Cách lựa chọn chỉ số đánh giá phù hợp

Vì vậy, quy trình phù hợp là đi từ mục tiêu → đối tượng cần đánh giá → khía cạnh cần đo → dữ liệu → phương pháp đo → khả năng diễn giải → giới hạn của chỉ số. Nếu bỏ qua một trong các bước này, có thể chọn được chỉ số rất dễ thu thập nhưng lại không trả lời được câu hỏi đánh giá ban đầu.

Xác định mục tiêu trước khi chọn chỉ số

Mục tiêu đánh giá quyết định trực tiếp loại chỉ số cần sử dụng. Cùng một đối tượng nhưng nếu mục tiêu khác nhau, chỉ số phù hợp cũng có thể khác nhau.

Trước tiên, cần xác định rõ muốn biết:

·         Mức độ đạt mục tiêu

·         Hiệu quả của một hoạt động

·         Chất lượng của kết quả

·         Mức độ thay đổi theo thời gian

·         Mức độ chênh lệch giữa thực tế và chuẩn

·         Nguyên nhân của kết quả

·         Khả năng dự báo hoặc kiểm soát rủi ro

Ví dụ, nếu mục tiêu là đánh giá hiệu quả, chỉ số cần phản ánh mối quan hệ giữa kết quả đạt được và nguồn lực sử dụng. Nếu mục tiêu là đánh giá chất lượng, chỉ số phải phản ánh đặc tính chất lượng liên quan thay vì chỉ đo khối lượng đầu ra.

Điểm quan trọng là phân biệt hoạt động, đầu ra và kết quả. Một chỉ số đo số lượng công việc hoàn thành có thể cho biết hoạt động đã diễn ra đến đâu, nhưng chưa chắc cho biết hoạt động đó tạo ra kết quả như mong muốn hay không.

Do đó, trước khi lựa chọn chỉ số, nên viết thành một câu hoàn chỉnh:

“Tôi cần dùng chỉ số này để biết ________.”

Nếu không thể điền rõ phần còn thiếu, mục tiêu đánh giá vẫn chưa đủ cụ thể để lựa chọn chỉ số.

Chọn chỉ số theo đúng khía cạnh cần đánh giá

Sau khi xác định mục tiêu, cần xác định khía cạnh nào của đối tượng phải được đo. Đây là bước giúp tránh tình trạng một chỉ số đúng về mặt kỹ thuật nhưng sai về mặt mục tiêu.

Có thể phân loại khía cạnh đánh giá thành các nhóm như:

·         Mức độ đạt được: Đối tượng đạt mục tiêu đến đâu

·         Hiệu quả: Kết quả đạt được so với nguồn lực hoặc chi phí

·         Chất lượng: Kết quả có đáp ứng yêu cầu hay không

·         Năng suất: Mức đầu ra tạo ra từ một đơn vị nguồn lực

·         Tốc độ: Thời gian cần thiết để hoàn thành hoặc phản hồi

·         Mức độ ổn định: Kết quả có duy trì nhất quán hay không

·         Rủi ro: Khả năng xảy ra và mức độ ảnh hưởng của vấn đề

·         Mức độ tuân thủ: Kết quả có đáp ứng tiêu chuẩn hoặc yêu cầu đặt ra hay không

Mỗi nhóm đòi hỏi cách đo khác nhau. Chẳng hạn, số lượng sản phẩm hoàn thành có thể phù hợp để đo sản lượng, nhưng không đủ để đánh giá chất lượng. Ngược lại, tỷ lệ lỗi có thể phản ánh chất lượng nhưng không cho biết đầy đủ năng suất nếu không xem xét lượng nguồn lực đã sử dụng.

Vì vậy, một chỉ số tốt phải có quan hệ logic với câu hỏi đánh giá:

Mục tiêu → Khía cạnh → Chỉ số → Dữ liệu → Kết luận

Nếu mối quan hệ này bị đứt ở bất kỳ điểm nào, chỉ số có nguy cơ trở thành một con số được theo dõi nhưng không có nhiều giá trị ra quyết định.

Kiểm tra khả năng đo lường và chất lượng dữ liệu

Một chỉ số chỉ thực sự sử dụng được khi có phương pháp đo rõ ràng và dữ liệu đủ phù hợp để tính toán.

Có thể kiểm tra chỉ số theo các câu hỏi:

1.    Chỉ số được tính bằng công thức hoặc quy tắc nào?

2.    Đơn vị đo là gì?

