Moving from Strategic Measurementto

Moving from Strategic Measurement
to Strategic Data Analysis
Christopher D. Ittner and David F. Larcker
Management control theories argue that the key goals of strategic control
systems are communicating strategic direction and priorities, developing
mechanisms for determining whether the chosen strategy is
achieving its objectives, and providing information that can be used to
modify actions in order to achieve desired goals. As discussed in other
chapters, the initial development of strategic control systems requires
the firm to determine the system’s primary objectives (Hansen and
Mouritsen 2005), allocate resources to achieve these objectives (Miller
and O’Leary 2005), and develop formal and informal control systems for
guiding and evaluating routines and practices for consistency with
strategic goals (Ahrens and Chapman 2005). While choices regarding
system objectives, resource allocation methods, and specific performance
measures are all critical issues in strategic control system implementation
and success, an equally important issue is establishing the
organizational mechanisms needed to promote ongoing analysis of
strategic success and encourage strategic learning. Although management
control literature argues that such ‘feedback loops’, ‘double-loop
learning’, and ‘strategic data analyses’ are critical components of strategic
control systems (e.g. Schreyogg and Steinmann 1987; Kaplan and
Norton 1996; Julian and Scifres 2002), relatively little is known about how
these strategic analysis mechanisms influence strategic control system
design and effectiveness. Moreover, despite growing evidence that
greater use of these mechanisms is associated with higher perceived
measurement system success and improved financial performance
(Sandt et al. 2001; Ittner and Larcker 2003; Marr 2004), surveys indicate
that most companies with strategic performance measurement systems
do not perform these analyses (Gates 1999; Ittner and Larcker 2003;
Ittner et al. 2003), raising important questions about the factors that
promote or hinder their use and effectiveness.
Over the past decade, we have investigated these issues in a variety of
contexts, ranging from the measurement of quality improvement initiatives
and customer satisfaction programmes to the development of
balanced scorecards (BSC) and executive dashboards. In this chapter,
we synthesize our findings on the potential benefits from accompanying
strategic performance measurement systems with ongoing strategic
data analysis, and discuss some of the technical and organizational
factors hindering the development of effective strategic data analysis
mechanisms.
The roles of data analysis in strategic control systems
Simon’s classic study of the controllership function (Simon et al. 1954)
identified three roles for accounting information: attention directing,
scorekeeping, and problem solving. Similarly, the strategic measurement
and control literature describes three analogous roles for these
systems: (a) communicating strategic direction and priorities, (b) determining
whether the strategy is being implemented as planned and the
results produced by the strategy are those intended, and (c) providing
information that can be used to promote organizational learning, to
identify avenues for improving strategic performance, and to adapt the
strategy to emerging conditions.
According to this literature, data acquisition and analysis are critical
elements in strategic measurement and control system effectiveness. A
representative strategic data analysis process, developed by one of our
research sites, is illustrated in Figure 1. Lorange et al. (1986) contend that
‘strategic controllers’ should undertake such a process in order to better
understand the underlying drivers of strategic results. Julian and Scifres
(2002) argue that data analysis and interpretation are essential in facilitating
the identification of factors that trigger the need for strategic
change. Schreyogg and Steinmann (1987) point out that the very premises
underlying the strategy being communicated to the organization
are based on assumptions that must be verified through data analysis. In
a similar vein, Kaplan and Norton (1996) emphasize that the ‘strategy
maps’ communicating how improvements in chosen BSC performance
measures are expected to produce strategic results are merely hypotheses
that need to be tested.
Assessment of implementation and strategic success, in turn, requires
the development of valid and reliable measures for the hypothesized key
success factors (e.g. what specific measures and measurement methodologies
actually tell us whether we are achieving our implementation
goals or strategic objectives?), the weighting of different types of measures
(e.g. how do we ‘balance’ short-term goals against longer-term
FROM STRATEGIC MEASUREMENT TO ANALYSIS 87
strategic objectives?), and the identification of performance standards
for the hypothesized success factors (e.g. do we want to maximize performance
on every dimension, i.e. every customer or employee is 100 per
cent satisfied or loyal, or is some other performance standard more
appropriate?). These assessments require analysis of available data, or
the gathering and interpretation of new data when the existing system
does not provide the information needed to examine these issues
(Muralidharan 1997; Ittner and Larcker 2003).
