ANOIXTO MBA «Eργαλεία» για αποφάσεις

Είναι οι πελάτες μας ικανοποιημένοι; Ποια είναι η γνώμη τους για την εταιρεία
μας; Ποιες μεθόδους θα εφαρμόσουμε για να μετρήσουμε την ικανοποίηση και τη
γνώμη των πελατών μας; Μπορούμε να εκμεταλλευτούμε τη δημοτικότητα προϊόντων
μας που ήδη υπάρχουν για να προωθήσουμε ένα νέο προϊόν με μικρότερο κόστος και
κόπο; Ποια είναι η αποτελεσματικότητα της διαφήμισής μας; Πώς συνδέεται με τη
συχνότητα έκθεσης των ακροατών, των θεατών ή των αναγνωστών σε αυτή; Πώς θα
παρουσιάσουμε με κατανοητό τρόπο αυτές τις μετρήσεις;

Ο Edward Tufte, στο βιβλίο του «Visual Explanations: Images and Quantities,
Evidence and Narrative» (Graphics Press, 1997) περιγράφει πώς θα μπορούσε να
είχε αποφευχθεί η τραγωδία του Challenger, αν τα υπάρχοντα στοιχεία είχαν
παρουσιαστεί με κατανοητό τρόπο, αν τα δεδομένα είχαν γίνει πληροφορίες. H
μετατροπή των δεδομένων σε πληροφορία σημαίνει, αφενός να γνωρίζουμε τι
ζητούμε από τα δεδομένα και αφετέρου να ξέρουμε να τα παρουσιάσουμε.

ΑΠΟΣΠΑΣΗ ΠΛΗΡΟΦΟΡΙΩΝ

H οπτική εξέταση των στοιχείων έχει μεγάλη σημασία. Πολλές φορές, λέμε ότι θα
θέλαμε, με μια ματιά στα στοιχεία, να καταλάβουμε τι συμβαίνει. Το μέγεθος και
η συμφωνία των στοιχείων παίζουν πρωτεύοντα ρόλο σε αυτή την εξέταση. Πόσα
στοιχεία χρειάζονται; Ποια σχέση έχουν, τόσο με το πρόβλημα όσο και μεταξύ
τους; Ο αριθμητικός μέσος, ο διάμεσος, η επικρατούσα τιμή, η τυπική απόκλιση,
το σχήμα της κατανομής θα μας δείξουν αν υπάρχει κάποιο πρόβλημα σε σχέση με
την κανονικότητα. H εξέταση της συμφωνίας των δεδομένων είναι, επίσης.
σημαντική. Αν σε διάφορες μετρήσεις, για τις οποίες λέμε ότι συμφωνούν μεταξύ
τους, υπάρχει μία ελάχιστη επαναλαμβανόμενη διαφορά, μπορεί να πάρουμε –
ύστερα από έξι, ας πούμε, μετρήσεις – μία πιθανότητα εμφάνισης 0,16, κάτι που
δείχνει ότι η εμφάνιση είναι σπάνιο γεγονός. H διαφορά, όμως, είναι εκεί και
πρέπει να ληφθεί υπόψη. Αν δεν εκτιμηθεί, μπορεί εύκολα να οδηγηθούμε σε
εσφαλμένες αποφάσεις.

