रूटीन और ADHOC विश्लेषण के बीच अंतर
रूटीन और ADHOC विश्लेषण के बीच अंतर!
सेवा प्रदर्शन डेटा में अंतर्दृष्टि प्राप्त करने के लिए आमतौर पर दो प्रकार के विश्लेषणों की आवश्यकता होती है। वे नियमित विश्लेषण और तदर्थ विश्लेषण हैं। रूटीन विश्लेषण, जैसा कि इसके नाम से पता चलता है, नियमित, व्यवस्थित विश्लेषण को संदर्भित करता है जो प्रभावशीलता, क्षमता और दक्षता मैट्रिक्स पर सेवा के प्रदर्शन का मूल्यांकन करने के लिए हर रिपोर्टिंग अवधि में किया जाता है। तदर्थ विश्लेषण विस्तृत नैदानिक परीक्षण है जो अप्रत्याशित प्रदर्शन परिवर्तनों के कारणों की जांच करने के लिए आवश्यक है। तदर्थ विश्लेषण की प्रकृति और जटिलता स्थिति से स्थिति में भिन्न होगी।
नियमित विश्लेषण गतिविधियों की योजना बनाई जानी चाहिए ताकि उन्हें कम से कम प्रयास के साथ किया जा सके। कई टीमों को हर महीने परिणाम तैयार करने के लिए आवश्यक प्रयास से इतनी खपत होती है कि व्याख्या या तदर्थ विश्लेषण के लिए बहुत कम समय बचा है।
फिर भी तदर्थ विश्लेषण सेवा प्रबंधन टीम का प्राथमिक ध्यान होना चाहिए, क्योंकि यह इस विश्लेषण के विवरण के माध्यम से है कि सेवा प्रदर्शन के बारे में सबसे महत्वपूर्ण जानकारी प्राप्त की जा सकती है। दूसरी ओर, नियमित विश्लेषण प्रक्रियाएं दोहराई जानी चाहिए, प्रलेखित और विकेन्द्रीकृत होनी चाहिए।
दोहराने योग्य का मतलब है कि हर समय अवधि में समान विश्लेषण चरणों का पालन करना संभव होना चाहिए। कुछ टीमें हर कुछ महीनों में अपने मेट्रिक्स बदलती हैं, जिससे समय के साथ सेवा के प्रदर्शन की व्यापक तस्वीर प्राप्त करना बहुत मुश्किल हो जाता है।
जहां तक संभव हो, विश्लेषण प्रक्रियाओं को कम से कम बारह महीनों के लिए अपरिवर्तित छोड़ दिया जाना चाहिए ताकि रुझानों का अध्ययन किया जा सके। नियमित विश्लेषण के लिए प्रक्रियाओं का दस्तावेजीकरण किया जाना चाहिए ताकि विश्लेषण करने वाले सभी व्यक्ति एक ही क्रम में समान चरणों का पालन करें।
उचित प्रलेखन भी नए कर्मियों के प्रशिक्षण में सहायता करता है। संभव हद तक, नियमित विश्लेषण के सबसे दोहराव वाले कार्यों को स्वचालित किया जाना चाहिए ताकि उन्हें नियमित रूप से थोड़ा हस्तक्षेप के साथ पुन: पेश किया जा सके। विकेंद्रीकरण का अर्थ है कि लगभग सभी नियमित विश्लेषण (और उपयुक्त के रूप में तदर्थ विश्लेषण के अधिक) को जहां काम किया जाता है, उसके करीब प्रदर्शन किया जाना चाहिए।
विश्लेषण परिणामों को साझा करने की प्रक्रियाएं:
यदि सेवा वितरण को कई भौगोलिक क्षेत्रों में वितरित किया जाता है, या यदि विभिन्न संगठनों द्वारा अलग-अलग उप प्रक्रियाओं का प्रबंधन किया जाता है, तो समझौतों को विकसित किया जाना चाहिए कि विश्लेषण के परिणाम कैसे सेवा प्रबंधन टीम को भेजे जाएंगे, और किस प्रारूप में।
