Проведение анализа вариаций и связей

Дерево факторов-определителей стоимости формирует представление о том, что движет эффективностью работы. Если у нас имеются сравнимые единицы, например, группы с различными уровнями квалификации или с различной эффективностью, то мы можем выполнить статистический анализ влияния каждого фактора. Но в данном случае уровни квалификации выравниваются благодаря стандартным обучающим программам, а также из-за перехода более опытных сотрудников в те группы, где опыта недостаточно. Каждой группе поручена продажа различных продуктов: некоторые продаются легко, другие трудно продвигать к покупателю. Поэтому мы не можем с легкостью сравнивать разные группы, даже если между ними существуют расхождения. Анализ связей, соотносящий показатели факторов с прибылью в различных группах, оказывается неприменимым.

Данный пример показывает, что мы не можем разрабатывать умные бизнес-метрики при отсутствии статистического анализа связей. Если ближе познакомиться с такой компанией, как эта, то немного можно найти материала для сравнения на статистической основе. Если компания организована в виде нескольких похожих, но самостоятельных единиц, как, например, гостиничная сеть, состоящая из множества отдельных гостиниц, можно статистически сравнивать их процессы и методы. Но в том случае, если организация более монолитная, Чем, скажем, фирма-изготовитель с одним основным производством (и одним ассортиментом продукции), связей для анализа не существует, поскольку нет похожих единиц для Сравнения. А если организация (подобно этой) включает множество разных подразделений, то базиса для сравнения с Целью определения эффекта связей опять-таки не будет.

В этом случае мы должны уделить больше внимания вариационному анализу, который может использоваться более Широко для построения модели типичных характеристик всех групп (вместо того, чтобы использовать различия между ними). Затем эта модель может использоваться для идентификации основных определяющих факторов и их влияния.

Одним из предлагаемых факторов, который влияет на все группы, является количество персонала по продажам в грул. пе. Мы можем использовать вариационный анализ для построения модели влияния размера группы.

Во-первых, используя исторические данные о процентной доле контактов, приводящих к продаже, можно оценить то как увеличение числа клиентов, с которыми контактировали на этом уровне, может повлиять на продажи и, следовательно, на прибыль. Это нелинейное соотношение: группы по продажам вначале пытаются обращаться к наиболее вероятным кандидатам на покупку. Поэтому, если высокий процент возможных клиентов уже был "охвачен", прирост продаж от обращения еще к 100 клиентам будет меньшим, чем в том случае, если группе удалось контактировать лишь с небольшим процентом возможных клиентов.

Из документов можно узнать, сколько времени занимает контакт с клиентом; период подготовки, повторный набор номера, назначение встречи, а также обычное количество и длительность бесед с клиентом для заключения сделки о продаже. Затем можно смоделировать эффект, вызванный присутствием дополнительного человека в группе, с точки зрения контактов с клиентами и влияния на прибыль. В свою очередь это позволит нам определить, является ли рентабельным увеличение размера группы по продажам.

Кривая контактов и продаж в данном случае показывает, что увеличение размера группы по продажам лишь незначительно повлияет на продажи в большинстве групп. Расширение группы на 20% обеспечит примерно 7% прироста продаж. Если просчитать это с точки зрения увеличения занятости, мы увидим следующее: административные издержки и расходы на обучение таковы, что будет достигнута лишь небольшая прибыль. Значит, размер группы, вероятно, нельзя назвать умной бизнес-метрикой.

Еще один предполагаемый фактор, который затрагивает все группы, — это текучесть кадров. Здесь тоже можно построить модель с помощью вариационного анализа. Первый компонент модели текучести — график коэффициента текучести (см. рис. 4.16).

Значительный процент ухода новичков из компании в первые же месяцы означает, что в компании много сотрудников с небольшим стажем работы, у которых нет времени для приобретения высокой квалификации. По-видимому, это серьезно влияет на продажи.

Чтобы проверить это, нужно провести еще один вариацион-ный анализ. Второй компонент модели — график продаж и периода работы в компании, показывающий, как возрастают продажи в зависимости от опыта члена группы.

Две кривые (коэффициент текучести и зависимость продаж от периода работы в компании) можно объединить в модель с использованием крупноформатной таблицы. Таким образом рассчитывается влияние изменения коэффициента текучести на продажи. При увеличении этого коэффициента больше новых сотрудников должно быть принято на работу. Другими словами, средний период работы в компании сотрудников групп будет уменьшаться, равно как и среднее количество продаж. Определенная форма кривых позволяет нам определить точное влияние на продажи любого упомянутого повышения или увеличения коэффициента текучести персонала.

В данном случае влияние текучести является ярко выраженным. Увеличение средней продолжительности времени работы персонала в компании на 50% может привести к повышению продаж на 40%. Выходит, что из двух факторов — размера группы и текучести кадров — последний является умной бизнес-метрикой, на которой следует сконцентрировать ресурсы (если текучесть можно уменьшить с умеренными затратами).

