KR101242732B1

KR101242732B1 - 변화 관리

Info

Publication number: KR101242732B1
Application number: KR1020077016740A
Authority: KR
Inventors: 워렌 존 패리
Original assignee: 씨티알이 피티와이 리미티드
Priority date: 2004-12-21
Filing date: 2005-12-20
Publication date: 2013-03-11
Also published as: KR20070091670A; NO20073695L; NZ591464A; BRPI0519385A2; KR101237887B1; EP1839251A4; CA2811044A1; CN101147169A; RU2007128043A; CN102592177A; JP2008524729A; KR20120088884A; NZ556075A; CA2591047A1; BRPI0519385B1; CN101147169B; US20100049595A1; US8301489B2; RU2419874C2; US20130041723A1

Abstract

엔티티의 상태의 평가에 사용하기 위한 분석 툴을 생성하는 벙법 및 시스템을 개시한다. 본 발명의 방법은, 엔티티가 일부를 형성하는 커뮤니티의 상태에 관련되고, 데이터 수집 및 분석 메카니즘의 결과로부터 얻어지며, 각각이 복수의 드라이버를 포함하는 하나 이상의 변수에 관련되는 소스 데이터를, 검색하는 단계와, 상기 소스 데이터에 대해 클러스터 분석(cluster analysis)을 행하여 기준 데이터의 어레이를 생성하는 단계와, 상기 기준 데이터의 어레이를, 상기 커뮤니티로부터 수집된 데이터를 분석하는 데 사용될 형태로 조직화하는 단계를 포함한다. 또한, 엔티티의 상태의 평가에 사용하기 위한 분석 툴도 개시하며, 이 분석 툴은, 기준 데이터의 서브세트를 각각 포함하는 셀의 어레이를 포함하며, 각각의 상기 셀 내의 상기 기준 데이터는, 상기 엔티티가 일부를 형성하는 커뮤니티의 상태와, 상기 셀에 포함된 상기 기준 데이터의 상호관계에 의해 좌우되는 상기 셀의 서로에 대한 위치에, 관련된 각각의 드라이버에 대한 측정치를 제공한다.

엔티티, 분석 툴, 드라이버, 설명 변수, 커뮤니티

Description

변화 관리{CHANGE MANAGEMENT}

본 발명은 엔티티의 평가에 관한 것으로, 보다 구체적으로는 분석 툴의 생성 방법 및 시스템과, 분석 툴과, 엔티티의 상태를 평가하는 방법 및 시스템에 관한 것이다.

서베이(surveys) 등의 종래의 측정 툴은 그 기능이 엔티티의 상태를 평가하는 것으로 한정되어 있다. 흔히 사용되는 툴은 이들이 어떠한 시각의 단일 시점에서 예컨대 사람들의 태도, 행동 또는 액션 등의 엔티티의 하나의 특징에 관한 다수의 변수를 측정한다는 점에서 "정적(static)"이라 할 수 있다. 종래의 측정 툴을 이용하여 제공된 리포트는 대표적으로 측정된 각각의 성분에 관련된 평균 스코어를 보여준다. 여러 개의 변수는 단일 변수들을 평균화하여 더 큰 복합적인 변수를 형성함으로써 그룹화되기도 한다. 이러한 그룹화는 복합도를 간략화하고 데이터를 파악하기 위해 행해진다.

이러한 툴이 엔티티의 어떠한 특징에 대해서는 제한된 평가를 제공할 수 있기는 하지만, 이들 툴은 변수 간의 더욱 복잡한 상호작용을 평가할 때와 엔티티의 상태에 변화를 일으키는 영향(impact)을 평가하기 위해 사용될 때에는 신뢰적이지 못하여 사용이 곤란하다. 사람들의 행동 간에 어떠한 링크를 구축하기 위해 통계 적인 분석이 사용되는 곳에서는, 엔티티 및 조직의 퍼포먼스 결과(performance outcome)에서 발생하는 변화는 간혹 확정적이지 못한 결과를 야기한다. 엔티티의 퍼포먼스에 영향을 주는 것과 관련하여 커다란 전제(gross assumption)가 이루어질 필요가 있다. 우수한 퀄리티의 데이터를 획득하기가 곤란하며, 이러한 분석은 전반적으로 퍼포먼스의 결과에 관해 다차원 변수의 영향을 반영하지 못할 뿐만 아니라, 엔티티의 상태를 변화시키는 조정 변수(moderating variable)의 영향을 적절하게 허용하지도 못한다. 이 작업은 시간이 많이 소요되며, 변화를 관리하고 사업적인 퍼포먼스를 달성할 책임이 있는 관리자에 대해서는 실질적인 가치가 거의 없다.

