ISO, менеджмент, консалтингпользователи сайтаRSSФОРУМСТАНДАРТЫГОСТ РСЛОВАРЬНАВИГАТОРКОНСУЛЬТАНТЫ 
Логин : Пароль:   
       [регистрация] [напомнить пароль]
 

ФОРУМ
• Re: методики описания БП 
 23. Окт 08:43 от PrilipkoAI
• ISO 22000:2018 
 10. Сент 23:29 от GurbanovR
• HACCP vs FSMS 
 23. Авг 10:52 от PrilipkoAI
• Re: план контроля качества 
 13. Авг 12:07 от Facebook



7. Анализ данных

.: Дата публикации 12-Ноя-2008 :: Просмотров: 31300 :: Печатать текущую страницу :.

7.1 Что говорится в стандарте

«Измерение, анализ и улучшение» освещены в разделе 8 стан­дарта ИСО 9001: 2000. В первом пункте приведено следующее замечание общего характера:

8.1 Общие замечания

Организация должна запланировать и внедрить процедуры контроля, измерения, анализа и улучшения, которые необходимы для того, чтобы:

(а) продемонстрировать соответствие продукции;

(б) обеспечить соответствие системы управления качеством и

(в) непрерывно совершенствовать эффективность системы управления качеством.

При этом ооллены бнтль определены соответствующие методы, включая статистические методы, и степень их применения.

При этом предполагается, что статистические методы, используемые при анализе данных ИУП (см. пункт S .4 стандарта), могут быть определены организацией. Однако дяя большинства организаций с достаточным размером потребительской базы «соответствующим методом» будет объективное численное исследование. Дяя организаций с очень малой потребительской базой может быть использован в рамках ИСО более качественный подход, но процент таких организаций среди тех, кто получил свидетельство на соответствие стандарту ИСО 9001, очень мал.

8.4 Анализ данных

Организация должна определять, собирать и анализировать соответствующие данные, чтобы продемонстрировать пригодность и эффективность системы управления качеством и чтобы оцепить, в каком направлении можно проводить постоянное улучшение эффективности системы управления на-чеством.Сюда должны входить данные коптроляи измерений, а также данные из других соответствующих источников.

Анализ данных должен обеспечивать получение информации, связанной с:

(а) удовлетворенностью потребителя (см. 8.2.1 );

(б) соответствием требованиям к продукции (см. 7.2,1).

Поскольку стАндарт также ставит условием применение общепризнанных аналитических и статистических методов, а во введении (параграф 02 " Процессуальный подход") есть указание но «непрерывное улучшение процесса, основанное на объективном измерении", для нормального ведения дел необходимо проводить официальное исследование потребителей, я не консультироваться у них неформально.

7.2 Ручной и компьютеризированный анализ

Компьютеры имеют три главных преимущества перед ручным анализом:

( i ) они могут легко и быстро управляться с большим объемом данных, почти мгновенно осуществляя ряд статистических обработок;

( ii ) необработанные данные и результаты проведенных анализов могут сохраняться, и к ним легко можно вернуться позже, при необходимости возобновить работу;

( iii ) на основе хранящихся данных можно легко построить широкий спектр графиков и диаграмм.

Как и в случае с другими задачами, главный недостаток использования компьютеров — это необходимость владеть навыком работы с программным обеспечением. Для специалистов в компьютерной технике, безусловно, выгодней использовать компьютерный анализ, каким бы малым ни было исследование, благодаря тем преимуществам, которые дают высокое качество графических представлений и возможность повторного обращения к данным. Если вы не искушены в компьютерах, то освоение какой-либо программы потребует времени, и вы можете почувствовать, что эти затраты времени не оправданы, если ваш анализ связан с относительно небольшим количеством цифр, например, менее 100 респондентов, а сами исследования и соответственно использование вами программы будут нечастыми, например один раз в год или реже.

