Den verborgenen Treiber hinter einer sinkenden Lösungszeit-Kennzahl finden
Ein ausgelagerter Kundenservice-Betrieb, der für eine große internationale Marke in 12 Märkten Support leistet, unter strengen IT- und Datenschutzvorgaben. Das gesamte Reporting lief auf Excel- und Access-Daten, die in ein Power-BI-Semantikmodell flossen, und keine Daten durften die Umgebung verlassen.
- 12
- betroffene Märkte
- 2 Monate
- Rückgangszeitraum
- 8
- beobachtete Treiber-KPIs
- 52
- Wochen im rollierenden Korrelationsfenster
Die Herausforderung
Die zentrale Effizienzkennzahl des Betriebs, die Case Resolution Time (CRT%), wird getrennt für eskalierte und nicht eskalierte Fälle erfasst. Sie war zwei Monate in Folge gesunken, und zwar ungleichmäßig. Das Premium-Segment lag in rund vier Märkten im Minus, befand sich aber noch in einem neutralen Bereich, unterhalb der Bonusschwelle und noch nicht im Malusbereich. Das Standard-Segment war in etwa acht Märkten gesunken und tief in den Malusbereich gefallen. Die Führung musste wissen, welche der Dutzenden erfassten Kennzahlen den Rückgang tatsächlich verursachten, bevor sie Ressourcen für eine Lösung einsetzte.
Was ich gebaut habe
Ein Diagnose-Dashboard in Power BI, angebunden an das Fabric-basierte Semantikmodell des Betriebs. Kern ist eine rollierende 52-Wochen-Korrelation, die CRT% mit rund acht möglichen Treiber-KPIs vergleicht, gewichtet nach Fallvolumen je Markt, damit verrauschte Märkte mit geringem Volumen die großen nicht übertönen können. Das Ergebnis ist eine Matrix mit den Treiber-KPIs auf der einen Achse und Markt und Segment auf der anderen, als Heatmap eingefärbt. Hinter jeder Zelle liefert ein DAX-Measure mehr als einen Koeffizienten. Es gibt ein Urteil in klarer Sprache aus: „Keine wirksame Korrelation“, „Beobachten“ oder „Kritisch: sofort handeln“. Eine Führungskraft ohne Statistik-Hintergrund liest die Matrix in Sekunden. Filter für Zeit, Markt, Geschäftsbereich und Segment lassen jede Führungskraft in den eigenen Verantwortungsbereich eintauchen.
Das Ergebnis
Statt Dutzende KPIs von Hand, Markt für Markt, mit CRT% abzugleichen, sahen die Verantwortlichen eine kurze Liste von Kombinationen aus Treiber und Markt, die als kritisch markiert waren. Aus einer breiten, unklaren Untersuchung wurde eine priorisierte Maßnahmenliste, und dieses Dashboard wurde zum Einstieg für die Ursachenanalyse in der zweiten Fallstudie.