आमतौर पर, विभिन्न संगठनों के परिणामों को सेवा प्रबंधन टीम द्वारा समेकित और एकत्र किया जाना चाहिए। कोई भी तदर्थ विश्लेषण जो आवश्यक है, या तो टीम द्वारा किया जा सकता है, या उपयुक्त जिम्मेदार संगठन द्वारा किया जा सकता है। सेवा प्रबंधन टीम समय-समय पर विभागीय और क्षेत्रीय परिणामों के स्पॉट चेक या ऑडिट भी कर सकती है।
जब सभी तदर्थ विश्लेषण पूरे हो जाते हैं, तो टीम को हस्तक्षेप की एक सूची विकसित करनी चाहिए जो एक या अधिक प्रक्रियाओं के प्रदर्शन को स्थिर करने के लिए आवश्यक हो सकती है, और फिर उन्हें कार्यान्वयन के लिए उपयुक्त संगठनों को वापस करना चाहिए।
सामान्य तौर पर, विश्लेषण प्रक्रियाओं को सेवा प्रबंधन टीम को उन सभी सूचनाओं तक पहुँच प्रदान करने के लिए डिज़ाइन किया जाना चाहिए, जिनकी आवश्यकता है, इसके लिए बड़ी मात्रा में डेटा विश्लेषण करने की आवश्यकता नहीं है। प्रक्रियाओं को यह भी सुनिश्चित करना चाहिए कि विभिन्न सेवा घटकों के प्रबंधन के लिए सभी क्षेत्र और विभाग समान रूप से सेवा प्रबंधन टीम को इनपुट और सिफारिशें प्रदान करने में शामिल हैं।
विश्लेषण उपकरण:
परिणाम तालिका में या चित्रमय रूप में संख्या के रूप में प्रदर्शित किए जा सकते हैं। डेस्कटॉप कंप्यूटर के लिए अब उपलब्ध बड़ी संख्या में ग्राफिकल टूल के साथ, ग्राफ के चार्ट के रूप में परिणाम उत्पन्न करना आसान है। चित्रमय या दृश्य प्रदर्शनों का लाभ यह है कि बड़ी मात्रा में जानकारी को आसानी से प्रस्तुत किया जा सकता है जिसे आसानी से आत्मसात किया जा सकता है।
इन डिस्प्ले का नुकसान यह है कि उन्हें दर्शक को डेटा का एक पक्षपाती या गलत पहला प्रभाव देने के लिए हेरफेर किया जा सकता है। उदाहरण के लिए, एक ग्राफ के पैमाने को समायोजित किया जा सकता है ताकि डेटा बिंदुओं के बीच छोटे अंतर को बढ़ाया जा सके, जिससे एक दर्शक को विश्वास हो सके कि बड़े अंतर प्रस्तुत किए जा रहे हैं।
यहां तक कि अगर डेटा उद्देश्य पर हेरफेर नहीं किया जाता है, तो लापरवाह या अक्षम प्रस्तुति दर्शकों को अवांछित निष्कर्ष तक पहुंच सकती है। इसलिए ग्राफिकल डेटा के प्रस्तुतकर्ताओं को यह सुनिश्चित करने के लिए ध्यान रखना चाहिए कि चुनी गई प्रदर्शन विधि जानकारी का प्रतिनिधित्व करने के लिए सबसे उपयुक्त है और यह दृश्य पूर्वाग्रह कम से कम है।
अब हम संक्षेप में डेटा प्रदर्शित करने के चार बहुमुखी तरीकों का वर्णन करते हैं, जिनका उपयोग विभिन्न प्रकार के अनुप्रयोगों में किया जा सकता है: हिस्टोग्राम, रन चार्ट, स्कैटर प्लॉट और कंट्रोल चार्ट।
ये विधियाँ हमें किसी भी डेटा विश्लेषण के दौरान पूछे जाने वाले निम्नलिखित सामान्य प्रश्नों के नेत्रहीन उत्तर देने की अनुमति देती हैं:
डेटा कैसे वितरित किया जाता है?
प्रदर्शन कितना परिवर्तनशील है?
समय के साथ परिणाम कैसे बदल गए हैं?
देखे गए परिणामों को कौन से कारक प्रभावित करते हैं?
मानकों के आसपास प्रदर्शन कितना स्थिर है?
मानकों के प्रदर्शन के कितने करीब है?