Если эти два критерия выполняются, и у вас нет подходящей программы, с которой вы уже знакомы, то затраченное время может перевесить те преимущества, которые дает использование компьютера, а при больших интервалах между использованием вам, вероятно, придется каждый раз повторять весь путь обучения. В таких ситуациях вполне можно использовать ручной анализ, и если вы при этом используете инженерный калькулятор, то сможете провести весь статистический анализ, рекомендованный в данной главе. Многотабличный формат при детальном посегмеитном анализе, проводимом вручную, потребует больших затрат времени, но он может и не потребоваться при малых выБорках. Другой недостаток использования калькулятора — ошибочный ввод данных, который легко допустить и невозможно отследить. Поэтому единственный способ получения безошибочного результата — это набирать каждый массив данных дважды и продолжать анализ только тогда, когда суммы совпадают. При использовании калькулятора часто более эффективно работать парами: один называет цифры, а другой их вводит. По завершении ручного анализа вам необходимо вывести результат, что обычно возвращает нас опять к необходимости использования компьютера, и многие удобные для пользователя программы, такие как Word , часто вполне пригодны для этой цели. В заключение следует сказать, что имеется много доводов в пользу применения компьютерного анализа даже для небольших исследований, так что если у вашей организации есть соответствующее программное обеспечение и кто-либо, способный его использовать, то рекомендуется сделать выбор в пользу применения компьютера. Для тех, кто страдает компьютерной фобией, существуют аналитические службы, имеющиеся в большинстве маркетинговых компаний. Вы просто предоставляете необработанные данные и согласуете статистические методы, которые следует использовать. Вы можете также заказать соответствующие диаграммы и графики, материалы для презентации и даже письменный отчет.

7.3 Компьютерное программное обеспечение

Имеется широкий выбор специальных программ для обработки результатов исследования. Две из них, используемые для исследований рынка, — это программа SNAP, разработанная компанией Mercator Computer System, и программа « Pinpoint » фирмы Longman Logotrom. Обе программы удобны для использования их специалистами в области рыночных исследований. В основном программы дают возможность оформить анкету на экране мони­тора, а после проведения исследования — внести его результаты непосредственно в эту анкету на экране. Это упрощает ввод дан­ных и позволяет минимизировать количество ошибок. Программы затем могут провести все обычные статистические анализы и вывести результаты в виде таблицы или диаграммы.

Пакет программ SPSS фирмы SPSS Ltd (Великобритания) предназначен для проведения гораздо более сложного статистического анализа. Этот пакет включает несколько модулей, охватывающих методы глубинного анализа, как, например, многомерная статистика, моделирование структурных уравнений, анализ соответствий, коиджойтный анализ и другие методы, в которых нет необходимости при проведении основного анализа данных исследования удовлетворенности потребителя.

Простой альтернативой упомянутым выше специальным программам являются пакеты программ для работы с таблицами, такие, как Microsoft Excel . Большое преимущество использования стандартных программ табличных вычислений состоит в том, что они уже имеются в большинстве организаций, также, как и люди, умеющие ими пользоваться. Еще одно преимущество связано с составлением отчетов, поскольку в этих программах имеется широкий выбор различного рода графики для представления результатов, которая может быть перенесена в отчет, написанный в программе Word , или представлена в виде слайдов, предназначенных для презентаций. По сравнению со специальными программами единственный недостаток таких программ состоит в том, что для каждого исследования нужно составлять табличную базу данных с выделением столбца под каждый вопрос и строки — для каждого респондента, а результаты соответствующих расчетов, запрограммированных для каждого столбца, приводятся внизу таблицы, как показано на рисунке 7.1. Однако для того, у кого есть навыки работы с таблицами, это простая задача.

7.4 Обработка результатов

7.4.1 Обработка цифровых шкал

После того как вы проинтервьюировали большое количество потребителей, чтобы измерить степень их удовлетворенности, необходимо провести несколько статистических расчетов, чтобы можно было сделать точные заключения об удовлетворении потребительской базы в целом.

7.4.1.1 Среднее

Среднее, а точнее сказать — среднее арифметическое набора величин является наиболее часто используемой в отчетах мерой оценок, выставленных по каждому запросу, как в отношении его важности, так и в отношении удовлетворенности. При использовании соответствующей шкалы (например, 10-балльной цифровой шкалы) эта мера легко передается и понимается. Однако это практичное среднее может иногда привести к обманчивым результатам, поэтому среднее арифметическое должно быть дополнено некоторыми расчетами, подтверждающими вескость ваших выводов.

7.4.1.2 Диапазон

Независимо от типа шкалы наряду со средней оценкой полезно знать диапазон выставленных оценок. За очевидно удовлетворительной средней оценкой 8,6 может скрываться большой разброс отдельных оценок, возможно из-за небольшой группы крайне неудовлетворенных потребителей. Диапазон — это просто разность между высшей и низшей оценками в столбце значений.