따라서, 종래의 톨을 이용하는 것은 퍼포먼스의 결과에 대한 링크를 구축하기가 곤란하며, 또한 엔티티에 미치는 변화의 영향을 적절하게 모델링할 수도 없다. 엔티티와 관련된 변수를 명확하게 이해하고 측정하며 관리하기 위한 툴이 존재하지 않으므로, 이러한 엔티티는 올바르지 못한 정보에 의해 지속적으로 이끌리게 된다.

본 발명의 제1 특징에 따르면, 엔티티의 상태의 평가에 사용하기 위한 분석 툴을 생성하는 방법으로서, 상기 엔티티가 일부를 형성하는 커뮤니티의 상태에 관련되고, 데이터 수집 및 분석 메카니즘의 결과로 얻어지며, 각각이 복수의 드라이버(driver)를 포함하는 하나 이상의 변수에 관련되는 소스 데이터를, 검색하는 단계; 상기 소스 데이터에 대해 클러스터 분석(cluster analysis)을 행하여 기준 데이터의 어레이를 생성하는 단계; 및 상기 기준 데이터의 어레이를, 상기 커뮤니티로부터 수집된 데이터를 분석하는 데 사용될 형태로 조직화하는 단계를 포함하는, 분석 툴 생성 방법이 제공된다.

본 발명의 제2 특징에 따르면, 엔티티의 상태의 평가에 사용하기 위한 분석 툴을 생성하는 시스템으로서, 상기 엔티티가 일부를 형성하는 커뮤니티의 상태에 관련되고, 데이터 수집 및 분석 메카니즘의 결과로 얻어지며, 각각이 복수의 드라이버를 포함하는 하나 이상의 변수에 관련되는 소스 데이터를, 저장하고 있는 데이터베이스; 상기 소스 데이터에 대해 클러스터 분석(cluster analysis)을 행하여 기준 데이터의 어레이를 생성하는 분석 엔진; 및 상기 기준 데이터를 분석하고 조직화하여, 상기 커뮤니티로부터 수집된 데이터의 분석에 사용될 형태가 되도록 구성하는, 데이터 분석 및 조직화 메카니즘을 포함하는 분석 툴 생성 시스템이 제공된다.

본 발명의 제3 특징에 따르면, 엔티티의 상태의 평가에 사용하기 위한 분석 툴로서, 기준 데이터의 서브세트를 각각 포함하는 셀의 어레이를 포함하며, 각각의 상기 셀 내의 상기 기준 데이터는, 상기 엔티티가 일부를 형성하는 커뮤니터의 상태와, 상기 셀에 포함된 상기 기준 데이터의 상호관계에 의해 좌우되는 상기 셀의 서로에 대한 위치에, 관련된 각각의 드라이버에 대한 측정치를 제공하는 분석 툴이 제공된다.

본 발명의 제4 특징에 따르면, 엔티티의 상태를 평가하는 방법으로서, 분석될 상기 엔티티에 대하여, 상기 엔티티에 적용 가능하고 복수의 드라이버를 포함하는 하나 이상의 변수를 갖는 엔티티 데이터를 생성하는 단계; 상기 엔티티 데이터를 청구항 28 내지 청구항 31 중 어느 하나의 청구항에서 청구된 바와 같은 분석 툴에 입력하는 단계; 및 상기 분석 툴로부터 출력 데이터를 생성하여 상기 엔티티에 대한 분석에 사용하는 단계를 포함하는 엔티티 상태의 평가 방법이 제공된다.

본 발명의 제5 특징에 따르면, 엔티티의 상태를 평가하는 시스템으로서, 분석될 상기 엔티티에 대하여, 상기 엔티티에 적용 가능하고 복수의 드라이버를 포함하는 하나 이상의 변수를 갖는 엔티티 데이터를 생성하는 엔티티 생성기; 상기 엔티티 데이터가 입력되는, 청구항 28 내지 청구항 31 중 어느 하나의 청구항에서 청구된 바와 같은 분석 툴; 및 상기 분석 툴로부터 생성되어, 상기 엔티티에 대한 분석에 사용되는 출력 데이터 세트를 포함하는 엔티티 상태의 평가 시스템이 제공된다.

데이터 수집 및 분석 메카니즘은, 소정의 방식으로 대답되도록 작성된 일련의 질문을 포함할 것이다. 예컨대, 일련의 질문은 각각의 선택이 대답의 등급에 관련되는 복수 선택의 질문을 포함할 것이다. 데이터 수집 및 분석 메카니즘은 그 질문에 대한 대답을 처리하여 그 결과의 정보를 분석 파일에 포함시키기 위한 프로세서를 포함할 것이다. 그러므로, 데이터베이스는 분석 파일을 포함할 것이다.

클러스터 분석의 형태로는 다변량 차원 축소(multivariate dimension reduction)가 가능하다. 구체적으로, 다변량 차원 축소는 자체 조직화 맵 알고리즘(SOM : self-organising map algorithm)을 이용할 것이다.

엔티티는 조직일 수도 있다.

커뮤니티의 상태에 관한 소스 데이터는 산업과 같은 다양한 조직으로 대표되는 하나 이상의 조직으로부터 제공될 수 있다.