हिस्टोग्राम:
एक हिस्टोग्राम एक बार चार्ट है जो टिप्पणियों के नमूने में एक चर के प्रत्येक मूल्य को कई बार दिखाता है। प्रत्येक मूल्य की घटनाओं की संख्या के सारणीकरण को एक आवृत्ति वितरण कहा जाता है, और एक हिस्टोग्राम इस वितरण का एक चित्रमय प्रतिनिधित्व है। चर या तो असतत हो सकते हैं (यानी, 1, 2, 3 जैसे क्रमिक मूल्यों को लेते हुए) या निरंतर।
असतत चर के हिस्टोग्राम को भी बार चार्ट के रूप में जाना जाता है। निरंतर चर जैसे कि चक्र समय को समूहों में विभाजित किया जाता है, और प्रत्येक समूह में टिप्पणियों की संख्या चार्ट की जाती है। प्रत्येक समूह के मध्य बिंदु को आमतौर पर समूह के लिए प्रतिनिधि मूल्य के रूप में उपयोग किया जाता है, हालांकि किसी अन्य मूल्य का भी उपयोग किया जा सकता है। हिस्टोग्राम डेटा के वितरण के आकार का एक दृश्य चित्र है।
हिस्टोग्राम से पूछे जाने वाले कुछ सवालों में निम्नलिखित शामिल हैं:
क्या वितरण सममित है?
क्या पैमाने के दोनों छोर पर लंबी पूंछ (यानी, बड़ी संख्या में मान हैं?)
क्या कई चोटियाँ हैं?
डेटा में प्रसार कितना व्यापक है (जैसे, चर कई मानों या कुछ पर ले जाता है?)
विशिष्ट अनुप्रयोगों के लिए हिस्टोग्राम के विशेष संस्करण उपयोगी हैं। पेरेटो चार्ट एक हिस्टोग्राम है जहां सलाखों को सबसे बड़ी आवृत्ति से सबसे छोटी तक का आदेश दिया जाता है। इस चार्ट का उपयोग उन महत्वपूर्ण कुछ कारकों की पहचान करने के लिए किया जा सकता है जो डेटा में परिवर्तनशीलता में सबसे अधिक योगदान देते हैं।
पारेतो चार्ट दोषों के प्रमुख कारणों का विश्लेषण करने, सबसे बड़ी लागतों में योगदान करने वाली गतिविधियों की पहचान करने या उन कारकों का निर्धारण करने में उपयोगी होते हैं जो उपभोक्ता संतुष्टि पर सबसे अधिक प्रभाव डालते हैं। बार चार्ट का एक विशेष मामला एक संकुल या स्टैक्ड बार चार्ट है जिसका उपयोग कई असतत आयामों में एक चर की तुलना करने के लिए किया जा सकता है।
रन चार्ट:
रन चार्ट एक ग्राफ है जो समय के साथ एक चर के प्रदर्शन को दर्शाता है।
ये भूखंड निम्नलिखित उद्देश्यों की पूर्ति करते हैं:
चक्रीय प्रदर्शन पैटर्न या मौसमी विविधताओं की पहचान करना।
प्रदर्शन में ऐतिहासिक रुझानों का निर्धारण करने के लिए।
प्रदर्शन पर सेवा में सुधार के प्रभाव का मूल्यांकन करने के लिए।
सेवा में सुधार और प्रदर्शन में बदलाव के बीच समय अंतराल की पहचान करना।
पहनने या अनुभव प्रभावों को निर्धारित करने के लिए जो प्रदर्शन को समय के साथ बहाव का कारण बनाते हैं
समय के साथ वांछित और वास्तविक प्रदर्शन के बीच अंतर का आकलन करना।
स्कैटर प्लॉट:
स्कैटर प्लॉट दो वैरिएबल जैसे कि दोष दर और कर्मचारी अनुभव, या एक सेवा लेनदेन और ग्राहक संतुष्टि को पूरा करने में लगने वाले समय के बीच के संबंध को दर्शाता है।
तितर बितर साजिश निम्नलिखित दर्शाती है:
चाहे कोई संबंध दो चर के बीच मौजूद हो।
संबंध का आकार (यानी रैखिक, घुमावदार)।