Диапазон не очень надежная мера, поскольку он базируется лишь на двух значениях из целого их набора. Он может привести к ложным выводам, если одна из двух оценок — высшая или низшая — являются крайностями, как показано для вопроса 3 на рисунке 7.1, где диапазон равен 9. Сравнение оценок по вопросу 3 и вопросу 5 показывает, как опасно полагаться на диапазон в качестве меры разброса. Средняя оценка по обоим вопросам одинакова, но диапазон оценок по вопросу 3 равен 9, а по вопросу 5 равен 4, что дает основание думать, что разброс оценок гораздо больше по вопросу 3. На самом деле оценки большинства респондентов по вопросу 3 довольно близки. Без одной крайней оценки по вопросу 3 этот диапазон равен 3, что меньше, чей диапапон по вопросу 5.

Данные по выборке

Вычисление стандартного отклонения

Рис. 7.1 Данные по выборке

7.4.13 Стандартное отклонение

Стандартное отклонспие — менее переменчивая величина, чем диапазон между крайними значениями. Это — очень точная мера того, насколько близко данные группируются вокруг своего среднего значения, или насколько да лек о они от него разбросаны. Стандартное отклонение тем меньше, чем ближе данные группируются вокруг среднего, и тем больше, чем сильнее они относительно него разбросаны. Математически стандартное отклонение определяется как корень квадратный из дисперсий и рассчитывается по формуле, приведенной на рисунке 7.2.

Вычисление стандартного отклонения с использованием набора данных но вопросу 3 показано на рисунке 7.3.

Сравнение данных по вопросам 3 и 4 показывает ограничен­ность использования диапазона и полезность использования стандартного отклонения. Хотя диапазон по вопросу 3 на 50% больше (9 по сравнению с 6), стандартные отклонения по двум вопросам одинаковы.

Формула стандартного отклонения

Рис. 7.2 Формула стандартного отклонения

7.4.1.4. Медиана

Медиана — это истинно средняя оценка, т. е. средняя в списке оценок, выстроенных по их значениям. Медиану иногда предпочитают среднему арифметическому в качестве истинно среднего, если небольшое количество очень своеобразных значений сильно портят среднее арифметическое. Хороший пример можно привести с запоздалыми поставками. Фирма могла зарегистрировать десять просроченных поставок в предыдущем месяце, как показано на рисунке 7.4. Обычно поставки запаздывают на один, два или в крайнем случае три дня, но случайная задержка покупных компонентов или общие проблемы с проектом могут, как исклю­чение, привести к серьезной задержке поставки.

В этом примере медианная задержка явно лучше представляет реальную ситуацию, хотя отслеживание максимума также будет полезным. Однако при измерении удовлетворенности показывающая, что средняя оценка может быть обманчивой ме­рой, поскольку потребители могут образовывать две или более групп.

Среднее арифметическое и медиана

Рис. 7 .4 Среднее арифметическое и медиана

Большое стандартное отклонение может наблюдаться при некоторых оценках важности. Например, совершение покуп­ки по наименьшей возможной цене может быть очень важным для одних потребителей и гораздо менее важным для других. Этот разброс потребительских приоритетов может быть очень эффективным путем сегментации рынка в соответствии с нуждами потребител обычно медиана не бывает полезнее среднеарифметического значения. Одна из причин этого — относительно узкий диапазон обычно используемых шкал оценок, что делает невозможным исключения значений на основании их чрезмерного от­клонения, как это показано на рисунке 7.4. Вторая проблема с использованием медианы при обработке результатов исследования та, что обычно она равна целому числу, и когда поставщик хочет отслеживать очень малые изменения средних оценок, медиана не обеспечит необходимую точность.

7.4.1.5 База

В последней строке на рисунке 7.1 просто подсчитано количество клеток в столбце, в которых записано какое-либо значение. Если большое число респондентов окажется не в состоянии ответить на определенный вопрос, то это выявит проблемную область. Например, если значительное число респондентов чувствует, что они не могут оцепить меры, предпринимаемые поставщиком по охране окружающей среды, а компания получила сертификат на соответствие стандарту ИСО 14000, то, значит, необходимо обучение потребителей, составляющих потребительскую базу компании, насколько бы высокой ни оказалась средняя оценка тех респондентов, которые высказали свое мнение.

