Concetto: metriche di impatto
Le metriche di impatto consentono di esaminare il ritorno sull'investimento in termini di coinvolgimento, confrontando i punteggi dei driver con metriche esterne. Puoi importare i tuoi dati e confrontarli con i punteggi dei conducenti ottenuti da qualsiasi domanda.
Questi esempi sono alcuni casi d'uso per
Impact
:
- Tasso di abbandono %
- Assenteismo
- % di completamento del progetto
- % di crescita delle vendite
- % di fidelizzazione dei clienti
- Altri punteggi dei conducenti
- Soddisfazione del cliente %
- % di raggiungimento delle vendite
- Punteggi del negozio misterioso
Come funziona
La regressione lineare consente alle metriche
di impatto
di stimare le relazioni tra predittori e risultati adattando la migliore relazione lineare (linea retta). La regressione produce queste misure:
Misura | Descrizione |
|---|---|
Il valore d'impatto | Il valore di impatto è il coefficiente di regressione che riporta la direzione e l'effetto tra la variabile predittiva e quella di esito. Mostra la variazione prevista nella tua metrica con una variazione di un punto nel tuo punteggio di conducente Peakon.
Il tipo di parametro in base al quale si effettua la regressione determina se il valore dell'impatto sarà un risultato positivo o negativo. Esempio: un punteggio negativo quando si esamina la relazione tra abbandono e coinvolgimento è un risultato positivo, perché i dipendenti più coinvolti hanno meno probabilità di andarsene. |
Il potere esplicativo | Il potere esplicativo (valore R-quadrato nelle statistiche) valuta quanto bene il modello di regressione si adatta ai dati reali importati. Spiega in che misura la varianza della prima variabile spiega la varianza della seconda variabile.
La ricerca accademica suggerisce che un valore pari o inferiore al 12% indica un adattamento basso, valori compresi tra il 13% e il 25% indicano un adattamento medio e valori ≥ 26% indicano un adattamento elevato del modello. Quanto più alto è il potere esplicativo, tanto meglio il modello spiega i cambiamenti nella variabile di risultato. Questi limiti potrebbero sembrare bassi, ma il coinvolgimento dei dipendenti è spesso uno dei tanti fattori che contribuiscono al successo di una metrica. |
Analisi
Dopo aver importato le metriche, il grafico mostra un diagramma a dispersione con una linea di tendenza, il punteggio di impatto e il potere esplicativo.
Puoi visualizzare il report
sull'impatto
nella sezione Analisi
della dashboard. Le informazioni sul grafico sono contestuali e adattano la relazione a seconda del contesto del segmento visualizzato. È possibile esportare l'analisi dell'impatto
in Microsoft Excel.Se si utilizzano i filtri disponibili, una volta usciti dalla pagina il grafico torna alla visualizzazione standard.
Accesso
È possibile abilitare l'autorizzazione
Impatto
nella sezione Statistiche di accesso
in Controllo accessi
.Raccomandazioni
Inizia l'analisi con una domanda di ricerca che orienti la narrazione della tua indagine. Esempi:
- Esiste un collegamento tra l'aumento del benessere dei dipendenti e la riduzione dei giorni medi di assenza per dipendente?
- I team con punteggi più elevati in termini di carico di lavoro ottengono anche risultati migliori nelle metriche di produttività?
- Le località con punteggi di coinvolgimento più elevati hanno anche un numero inferiore di incidenti di primo soccorso?
- I team più coinvolti forniscono un servizio clienti migliore?
- I reparti con punteggi di crescita più bassi hanno maggiori probabilità di avere un turnover del personale più elevato?
Fornire dati granulari da un numero maggiore (>30) di unità più piccole.
Assicurarsi che i dati dei dipendenti contenuti in ciascun segmento siano indipendenti e non si sovrappongano.
Ripetere spesso l'analisi per migliorare la validità dei risultati. Il fatto che si riscontrino le stesse tendenze ed effetti in periodi di tempo diversi è un'indicazione che i risultati sono solidi e non casuali.