각각의 변수는 퍼포먼스 성공 요인, 변화 요인, 및 인적 요인(people factor)을 포함할 수도 있지만, 이러한 것으로 제한되지는 않는다.

퍼포먼스 성공 요인에 관한 드라이버(driver)의 비전면적인 목록(non-exhaustive list)은 조직의 효율성, 경쟁자적인 위치, 고객 서비스, 혁신 전달 능력, 협동 시너지, 근로의욕, 또는 예산 삭감(budget constraint)을 포함할 것이다. 변화에 관한 드라이버의 비전면적인 목록은, 조직의 성장, 구조조정, 시장 조건의 영향, 자원의 레벨, 피교육의 정도, 및 변화의 페이스(pace)와 단계를 포함할 것이다. 인적 요인에 관한 드라이버의 비전면적인 목록은, 조직의 지향 방향(aligned direction), 참여(engagement), 리더십 및 교육, 감성 에너지(learning and emotional energy)를 포함할 것이다.

각각의 이들 드라이버는 서브-드라이버를 갖는다. 예컨대, 조직의 지향 방향은 의사소통(communication) 및 비전 방향(vision direction)을 포함하는 서브-드라이버를 가질 것이다. 참여는 변화 리더십(change leadership) 및 동참(involvement)을 포함하는 서브-드라이버를 가질 것이다. 리더십 및 교육은, 팀 리더십, 가치 인식(feeling valued), 및 책임감을 포함하는 서브-드라이버를 가질 것이다. 감성 에너지는, 열정/드라이브의 정도(the extent of passion/drive)와 혼란/피해의 정도(the extent of disturbance/damage)를 갖는 서브-드라이버를 가질 것이다.

선택적으로, 각각의 변수는 사업 퍼포먼스의 개선 및/또는 프로젝트 목표의 달성을 포함할 것이지만, 이러한 것으로 제한되지는 않는다.

이들 변수에 대한 드라이버의 비전면적인 목록은 조직 내에서의 혼란의 정도, 조직 내의 자원의 정도, 조직의 지향 방향, 참여, 팀 리더십, 및 감성 에너지를 포함할 것이다.

각각의 이들 드라이버는 서브-드라이버를 가질 수 있다. 에컨대, 혼란은 조직 내에 존재하고 어떠한 변화가 발생하고 있는 위험 및 장애물을 포함하는 서브-드라이버를 가질 것이다. 자원의 서브-드라이버는, 교육 및 능력과, 시스템 및 프로세스와, 프로젝트 지원을 포함할 것이다. 조직의 지향 방향은 의사소통 및 비젼/방향을 포함하는 서브-드라이버를 가질 것이다. 참여는 변화 리더십 및 동참을 포함하는 서브-드라이버를 가질 것이다. 팀 리더십은 관리 기량, 가치 인식, 및 책임감을 포함하는 서브-드라이버를 가질 것이다. 감성 에너지는 열정/드라이브의 정도와, 혼란/피해의 정도를 포함하는 서브-드라이버를 가질 것이다.

각각의 서브-드라이버 아래에는 하나 이상의 행동 및/또는 측정치가 있을 것이다. 예컨대, 혼동/피해에 대한 서브 드라이는 분노, 피해, 고통, 및 공포의 비전면적 목록을 가질 것이다.

분석 툴은 기준 데이터의 2차원 매트릭스로서 구현될 수 있다. 그에 추가하여 또는 그 대신에, 분석 툴은 3차원 맵핑의 2차원적 표현일 수도 있다. 간략화를 위해, 3차원 맵핑의 2차원적 표현은 이하에서는 "3d 맵핑"으로서 지칭될 것이다. 기준 데이터는 3d 맵핑을 제공하기 위해 3차원으로 모델링될 수도 있다.

출력 데이터 세트는 기준 데이터와 비교되어, 그 결과가 엔티티에서의 변화를 평가 및 관리하기 위해 사용될 것이다. 구체적으로, 출력 데이터 세트는 드라이버를 변경하는 것이 엔티티에 어떻게 영향을 미칠지를 보여주기 위해 사용될 것이다. 그러므로, 출력 데이터 세트를 사용함으로써, 엔티티 내에서의 변화 및/또는 액션이 엔티티에 어떻게 영향을 미칠지를 결정하기 위해 사용될 수 있는 개발 모델이 구현될 것이다. 이 개발 모델은, 엔티티의 퍼포먼스를 개선하고, 더 높은 퍼포먼스를 달성하기 위한 최선의 방법을 결정하기 위해, 사용될 수 있다.

따라서, 출력 데이터 세트는 변화 모델링, 동적 벤치마킹, 퍼포먼스 맵핑/변화 맵핑, 경로 최적화, 개별 리포팅, 목표 및 장애물의 위치, 조직 내의 개인 및 팀의 위치, 및 문화 맵핑을 포함할 수도 있는 출력 리포팅에 대한 토대를 제공할 것이다.