Finally, the use of strategic measurement systems for decision-making
and learning purposes requires organizations to undertake increasingly
detailed data analyses to uncover the underlying drivers or root
causes of strategic success, the potential benefits from specific strategic
investments, and the reasons behind deviations from strategic targets
(e.g. Argyris 1982; Hayes et al. 1988; Kaplan and Norton 1996; Julian and
Scifres 2002).
To examine these potential uses and benefits in greater detail, we
conducted extensive field research in more than sixty companies, and
supplemented this field research with survey-based studies in a broad
spectrum of public-and private-sector organizations. Our research
identified three primary benefits from strategic data analysis, including
Decisions/Actions
• Competitive Strategy
• Process Improvements
• New Products/Services
Data
• External surveys
• Internal tracking
• Benchmarking
Results
• Shareholder outcomes
• Customer outcomes
• Employee outcomes
Information
• Productivity
• Competence
• Resource allocation
Data collection
Analysis and Interpretation
Communicating
Linkage analysis
Figure 1 Strategic data analysis process
88 CHRISTOPHER D. ITTNER & DAVID F. LARCKER
enhanced communication of strategic assumptions, better identification
and measurement of strategic value drivers, and improved resource
allocation and target setting. The following examples illustrate the role
of strategic data analysis in achieving these benefits.
Strategic marketing metrics in a convenience store chain
Although most companies make some effort to tie their performance
measures to the organization’s strategy, these links are often based on
management intuition or organizational folklore about these relations
rather than rigorous analysis. A study of strategic performance measurement
systems by the Conference Board (Gates 1999), for example,
found that 69 per cent of companies attempt to determine the associations
between their performance measures and the organization’s
strategy when choosing performance measures, but only 22 per cent
assess these links in a rigorous manner.
One important reason for the intuitive approach to choosing performance
measures is the absence of any formal attempt to understand how
the company’s various financial and non-financial measures are
expected to fit together or produce desired strategic results. Many proponents
of strategic performance measures argue that companies
should develop causal ‘business models’ or ‘value driver maps’ that
articulate the cause-and-effect relations among performance measures,
and show how improvements in these measures are expected to improve
long-term strategic and economic performance. However, less
than 30 per cent of the companies we surveyed have developed these
strategic ‘business models’ or ‘value driver maps’, and even fewer actually
test whether the specific performance measures they have chosen
are associated with expected results. In fact, only 21 per cent of the
companies we surveyed even attempt to demonstrate that improvements
in their strategic performance measures actually influence future
financial results.
Typical is a large retailer in the US. The company owns and operates
hundreds of convenience stores that sell gasoline along with various food
and convenience items. A number of unarticulated assumptions underpinned
its strategic plan and performance measures, with little or no
attempt to determine the validity of these assumptions. One of the most
firmly held assumptions was that gasoline sales and food sales were
unrelated. Rather than seeing these as complementary product lines
FROM STRATEGIC MEASUREMENT TO ANALYSIS 89
that offered cross-selling opportunities, the company saw their joint sale
as an opportunity to increase the utilization of fixed resources. When we
questioned a wide variety of managers at different organizational levels
about this assumption, each asserted that no one had ever found a
relationship between gasoline sales and food sales. However, when
pushed, no one could tell us where this analysis was or who had done it.