3.    Dữ liệu lấy từ đâu?

4.    Tần suất đo là bao lâu?

5.    Ai chịu trách nhiệm thu thập và kiểm tra?

6.    Dữ liệu có đầy đủ và nhất quán không?

7.    Có thể so sánh kết quả giữa các thời điểm hoặc đối tượng không?

Đặc biệt, cần phân biệt giữa có thể đo và đo được một cách đáng tin cậy. Một đại lượng có thể có công thức rõ ràng nhưng dữ liệu đầu vào không ổn định, thiếu hoặc được thu thập không nhất quán thì kết quả vẫn khó dùng để đánh giá.

Với các chỉ số có tính định lượng, nên ưu tiên dữ liệu có thể kiểm chứng thông qua:

·         KPI hoặc metric được định nghĩa rõ

·         Tiêu chuẩn hoặc quy định liên quan

·         Thông số kỹ thuật

·         Benchmark phù hợp

·         Dữ liệu nghiên cứu

·         Dữ liệu thực nghiệm

·         Ngưỡng vận hành

·         Dữ liệu thống kê

Điều này quan trọng vì những mô tả như “cao”, “thấp”, “tốt”, “hiệu quả” hoặc “ổn định” thường không đủ để đánh giá một cách khách quan khi đã có khả năng lượng hóa.

So sánh chỉ số với chuẩn thay vì chỉ nhìn vào giá trị tuyệt đối

Một con số riêng lẻ thường chưa cho biết kết quả là tốt hay xấu. Giá trị của chỉ số chỉ trở nên rõ ràng khi đặt trong một ngưỡng, mục tiêu, chuẩn hoặc điểm tham chiếu phù hợp.

Có thể sử dụng các dạng tham chiếu như:

·         Mục tiêu đã đặt ra

·         Giá trị kỳ trước

·         Mức chuẩn kỹ thuật

·         Ngưỡng chấp nhận

·         Benchmark của ngành

·         Kết quả của nhóm hoặc đối tượng tương đồng

·         Khoảng giá trị được xem là phù hợp

Ví dụ, một tỷ lệ lỗi là 3% không tự nó cho biết mức này có chấp nhận được hay không. Cần biết mục tiêu hoặc ngưỡng tham chiếu là bao nhiêu và điều kiện đo có tương đương hay không.

Tuy nhiên, benchmark không nên được sử dụng máy móc. Hai kết quả chỉ nên so sánh khi có mức độ tương đồng đủ lớn về đối tượng, thời gian, phương pháp đo và điều kiện vận hành.

Vì thế, khi chọn chỉ số, nên xác định đồng thời:

Chỉ số cần đo đơn vị đo cách đo ngưỡng hoặc điểm tham chiếu

Bộ bốn này có giá trị đánh giá cao hơn việc chỉ chọn một con số dễ theo dõi.

Kiểm tra khả năng giải thích và giới hạn của chỉ số

Chọn đúng chỉ số chưa có nghĩa là đã có một kết luận đúng. Cần xem xét chỉ số thực sự cho phép kết luận điều gì và không cho phép kết luận điều gì.

Một chỉ số có thể thay đổi vì nhiều nguyên nhân. Nếu chỉ nhìn vào giá trị cuối cùng mà bỏ qua cơ chế tạo ra kết quả, rất dễ nhầm giữa tương quan và nguyên nhân.

Chẳng hạn, một chỉ số kết quả giảm có thể liên quan đến thay đổi quy trình, nguồn lực, điều kiện bên ngoài hoặc cách thu thập dữ liệu. Bản thân chỉ số có thể cho thấy điều gì đã xảy ra, nhưng không phải lúc nào cũng đủ để chứng minh vì sao nó xảy ra.

Do đó, với mỗi chỉ số quan trọng, nên kiểm tra ba câu hỏi:

·         Why: Vì sao chỉ số này phản ánh mục tiêu đang đánh giá?

·         Proof: Dữ liệu hoặc bằng chứng nào hỗ trợ kết luận?

·         Boundary: Trong điều kiện nào chỉ số có thể không còn phản ánh chính xác mục tiêu?

Đây cũng là lý do không nên chọn quá nhiều chỉ số. Một bộ chỉ số lớn nhưng trùng lặp hoặc khó diễn giải có thể làm giảm khả năng đánh giá thay vì tăng độ chính xác.

