چگونه KPI های قدیمی را بازنویسی کنیم؟ تاثیر هوش مصنوعی بر KPI ها

به گفته MIT sloan management review شاخص های کلیدی عملکرد مبتنی بر هوش مصنوعی بینش پیش بینی کننده ای را ارائه می دهند. تصویر دقیق تری از آنچه واقعاً در یک تجارت می گذرد.

استفاده از هوش مصنوعی برای تولید شاخص های کلیدی عملکرد می تواند یک شرکت را از درون متحول کند. تحقیقات جدید نشان می‌دهد که این «KPIهای هوشمند» می‌توانند افراد و فرآیندها را به‌طور استراتژیک همسو کنند.این شاخص ها دیدی ارزشمند و پیشبینی کننده ارائه می‌دهند و مدیریت موجودی را بهبود می‌بخشند.

یک نظرسنجی جهانی از ۳۰۰۰ مدیر توسط MIT Sloan Management Review و Boston Consulting Group نشان داد که شرکت‌هایی که از هوش مصنوعی برای بازنگری KPI خود استفاده می‌کنند، ۴٫۳ برابر بیشتر از شرکت‌هایی که به هوش مصنوعی متکی نبوده‌اند، شاهد بهبود همسویی بین عملکردها بوده‌اند.

به گفته محققین ، از جمله مایکل شریج، محقق MIT Initiative در اقتصاد دیجیتال، «تحقیق ما سازمان‌هایی را در سراسر صنایع می‌یابد که از هوش مصنوعی برای بازبینی اصول KPI خود و کشف ویژگی‌های عملکرد نهفته یا کم ارزش استفاده می‌کنند».

مزایای KPI های بازنگری شده با هوش مصنوعی

سازمان‌هایی که KPIهای جدیدی را با استفاده از هوش مصنوعی ایجاد می‌کنند، نسبت به سازمان‌هایی که KPI جدید با استفاده از هوش مصنوعی ایجاد نمی‌کنند، احتمالاً همسویی قوی‌تر، افزایش همکاری، پیش‌بینی‌های دقیق‌تر و کارایی بیشتری را مشاهده می‌کنند.

ساختار تشویقی در راستای اهداف:

۵٫۱۳ برابر بیشتر از سازمان هایی که از هوش مصنوعی برای ایجاد KPI های جدید استفاده نمی کنند (۶٪ ➞ ۲۹٪)

افزایش همکاری بین کارکنان:

۳٫۹۷ برابر بیشتر از سازمان هایی که از هوش مصنوعی برای ایجاد KPI های جدید استفاده نمی کنند (۱۱٪ ➞ ۴۴٪).

اثربخش‌تر در پیش‌بینی عملکرد آینده:

۳٫۳۷ برابر بیشتر از سازمان‌هایی که از هوش مصنوعی برای ایجاد KPIهای جدید استفاده نمی‌کنند (۱۳% ➞ ۴۵%)

سود مالی بیشتر:

۳٫۲۷ برابر بیشتر از سازمان هایی که از هوش مصنوعی برای ایجاد KPI های جدید استفاده نمی کنند (۱۱٪ ➞ ۳۴٪).

کارایی بیشتر:

۲٫۳۱ برابر بیشتر از سازمان هایی که از هوش مصنوعی برای ایجاد KPI های جدید استفاده نمی کنند (۲۴٪ ➞ ۵۶٪)

 مثال:

خرده‌فروش آنلاین مبلمان Wayfair از هوش مصنوعی برای بررسی مجدد فروش از دست رفته استفاده کرد. این شرکت پیش از این معتقد بود که اگر فروش یک محصول خاص را از دست بدهد، ضرر برای شرکت است. پس از بررسی بیشتر، Wayfair متوجه شد که “فروش از دست رفته” اغلب به دلیل خرید کالای دیگری در همان دسته محصول توسط مشتری است.

این بینش باعث شد تا Wayfair KPI فروش از دست رفته خود را به معیاری ارزشمندتر تبدیل کند که به حفظ فروش مبتنی بر گروه نگاه می کند. از آنجا، Wayfair می‌تواند توصیه‌های مؤثرتری برای مبلمان ارائه دهد که ترجیحات مشتری را در هنگام  بهترین پیشنهادات بعدی در بر می‌گیرد.

استفاده از KPIهای هوشمند نیازمند تغییر در تفکر است

بر اساس گزارش ارائه شده، در اینجا شش تغییر وجود دارد که باید هنگام استفاده از هوش مصنوعی برای تغییر شیوه های KPI قدیمی ایجاد کنید.