Based on the assumption that gasoline and food sales were unconnected,
each product line was set-up as a separate profit centre. Marketing
decisions across the two profit centres were not coordinated, and the
performance measures reported to one profit centre manager were not
reported to the other. When we subsequently analysed the company’s
data, we found no support for this key strategic assumption. As shown in
Figure 2, gasoline sales wer

Kết quả (Việt) 1:

Di chuyển từ chiến lược đo lường
để phân tích dữ liệu chiến lược
Christopher D. Ittner và David F. Larcker
quản lý kiểm soát lý thuyết cho rằng các mục tiêu quan trọng của chiến lược kiểm soát
hệ thống liên lạc hướng chiến lược và ưu tiên, phát triển
cơ chế để xác định xem các chiến lược lựa chọn là
đạt được mục tiêu của nó, và cung cấp thông tin có thể được sử dụng để
Sửa đổi các hành động để đạt được mục tiêu mong muốn. Như được thảo luận trong các
chương, sự phát triển ban đầu của hệ thống chiến lược kiểm soát yêu cầu
công ty để xác định mục tiêu chính của hệ thống (Hansen và
Mouritsen 2005), phân bổ nguồn lực để đạt được các mục tiêu (Miller
và O'Leary 2005), và phát triển hệ thống kiểm soát chính thức và không chính thức cho
hướng dẫn và đánh giá thói quen và thực hành cho nhất quán với
mục tiêu chiến lược (Ahrens và Chapman 2005). Trong khi lựa chọn liên quan đến
hệ thống mục tiêu, các phương pháp phân bổ tài nguyên, và hiệu suất cụ thể
biện pháp là rất quan trọng tất cả các vấn đề trong thực hiện hệ thống chiến lược kiểm soát
và thành công, một vấn đề quan trọng không kém việc thành lập các
tổ chức các cơ chế cần thiết để thúc đẩy liên tục phân tích của
chiến lược thành công và khuyến khích chiến lược học tập. Mặc dù quản lý
văn học điều khiển lập luận rằng những vòng lặp phản hồi' ', ' vòng lặp đôi
học ', và 'chiến lược dữ liệu phân tích' là các thành phần quan trọng của chiến lược
kiểm soát hệ thống (ví dụ như Schreyogg và Steinmann năm 1987; Kaplan và
Norton 1996; Julian và Scifres năm 2002), tương đối ít được biết về làm thế nào
các cơ chế phân tích chiến lược ảnh hưởng đến hệ thống chiến lược điều khiển
thiết kế và hiệu quả. Hơn nữa, mặc dù ngày càng tăng bằng chứng rằng
lớn hơn sử dụng các cơ cấu liên kết với cao coi
thành công hệ thống đo lường và cải thiện hiệu quả tài chính
(Sandt et al. năm 2001; Ittner và Larcker năm 2003; Marr năm 2004), cuộc điều tra cho thấy
rằng hầu hết các công ty với hệ thống đo lường hiệu suất chiến lược
không thực hiện các phân tích (Gates 1999; Ittner và Larcker 2003;
Ittner et al. 2003), nâng cao các câu hỏi quan trọng về các yếu tố đó
thúc đẩy hoặc cản trở của họ sử dụng và hiệu quả.
trong thập kỷ vừa qua, chúng tôi đã điều tra những vấn đề này trong một loạt các
bối cảnh, khác nhau, từ đo lường chất lượng cải tiến sáng kiến
và sự hài lòng của khách hàng chương trình cho sự phát triển của
cân bằng scorecards (BSC) và giám đốc điều hành biểu đồ. Trong chương này,
chúng tôi tổng hợp những phát hiện của chúng tôi về lợi ích tiềm năng từ đi kèm với
chiến lược hiệu suất đo lường hệ với liên tục chiến lược
phân tích dữ liệu, và thảo luận về một số kỹ thuật và tổ chức
yếu tố cản trở sự phát triển của phân tích dữ liệu chiến lược hiệu quả
cơ chế.
vai trò của dữ liệu phân tích chiến lược kiểm soát hệ thống
nghiên cứu cổ điển của Simon controllership chức năng (Simon et al. 1954)
xác định ba vai trò cho thông tin kế toán: sự chú ý chỉ đạo,
scorekeeping, và giải quyết vấn đề. Tương tự, chiến lược đo lường
và kiểm soát tài liệu mô tả ba vai trò tương tự như đối với những
hệ thống: (a) giao tiếp hướng chiến lược và ưu tiên, (b) xác định
cho dù các chiến lược đang được thực hiện theo kế hoạch và các
kết quả sản xuất bởi các chiến lược là những người dự định, và (c) cung cấp
thông tin có thể được sử dụng để thúc đẩy tổ chức học tập, đến
xác định con đường để cải thiện hiệu suất chiến lược, và để thích ứng với các
chiến lược để điều kiện đang nổi lên.