Xây dựng bộ chỉ số phù hợp thay vì phụ thuộc vào một chỉ số duy nhất

Trong nhiều trường hợp, một mục tiêu có nhiều khía cạnh và không thể được phản ánh đầy đủ bằng một chỉ số. Khi đó, nên xây dựng bộ chỉ số có vai trò bổ trợ, trong đó mỗi chỉ số đảm nhận một nhiệm vụ rõ ràng.

Một bộ chỉ số có thể gồm:

·         Chỉ số kết quả: Cho biết mục tiêu cuối cùng đạt đến đâu

·         Chỉ số quá trình: Cho biết hoạt động hoặc cơ chế đang diễn ra như thế nào

·         Chỉ số hiệu quả: Đối chiếu kết quả với nguồn lực sử dụng

·         Chỉ số chất lượng: Kiểm tra mức độ đáp ứng yêu cầu

·         Chỉ số rủi ro hoặc giới hạn: Cho biết khi nào kết quả cần được xem xét hoặc cảnh báo

Cách kết hợp này giúp tránh một lỗi phổ biến: tối ưu một chỉ số nhưng làm xấu đi mục tiêu tổng thể.

Ví dụ, tăng sản lượng có thể cải thiện chỉ số đầu ra nhưng đồng thời làm tăng tỷ lệ lỗi hoặc chi phí. Nếu chỉ theo dõi sản lượng, hệ thống đánh giá có thể đưa ra tín hiệu tích cực trong khi kết quả thực tế lại không cải thiện.

Vì vậy, bộ chỉ số nên được thiết kế sao cho các chỉ số bổ sung thông tin, không chỉ cộng thêm số lượng.

Quy trình lựa chọn chỉ số có thể áp dụng

1.    Xác định mục tiêu đánh giá

2.    Xác định khía cạnh cần đo

3.    Chọn chỉ số phản ánh trực tiếp khía cạnh đó

4.    Xác định công thức và đơn vị đo

5.    Kiểm tra nguồn và chất lượng dữ liệu

6.    Xác định benchmark, mục tiêu hoặc ngưỡng tham chiếu

7.    Kiểm tra khả năng giải thích kết quả

8.    Xác định giới hạn và điều kiện áp dụng

9.    Loại bỏ các chỉ số trùng lặp hoặc không tạo thêm thông tin

10.  Kiểm tra lại xem toàn bộ bộ chỉ số có trả lời đúng mục tiêu ban đầu hay không

Cuối cùng, có thể dùng một nguyên tắc đơn giản: đừng chọn chỉ số vì nó dễ đo; hãy chọn vì nó giúp trả lời đúng câu hỏi đánh giá. Một chỉ số tốt phải có mục tiêu rõ, cách đo được xác định, dữ liệu đủ tin cậy, điểm tham chiếu phù hợp và giới hạn diễn giải được nhận diện.

Nếu một chỉ số không giúp người đánh giá đưa ra kết luận tốt hơn, dù dữ liệu của nó rất dễ thu thập, thì chỉ số đó có thể không đáng để giữ lại.

Một chỉ số có nhất thiết phải là KPI không?

Không. KPI là một dạng chỉ số được sử dụng để theo dõi hiệu quả thực hiện các mục tiêu quan trọng, nhưng không phải mọi chỉ số phục vụ đánh giá đều cần được xem là KPI.

Nên chọn bao nhiêu chỉ số cho một mục tiêu?

Không có một số lượng cố định. Nên chọn đủ để bao phủ các khía cạnh cần thiết nhưng tránh những chỉ số trùng lặp, khó đo hoặc không tạo thêm thông tin.

Nếu chưa có dữ liệu cho chỉ số mong muốn thì sao?

Cần kiểm tra lại khả năng thu thập dữ liệu, định nghĩa phép đo và nguồn dữ liệu trước khi loại bỏ chỉ số. Nếu dữ liệu không thể thu thập một cách đáng tin cậy, nên chọn một chỉ số khác có quan hệ phù hợp với mục tiêu thay vì sử dụng một chỉ số không đủ cơ sở.

Khi đó, tiêu chí quyết định không phải là “chỉ số nào dễ lấy nhất”, mà là chỉ số nào đo được đúng điều cần đánh giá với dữ liệu và phương pháp đủ đáng tin cậy.