«ردیابی عملکرد» تا «تعریف مجدد عملکرد»

این تحقیق نشان می دهد که ردیابی عملکرد KPI های قدیمی موجود سود کمی دارد. از سوی دیگر، استفاده از هوش مصنوعی برای بهبود KPI ها می تواند به شرکت ها کمک کند که خارج از چارچوب فکر کنند و تعاریف جدیدی از عملکرد ارائه دهند. برای مثال، در گوگل، الگوریتم‌های یادگیری بدون نظارت این شرکت، نشانگرهای عملکرد کاملاً غیرمنتظره‌ای را برای خریدهای رسانه‌ای آن شناسایی کردند.

«معیارهای استاتیک» تا «پیش‌بینی‌کننده‌های پویا»

نویسندگان می نویسند که KPIهای هوشمند می توانند برای پیش بینی شرایط بازار، رفتار مصرف کننده و چالش های زنجیره تامین با دقت بیشتری مورد استفاده قرار گیرند. به عنوان مثال، شاخص های کلیدی عملکرد پویا Schneider Electric به شرکت کمک می کند تا آب و هوای ناپایدار را پیش بینی کند. به طور موثرتری به آن واکنش نشان دهد، که بر هزینه های انرژی و ردپای کربن تأثیر می گذارد. نویسندگان می نویسند که تجارت الگوریتمی با فرکانس بالا و بازارهای تبلیغات برنامه ریزی شده دیگر زمینه هایی هستند که KPIهای پیش بینی کننده پویا در آنها نوید زیادی دارند.

معیارهای استراتژیک «اول قضاوت» تا «الگوریتمی تعریف شده».

به طور سنتی، مدیران با تکیه بر عواملی مانند تجربه، روند بازار و اهداف تجاری، KPI را طراحی و تعریف می کردند. با این حال، هوش مصنوعی می‌تواند به شناسایی معیارهای جدید و غیرقابل تصور برای همسوسازی و ارزیابی عملکرد با ارزش‌ها و اهداف شرکت کمک کند.

«مدیریت KPI» به «حکم و نظارت هوشمند KPI»

مهم است که رهبران کسب و کار درک عمیقی از پشت صحنه نحوه عملکرد KPIهای هوشمند داشته باشند و بهبود را یاد بگیرند.

نویسندگان معتقداند: «کسب و کارها برای KPI خود به KPI نیاز دارند. معیارها و استانداردهای هوشمند برای ارزیابی قابل اعتماد اثربخشی، کارایی و همسویی خود KPIها».

حاکمیت KPI هوشمند فقط شامل بهینه سازی KPI های فردی نیست. بلکه مجموعه های KPI استراتژیک (گروهی از KPI ها که به بهترین نحو آرمان ها، اهداف و نتایج استراتژیک را نشان می دهند) را شامل می شود. مکانیسم های حاکمیت KPI خوب همچنین داده های عملکرد دقیق و مرتبط را در طول زمان حفظ می کند.

“مراقبت بر KPI ها” تا “گفتگوها و بحث های KPI”

نظارت روزانه بر شاخص های کلیدی عملکرد بر روی داشبوردهای دقیق و به صورت بصری، یک روش معمول در دفاتر در سراسر جهان است. نویسندگان بیان می‌کنند، اما الگوریتم‌های واقعاً هوشمند می‌توانند این داشبوردها را به پلتفرم‌های یادگیری ماشینی فعال تبدیل کنند که امکان گفتگوی بی‌درنگ بین مدیران و KPIهای آنها را فراهم می‌کند.

برای مثال، تجهیز KPIها به قابلیت‌های هوش مصنوعی مولد این امکان را برای مدیران فراهم می‌کند که داشبوردهایی را برای تولید سناریوهای خلاف واقع برای برنامه‌ریزی مالی یا مدیریت موجودی طراحی کنند.

«استراتژی با KPI» تا «استراتژی همراه و برای KPI»

رویکردهای مدیریت استراتژیک KPI سنتی شامل اهداف ملموس و قابل اندازه گیری با اهداف تجاری تعیین شده توسط مدیران است. با این حال، KPIهای هوشمند الگو و استراتژی جدیدی را برای توسعه و بهینه سازی در طول زمان می طلبند.

نویسندگان می گویند: (داشتن یک استراتژی برای KPIها و همچنین با آنها، استراتژیست ها را تشویق می کند تا نه تنها به اهداف قابل اندازه گیری بلکه به KPIهای قابل اندازه گیری افزایش یافته توجه کنند.)

برای مدیریت برنامه ریزی و KPI های خود ، به ما بپیوندید.

منبع: mitsloan.mit.edu