theo văn học này, thu thập dữ liệu và phân tích rất quan trọng
các yếu tố chiến lược đo lường và kiểm soát hiệu quả hệ thống. A
quá trình phân tích dữ liệu chiến lược đại diện, phát triển bởi một trong chúng tôi
nghiên cứu các trang web, được minh họa trong hình 1. Lorange et al. (1986) cho rằng
'chiến lược điều khiển' nên thực hiện một quá trình để tốt hơn
hiểu các trình điều khiển tiềm ẩn của chiến lược kết quả. Julian và Scifres
(2002) cho rằng dữ liệu phân tích và giải thích là rất cần thiết trong tạo điều kiện cho
xác định các yếu tố kích hoạt sự cần thiết cho chiến lược
thay đổi. Schreyogg và Steinmann (1987) chỉ ra rằng các cơ sở rất
cơ bản chiến lược đang được truyền đạt đến tổ chức
được dựa trên giả định rằng phải được xác minh thông qua phân tích dữ liệu. Trong
tĩnh mạch tương tự, Kaplan và Norton (1996) nhấn mạnh rằng các ' chiến lược
DotA giao tiếp như thế nào những cải tiến trong lựa chọn BSC hiệu suất
các biện pháp dự kiến sẽ sản xuất kết quả chiến lược là chỉ đơn thuần là giả thuyết
mà cần phải được kiểm tra.
Đánh giá thực hiện và thành công chiến lược, lần lượt, yêu cầu
sự phát triển của các biện pháp hợp lệ và đáng tin cậy cho các khóa gan giả thuyết
yếu tố thành công (ví dụ như những gì các biện pháp cụ thể và phương pháp đo lường
thực sự cho chúng tôi biết cho dù chúng tôi đang đạt được thực hiện của chúng tôi
mục tiêu hoặc mục tiêu chiến lược?), nặng loại khác nhau của các biện pháp
(ví dụ: làm thế nào để chúng ta 'cân bằng' các mục tiêu ngắn hạn đối với dài hạn
từ chiến lược đo lường để phân tích 87
mục tiêu chiến lược?), và xác định các tiêu chuẩn hiệu suất
cho những yếu tố thành công gan giả thuyết (ví dụ như làm chúng tôi muốn tối đa hóa hiệu suất
trên mỗi kích thước, tức là mỗi khách hàng hoặc nhân viên là 100 mỗi
trăm hài lòng hoặc trung thành, hoặc là một số tiêu chuẩn hiệu suất khác hơn
thích hợp?). Đánh giá các yêu cầu phân tích dữ liệu có sẵn, hoặc
tập hợp và giải thích các dữ liệu mới khi hệ thống hiện tại
không cung cấp thông tin cần thiết để kiểm tra những vấn đề
(Muralidharan 1997; Ittner và Larcker năm 2003).
cuối cùng, việc sử dụng hệ thống đo lường chiến lược cho quyết định làm
và mục đích học tập đòi hỏi các tổ chức thực hiện ngày càng
chi tiết dữ liệu phân tích để phát hiện ra các trình điều khiển tiềm ẩn hoặc gốc
nguyên nhân của sự thành công chiến lược, những lợi ích tiềm năng từ cụ thể chiến lược
đầu tư, và những lý do đằng sau các độ lệch từ mục tiêu chiến lược
(ví dụ như Argyris 1982; Hayes et al. năm 1988; Kaplan và Norton 1996; Julian và
Scifres năm 2002).
để kiểm tra những tiềm năng sử dụng và lợi ích chi tiết hơn, chúng tôi
tiến hành mở rộng lĩnh vực nghiên cứu trong công ty hơn sáu mươi, và
bổ sung nghiên cứu lĩnh vực này với các cuộc khảo sát dựa trên các nghiên cứu trong một rộng
phổ của khu vực- và các tổ chức khu vực tư nhân. Nghiên cứu của chúng tôi
xác định ba lợi ích chính từ phân tích chiến lược dữ liệu, bao gồm cả
quyết định/hành động
• chiến lược cạnh tranh
• cải thiện quá trình
• sản phẩm/dịch vụ mới
dữ liệu
• bên ngoài điều tra
• Theo dõi nội bộ
• Benchmarking
kết quả
• cổ đông kết quả
• khách hàng kết quả
• nhân viên kết quả
thông tin
• năng suất
• thẩm quyền
• phân bổ nguồn lực
thu thập dữ liệu
phân tích và giải thích
giao tiếp
liên kết phân tích
quá trình phân tích dữ liệu hình 1 chiến lược
88 CHRISTOPHER D. ITTNER & DAVID F. LARCKER
tăng cường giao tiếp của các giả định chiến lược, tốt hơn nhận dạng
và đo lường giá trị chiến lược trình điều khiển, và cải tiến tài nguyên
phân bổ và mục tiêu thiết lập. Các ví dụ sau minh họa cho vai trò
của phân tích dữ liệu chiến lược trong việc đạt được những lợi ích.