동적 벤치마킹은 출력 데이터의 어레이에 관한 엔티티 데이터를 정규화하는 것과, 정규화된 데이터를 이용하여 동적 벤치마크를 수식화하는 것을 포함할 것이다.

경로 최적화는 더 높은 레벨의 퍼포먼스를 달성하기 위해 적어도 엔티티의 서브세트에 대한 액션의 순서를 개략적으로 정할 것이다. 서브세트는 개인이나 팀, 워크그룹, 또는 엔티티 내의 사업 단체일 것이다.

리포트는 어떠한 형태로도 제공될 수 있다. 예컨대, 리포트는 인터넷을 통해 제공되거나, 또는 CD-ROM 등의 컴퓨터 판독 가능 매체로 제공될 수도 있다.

도 1은 본 발명의 일특징의 실시예에 따른, 엔티티의 상태를 평가하는 시스 템의 계통도이다.

도 2는 본 발명의 시스템의 흐름도이다.

도 3은 본 발명의 시스템의 출력 데이터의 2차원 맵의 예를 도시하는 도면이다.

도 4는 본 발명의 시스템에 의한 3d 맵핑 출력을 이용한 벤치마크의 예를 도시하는 도면이다.

도 5는 본 발명의 또 다른 특징의 실시예에 따른, 분석 툴을 생성하는 시스템을 위한 소스 데이터를 수집하는데 사용되는 설문지의 일부의 예를 나타내는 도면이다.

도 6은 소스 데이터를 수집하기 위해 질의될 수 있는 비전면적 질문 목록(a non-exhaustive list of questions)을 나타내는 도면이다.

도 7은 도 1의 시스템에서 사용하기 위한 데이터 수집 및 분석 메카니즘으로부터의 출력을 도시하는 도면이다.

도 8은 도 1의 시스템에 사용하기 위한 데이터 수집 및 분석 메카니즘으로부터의 다른 출력을 나타내는 도면이다.

도 9는 조직에 의해 식별된 목표 및 장애물을 맵핑하는 3d 모델의 작성의 흐름도를 나타내는 도면이다.

도 10은 도 1의 시스템에서 사용된 퍼포먼스 맵의 예를 나타내는 도면이다.

도 11은 본 발명의 시스템에 의한 문화 맵핑 툴 출력(culture mapping tool output)의 예를 나타내는 도면이다.

도 12는 조직 내에서의 개인 및 팀의 상대적인 위치를 맵핑하는 3d 모델의 예를 나타내는 도면이다.

도 13은 조직 내에서의 팀들의 상대적인 위치를 맵핑하여 시간에 따른 그 조직의 문화에서의 변화를 예시하는 3d 모델의 예를 나타내는 도면이다.

이하에서는 본 발명의 실시예를 첨부 도면을 참조하여 설명한다.

도 1 내지 도 4에서, 도면부호 10은 전반적으로 본 발명의 일특징의 실시예에 따른, 엔티티의 상태를 평가하기 위한 시스템을 나타낸다. 보다 구체적으로, 엔티티 상태 평가 시스템(10)은 사업 조직 등의 엔티티에서의 변화를 관리하기 위해 사용된다. 참조의 편의를 위해, 본 발명은 기업 내에서와 같은 사업 환경에서의 변화를 관리하는데 적용하는 경우를 참조하여 설명된다.

엔티티 상태 평가 시스템(10)은 사업 조직의 모집단(population) 및 개인의 모집단을 포함한 기준 커뮤니티의 상태에 관한 소스 데이터를 저장하기 위한 데이터베이스(12)를 포함한다. 엔티티 상태 평가 시스템(10)은 또한 분석 툴 또는 마스터 퍼포먼스 맵(16)(변화 맵으로도 지칭됨)을 생성하기 위해 데이터베이스(12)로부터의 소스 데이터에 관해 클러스터 분석(cluster analysis)을 수행하기 위한 분석 엔진(14)을 포함한다. 분석 엔진(14)의 출력은 미가공 데이터의 어레이(38)의 클러스터링된 데이터베이스를 제공한다. 미가공 데이터의 어레이는 변화 추적 모드(도 2)를 이용하여 조직화되고 해석되어, 마스터 퍼포먼스 맵(16)을 제공한다. 마스터 퍼포먼스 맵(16)은 2차원 어레이나 퍼포먼스 맵(18) 및 3d 맵핑(20)을 포함 하며, 이에 대해서는 보다 구체적으로 후술될 것이다. 퍼포먼스 맵(18) 및 3d 맵핑(20)은 복수의 셀(22 또는 24)을 포함하며, 이러한 복수의 셀은 경우에 따라 각각 기준 데이터의 서브세트를 포함하고 있을 수도 있다. 각각의 셀 내의 기준 데이터는 기준 커뮤니티의 상태에 관련된 드라이버의 측정치를 제공하며, 각각의 셀은 데이터베이스(12)의 서브-세트/서브 팝퓰레이션(모집단)을 기술하고 있다. 마스터 퍼포먼스 맵(16)은 또한 복수의 드라이버 간의 상호 관계를 기술한다.