7.4.1.6 Кросс -табуляции

Одним из наиболее интересных и информативных методов обработки данных является составление кросс-табуляций, в которых представляются и сравниваются отдельные части всего массива данных. Это позволяет проводить сравнение точек зре­ния между различными сегментами потребительской базы, на­пример, торговых работников и работников промышленности, молодого поколения и более пожилых людей. Это также дает возможность поставщику понять различие нужд и приоритетов для различных групп потребителей или увидеть — что на одпих сегментах рынка оценивается выше, чем на других. Если это имеет место, то поставщик может исследовать, почему такие высокие оцепки даны в данном сегменте рынка, и полученные выводы могут быть использованы при принятии стратегических решений. Кросс-табуляции могут быть использованы для изучения любого сегмента при условии, что респонденты были соответствующим образом классифицированы. Это сильный аргумент в пользу включения как можно больше категорий на этапе разработки исследования, поскольку функция кросс-табуляций может быть использована только в том случае, когда данные о сегменте зафиксированы в анкете.

7.4.2 Обработка словесных шкал

Если в анкетах используется словесные шкалы, то результаты обрабатываются с использованием частотного распределения — другими словами, определяется, сколько людей что сказали. Частотное распределение показано на рисунке 7.5.

Частотное распределение

Рис. 7.5 Частотное распределение

Числа обычно выражают проценты, так, в приведенном примере 34% очень удовлетворены часами работы, 27% весьма удовлетворены. В целом это точная сводка результатов, но она не столь впечатляюща, как какая-нибудь диаграмма, которую можно построить на основании средних оценок (см. раздел 7.5).

Можно построить диаграмму для отдельных характеристик, каждая из пяти полос, показывающих различные уровни удовлетворенности или важности по характеристике. Однако реальной проблемой является отсутствие одной средней оценки для каждой характеристики. Например, невозможно напрямую сравнить оценку важности часов работы и оценку удовлетворенности часами работы, так что вы не можете провести анализ расхождений, для того чтобы определить ПДУ (см. раздел 7.5). Это является основным недостатком словесных шкал, поскольку ваши возможности использования данных словесных шкал очень ограничены по сравнению с цифровыми шкалами.

Некоторые люди смотрят на данные, полученные из шкал словесного типа, осознают их ограниченность и признают, что гораздо полезнее было бы иметь средние оценки. Они пытаются решить проблему, изменяя пункты словесной шкалы в цифры, и затем действуют так, как будто у них с самого начала была цифровая шкала. Люди преобразуют состоящие из пяти пунктов словесные шкалы в различные цифровые шкалы, как показано на рисунке 7.6.

Преобразование словесной шкалы в цифровую

Рис. 7.6 Преобразование словесной шкалы в цифровую

Числовые данные на рисунке 7.6 иллюстрируют одну из проблем. Если вы решили преобразовать информацию, полученную от потребителей, то во что вы ее преобразуете? Два набора чисел, показанные в таблице, не дадут одиного и того же результата. Даже если каждый будет использовать стандартизованную 1-2-3-4-5 шкалу, то как вы можете быть уверены в том, что потребитель, ответивший «весьма удовлетворен», поставит оценку 4 в цифровой шкале? Общее правило состоит в том, что не дело исследователя изменять любые ответы респондентов. Однако имеется и более важная проблема, связанная с преобразованием словесных ответов в цифровые шкалы. Это статистически не обосновано, как показано на рисунке 7.7.

Интервальная и категорийная шкалы

Рис. 7.7 Интервальная и категорийная шкалы

Строго говоря, цифровая шкала — это интервальная шкала и для нее статистически обосновано усреднение оценок, данных потребителями, потому что все баллы на шкале имеют примерно равные пропорции в представлении респондентов. Расстояние между 5 и 4, такое же, как расстояние между 2 и 3 и т.д. В случае словесной шкалы респонденты относят свои ответы к некоторой категории. В лучшем случае словесная шкала будет порядковой по своему характеру. Мы знаем, что отлично — это лучше, чем хорошо, но мы не знаем, насколько лучше. Более того, пункты на словесной шкале не предполагают равенства интервалов в представлении потребителей, как показано на рисунке 7.7. По этой причине статистически обоснованной считается обработка по категориям порядковых шкал с использованием частотного распределения, подобно тому, как это показано на рисунке 7.5.