chiến lược tiếp thị các số liệu trong một chuỗi cửa hàng tiện lợi
mặc dù hầu hết các công ty thực hiện một số nỗ lực để tie hiệu suất của họ
các biện pháp của tổ chức chiến lược, những liên kết này thường dựa trên
quản lý trực giác hoặc tổ chức văn hóa dân gian về những quan hệ
thay vì phân tích nghiêm ngặt. Một nghiên cứu chiến lược hiệu suất đo lường
Hệ thống bởi các Ban Hội nghị (Gates 1999), ví dụ,
tìm thấy rằng 69 phần trăm của công ty cố gắng để xác định các Hiệp hội
giữa các biện pháp hiệu suất của họ và của tổ chức
chiến lược khi lựa chọn các biện pháp hiệu suất, nhưng chỉ 22 phần trăm
đánh giá các liên kết trong một cách nghiêm ngặt.
một lý do quan trọng cho các phương pháp trực quan để chọn hiệu suất
các biện pháp là sự vắng mặt của bất kỳ nỗ lực chính thức để hiểu làm thế nào
của công ty tài chính khác nhau và các biện pháp tài chính
dự kiến sẽ phù hợp với nhau hoặc sản xuất kết quả mong muốn chiến lược. Những người ủng hộ nhiều
chiến lược hiệu suất của các biện pháp tranh luận mà các công ty
nên phát triển causal 'mô hình kinh doanh' hoặc 'giá trị trình điều khiển bản đồ' mà
rõ quan hệ nguyên nhân và có hiệu lực trong số các biện pháp hiệu suất,
và hiển thị như thế nào những cải tiến trong những biện pháp dự kiến sẽ cải thiện
hiệu suất chiến lược và kinh tế dự báo thuỷ văn hạn dài. Tuy nhiên, ít
hơn 30 phần trăm của các công ty chúng tôi khảo sát đã phát triển những
chiến lược 'mô hình kinh doanh' hoặc 'giá trị trình điều khiển bản đồ', và thậm chí ít hơn thực sự
kiểm tra xem các biện pháp hiệu suất cụ thể mà họ đã chọn
gắn liền với kết quả mong đợi. Trong thực tế, chỉ 21 phần trăm của các
công ty chúng tôi khảo sát thậm chí cố gắng để chứng minh cải tiến đó
hiệu suất chiến lược các biện pháp thực sự ảnh hưởng tương lai
kết quả tài chính.
Điển hình là một cửa hàng bán lẻ lớn tại Hoa Kỳ. Công ty sở hữu và điều hành
hàng trăm cửa hàng tiện lợi bán xăng cùng với nhiều thực phẩm
và các mặt hàng thuận tiện. Một số unarticulated giả định củng cố
các chiến lược kế hoạch và thực hiện các biện pháp, với ít hoặc không có
cố gắng để xác định tính hợp lệ của các giả định. Một trong những
vững chắc tổ chức giả định là rằng xăng bán hàng và bán hàng thực phẩm
không liên quan. Thay vì nhìn thấy như là dòng sản phẩm bổ sung
từ chiến lược đo lường để phân tích 89
mà cung cấp cross-bán cơ hội, công ty thấy bán chung của họ
như là một cơ hội để tăng việc sử dụng các nguồn tài nguyên cố định. Khi chúng tôi
hỏi nhiều nhà quản lý các tổ chức cấp
về giả định này, mỗi khẳng định rằng không có ai bao giờ đã tìm thấy một
mối quan hệ giữa xăng bán hàng và bán hàng thực phẩm. Tuy nhiên, khi
đẩy, không ai có thể cho chúng tôi biết nơi này phân tích hoặc những người đã làm nó
dựa trên giả định rằng xăng và bán hàng thực phẩm được không liên lạc,
mỗi dòng sản phẩm đã là thiết lập như là một trung tâm lợi nhuận riêng biệt. Tiếp thị
quyết định trên các trung tâm lợi nhuận hai đã không phối hợp, và các
các biện pháp hiệu suất báo cáo cho một lợi nhuận trung tâm quản lý đã không
báo cáo khác. Khi chúng ta sau đó phân tích của công ty
dữ liệu, chúng tôi tìm thấy không có hỗ trợ cho giả định chiến lược quan trọng này. Như minh hoạ trong
hình 2, xăng bán hàng wer