마스터 퍼포먼스 맵(16)은 매트릭스에 특정된 셀의 수로 제공된 하이 퍼포먼스와 로우 퍼포먼스 사이의 경로 상에서의 모든 가능한 변화 추적 클러스터의 템플릿(templete)을 제공한다. 특정 엔티티의 상태(즉, 특정 클라이언트 그룹)는 마스터 퍼포먼스 맵 상의 그 특정 클라이언트 그룹의 위치를 확인하여 위치시킴으로써 평가될 수 있으며, 이에 대해서는 보다 상세하게 후술될 것이다. 특정 클라이언트 그룹은 그 특정 클라이언트 그룹에 대한 변화 추적 측정치의 최인접 대응 매칭을 갖는 셀을 찾아냄으로써 마스터 퍼포먼스 맵(16)에 위치된다.

엔티티 상태 평가 시스템(10)을 사용하기 전에, 도 1 및 도 2를 보다 구체적으로 참조하면, 소스 데이터(26)가 수집되어 본 발명의 일특징의 실시예에 따라 마스터 퍼포먼스 맵(16)이 생성된다. 소스 데이터(26)는 통상적으로 설문지(28)를 통해 수집된다. 소스 데이터는 또한 엔티티로부터 취득된 다른 데이터, 예컨대 금융 데이터를 포함할 수도 있다.

소스 데이터(26)는 엔티티가 그 일부를 형성하는 조직의 모집단으로부터 외부 컨설턴트에 의해 수집된 일반 데이터이다. 그러므로, 예컨대, 사업 커뮤니티에 서, 소스 데이터(26)는 일반적인 유형의 사업 또는 특정 유형의 사업 중의 하나에 관한 데이터를 포함한다. 이 소스 데이터는 일정 기간의 시간에 걸쳐 수집되어, 엔티티 상태의 평가 시스템(10)의 데이터베이스(12)를 형성한다.

설문지(28)의 일부분의 샘플이 도 5에 도시되어 있다. 이 샘플은 질문내용(29)을 보여주고 있으며, 이 질문내용의 각각에는 도면부호 31로 나타내어진 바와 같은 응답 등급이 존재한다. 완료된 설문지는 수집된 후에 데이터 분석에 놓이게 된다. 데이터 수집 및 분석은 데이터 분석 및 조직화 메카니즘(이하에서는 "변화 추적 모델"로 지칭됨)의 일부를 형성한다. 변화 추적 모델은 도 2에 도면부호 40으로 나타내어져 있다.

도 6은 다양한 범주에서 질의될 질문의 유형에 대한 비전면적인 목록을 나타낸다. 모든 질문내용은 응답이 등급이 매겨진 응답이 되도록 도 5에 도시된 형태로 질의된다.

데이터베이스(12)는 조직의 모집단으로부터의 응답에 관한 그룹 데이터베이스(32)(도 1) 및 개인의 모집단으로부터의 응답에 관한 개인 데이터베이스(34)를 포함한 다양한 서브디비전(subdivision)을 갖는다는 점에 유의하기 바란다.

변화 추적 모델(40)은 도 7에 도시되어 있다. 변화 추적 모델(40)은 퍼포먼스 성공 요인(performance success factor), 변화(change) 요인 및 인적(people) 요인의 3개의 상이한 변수에 관한 질문에 응답하여 생성된다. 특정의 드라이버에 대해, 변수가 클러스터(43)로 그룹화된다.

상기한 모두 3개의 변수는 부변수(sub-variable)를 가지며, 예컨대 인적 요 인 변수는 특정의 부변수, 구체적으로는 "지향 방향(aligned direction)", "참여(engagement)", "리더십 및 학습(leadership and learning)", 및 "감성 에너지(emotional energy)"를 갖는다.

변화 추적 모델(40)은 분석에 적합한 형태로 수집된 응답을 메시지로서 보내고, 조사를 위한 분석 파일에 포함시킨다.

변화 추적 모델(40)은 예컨대 "ADb┃Vision_Lv1" 등의 레전드(legend)의 형태를 갖는다. 최초의 2개의 문자는 변수를 나타내고, 세 번째 문자는 변수 내에서의 행동을 나타내며, 레전드의 나머지는 질문받고 있는 드라이버에 관련된다.

그러므로, 변화 추적 모델(40)은 데이터베이스의 통계적 분석을 통해 획득된다. 변화 추적 모델은 일정한 방식으로 수집된 다차원의 전체 데이터를 설명 및 해석할 수 있는 방법을 제공한다.

마스터 퍼포먼스 맵(16)을 생성하는 시스템에서는 데이터베이스(12)로부터의 출력이 분석 엔진(14)에 제공된다.