7.5 Составление отчета о результатах

7.5 .1 Составление отчета по цифровым шкалам

7.5.1.1 Важность

Несмотря на то что вопросы по удовлетворенности предшествуют в анкете вопросам по важности, отчет по оценкам важности всегда должен быть первым, так как понимание приоритетов потребителя — это логическая отправная точка. Гипотетический пример, используемый в данном разделе в качестве иллюстрации, взят из типичного исследования в супермаркете. Для простоты на диаграмме показаны только восемь характеристик, тогда как в действительности в анкету включается от пятнадцати до двадцати запросов потребителя. На рисунке 7.8 показан наи­простейший способ отчета о результатах. На диаграмме показаны средние (т. е. арифметические средние) оценки респондентов по десятибалльной шкале важности каждой из характеристик.

Из диаграммы ясно видно, что для потребителей имеет значение. Средняя оценка выше девяти баллов указывает на то, что запрос чрезвычайно важен для потребителей. Средние оценки выше 8 баллов относят запросы к категории важных, а выше семи баллов — к категории весьма важных. Обычно не получают много оценок средней категории важности, лежащих ниже семи баллов, поскольку в анкету должны входить только те запросы, которые оказались важными для потребителей по итогам поискового исследования. Интересно, что в исследованиях, которые мы проводили для своих клиентов, характеристики, важность которых была оценена в пять или шесть баллов, не получали высокой оценки по результатам поисковых исследований и были включены в главное исследование по настоянию самих клиентов, часто потому, что, по их мнению, это должно быть важно для потребителя. Важность этих характеристик редко оценивалась выше и на этапе основного исследования при гораздо большем размере выборки. Это говорит о том, что поставщики часто не понимают своих потребителей, хотя они и убеждены в обратном!

Оценки важности

Рис. 7.8 Оценки важности

Следует упомянуть еще два важных момента, касающихся диаграммы, изображенной на рисунке 7.8.

Во-первых, вес перечисляется в соответствии с важностью для потребителя. Порядок, в котором запросы перечислены в анкете, не годится для отчета. Существует важная для всех нас идея: «Имеются вещи, важные для потребителя, и это определяет порядок приоритетов». Вы должны быть последовательными и перечислять все вещи в порядке их важности для потребителя на протяжении всего отчета о результатах.

Во-вторых, шкала на диаграмме не приведена полностью от 1 до 10. Если бы так было сделано, то все полосы казплись бы на первый взгляд очень близкими подлине, и кто-либо, невнимательно просматривающий отчет, мог заключить: «Это нам ни о чем не говорит, здесь нет никаких различий». На самом деле существует большое различие по важности запросов, оцененных в 7 и 9 баллов. Так что лучше обрезать шкалу, чтобы подчеркнуть различия и четко передать смысл.

7.5.1.2 Удовлетворенность

Респонденты выставляют оценки по удовлетворению перечисленных запросов, а также по их важности. На рисунке 7.9 показаны средние оценки по удовлетворению запросов. Вы видите, что порядок их перечисления соответствует их приоритету для потребителя, а шкала имеет также усеченный вид, чтобы подчеркнуть различия в оценках.

Оценка удовлетворенности

Рис. 7.9 Оценки удовлетворенности

Средние оценки удовлетворенности выше девяти баллов по десятибалльной шкале свидетельствуют о чрезвычайно высокой удовлетворенности потребителя. Оценки в восемь баллов соответствуют «удовлетворенным» потребителям, в семь — «весьма удовлетворенным*-, а в шесть (что лишь немного выше средней точки в 5.5 баллов) — «границе» или «наличию большого объема для улучшения». Средние оценки в пять баллов или менее находятся ниже средней точки и свидетельствуют о большом количестве неудовлетворенных потребителей. Любая характеристика со средней оценкой ниже шести баллов должна быть очень серьезно изучена. При проведении телефонных исследований или индивидуальных интервью хорошо все оценки ниже 6 баллов, выставленные респондентами по 10-балльной шкале, подвергнуть дополнительному исследованию, чтобы выявить причины неудовлетворенности потребителя. Это позволит на основании исследования выяснить причину каждой низкой оценки удовлетворенности; в нашем примере это — «время на контроле» и «полезность персонала». При использовании заполняемых анкет можно попросить респондентов дать свои комментарии при выставлении низких оценок, но большинство респондентов не воспользуется этой возможностью, а если и дадут комментарии, то в большинстве случаев они будут весьма краткими.