Мы не моделировали эффект других факторов дерева стоимости, например, время отклика и уровень квалификации, даже при наличии данных для измерения этих факторов в различных группах. Это обусловлено тем, что нельзя провести объективное сравнение между группами и построить надлежащие модели по вариационному анализу. Несмотря на то что есть возможность узнать влияние изменения размера группы с использованием имеющихся данных, эффект меняющегося времени отклика определить нельзя: мы не знаем, каким образом более короткое время отклика будет способствовать продаже. Мы не знаем также, насколько обучение содействует успеху продаж. Поэтому без дальнейших исследований и сбора данных нельзя построить количественные модели для этих факторов.

Мы строим модели только там, где это возможно. Анализ, базирующийся на фактах, не совершенен. Однако мы пришли к важным выводам: размер группы не является эффективным движущим фактором в отношении прибыли, в отличие от текучести персонала.

Что же можно сделать для уменьшения оттока кадров? В результате дискуссий был выявлен ряд возможных факторов, провоцирующих уход сотрудников из компании. Эти факторы включают основную заработную плату и пакет комиссионных с продаж, недостаточные возможности для продвижения по службе, работу, связанную со стрессами и психологическую нагрузку персонала. Поскольку все группы пользуются одинаковыми зарплатными пакетами, имея равные шансы на продвижение и одинаковые условия работы, анализ связей невозможен. Тем не менее можно начать с применения критериев для факторов умных бизнес-метрик:

• контролируемость;

• подверженность влиянию;

• рентабельность.

Необходимо определить те действия, которые могут экономически повлиять на факторы. Окружение, в котором работают сотрудники, характеризуется стрессами, и никаких целесообразных средств для изменения ситуации в ближайшем будущем не предвидится. Между такими должностями, как член группы по продажам и менеджер группы, не предусмотрено никаких промежуточных этапов карьерного роста. Поэтому можно ввести дополнительную градацию, например, должность старшего специалиста по продажам, Но все же остается неясным, будет ли такое нововведение способствовать удержанию персонала или же оно возымеет обратный эффект — сотрудники будут полагать, что путь к достижению поста руководителя группы станет еще более длительным. Поэтому и продвижение по службе, и культура компании оказываются неподходящими вариантами для умных бизнес-метрик.

Профиль кандидатов, принимаемых на работу, может меняться путем процесса отбора. Однако старшие менеджеры имеют различные представления об идеальном кандидате. И поскольку они могут включать такие расплывчатые качества, как решительность, остается непонятно, насколько эффективно могут оцениваться черты новых сотрудников при отборе. Значит, это неподходящая бизнес-метрика.

Остается фактор основной заработной платы и комиссии — потенциально самая умная метрика. Чего мы можем достичь, меняя основную зарплату и комиссию с продаж? Изменения в зарплате можно моделировать, исходя из их влияния на текучесть кадров и, следовательно, на прибыль. Лучше всего начать с изменения комиссионных в сравнении с текучестью персонала.

Кривая показывает высокий процент ухода сотрудников, нб получающих вообще комиссионных или зарабатывающих небольшую сумму с продаж. Базовая фиксированная ставка зарплаты оказывается почти в два раза меньшей, чем в среднем по стране. Поэтому единственным фактором, который может привлечь людей, является возможность зарабатывать большие премии. Совмещение этого графика с кривой зависимости продаж от периода работы в компании в крупноформатной таблице дает возможность рассчитать вероятность получения определенного уровня комиссионных для персонала по продажам в течение первых нескольких месяцев работы. Оказалось, что большинство сотрудников зарабатывает меньше 500 долларов за первые три месяца.

Но разве только низкий доход в первые месяцы приводит к текучести кадров? Чтобы ответить на этот вопрос, нужно понять, как персонал относится к ставке зарплаты и к комиссионным и на каком уровне денежного вознаграждения он покидает компанию. Для этого можно использовать совместный анализ. В результате этого анализа мы выяснили следующее: если сотрудник не получает комиссионных, доводящих общий пакет зарплаты до уровня, с которым он может идти куда угодно (например, уровень средней зарплаты или стартового жалованья выпускника вуза), он, как правило, уходит из компании уже через три месяца.

Затем можно воспользоваться моделью крупноформатных таблиц для расчета процента новых сотрудников, которые зарабатывают меньше "целевой" суммы дохода в третьем месяце. Схема показывает, что количество таких сотрудников достигает 85%. Можно использовать эту модель для рассмотрения базового уровня зарплаты и уровня комиссионных, чтобы увидеть влияние изменений в зарплатном пакете на достижение целевого дохода и, следовательно, удержание персонала. С помощью модели мы можем сравнить стоимость изменений в основной зарплате/комиссионных с теми преимуществами, которые они обеспечат с точки зрения увеличения периода работы в компании, ведущего, в свою очередь, к росту продаж и прибыли. Это позволяет определить экономическую эффективность изменений в сумме зарплат и комиссий.

Мы установили, что значительное повышение основной зарплаты в течение первых трех-четырех месяцев, а затем снижение ее суммы и повышение ставки комиссионных является наиболее эффективной политикой вознаграждения, способствующей удержанию персонала и увеличению периода его работы в компании.