ΔΙΑΔΙΚΑΣΙΕΣ KAI ΑΠΟΔΟΣΗ

Μπορούμε να θεωρήσουμε τους αριθμητικούς μέσους (διαφόρων μετρήσεων) ως
δείκτες επίδοσης μικρών, ξεχωριστών διαδικασιών. Κάθε μέσος μάς λέει ποια
είναι η επίδοση κάθε επιμέρους χαρακτηριστικού. Πώς θα ξέρουμε ποιο
χαρακτηριστικό είναι σχετικό και ποιο όχι; Σε κάθε καλοσχεδιασμένη μέτρηση θα
υπάρχει πάντα ένα στοιχείο που θα «πιάνει» το συνολικό νόημα της μέτρησης. Σε
μια μέτρηση ικανοποίησης πελατών, στην οποία μπορούμε να μετράμε την
ικανοποίηση από διάφορα χαρακτηριστικά ενός προϊόντος, θα μπορούσε, σε τελική
ανάλυση, να μας ενδιαφέρει η φράση «μου αρέσει το προϊόν» ή «μου αρέσει να
χρησιμοποιώ το προϊόν». Όλα τα στοιχεία της μέτρησης πρέπει κατά κάποιο τρόπο
να «δείχνουν» προς αυτό το τελικό κριτήριο. Αν συσχετίσουμε κάθε στοιχείο της
μέτρησης με το τελικό κριτήριο (την ικανοποίηση), θα μπορούμε να δούμε ποια
είναι η σχέση του με αυτό.

Οι συσχετίσεις αποκαλύπτουν ποια χαρακτηριστικά έχουν σημασία, πόση σημασία
και πώς σχετίζονται με τη συνολική ικανοποίηση από το προϊόν. Βλέπουμε, έτσι,
ποια χαρακτηριστικά χρειάζονται βελτίωση. Σε έναν πίνακα 2×2, στον οποίο
παρουσιάζονται η επίδοση και η ανάγκη βελτίωσης (αριθμητικοί
μέσοι έναντι συσχετίσεων), μπορούμε να δούμε πού πρέπει να
εστιάσουμε ώστε να διορθώσουμε τυχόν προβλήματα και να εκμεταλλευτούμε τα
δυνατά μας σημεία (βλ. πίνακα 1). Πρέπει, όμως, να είμαστε
προσεκτικοί, διότι η στατιστική συσχέτιση δεν σημαίνει αιτιακή σχέση. Σημαίνει
μόνο ότι υπάρχει κάποια σχέση. Προτού ενεργήσουμε για τη διόρθωση του
προβλήματος (που προκύπτει από τη χαμηλή απόδοση και την υψηλή ανάγκη
βελτίωσης), χρειαζόμαστε επιπλέον αναλύσεις που εξετάζουν τη μεταβλητότητα των
χαρακτηριστικών.

ΜΕΤΑΒΛΗΤΟΤΗΤΑ

Ο Συντελεστής Μεταβλητότητας (CV = η τυπική απόκλιση διαιρεμένη με τον
αριθμητικό μέσο) είναι ένας δείκτης της μεταβλητότητας των δεδομένων μας. Μας
δίνει πληροφορίες που βοηθούν στον έλεγχο και τη συμφωνία των στοιχείων. H
σχέση της επίδοσης σε συνδυασμό με τη μεταβλητότητα μπορεί να μας οδηγήσει στη
ρίζα των προβλημάτων. Με βάση το ότι, γενικά, οι πολιτικές και οι διαδικασίες
είναι σταθερές και δεν αντιφάσκουν, καθώς και το ότι οι άνθρωποι παρουσιάζουν
δυναμικές διαφορές και ασυνέπειες, μπορούμε να έχουμε έναν αρχικό
προσανατολισμό σε σχέση με το πού θα εστιάσουμε για τη λύση των προβλημάτων.

H συνεχής και σταθερή χαμηλή επίδοση υποδηλώνει ένα συστηματικό πρόβλημα, το
οποίο με τη σειρά του μας λέει ότι οι πολιτικές, οι διαδικασίες και οι μέθοδοι
που ακολουθούμε, μπορεί να είναι λανθασμένες. H ευμετάβλητη, άστατη επίδοση
(υψηλός CV) υποδηλώνει ότι η μεταβλητότητα επηρεάζεται από τον ανθρώπινο
παράγοντα και ότι πρέπει να στραφούμε σε λύσεις όπως: εκπαίδευση, ηγεσία,
συνθήκες εργασίας κ.λπ. Με την αναπαράσταση του CV σε σχέση με την επίδοση
(μέσοι όροι) σε έναν πίνακα 2×2, μπορούμε να έχουμε μια διαισθητικά ξεκάθαρη
εικόνα των στοιχείων που έχουν σταθερά υψηλή ή χαμηλή επίδοση (βλ.
πίνακα 2), καθώς και της σχέσης του CV με τις κατανομές συχνότητας
(βλ. πίνακα 3).