Как говорилось ранее, для каждой оценки удовлетворенности необходимо рассчитать стандартное отклонение, так как за очевидно удовлетворительной оценкой может скрываться группа чрезвычайно удовлетворенных потребителей, но также и некоторое количество недовольных потребителей. Если это так, то вам нужно понять, какой тип потребителей не удовлетворен вашей организацией. Это может быть выявлено путем исследования оценок, выставленных в различных сегментах, что объясняет необходимость наличия достаточно больших глобальных выборок, обеспечивающих статистически надежные размеры выборок на уровне сегментов.

Диаграммы удовлетворенности представляют очень интересную информацию, но наиболее полезные результаты могут быть получены, когда вы сводите вместе оценки важности и удовлетворенности и задаете себе очень простой и в то же время фундаментальный вопрос: «Делаем ли мы все возможное в областях, наиболее важных для потребителей?»

7.5.1.3 Делать все возможное в наиболее важных областях

Ответ на этот вопрос дан на рисунке 7.10. Сравнивая оценки важности и удовлетворенности, вы можете использовать «анализ расхождений» для определения ПДУ (приоритетов для улучшения). Анализ расхождений показывает, что если полоса, соответствующая удовлетворенности, короче полосы, соответствующей важности, то у компании могут быть проблемы. Это главное преимущество диаграммы. Она ясна, проста и очевидна. Любой человек в организации моясет посмотреть на нее, понять ее и сделать правильные выводы.

Анализ расхождений

Рис. 7.10 Анализ расхождений

Ясно, что имеется ряд областей, таких как "расположение" и "качество товаров", где организация более или менее удовлетворяет запросы потребителей. В некоторых случаях, таких как «внешний вид персонала», запросы потребителей превышены. Помня о большом значении стандартного отклонения для оценки важности парковки, организация не должна считать, что удовлетворенность по этому показателю превышена, без того, чтобы провести проверку оценок удовлетворенности парковкой, выставленных той частью потребителей, которые считают парковку очень важной. Наибольшую важность представляют те показатели, по которым компании не удалось удовлетворить запросы потребителей, и это как раз те показатели, на которых необходимо сосредоточить внимание, если вы хотите улучшить удовлетворенность потребителей. Это и есть ПДУ, приоритеты для улучшения. Чем больше разрыв, тем больше проблема, и вы можете видеть из рисунка 7.10, что наибольший ПДУ, т. е. фактор с наибольшим потенциалом для улучшения удовлетворенности потребителя, связан не с запросом, получившим минимальную оценку удовлетворенности (быстрый расчет на контроле), а с запросом, имеющим максимальный разрыв в оценках важности и удовлетворенности, это — ассортимент товаров.

7.5.1.4 Коэффициент удовлетворенности

После определения ПДУ вторым главным результатом, который необходимо получить из собранных данных, является общий коэффициент удовлетворенности потребителя, часто называемый коэффициентом удовлетворенности. Существует несколько возможных путей получения этого коэффициента. Вы можете включить в анкету обобщенный вопрос, например:

В целом. Вы удовлетворены продукцией и обслуживанием компании...?

или

В целом. Вы удовлетворены Вашими взаимоотношениями с ...?

Затруднение при таком подходе состоит в том, что чем большее число параметров вы просите людей учесть при ответе на вопрос, тем ненадежнее ответ, а в этом обобщенном вопросе о степени удовлетворенности заключается множество параметров. По размышлении вам нет необходимости задавать этот обобщенный вопрос, потому что вы уже спросили каждого респондента обо всех главных вещах, которые делают его удовлетворенным или неудовлетворенным. Поэтому второй подход заключается в вычислении общего среднего по всем оценкам удовлетворенности. Это — лучше, но тоже не идеально, потому что одни факторы для потребителей являются более важными, чем другие, и более важные запросы оказывают большее влияние на суждение о степени удовлетворенности, чем менее важные. Поэтому расчет коэффициента удовлетворенности должен проводиться таким же образом. Более сильное влияние на его значение должны иметь характеристики, имеющие высшие оценки важности. Другими словами, это должна быть взвешенная средняя оценка удовлетворенности, расчет которой проводится в два этапа.

Расчет весовых коэффициентов

Для расчета весовых коэффициентов используются оценки важности. В первой колонке данных на рисунке 7.11 представлены средние оценки важности из примера с супермаркетом. Для вычисления весовых факторов просто сложите все оценки важности. В приведенном примере это будет 68,6. Затем выразите каждый из них как процент от полученной суммы. Например, для «внешнего вида персонала», 7,3 разделив на 68,6 и умножив на 100, получим весовой коэффициент, равный 10,64 %.