분석 엔진(14)은 패턴 인식을 사용한다. 바람직한 실시예에서, 분석 엔진(14)은 자체 조직화 맵 알고리즘(SOM : self-organising map algorithm)(36)의 형태로 다변량 차원 축소를 사용한다. SOM(36)은 고차원 데이터 세트를 시각화(visualization)하여 해석하기 위해 사용되는 알고리즘이다. SOM의 대표적인 애플리케이션은, 맵 상의 데이터 내에서의 의존성을 표현함에 의한 처리 상태 또는 금융 결과치의 시각화이다. 그 데이터는 처리 유닛 및 노드의 그리드(grid) 형태인 U-매트릭스의 형태로 생성된다. 일부 다차원 관측의 모델은 각각의 처리 유닛 과 관련된다. U-매트릭스는 한정된 세트의 모델을 이용하여 가장 가능한 정확도를 갖는 모든 가능한 관측을 나타낸다. 이 모델은, 유사 모델은 서로 근접하게 되도록 하고 비유사 모델은 서로 떨어지게 되도록, 그리드 상에 순서가 정해진다.

엔티티의 상태를 분석하거나 평가함에 있어서 마스터 퍼포먼트 맵(16)을 사용하는 것이 바람직할 때, 클라이언트 특정의 설문지(30)가 설문지(28)와 동일한 포맷으로 생성된다. 본 발명은 또한 마스터 퍼포먼스 맵(16) 상의 셀을 위치확인하여 그 셀 내의 더 많은 데이터(broader data)를 참조하기 위해 50개의 질문 대신 15 내지 25개의 감소된 수의 질문이 질의되도록 할 수 있다. 또한, 클라이언트 특정 정보(42)가 수집된다. 클라이언트 특정 설문지(30)가 도면부호 31에 나타내진 바와 같은 데이터 엔트리/코딩에 놓여지고, 변화 추적 모델(40)을 참조하여 전술된 바와 같은 데이터의 포맷을 제공한다.

코딩(31)으로부터의 출력 및 도면부호 42로 나타내진 바와 같은 클라이언트 특정 정보로부터 수집된 데이터는, 마스터 퍼포먼스 맵(16)에서의 기준 데이터와 비교되어 클라이언트 특정 출력 데이터(44)를 생성하고, 이 데이터는 그 후 변화 추적 리포트 및 변화 추적 툴(46)을 생성하는데 사용된다(도 2).

클라이언트 특정 출력 데이터 세트(44)는, 마스터 퍼포먼스 맵(16) 상의 2개의 상이한 엘레멘트-포지셔닝 좌표(45)와, 다이나믹 벤치마크(47)를 기초로 하여 구성된 데이터를 포함한다.

특정 클라이언트 그룹에 대한 변화 추적 측정치의 가장 근접한 대응 매치를 갖는 셀을 찾아냄으로써 특정 클라이언트 그룹이 마스터 퍼포먼스 맵(16) 상에 위 치된다. 퍼포먼스 맵 상의 각각의 셀은 50개 정도의 고유 알고리즘을 갖는다. SOM 분석은, 그룹으로 하여금, 그룹의 퍼포먼스뿐만 아니라 변화 드라이버 스코어, 조건 및 리소스를 고려한 그룹의 전체 변화 추적 스코어에 따라 그리드 상에 위치되도록 한다. 마스터 퍼포먼스 맵(16)의 어느 셀 상에 그룹을 위치시키기 위해, 데이터(31)가 다시 SOM(36)을 통해 제공되고, SOM(36)으로부터의 출력은 그 그룹을 마스터 퍼포먼스 맵(16) 상에 위치시키기 위해 그리드 위치와 비교된다.

동적 벤치마킹은 하이에 대한 벤치마크(퍼포먼스 개선), 로우에 대한 벤치마크(퍼포먼스 감소) 및 동일한 퍼포먼스 또는 마스터 퍼포먼스 맵(16)에서의 드라이버 표준(driver norm)에 대한 클라이언트 특정 데이터를 구성하거나 정규화하는 처리이다. 동적 벤치마킹은 조직에 대한 가장 적합한 퍼포먼스 측정치를 식별하는 것을 포함한다. 이것은 변화 추적 모델(40)에서의 퍼포먼스 성공 요인 측정치 중의 하나 또는 조합을 사용하는 것을 포함한다.

퍼포먼스 맵(18)과, 마스터 퍼포먼스 맵(16)의 3d 맵핑(20)에서, SOM(36)은 개인 및 그룹을 그들의 스코어의 유사성에 따라 배열한다. 구체적으로, 퍼포먼스 성공 요인에서 높은 스코어(하이 퍼포먼스)를 기록한 개인 및 그룹과, 퍼포먼스 성공 요인에서 낮은 스코어(로우 퍼포먼스)를 기록한 그룹은, 반대 코너에서 위치된다. 마스터 퍼포먼스 맵(16) 상의 이들 영역은 퍼포먼스의 상위 10%와 하위 10%를 형성한다.

