Bekannt vs. Unbekannt analysieren

Last updated
Save as PDF

Wir haben mehrfach erwähnt, dass die Vorteile von KCS auf mehreren Ebenen realisiert werden. Die erste Ebene ist die Effizienz, die wir gewinnen, indem die Organisation Wissen wiederverwendet. Die zweite Ebene ist das Liefern von Wissen (bekannten Problemen) an Fragende und die Verbesserung der Nutzung der Selbsthilfe und deren Erfolg für den Fragenden. Die dritte ist das Identifizieren von Chancen, Produkte, Richtlinien und Dienstleistungen aufgrund der Kundenerfahrung zu verbessern.

Es ist wichtig, die Natur der Arbeit zu verstehen, die im unterstützten Modell (Service-Center) aufläuft. Eine der entscheidenden Unterscheidungen, die wir vornehmen können, ist der Anteil von Vorfällen, der zu bekannten Problemen oder neuen Fragen eröffnet werden.

Idealerweise wollen wir, dass unsere Wissensarbeiter neue Probleme statt bekannter Probleme lösen. Indem eine Organisation KCS umsetzt und die Nutzung der Wissensdatenbank in den Problemlöseprozess integriert, sehen wir eine Steigerung der internen Wiederverwendung von Wissen und wir können eine Basislinie für das Bekannt-Unbekannt-Verhältnis ermitteln. Wenn wir beginnen, Fragenden Wissen durch ein Selbsthilfemodell zu liefern, steigt die externe Wiederverwendung und die interne Wiederverwendung nimmt ab. Fragende beginnen, mehr bekannte Probleme durch die Nutzung von Selbsthilfe zu lösen und die Nachfrage nach unterstütztem Service für bekannte Probleme nimmt ab. Das Verhältnis bekannter und unbekannter Probleme zu verstehen wird zum Indikator für den Zustand des Wissensflusses und der Effektivität des Selbsthilfe-Modells.

Um Bekannt-Unbekannt zu verstehen, benötigen wir Daten sowohl aus dem Vorfalls-Management-System als auch aus der Wissensdatenbank.

Ziel

Möglichkeiten, die Zeit, die Wissensarbeiter mit bekannten Problemen verbringen zu reduzieren und die Lösung neuer Probleme zu beschleunigen identifizieren.

Ressourcen, die auf bekannte Probleme verwendet werden, reduzieren: das ist eine Funktion um die Kundennutzung von Selbsthilfe und den Erfolg damit zu verbessern.
Geschwindigkeit und Genauigkeit beim Lösen neuer Probleme verbessern: das ist eine Funktion, um die richtigen Ressourcen so schnell wie möglich am Problem arbeiten zu lassen.

Indem wir geschlossene Vorfälle aus der Bekannt-Unbekannt-Perspektive betrachten und Vorfälle in der jeweiligen Kategorie analysieren, können wir herausfinden:

welcher Anteil neuer vs. bekannter Probleme von Wissensarbeiter bearbeitet wird. Das schafft eine Basislinie, an der wir die Auswirkung zukünftiger Verbesserungen messen können.
Welche Eigenschaften bekannte Probleme haben und herausfinden, warum sie nicht in der Selbsthilfe gelöst wurden.
Welche Eigenschaften neue Probleme haben und Möglichkeiten identifizieren, die Geschwindigkeit und Genauigkeit des Problemlöse-Prozesses zu verbessern.

Herangehensweise

Die Bekannt-Unbekannt-Analyse sollte regelmäßig über das Jahr durchgeführt werden, wahrscheinlich nicht öfter als einmal pro Quartal.

Die Analyse ist eine Stichprobentechnik, die in einem bestimmten Wissensbereich durchgeführt wird. Die Empfehlung ist, einen Pilot mit 2-3 Bereichen durchzuführen, um ein Gefühl für den Prozess zu bekommen. Im Pilot ist es ideal, eine kleine Gruppe Sachexperten für einen Tag gemeinsam in einem Konferenzraum zu versammeln. Das gestattet Diskussionen und das schnelle Auflösen von Verwirrung. Folge-Analysen können in Konferenzanrufen geklärt werden.