Расчет коэффициента удовлетворенности

Расчет весовых коэффициентов

Рис. 7.11 Расчет весовых коэффициентов

Второй шаг заключается в умножении каждой оценки удовлетворенности на соответствующий ей весовой коэффициент. Данные первой колонки отображают все средние оценки удовлетворенности, данные второй колонки — весовые коэффициенты, расчеты которых показаны на рисунке 7.11. Опять взяв в качестве примера внешний вид персонала, получим, что оценка удовлетворенности 8,9, умноженная на весовой коэффициент 10,64%, даст значение взвешенной оценки, равное 0,9. Полная взвешенная средняя оценка получается при сложении всех взвешенных оценок. В данном примере сумма равна 8,41, таким образом, средняя взвешенная оценка удовлетворенности для супермаркета равна 8,41 из 10. Обычно эту оценку переводят в проценты и говорят, что коэффициент удовлетворенности равен 84,1 %.

Расчет коэффициента удовлетворенности

Рис. 7.12 Расчет коэффициента удовлетворенности

В приведенном примере коэффициент удовлетворенности свидетельствует о том, что супермаркет удовлетворяет своих потребителей на 84,1%. Чтобы понять математические основы формулы, представьте себе, что супермаркет был настолько прекрасным поставщиком, что все потребители, участвовавшие в исследовании, настаивали на оценке удовлетворенности 10 баллов по каждому из запросов потребителя. В этом случае средние оценки удовлетворенности все будут 10 баллов. Весовые факторы останутся теми же, потому что они получены из оценок важности, а взвешенные оценки в правой части рисунка 7.12 будут отличаться друг от друга, но их сумма будет в точности равна 10. Это демонстрирует то, как действует формула. Общая удовлетворенность потребителей по всем запросам будет соответствовать коэффициенту удовлетворенности 100 %.

Обновление коэффициента удовлетворенности

Важно, чтобы коэффициент удовлетворенности обновлялся. Это даст вам меру удовлетворенности, которую вы будете контролировать в течение многих будущих лет, даже если вопросы в ва­шей анкете нужно будет изменить в связи с изменением запросов потребителей. В основном коэффициент удовлетворенности дает ответ на следующий вопрос: «Насколько хорошо удовлетворяем мы наших потребителей по 20 показателям, являющимся для них наиболее важными?» (Предполагается, что в анкете даны 20 запросов потребителей).

Если в будущем анкету нужно будет изменить в результате изменения приоритетов потребителей, то коэффициент удовлетворенности все же останется мерой тех же вещей, что и ранее.

Насколько хорошо удовлетворяем мы наших потребителей по 20 показателям, являющимся для них наиболее важными?

Эта возможность сравнения применимаи к организациям с различными группами потребителей, которым, несмотря на один и тот же год проведения исследования, нужно задавать различные вопросы. При условии правильного проведения поисковых исследований коэффициенты удовлетворенности, полученные в результате двух или большего количества исследований, при которых задавались различные вопросы, можно непосредственно сравнивать.

7.5.2 Составление отчетов при использовании словесных шкал

Как уже объяснялось в пункте 7.6.2, при обработке словесных шкал должно использоваться частотное распределение. Для упрощения отчета часто приводится процент удовлетворенности. Для обычной словесной шкалы из пяти пунктов это часто сумма чисел в двух первых клетках. Используя частотное распределение, изображенное на рисунке 7.5, оценки по значениям в двух первых клетках будут такими:

Часы работы 61 %

Время, проведенное в очередях 22 %

Дружелюбие персонала 66 %

Внешний вид персонала 84 %

Очевидный недостаток такого подхода тот, что при нем игно­рируются три из пяти собранных рядов данных. Например, удовлетворенность часами работы выглядит приемлемой, но по этому пункту имеется наивысший процент очень неудовлетворенных потребителей, больше, чем по «времени, проведенному в очередях», по которому удовлетворенность явно меньше. Игнорируется также сочетание оценок в двух первых клетках. Оказалось, что организация имеет лучшие характеристики по «дружелюбию персонала», чем по «часам работы», хотя на рисунке 7.5 показано, что большее число потребителей «очень удовлетворено» «часами работы», чем дружелюбием персонала. «Четверка из вежливости» — явление, широко известное среди людей, опытных в исследованиях удовлетворенности потребителя. Там, где потребители, в общем, удовлетворены (что имеет место для большинства организаций), большинство из них ставит галочку во второй клетке. К сожалению, однако, исследование Гарвардской школы бизнеса, как и другие исследования, показывает, что соотношение между удовлетворенностью потребителя и его лояльностью имеет часто экспоненциальный характер. Другими словами, взаимосвязь между удовлетворенностью и лояльностью гораздо сильнее для тех, кто отметил первую клетку, чем для тех (гораздо более многочисленных) потребителей, кто просто «удовлетворен» и поставил галочку во второй клетке. При использовании шкалы из пяти пунктов организациям настоятельно рекомендуется сосредоточивать внимание только на оценках в первой клетке. На примере, приведенном на рисунке 7,5, результаты отчета по «первой клетке» будут теперь выглядеть таким образом:

Часы работы 34 %

Время, проведенное в очередях 4 %

Дружелюбие персонала 32 %

Внешний вид персонала 40 %

Из-за статистической невозможности получения средних оценок из категорийных или порядковых шкал не существует удовлетворительного способа получения взвешенной средней оценки для расчета коэффициента удовлетворенности. Компании, использующие словесную шкалу из пяти пунктов, обычно в отче­тах усредняют оценки удовлетворенности по всем запросам, либо дают в отчете в качестве коэффициента удовлетворенности ре­зультат, полученный по вопросу об общей удовлетворенности.

Анализ расхождений также затруднен. При использовании подхода, связанного с двумя первыми клетками, можно сравнивать оценки важности и удовлетворенности, но отсутствие 60 % шкалы делает этот метод слишком грубым. Хотя это и далеко от идеала, но все же лучше при использовании словесной шкалы основывать ПДУ лишь на оценках удовлетворенности.

7.6 Выводы

(а) Поскольку во введении в стандарт ИСО 9001: 2000 говорится, что организации должны сосредоточить внимание на «непрерывном улучшении процесса, основанном на объективном измерении», необходимо проводить официальное исследова­ние мнений потребителей, а не получать от них неформальные консультации в процессе обычных деловых отношений. Если потребительская база организации не слишком мала, то исследование должно быть количественным при размере выборки не меньше 100, а лучше, 200 респондентов.

(б) Стандарт 9001:2000 оставляет на ответственности организации «определение применимых методов, в том числе статистических методов», и в данной главе объяснены эти методы и техника применительно как к цифровым, так и к словесным шкалам.

(в) Если выборка не очень маленькая, данные должны обрабатываться с помощью компьютера, возможно с применением программируемых стандартных электронных таблиц. Специальные программы выгодны только в том случае, когда исследования проводятся часто.

(г) Числовые шкалы обрабатываются с использованием средних значений и стандартных отклонений, а словесные шкалы — с помощью частотных распределений. Неправомерно преобразовывать словесные ответы в числовые шкалы на этапе обработки результатов.

(д) Определяя разрывы между важностью и удовлетворенностью, находят приоритеты для улучшения.

(е) Общий коэффициент удовлетворенности должен представлять собой взвешенную среднюю оценку. Если проводилось поисковое исследование, и анкета была основана на главных запросах потребителей, то коэффициент удовлетворенности дает меру преуспевания организации в удовлетворении своих потребителей. Поэтому полученный вами коэффициент удовлетворенности обеспечивает меру, с которой можно будет проводить сравнения в будущие годы, даже если задаваемые вопросы будут другими вследствие изменения запросов потребителей. Можно также сравнивать коэффициенты, полученные в различных исследованиях, при которых и вопросы могут различаться, например, при исследовании различных секторов бизнеса вашей организации.


следующая страница: 8. Общение с потребителем.
все страницы: Измерение удовлетворенности потребителя по стандарту ИСО 9000
.: Вернуться в раздел: Управление качеством :: Главный :.



менеджмент качества ( процессы | школа качества | нормирование | управление качеством | хассп)
книги: стандарты | качество | ХАССП | маркетинг | торговля
управленческий консалтинг ( планирование и контроль | конфликтменеджмент)
новости и события: пресс-релизы | новые стандарты | новости партнеров | новости | архив новостей, статей
новая торговля (автоматизация | магазиностроение | маркетинг и экономика)
интернет-маркетинг (создание сайта | интернет - бизнес)
финансы & страхование (страхование | бизнес-школа)
обзоры и интервью: маркетинг | консалтинг | торговля | управление качеством )
энциклопедия: это интересно | глоссарий | о семье | менеджмент семьи | каталог ресурсов