दो चर के बीच के रिश्ते में यादृच्छिक परिवर्तनशीलता की मात्रा।
क्या यह परिवर्तनशीलता दो चर के विभिन्न मूल्यों के लिए भिन्न है।
स्कैटर प्लॉट एक ग्राफ है, जो y- एक्सिस पर डिपेंडेंट वेरिएबल (जिसकी वैल्यू का अंदाजा लगाया जाता है) और एक्स-एक्सिस पर प्रेडिक्टर या इंडिपेंडेंट वैरिएबल (जो डिपेंडेंट वेरिएबल की वैल्यू की भविष्यवाणी करता है)। ग्राफ पर प्रत्येक बिंदु आश्रित और भविष्यवक्ता चर के मूल्यों की एक जोड़ी का प्रतिनिधित्व करता है।
स्कैटर प्लॉट का ढलान दो चरों के बीच औसत संबंध की सीमा को दर्शाता है। यदि ढलान समतल है, तो कोई संबंध नहीं है। प्लॉट में बिखराव की मात्रा (यानी, क्या x के प्रत्येक मान के लिए y मान काफी करीब हैं, या क्या वे "क्लाउड" बनाते हैं) डेटा में यादृच्छिक परिवर्तनशीलता की सीमा को दर्शाता है, और ताकत की माप है दो चर के बीच संबंध। प्रतिगमन समीकरण का आकलन करने से पहले एक तितर बितर साजिश अक्सर एक उपयोगी पहला कदम है, क्योंकि यह दो चर के बीच संबंध की प्रकृति, शक्ति और आकार का संकेत देता है।
बिखराव की साजिश का उपयोग किसी सेवा के डिजाइन के दौरान की गई मान्यताओं को मान्य करने के लिए भी किया जा सकता है। मान लीजिए कि एक डिज़ाइन टीम एक विशेष सेवा विशेषता के लिए एक प्रदर्शन फ़ंक्शन विकसित करने की कोशिश कर रही है, जिसके लिए सटीक कार्यात्मक रूप अज्ञात है। मान लीजिए कि डिजाइन टीम अनुभव और निर्णय के मिश्रण का उपयोग करके फ़ंक्शन का अनुमान लगाती है।
सेवा के संचालन में होने के बाद, एक स्कैटर प्लॉट का उपयोग ग्रहण किए गए कार्यात्मक रूप को मान्य करने के लिए किया जा सकता है। सेवा प्रबंधन टीम ऑपरेटिंग विशेषताओं के विभिन्न स्तरों पर विशेषताओं के प्रदर्शन पर डेटा एकत्र कर सकती है। डिज़ाइन को संशोधित करने की आवश्यकता हो सकती है यदि वास्तविक प्रदर्शन फ़ंक्शन जो माना गया था उससे काफी अलग है।
नियंत्रण चार्ट:
एक नियंत्रण चार्ट एक ग्राफिकल टूल है, जो "सांख्यिकीय प्रक्रिया नियंत्रण (SPC)" के रूप में जाना जाता है। इस कार्यप्रणाली का उपयोग विनिर्माण और सेवा प्रक्रियाओं की परिवर्तनशीलता को मापने के लिए किया जाता है, ताकि यह निर्धारित किया जा सके कि क्या यह परिवर्तनशीलता व्यवस्थित या यादृच्छिक कारणों के कारण है।
एक नियंत्रण चार्ट सांख्यिकीय रूप से गणना की गई "नियंत्रण सीमा" के खिलाफ एक सतत या असतत चर के प्रदर्शन की तुलना करता है। नियंत्रण सीमा का विचार इस तथ्य से उपजा है कि किसी भी सेवा विशेषता का प्रदर्शन विभिन्न प्रकार के यादृच्छिक कारणों के कारण स्वाभाविक रूप से परिवर्तनशील है जिसे पहचाना या नियंत्रित नहीं किया जा सकता है। यह यादृच्छिक परिवर्तनशीलता एक सेवा में परिवर्तनशीलता का एकमात्र स्रोत होना चाहिए जिसे एक स्थिर औसत प्रदर्शन स्तर का उत्पादन करने के लिए डिज़ाइन किया गया है जो किसी दिए गए ऑपरेटिंग रेंज के भीतर परिवर्तनों के लिए मजबूत है।