Κατανόηση των στοιχείων «με μια ματιά»

H τεχνική γλώσσα και ορολογία συχνά αποτελεί εμπόδιο στην κατανόηση των
πληροφοριών και δυσκολεύει τη λήψη αποφάσεων. Τι θα καταλάβαινε ο μη ειδικός
αν του λέγαμε ότι υπάρχει μία στατιστικά σημαντική διαφορά μεταξύ ενός μέσου
5,84 και ενός μέσου 5,43 σε μια κλίμακα 7 βαθμών;

ΣΕ ΠΟΣΟΣΤΑ

Μία στρατηγική που μπορεί να διευκολύνει την εποπτική, διαισθητική κατανόηση
των στοιχείων «με μια ματιά», είναι η μετατροπή τους σε ποσοστά. Οι
προηγούμενοι μέσοι μπορεί να εκφραστούν με τα ποσοστά 83% και 78%, αντίστοιχα.
Εύκολα μπορεί κάποιος να καταλάβει και να εκτιμήσει μια διαφορά της τάξεως του
5%. Τα στοιχεία που αφορούν τις ανάγκες βελτίωσης και είναι εκφρασμένα με τη
μορφή συσχετίσεων, θα μπορούσε να μετατραπούν σε σχετική μεταβλητότητα
(τετραγωνίζουμε τη συσχέτιση και πολλαπλασιάζουμε με το 100). Βλέποντας ένα
χαρακτηριστικό με ανάγκη βελτίωσης 60%, έναντι ενός άλλου με ανάγκη βελτίωσης
30%, μπορούμε να τα συγκρίνουμε καλύτερα. Βλέπουμε ποιο είναι σημαντικότερο,
πόσο σημαντικότερο είναι και μπορούμε να καταλάβουμε γιατί. Μπορούμε, επίσης,
να μετατρέψουμε τον συντελεστή μεταβλητότητας (CV) σε ποσοστό
πολλαπλασιάζοντάς τον με το 100. Με τις αλλαγές αυτές δεν χάνονται ούτε
αλλοιώνονται πληροφορίες, αλλά μπορεί να γίνουν κατανοητές «με μια ματιά».

ΚΑΛΥΤΕΡΗ ΕΙΚΟΝΑ

Αν συνδυάσουμε τα προαναφερόμενα με δημογραφικά στοιχεία, μπορούμε εύκολα να
αποκτήσουμε στατιστικά στοιχεία για τις ομάδες του πληθυσμού που μας
ενδιαφέρουν περισσότερο (target groups). H χρήση των πινάκων 2×2 μπορεί να μας
βοηθήσει ώστε να έχουμε καλύτερη εικόνα της κατάστασης, να καταλάβουμε πού
είναι τα προβλήματα, ποια είναι τα πλεονεκτήματά μας, τι χρειάζεται βελτίωση
και να πάρουμε τις κατάλληλες αποφάσεις. Μάλιστα, αν στις μετρήσεις μας είχαμε
περιλάβει και ερωτήματα που θα οδηγούσαν σε προτάσεις για τη βελτίωση του
προϊόντος και τις ομαδοποιούσαμε κατάλληλα, θα είχαμε μία ακόμα καλύτερη βάση
για την απάντηση στο… καυτό ερώτημα: «Καμιά ιδέα για το πώς να βελτιώσουμε
το προϊόν;».

Tips

H μετατροπή…

…των δεδομένων σε πληροφορία σημαίνει, αφενός να γνωρίζουμε τι ζητούμε
από τα δεδομένα και αφετέρου να ξέρουμε να τα παρουσιάσουμε