도 4에는, 조직 내의 개인 또는 그룹에 대한 "가치 인식(feeling valued)"의 드라이버에 대한 예가 도시되어 있다. 조직 내의 그룹을 예로서 사용하면, "가치 인식"의 그룹의 드라이버는 가치 인식의 그룹의 레벨이 마스터 퍼포먼스 맵(16) 상에 형성된 바와 같은 하이 퍼포먼스 및 로우 퍼포먼스에 대해 어떻게 등급(rate)을 매기는지에 대한 표시를 제공하기 위해 평가될 수 있다. 또한, 그 조직 내의 다른 그룹 또는 다른 조직 내의 유사 그룹에 대해 비교가 이루어질 수 있다. 도 4에서, 3d 맵핑(20)은 정규화된 출력(50)을 제공하도록 처리된다. 정규화된 출력(50)은 로우 퍼포먼스 벤치마크(54)와 하이 퍼포먼스 벤치마크(56) 사이의 중앙에 위치된 드라이버 표준(52) 또는 동일 퍼포먼스의 정규화된 포인트를 갖는 막대 그래프의 형태를 갖는다. 하이 퍼포먼스에 대한 벤치마크는 변화 추적 모델(40)에 의해 한정된 바와 같은 퍼포먼스 성공 요인에 따라 마스터 퍼포먼스 맵(16) 상의 상위 10%의 셀의 평균을 구함으로써 결정된다. 하위 퍼포먼스에 대한 벤치마크는 변화 추적 모델에 의해 한정된 바와 같은 퍼포먼스 성공 요인에 따라 퍼포먼트 맵 상의 하위 10%의 셀의 평균을 구함으로써 결정된다. 변화 추적 모델(40)에 의해 한정된 바와 같은 퍼포먼스 성공 요인에 따라 동일하거나 중간 범위의 스코어를 갖는 셀의 평균을 구함으로써 동일한 퍼포먼스에 대한 벤치마크(52)가 결정된다. 드라이버 표준에 대한 벤치마크(52)는 변화 추적 모델(40)에 의해 한정된 바와 같은 드라이버 스코어의 평균을 구함으로써 결정된다.

하이 퍼포먼스, 로우 퍼포먼스 및 동일 퍼포먼스를 영역은 예컨대 조직에서의 피고용인의 레벨, 자원의 양, 발생하는 변화의 양 등의 기타 변수를 고려하여 추가로 조정될 수 있다.

그룹은, 로우 퍼포먼스인 것, 오프 트랙(off track), 지속할 수 없는 것(unsustainable), 초점에서 벗어난 것(unfocused), 온 트랙(on track), 또는 하이 퍼포먼스인 것으로서 구분될 수 있다. 3d 맵핑(20) 상에서, 그룹은 로우 퍼포먼스에서 하이 퍼포먼스로 이동하는 상이한 영역에 위치될 수 있다. 오프 트랙은 퍼포먼스가 감소하고 드라이버 표준 아래에 있는 것으로서 정의된다. 지속할 수 없는 것은, 퍼포먼스가 향상되고 드라이버 강도 상의 표준 아래에 있는 것으로서 정의된다. 초점에서 벗어난 것은 표준 드라이버 평균(norm driver average) 위에 있고 퍼포먼스가 감소하는 것으로서 정의된다. 온 트랙은 퍼포먼스가 향상되고 평균 드라이버 표준 위에 있는 것으로서 정의된다. 하이 퍼포먼스는 전술한 바와 같은 온 트랙의 서브세트이다. 로우 임피던스는 개략적으로 전술한 오프 트랙의 서브세트이다.

3d 맵핑(20) 또는 2차원 맵(18)의 하이 퍼포먼스 영역을 이용함으로써, 하이 퍼포먼스에 있지 않은 변수가 식별될 수 있으며, 그룹을 하이 퍼포먼스 내에서 가로질러 이동시키는데 요구되는 경로가 결정될 수 있다.

즉, 퍼포먼스 벤치마크를 제공하고, 모든 레벨의 작업 그룹(work group)에 2차원 맵(18) 및/또는 3d 맵핑(20)을 이용하여 계획한 피드백 및 액션을 위해 구성된 프로세스를 부여하기 위해, 동적 벤치마킹 리포트가 사용된다.

출력 데이터(44)는 클라이언트 특정 정보(42)와 상관되어 출력을 변화 추적 리포트(46)의 형태로 제공한다. 변화 추적 리포트(46)는 변화에 관한 리포트를 포함하거나, 또는 모델링, 그룹 리포트 및 툴, 퍼포먼스 맵핑, 경로 최적화 및 개별 리포트를 포워딩한다. 그룹 리포트 및 툴은 조직에 걸쳐 핫 스팟(hot spot)을 식 별하는 열적 맵(thermal map)을 포함하여, 중재(intervene)가 사실을 기초로 수식화되도록 하고, 타겟 액션이 수행되도록 한다.

