Hvad er en analyse af datagap?
En analyse af datagap bestemmer eksisterende huller i et hvilket som helst af et antal målinger, der betegner, hvordan en virksomhed fungerer i et specifikt område. Denne type analyse udføres ofte med det formål at ikke kun gennemgå huller, men også fjerne dem gennem forbedring af dataindsamling. Datahuller, også omtalt som opfattelseshuller, kan spænde over ethvert område med forretningsresultater i produktionen eller i tjenester, der leveres til klienter. I en analyse af datafriminet søger ledere eller konsulenter at forbedre den aktuelle ydelse ved at lukke huller i, hvordan data indsamles. At bestemme, hvilke huller der skal måler, er ofte udfordrende, da erhvervsmæssige målinger generelt er sammenflettet og indbyrdes forbundet.
Statistiske og præstationsdata, der dækker en lang række kommercielle aktiviteter, ofte indsamles af ledere. Disse data kan bruges til at kvantificere forretningsresultater i et bestemt område eller områder. Ledere bruger oplysningerne fra en analyse af dataforskellen til at foretage ændringer i produktion eller levering af tjenester for at opnå storER -effektivitet.
Hovedfokus i analyse af datafrinding er på at udtænke procedurer til at fange data i et bestemt område fremover, ikke ved at gennemgå historiske data. I det væsentlige er driftsprincippet generelt på arbejdet, at det, der ikke er målt, kan være det ideelle sted at trimme affald og øge produktiviteten. Indtil der opstår en dataforholdsanalyse, forbliver det faktiske effektivitetsniveau ukendt.
Huller i en organisations dataindsamling reducerer feedback -ledere vil typisk bruge til at måle ydeevne i et bestemt område. For eksempel kan ledere måske vide, hvor mange kunder vender tilbage med en klage over et bestemt produkt inden for et bestemt tidsvindue. Hvis ingen har sporet disse data, kender virksomheden muligvis ikke det faktiske niveau af kundetilfredshed. Derudover kan problemer med et bestemt produkt være flere end en virksomhed er klar over, fordi disse datarapporteres ikke til dem, der er i stand til at tackle årsagen til manglen.
Gennemgang af de indsamlede data udføres typisk for at finde hullerne - de områder, hvor data mangler. Det næste trin er normalt at bestemme, hvilke målinger der skal fanges for at lukke disse huller. Dette trin involverer ofte at stille efterforskningsspørgsmål, derefter tage svarene og indføre en række handlinger for at fange disse data. Processen med at opdage et hul i data kan være udfordrende, da det ofte er svært for folk at forestille sig, hvilke spørgsmål der er ikke bliver stillet. Dette er grunden til, at de fleste dataforskelanalyse begynder med først at bestemme, hvilke forudsigelige kapaciteter, der ideelt set skal indføres i en bestemt operation.