कोणत्याही यशस्वी प्रकल्पासाठी कठीण डेटा आणि मानवी अनुभव यांच्यातील तणाव समजून घेणे अत्यंत महत्त्वाचे आहे. मोजता येण्याजोगे परिणाम जबाबदारीसाठी आवश्यक असलेले थंड, कठीण आकडे प्रदान करतात, तर गुणात्मक परिणाम कथा, भावनिक अनुनाद आणि दीर्घकालीन सांस्कृतिक बदलांना आकर्षित करतो जे आकडेवारी अनेकदा दुर्लक्ष करते. दोन्ही संतुलित केल्याने तुम्ही केवळ लक्ष्य गाठत नाही आहात, तर प्रत्यक्षात अर्थपूर्ण फरक घडवत आहात हे सुनिश्चित होते.
परिभाषित ध्येय किंवा बेंचमार्ककडे विशिष्ट, वस्तुनिष्ठ प्रगतीचा मागोवा घेण्यासाठी वापरले जाणारे परिमाणात्मक मेट्रिक्स.
कृतीचे वर्णनात्मक, अनुभवावर आधारित परिणाम जे परिणामांमागील 'का' आणि 'कसे' प्रकट करतात.
| वैशिष्ट्ये | मोजता येणारे परिणाम | गुणात्मक प्रभाव |
|---|---|---|
| प्राथमिक लक्ष केंद्रित करा | कार्यक्षमता आणि प्रमाण | खोली आणि गुणवत्ता |
| डेटा प्रकार | संख्यात्मक (हार्ड डेटा) | कथा (सॉफ्ट डेटा) |
| प्रश्नाचे उत्तर दिले | काय झाले आणि किती? | ते का घडले आणि कसे वाटले? |
| संकलन पद्धत | विश्लेषणे, सेन्सर्स आणि नोंदी | मुलाखती आणि निरीक्षणे |
| स्केलिंगची सोय | उच्च (स्वयंचलित ट्रॅकिंग) | कमी (मानवी अर्थ लावणे आवश्यक आहे) |
| मुख्य ताकद | वस्तुनिष्ठता आणि वेग | संदर्भ आणि बारकावे |
| जोखीम घटक | मानवी घटकाची कमतरता | अहवाल देण्यामध्ये व्यक्तिनिष्ठ पूर्वाग्रह |
मोजता येणारे परिणाम मूल्यांकनाचा आधार म्हणून काम करतात, एक कठोर रचना प्रदान करतात जी प्रकल्प नेमका कुठे उभा आहे हे दर्शवते. जर एखादी मार्केटिंग मोहीम १०,००० लोकांपर्यंत पोहोचली तर ती एक स्पष्ट मोजता येणारी परिणाम आहे. तथापि, गुणात्मक परिणाम स्पष्ट करतो की त्या १०,००० लोकांना खरोखर ब्रँडशी संबंध वाटला की त्यांना जाहिरात अनाहूत आणि त्रासदायक वाटली.
तुम्ही मोजता येण्याजोग्या निकालांचा जवळजवळ तात्काळ मागोवा घेऊ शकता, ज्यामुळे ते तिमाही पुनरावलोकनांसाठी आणि जलद गतीने बदलण्यासाठी परिपूर्ण बनतात. गुणात्मक परिणाम हा हळूहळू होतो, जो वाढलेल्या विश्वासाच्या किंवा निरोगी कार्यस्थळ संस्कृतीच्या स्वरूपात प्रकट होण्यासाठी अनेकदा महिने किंवा वर्षे लागतात. आज काय घडले हे संख्या तुम्हाला सांगत असताना, गुणात्मक डेटा अनेकदा भविष्यात काय घडेल याचा अंदाज लावतो.
आकडेवारीशी वाद घालणे अत्यंत कठीण आहे, ज्यामुळे मोजता येण्याजोग्या निकालांना भागधारक आणि गुंतवणूकदारांची पसंतीची भाषा बनवले जाते. तोटा असा आहे की डेटा थंड असू शकतो; तो मानवी जीवनातील 'गोंधळ' लक्षात घेत नाही. गुणात्मक प्रभाव त्या गोंधळाला आलिंगन देतो, ज्यामुळे प्रकल्पाला वास्तविक लोकांसाठी प्रासंगिक वाटणारा रंग आणि संदर्भ मिळतो.
योग्य सॉफ्टवेअर आणि स्वयंचलित डॅशबोर्डसह जागतिक संस्थेतील निकालांचा मागोवा घेणे तुलनेने सोपे आहे. दुसरीकडे, परिणामांचे मूल्यांकन करणे कष्टाचे आहे कारण त्यासाठी मानवांना इतर मानवांशी बोलणे आवश्यक आहे. तुम्ही फक्त खोलवर जाऊन मुलाखत किंवा केस स्टडी स्वयंचलित करू शकत नाही, म्हणूनच अनेक संस्था दुर्दैवाने गुणात्मक बाजूकडे दुर्लक्ष करतात.
गुणात्मक डेटा हा फक्त 'कथा' आहे आणि तो खरा पुरावा म्हणून गणला जात नाही.
कठोर गुणात्मक संशोधन नमुन्यांची ओळख पटविण्यासाठी संरचित चौकटींचा वापर करते. जटिल प्रणाली किंवा सामाजिक बदल समजून घेण्यासाठी ते संख्यात्मक डेटाइतकेच वैध आहे.
जर तुम्ही ते मोजू शकत नसाल, तर ते घडलेच नाही.
काही महत्त्वाचे बदल, जसे की ब्रँडवरील विश्वासात बदल किंवा कर्मचाऱ्यांचे मनोबल वाढणे, हे मोजणे कठीण आहे परंतु कंपनीच्या यशावर त्यांचा मोठा परिणाम होतो.
संख्या नेहमीच १००% वस्तुनिष्ठ आणि निःपक्षपाती असतात.
प्रश्न कसे तयार केले जातात किंवा ट्रॅकिंगसाठी कोणते मेट्रिक्स निवडले जातात यावरून डेटा विकृत होऊ शकतो. जर पॅरामीटर्समध्ये त्रुटी असतील तर 'मोजता येण्याजोगा' निकाल पक्षपाती मुलाखतीइतकाच दिशाभूल करणारा असू शकतो.
तुमच्या प्रकल्पासाठी तुम्हाला एक किंवा दुसरा निवडावा लागेल.
सर्वात प्रभावी नेते 'मिश्र-पद्धती' दृष्टिकोन वापरतात. ते प्रगती दर्शविण्यासाठी संख्या आणि त्या प्रगतीचे महत्त्व स्पष्ट करण्यासाठी कथा वापरतात.
जेव्हा तुम्हाला कार्यक्षमता सिद्ध करायची असेल, विशिष्ट लक्ष्ये गाठायची असतील किंवा वेग आणि स्पष्टतेला महत्त्व देणाऱ्या भागधारकांना अहवाल द्यायचा असेल तेव्हा मोजता येण्याजोगे परिणाम निवडा. जेव्हा तुम्ही जटिल मानवी वर्तन समजून घेण्याचा, कंपनी संस्कृती सुधारण्याचा किंवा दीर्घकालीन ब्रँड निष्ठा निर्माण करण्याचा प्रयत्न करत असाल जी केवळ संख्या टिकवू शकत नाही तेव्हा गुणात्मक परिणामांना प्राधान्य द्या.
