Ledande indikator

En ledande indikator är ett mått som förändras före det utfall den relaterar till, vilket ger en tidig varning om att resultaten kommer att förändras. Den står i kontrast till en eftersläpande indikator, som bekräftar vad som redan har hänt. Intäkterna släpar efter: när de faller inträffade orsakerna veckor eller månader tidigare. Pipelinevolym, aktivering av testversioner och intervall för upprepade köp är potentiella ledande indikatorer, eftersom de förändras först.

Värdet är den tid de köper. Att enbart styra utifrån eftersläpande åtgärder innebär att reagera på problem efter att de har materialiserats fullt ut, när kostnaden för korrigering är högst och orsakerna är svåra att rekonstruera. En genuin ledande indikator ger en organisation ett fönster för att undersöka och reagera innan resultatet är fastställt, vilket är skillnaden mellan att hantera och rapportera.

Svårigheten är att de flesta föreslagna ledande indikatorer inte är ledande. Ett mått kvalificerar sig endast om det finns ett påvisbart samband mellan det och det senare utfallet, och de flesta kandidater väljs ut eftersom de verkar rimliga och är lätta att mäta. Validering av sambandet kräver att man granskar historiska data för att bekräfta att rörelser i indikatorn faktiskt har föregått rörelser i utfallet, med en konsekvent fördröjning och en konsekvent riktning.

Korrelation utan orsakssamband är den återkommande fällan, och den producerar indikatorer som fungerar tills de ageras utifrån. Ett mått som historiskt sett korrelerade med ett utfall eftersom båda drivits av en tredje faktor kommer att sluta förutsäga när organisationen börjar hantera det direkt. Detta är ett specifikt exempel på det allmänna problemet att ett mått som antagits som mål upphör att vara ett bra mått, och det är därför validerade indikatorer behöver testas regelbundet.

Bra ledande indikatorer har flera gemensamma egenskaper. De relaterar till resultatet genom en förstådd mekanism snarare än genom en slump. De utvecklas tillräckligt i förväg för att möjliggöra en reaktion. De ligger inom någons inflytande, eftersom en indikator som ingen kan påverka ger en varning utan möjlighet till hjälp. Och de är svåra att manipulera utan att producera det underliggande resultatet, vilket förhindrar att de uppfylls artificiellt.

Olika funktioner kräver olika indikatorer, och den användbara uppsättningen är specifik för affärsmodellen. Prenumerationsföretag tittar på aktivering, engagemangsdjup och användningsminskning. Säljorganisationer tittar på skapande av pipelines och stegprogression. Detaljhandelsföretag tittar på övergivna varukorgar, sökmisslyckanden och intervaller för upprepade köp. Produktorganisationer tittar på implementeringen av de funktioner som historiskt sett korrelerar med kundlojalitet. Inget av detta överförs automatiskt till en annan modell.

Fördröjningslängden är i sig värd att mäta snarare än att anta, eftersom den avgör hur mycket varning en indikator faktiskt ger. En indikator som rör sig tre dagar före ett utfall ger litet utrymme för att reagera, medan en som rör sig tre månader framåt kan vara för avlägsen för att med säkerhet kunna ange intervallet. Att fastställa det typiska intervallet utifrån historiska data visar organisationen hur snabbt den måste agera på en signal för att responsen ska ha betydelse.

Att para ihop ledande och eftersläpande mått är det som gör ett rapporteringsramverk sammanhängande. Det eftersläpande måttet anger om målet uppnåddes; de ledande måtten förklarar vad som händer nu och var intervention är möjlig. Att endast rapportera eftersläpande mått skapar ansvarsskyldighet utan styrning, medan rapportering av endast ledande mått riskerar att optimera proxyvärden utan att bekräfta att resultatet följdes.

Eftersom identifiering av genuina indikatorer kräver analys av organisationens egen historia snarare än antagande av en standarduppsättning, är arbetet analytiskt snarare än definitionsbaserat. I praktiken utförs valideringen av uppgifter analytics mot historiska utfall, byggs de resulterande måtten in i den operativa rytmen genom tillväxtledning, och för produktorganisationer kommer beteendeindikatorerna ofta från den implementeringsanalys som utförs inom produktforskning.