mündliche Beantwortung offener Fragen an die Befragten.
- Fokusgruppen: Diskussion zwischen einer Gruppe von Personen über ein Thema, um Meinungen zu sammeln, die für weitere Untersuchungen verwendet werden können.
- Ethnografie: Die Teilnahme an einer Gemeinschaft oder Organisation über einen längeren Zeitraum, um Kultur und Verhalten genau zu beobachten.
- Literaturrecherche: Durchsicht veröffentlichter Arbeiten anderer Autoren.
Viele Methoden der Datenerhebung können entweder qualitativ oder quantitativ sein. Bei Umfragen, Beobachtungen oder Fallstudien können Ihre Daten beispielsweise in Form von Zahlen (z. B. mithilfe von Bewertungsskalen oder Häufigkeitszählungen) oder in Worten (z. B. mit offenen Fragen oder Beschreibungen der Beobachtungen) dargestellt werden.
Daten analysieren
Qualitative oder quantitative Daten allein können nichts beweisen oder zeigen, aber sie müssen analysiert werden, um ihre Bedeutung für die Forschungsfragen aufzuzeigen. Daher unterscheidet sich die Analysemethode je nach Art der Daten. Da quantitative Daten auf Zahlen beruhen, werden einfache mathematische Verfahren oder fortgeschrittenere statistische Analysen eingesetzt, um Gemeinsamkeiten oder Muster in den Daten aufzudecken. Die Ergebnisse werden häufig in Diagrammen und Tabellen dokumentiert. Anwendungen wie Excel, SPSS oder R können verwendet werden, um Dinge zu berechnen wie:
- Durchschnittliche Punktzahlen
- Wie oft eine bestimmte Antwort gegeben wurde
- die Korrelation oder Kausalität zwischen zwei oder mehreren Variablen
- Die Zuverlässigkeit und Gültigkeit der Ergebnisse
Qualitative Daten hingegen sind schwieriger zu analysieren als quantitative Daten. Dies liegt daran, dass sie aus Texten, Bildern oder Videos bestehen und vergleichbar gemacht werden müssen. Dennoch gibt es einige gängige Ansätze für die Analyse von qualitativen Daten:
- Qualitative Inhaltsanalyse: Verfolgen des Vorkommens, der Position und der Bedeutung von Wörtern oder Sätzen
- Thematische Analyse: Genaue Untersuchung der Daten, um die wichtigsten Themen und Muster zu identifizieren
- Diskursanalyse: Untersuchen, wie Kommunikation in sozialen Kontexten funktioniert.
Indikatoren im Kontext: Performance verstehen
Sobald die Daten gesammelt und analysiert sind, brauchen Management und Team noch einen letzten Schritt, um die gewünschten Erkenntnisse zu gewinnen: den Kontext. Daten sind wie eine Zahl nur eine Zahl. Ihre Bedeutung (gut oder schlecht, wichtig oder unbedeutend, erwartet oder unerwartet) wird von außen festgelegt. Ihr Wert ist nicht inhärent, sondern hängt vielmehr vom Kontext ab. Der Kontext ist das, was die Geschichte erzählt.
Es reicht nicht aus zu sagen, dass die Kundenzufriedenheit hoch war. Die Beschreibung “hoch” kann eine Vielzahl von Bedeutungen haben. Ihre erste Reaktion sollte sein: “Wie hoch?” und “Hoch im Vergleich zu was?”. Wenn Sie sich auf eine konkrete Zahl konzentrieren, erfahren Sie nur einen Teil der Wahrheit. Nehmen wir an, die Kundenzufriedenheit liegt bei 92 %. Wie ist das im Vergleich zum letzten Jahr? Sie kann niedrig sein, wenn sie im letzten Jahr 96 % betrug, oder sie kann hoch sein, wenn sie bei 82 % lag. Oder wenn in derselben Branche der Wert unter 80 % liegt, sehen 92 % gut aus, während er weniger gut aussieht, wenn die Benchmark der Branche über 95 % liegt.
Das so genannte Wettbewerbsbenchmarking vergleicht, wie gut ein Unternehmen im Vergleich zur führenden Konkurrenz abschneidet. Wie bewerten beispielsweise die Kunden die Kundenbetreuung Ihres Unternehmens im Vergleich zu den führenden Wettbewerbern? Bevor eine Organisation die Vorteile des Benchmarking voll ausschöpfen kann, müssen ihre Prozesse verstanden werden.
Da das Benchmarking erhebliche Investitionen in Personal und Zeit erfordert, muss die Unternehmensleitung den gesamten Prozess begleiten und auf der Grundlage der gewonnenen Erkenntnisse Änderungen vornehmen. Anschließend müssen die Lücken zwischen Ihren betrieblichen Leistungsmessungen und denen anderer Unternehmen oder der Vorjahre ermittelt werden. Die Antworten auf diese Aspekte können Einsichten oder der Ausgangspunkt für weitere Untersuchungen sein: Ihre nächste Hypothese..
Resümee
Die Überwachung der betrieblichen Leistung und das Benchmarking sollten eine ständige, automatisierte Aufgabe sein: Vergleichen Sie historische und aktuelle Daten sofort und bei Bedarf auf der Grundlage Ihrer digitalen Dateneinspeisungen. Die Erkenntnisse sind jedoch nur dann gültig, wenn die Datenbank genau, repräsentativ und frei von Verzerrungen ist. Das kontinuierliche Sammeln von Daten unter diesen Voraussetzungen kann ermüdend sein, wenn Sie keine Sensoren, Maschinen oder Computer einsetzen, die die mühsame Arbeit für Sie erledigen. Industrie 4.0-Anwendungen bieten ein breites Spektrum an automatisierter Datenerfassung in der Fertigung.
Tauchen Sie ein in eines unserer Kernthemen: Automatisierte Fertigung
Quellen:
(1) Per Lind (2014): Monitoring Business Performance: Models, Methods, and Tools Routledge
Hinweis: Dieser Beitrag wurde am 4. November 2024 aktualisiert
Related Articles
Related Product