Vier Schritte

1) Umfangs-Definition

Identifiziert den Wissensbereich

2) Datensammlung

Vorfälle, die in den letzten 30-60 Tagen im Wissensbereich geschlossen wurden, werden überprüft
Erstellt einen Bericht, der alle geschlossenen Vorfälle aufführt. Dieser Bericht sollte Vorfälle ohne verknüpften Artikel ebenfalls umfassen. Wenn möglich sollte der Bericht Vorfälle, bei denen „kein Fehler gefunden“ oder „vom Kunden abgebrochen“ wurde, ausgeschlossen werden. Idealerweise hat der Bericht folgende Felder:
- Vorfalls-Nummer (verknüpft zum Vorfall)
- Vorfalls-Name oder -Zusammenfassung
- Vorfalls-Schlusscode
- Artikel-ID des verknüpften Artikels/Dokuments, falls es keinen gibt (verknüpft zum Artikel)
- Artikel-Titel
- Artikel-Lösung (falls vorhanden)
- Analyse-Felder
- Anmerkung: Verknüpfung zum Vorfall und Artikel heißt, dass Gruppenmitglieder, die die Analyse durchführen, auf die ID klicken können und den Vorfall oder Artikel sehen. Wenn das nicht möglich ist, kann es funktionieren, die ID des Artikels oder Vorfalls zu kopieren und einzufügen.

Ressource: Das Consortium for Service Innovation stellt eine Tabellen-Vorlage zur Verfügung, die diese Felder umfasst, sowie Felder und Definitionen um zu sammeln, zu analysieren und Graphen zu erstellen, die die Daten visualisieren. Siehe example new vs. known spreadsheet

3) Vorfalls-Analyse

Zwei oder drei Sachexperten für den Themenbereich, auf den Sie sich konzentrieren, identifizieren
Verständnis und gemeinsame Linie bezüglich des Sinns und Zwecks der Analyse zwischen den Sachexperten schaffen.
Sachexperten brauchen Zugriff zu sowohl dem Vorfalls-Management-System und der Wissensdatenbank um Vorfälle und Artikel online zu überprüfen.
Gemeinsam durch ein paar Beispiele arbeiten um ein Gefühl für den Prozess und ein gemeinsames Verständnis der Analyse-Kategorien zu entwickeln (das ist entscheidend und benötigt immer etwas Diskussion und Beispiele)
Sachexperten prüfen Vorfälle und Artikel in ihrem Produktbereich und kategorisieren sie in der Bekannt-Unbekannt-Tabelle (4-6 Stunden)
Es ist sehr wichtig, eine Gelegenheitsstichprobe geschlossener Vorfälle zu ziehen (sowohl mit als auch ohne verknüpfte Artikel). Damit die Stichprobe wirklich zufällig ist, sollte sie nach keinem bestimmten Kriterium sortiert werden. Normalerweise reicht eine Stichprobe von 10-20% aus. Es ist erstaunlich, wie schnell Trends und Muster auftauchen. Größere Stichproben sind nur interessant, wenn die Trends und Muster noch nicht stabil sind.

4) Optionen identifizieren und diskutieren:

Was ist der Anteil bekannter vs. unbekannter bearbeiteter Vorfälle?
Was kann der Service tun um die bekannten Probleme vom eintreffenden Vorfalls-Volumen zu entfernen?
- Daten in der Tabelle analysieren und sortieren. Nachstehend sind einige übliche Befunde:
1. Wissenserschaffung: wird das kollektive Wissen der Organisation erfasst und wiederverwendet? Gibt es die Möglichkeit/ den Bedarf die Erstellungs-/Anpassungsrate zu verändern?
2. Verknüpfungsrate: Wird die Wissensdatenbank genutzt und Artikel mit Vorfällen verknüpft? Passen die Zahlen zu/stützen sie die Wiederverwendungsrate?
3. Verknüpfungsgenauigkeit: sind die Artikel, die verknüpft werden, relevant für den Vorfall? (Organisationen, die ein Ziel auf Verknüpfungen setzen, haben fast immer eine geringere Verknüpfungsgenauigkeit als jene, die es nicht tun)
4. Veröffentlichungsrate: Wie viele Artikel werden intern benutzt, die nicht für Kunden verfügbar sind? Gibt es die Möglichkeit, mehr oder schneller zu veröffentlichen?
5. Auffindbarkeit: Gibt es Probleme mit der Auffindbarkeit von Artikeln, die dem Fragenden zur Verfügung stehen (sie haben Selbsthilfe genutzt, waren aber erfolglos)? Test: aus der Perspektive des Fragenden oder der Vorfalls-Information, können Sie den Artikel extern finden? (Das ist oft ein Symptom, dass Wissensarbeiter nicht den Kontext des Fragenden erfassen).
6. Navigation: Wenn das Selbsthilfe-Modell ein Online-Serviceportal umfasst, passt die Navigation der Seite zur Intention des Fragenden? Gibt es Wahlmöglichkeiten für Fragende, wie sie auf Inhalte zugreifen können: Index, FAQ, Suche? Gibt es einen einfachen Weg um aus der Selbsthilfe in den unterstützten Service zu wechseln: Klick um einen Vorfall zu öffnen, Klick um zu chatten?
7. Diagnose: Wie oft braucht es Diagnose um das Problem als bekannt zu identifizieren? Gibt es eine Möglichkeit, die Informationen, die das Produkt liefert zu verbessern, um den Fragenden zu helfen, bei der Fehler-/Problemidentifikation erfolgreicher zu sein? Oder dem Service-Center zu helfen, Probleme schnell zu lösen?
Welche Verbesserungen können am Problemlöseprozess für neue Probleme vorgenommen werden?
- Analysiert die Daten in der Tabelle um zu sehen, was zum Beheben nötig war:
1. Eskalation?
2. Diagnose?
3. Reproduktion?
Welche Rückmeldung sollte an die Entwicklung, das Produkt-Management, die Rechtsabteilung und oder Marketing bezüglich Verbesserungen gehen, die signifikanten Auswirkungen auf die Erfahrung des Fragenden, das Vorfalls-Volumen oder die Problemisolation und den Löseprozess hätten?

Typische Agenda für die Pilot-Sitzung der Analyse

9:00	Begrüßung und Ziele
9:30	Als Gruppe ein paar Beispiele bearbeiten
10:00	In Teams Vorfälle bewerten/kategorisieren
Mittag	Mittagspause
13:00	Abgleich: wo sind wir? Zahl bearbeiteter Vorfälle
13:30	Weiter kategorisieren
15:00	Prüfung und Analyse der Trends, die sich zeigen und Diskussion der Möglichkeiten
16:30	Abschluss

Was gilt als Bekannt?

Zum Zweck dieser Studie heißt bekannt:
- Geschlossene Vorfälle mit korrektem verknüpftem Artikel (verknüpft mit vorher existierendem Artikel)
- Richtiger Artikel existiert, wurde aber nicht verknüpft
- In manchen Umgebungen kann es interessant sein, „bekannt aber nicht erfasst“ zu identifizieren. Das ist hilfreich, wenn es viel „Stammeswissen“ gibt (Dinge, die alle wissen), das nicht in der Wissensdatenbank ist. (Anmerkung: diese Bedingung ist ein Indikator dafür, dass wir nicht wirklich KCS machen. Wenn eine Frage gestellt wird, sollte sie in der Wissensdatenbank sein)
Manche Consortiums-Mitglieder bestimmen was bekannt ist, indem sie den Datumsstempel, zu dem der Vorfall eröffnet wurde, mit dem Erstelldatum des Artikels vergleichen. Wenn der Artikel vor dem Vorfall existiert hat, gilt es als „bekannt“. Diese Datenstempel-Methode erfordert gute Verknüpfungs- und Genauigkeits-Praktiken. Es empfiehlt sich, zuerst die manuelle Bekannt-Unbekannt-Analyse durchzuführen, bis Sie sich der Verknüpfungs-Praktiken in Ihrer Organisation sicher sind. Viele Firmen kämpfen damit, dass Wissensarbeiter Referenzartikel und nicht Lösungsartikel verknüpfen.