junokai Tipp der Woche – KW18 2021.

Data rich information poor


Aufgrund der systemischen Bearbeitung in Customer Service Centern sind wir in der Lage, eine Vielzahl von Daten zu erheben – angefangen bei der Telefonanlage über die CMS-Systeme bis hin zu Ergebnissen aus Kundenbefragungen. Und dennoch fällt es oft schwer, die Zahlen richtig zu lesen und zu deuten, um daraus Erkenntnisse zur Verbesserung der Prozesse und Abläufe und nicht zuletzt der Zufriedenheit für Mitarbeiter und Kunden zu generieren.

Was macht es so schwer und wo liegen Potenziale?

Kommunikation zwischen den beteiligten Bereichen und adressatengerechte Aufarbeitung
Deutung und Analyse der Kennzahlen (aggregierte Darstellung, historischer Blick)
Aussagefähige Benchmarks
Blinde Flecken
Einhaltung von Datenschutzrichtlinien und Betriebsvereinbarungen
Kommunikation zwischen den beteiligten Bereichen und adressatengerechte Aufarbeitung

Um alle Sichtweisen und Besonderheiten zu berücksichtigen, ist es vor der Erstellung von Reports notwendig, alle beteiligten Bereiche (Adressat/Auftraggeber, Ersteller und Datenerzeuger) mit einzubeziehen und sich folgende Fragen zu stellen:

Für was und wen wird der Report benötigt?
Spiegelt die Kennzahl den gewünschten Grad an Informationsbedarf?
Welche Darstellungszeiträume und welche Publikationsintervalle sind sinnvoll?
Ist die quantitative Datenlage für eine qualitative Aussagekraft ausreichend?
Deutung und Analyse der Kennzahlen

Zur INTRE Newsletter Anmeldung

Eine Kennzahl für sich gibt in der Regel nur einen eindimensionalen Einblick in die Performance. Das bedeutet, man kann die Entwicklung und eine Einordnung in der Vergleichsgruppe ablesen, aber um eine qualitative Einschätzung abgeben zu können, reicht eine eindimensionale Betrachtung in den meisten Fällen nicht aus. Als klassisches Beispiel: Eine schnelle Bearbeitungszeit ist nur positiv zu werten, wenn auch mindestens gute Qualitätsparameter einhergehen.

Zur Gesamtbeurteilung einer Bearbeitung muss also definiert werden, welches die für die Unternehmensziele wichtigsten Parameter sind, in welchem Korridor die Erreichung der einzelnen Parameter als gut, mittel und verbesserungsfähig eingeordnet werden und wie diese in der Gesamtbetrachtung zueinanderstehen.

Herausfordernd wird es in der aggregierten Darstellung, wenn Prozesse und Bereiche unterschiedliche Zielkorridore haben und der Mittelwert dadurch an Aussagekraft verliert. Beispielsweise hat eine Kundenzufriedenheitsbewertung in der Bestellannahme andere Ziele als das Beschwerdemanagement. Darüber hinaus spielt auch der Kundenkanal eine wesentliche Rolle. Es gilt also im Vorfeld gut zu überlegen, was man darstellen möchte.

Ein weiterer wichtiger Punkt ist die historische Entwicklungsbetrachtung. Auch hier gilt es sich im Vorfeld Gedanken über die geeigneten Zeiträume der Betrachtung für die jeweiligen Adressaten und Bedürfnisse zu machen. Die Tagessteuerung schaut eher auf kurze Zeiträume, in der qualitativen Langzeitentwicklung macht eine Darstellung von Tageswerten aber weniger Sinn. Auch hilft es beispielsweise System- und Prozessumstellungen aufzuzeigen, um auffällige Veränderungen zu markieren.

Aussagefähige Benchmarks

Wenn man zum Beispiel Teams, Standorte oder Bereiche miteinander vergleichen möchte, ist es notwendig sicherzustellen, dass diese auch vergleichbar sind, analog der Aggregation von Daten. Ein Kennzahlenvergleich verschiedener Bereiche macht nur Sinn, wenn es dieser auch zulässt. Vergleicht man verschiedene Tätigkeiten oder Voraussetzungen miteinander, lenkt man die Diskussion weg vom Ergebnis hin zu Grundsatzdiskussionen ohne Mehrwert. Im schlimmsten Fall werden dadurch mögliche Zielerreichungen und Entwicklungsmöglichkeiten ohne valide Grundlage suggeriert.

Blinde Flecken

Es gibt in vielen Bereichen blinde Flecken. Diese gibt es in Bereichen, die nicht gemessen werden können, z.B. aufgrund fehlender systemischer Unterstützung wie Bearbeitungszeiten von E-Mails über Outlook bei prozessbedingten Wechseln in verschiedenen Systemen, die keine Auswertung ermöglichen oder aber Erhebungen mit solch geringen Volumen, worin einzelne Ausreißer die Kennzahl so stark beeinflussen können, dass deren Aussagekraft gen null geht.

Bei Erhebungen mit kleinerem Umfang gibt es jedoch die Möglichkeit, die Zeitspanne der Messungen zu erweitern beziehungsweise die Anzahl der Betrachtungsmenge in dem Maße zu erhöhen, sodass die Auftrittswahrscheinlichkeit oder der Einflussfaktor von Ausreißern minimiert wird.

Bei den systembedingt fehlenden Reportingmöglichkeiten oder Wechseln in Systemen können als Lösung dazu Systeme mit Reportingfunktionen, unterstützende Software oder manuelle Reportingmöglichkeiten eingeführt werden. Hierbei ist es sinnvoll, in der Wahl der Mittel den Kosten/Nutzen-Faktor zu berücksichtigen und nach Symbiosen mit anderen Prozessen und Bereichen zu suchen.

Einhalten von Datenschutzrichtlinien und Betriebsvereinbarungen

Auch wenn wir eine Vielzahl von Daten bis auf Individualebene erheben können, gilt es doch genau abzuwägen, welche auch im Hinblick auf den Datenschutz notwendig und sinnvoll sind. Welche Rechte, Rollen und Löschfristen sind zu beachten und was möchte man konkret aus den Daten lesen?

Betriebsvereinbarungen regeln dazu konkret, welche Daten aus welchen Systemen erhoben werden können/dürfen und wie mit den Ergebnissen gerade im Hinblick auf die Mitarbeiter umgegangen werden darf.

Fazit

Die Akzeptanz und der Nutzen von Reports steht und fällt mit seiner Aussagekraft und wie mit den Ergebnissen und analysierten Erkenntnissen umgegangen wird.

Zu jeder Kennzahl, die im Unternehmen veröffentlicht wird, ist es notwendig, sich die zuvor genannten Punkte zu verdeutlichen und in Zusammenhang mit dem gewünschten Nutzen in Einklang zu bringen.

Nur so lassen sich aus der Vielzahl an Daten informative Reports und Kennzahlen generieren. Und nur Kennzahlen, die akzeptiert und bekannt sind, helfen in der Einschätzung und in der Generierung von Verbesserungspotenzialen.

Also weg von data rich information poor hin zu einer data driven culture!

Ralf Dinter  –  Senior Berater


Verschlagwortet mit , , , .