इसके अलावा, इस परिवर्तनशीलता को डिज़ाइन द्वारा निर्दिष्ट सीमाओं के भीतर रहना चाहिए। एक नियंत्रण चार्ट सेवा के संचालन के दौरान प्रदर्शन की स्थिरता का परीक्षण करता है। यदि प्रदर्शन सामान्य रूप से वितरित किया जाता है, तो सामान्य वितरण के गुणों से, हम यह भी उम्मीद करेंगे कि प्रदर्शन मान का 99.7% औसत मूल्य के तीन मानक विचलन के भीतर बेतरतीब ढंग से झूठ होगा। यदि ये अपेक्षाएं एकत्रित आंकड़ों से पूरी होती हैं, तो सेवा प्रदर्शन को नियंत्रण में बताया जाता है। तीन मानक विचलन द्वारा दर्शाए गए प्रदर्शन मूल्यों को नियंत्रण सीमा के रूप में संदर्भित किया जाता है।
नियंत्रण चार्ट की साजिश रचने की प्रक्रिया में दो चरण होते हैं: अंशांकन और नियंत्रण। अंशांकन चरण में, डेटा के माध्य और परिवर्तनशीलता की गणना ऐतिहासिक प्रक्रिया प्रदर्शन डेटा से की जाती है और नियंत्रण सीमा निर्धारित की जाती है।
नियंत्रण सीमाएँ माध्य के दोनों ओर तीन मानक विचलन पर प्रदर्शन मान हैं। डेटा के मानक विचलन का अनुमान लगाने के लिए विभिन्न तरीके मौजूद हैं। प्रेक्षणों की श्रेणी का रूपांतरण, जो कि अधिकतम और न्यूनतम मूल्य के बीच का अंतर है, आमतौर पर इस्तेमाल किया जाने वाला अनुमान है।
नियंत्रण चरण में, प्रक्रिया प्रदर्शन की वर्तमान टिप्पणियों को नियमित रूप से कैलिब्रेटेड नियंत्रण चार्ट पर प्लॉट किया जाता है। यदि प्रक्रिया नियंत्रण में है, तो हम ऊपरी और निचले नियंत्रण सीमाओं के बीच झूठ बोलने के लिए चार्ट पर 99% से अधिक बिंदुओं की अपेक्षा करेंगे। हम यह भी उम्मीद करेंगे कि अंकों को बेतरतीब ढंग से वितरित किया जाए, अर्थात डेटा में कोई असामान्य पैटर्न नहीं देखा जाना चाहिए। दृश्य निरीक्षण के माध्यम से असामान्य पैटर्न की जांच करने के लिए मानक परीक्षण मौजूद हैं।
रिपोर्ट वितरण:
डेटा विश्लेषण पूरा होने के बाद, परिणाम और सुझाए गए कार्यों को उनके कार्यान्वयन के लिए जिम्मेदार लोगों के साथ साझा किया जाना चाहिए। परिणाम वरिष्ठ प्रबंधन को भी भेजे जा सकते हैं। परिणाम संगठन में सभी के लिए समान स्तर पर प्रस्तुत किए जाने की आवश्यकता नहीं है।
वरिष्ठ प्रबंधन के लिए, यह एक संक्षिप्त और संक्षिप्त सारांश प्रस्तुत करने के लिए पर्याप्त है जो प्रमुख संकेतकों के वर्तमान और पिछले प्रदर्शन को सूचीबद्ध करता है, कार्रवाई की जानी चाहिए, और भविष्य के प्रदर्शन और उनकी प्रक्रिया के विवरण पर उनका अनुमानित प्रभाव प्रदान किया जाना चाहिए (उदाहरण के लिए, प्रभावशीलता और कार्य स्थान, क्षेत्र, क्रम या ग्राहक प्रकार द्वारा क्षमता)। किसी कार्य स्थान के प्रबंधकों के लिए, समग्र प्रदर्शन का सारांश अपने स्वयं के कार्य स्थान के विवरण के साथ पूरक होना चाहिए।
विचार सेवा के सभी घटकों के प्रदर्शन के अवलोकन के साथ सभी प्रमुख हितधारकों को प्रदान करने के लिए होना चाहिए, और प्रभारी लोगों को विशिष्ट विवरण प्रदान करना चाहिए। संगठन के विभिन्न स्तरों पर आवश्यक जानकारी तालिका 16.3 में प्रस्तुत की गई है।