변화 모델링 리포트는 가정, 순방향 모델링, 및 평가 결정을 테스트하기 위해 사용된 툴이다. 변화 모델링 리포트는 엔티티 주변의 위치시킴 및 이동이 평가되도록 한다.

퍼포먼스 맵(18)은 도시되어 있는 바와 같이 복수의 셀(22)로 구성된다. 셀(22)은 기준 데이터를 포함한다.. 퍼포먼스 맵(18)은 매트릭스이며, 이 매트릭스의 좌측 상단의 코너(58)가 하이 퍼포먼스 영역을 나타내고, 우측 하단 코너(60)가 로우 퍼퍼먼스 영역을 나타낸다. 매트릭스가 어떠한 요구된 구성을 가질 수 있지만, 현재 사용되는 매트릭스는 25×25 매트릭스이다. 도 3에는 25×25 매트릭스의 샘플 부분이 예시되어 있다.

각각의 셀(22)은 퍼포먼스 성공 요인, 변화 및 사람의 변수에 대한 좌표를 가지며, 매트릭스는 변수 간의 복잡한 상관 관계를 나타낸다. 각각의 셀(22)은 평가되는 특정 엔티티에서 질의된 모든 질문을 위한 고유 세트의 데이터를 포함한다. 각각의 셀(22) 내의 정보는 엔티티의 그룹에 대한 식별자, 각각의 변수에 관한 데이터, 변수의 소정 드라이버에 관한 데이터, 및 그 그룹에 대한 한가지 이유 또는 또 다른 이유로 중요 이슈를 구성하는 드라이버를 포함한다. 그 셀 내의 중요 이슈를 구성하는 드라이버에 관한 데이터는 또한 예컨대 "ADb┃Vision_Lv1"의 변화 추적 모델(40)에 사용된 레전드의 형태를 갖는다.

퍼포먼스 맵핑은, 변화 추정 측정치 및 기타 퍼포먼스 결과를 이용하여 평가 될 때의 작업 그룹 역학(work group dynamic) 간의 연계에 대해 가설을 생성하기 위해 사용되는 기술이다. 후자의 예는 원가 비율, OH&S 입사 데이터, 판매 총액(sales figure), 이익 총액(profit figure) 등을 포함한다.

퍼포먼스 맵핑은 마스터 퍼포먼스 맵(16) 상에 다수의 특정 클라이언트 그룹을 최초로 위치시킴으로써 수행된다. 마스터 퍼포먼스 맵(16) 상의 각각의 그룹에 특정한 퍼포먼스 데이터(무변화 추적 데이터 - 예컨대, 비용, 이익, 판매 총액)는 평행 3d 평면으로서 오버레이된다. 변화 추적 역학 및 퍼포먼스 결과 간의 링크에 대한 가설을 생성하기 위해 2개의 병렬 평면 간의 연관 또는 관계에 대한 시각적인 관측이 이용된다. 변화 추적 측정/역학 및 퍼포먼스 결과가 동일한 기준 프레임에서의 측정치로 맵핑되고 있기 때문에, 이 둘 간의 연관 및 링크가 신속하게 찾아질 수 있다. 예컨대, 특정의 회사에서, 예산 초과 비용 퍼포먼스(over-budget cost performance)를 갖는 모든 워크 그룹은 퍼포먼스 맵의 좌측편 아래에 위치될 것이다. 예산 미만 비용 퍼포먼스(under-budget cost performance)를 갖는 모든 워크 그룹은 퍼포먼스 맵의 중앙 상단에 위치될 것이다. 예산 미만 및 예산 초과 비용에 연관된 퍼포먼스 맵의 영역에서 변화 추적 측정치 간의 차이를 검사함으로써, 비용 퍼포먼스에 영향을 주는 변수에 대한 결론에 이르게 된다. 차이의 중대성을 확인하기 위해 통계학적 기술이 사용된다. 유사한 기술을 사용하여, 리드앤래그 인디케이터(lead and lag indicator)를 식별하기 위해 시간 경과에 따른 변화가 모델링될 수 있다.

경로 최적화 리포트는 로우 퍼포먼스 영역에서 하이 퍼포먼스 영역으로 이동 하기 위해 가장 신속하고 가장 용이하며 가장 지속하기 쉬운 루트(route)를 찾아내기 위해 순차적인 액션을 이용한다.

그 후, 경로 최적화 리포트를 이용함으로써, 조직은 예컨대 작업 그룹이 하이 퍼포먼스 벤치마크(56)로 진전할 수 있는 방안을 결정할 수 있다. 3d 맵핑(20)을 이용하여, 하이 퍼포먼스 벤치마크(56)에 대한 가장 신속하거나, 가장 용이하거나, 가장 지속하기 쉬운 경로가 결정될 수 있다. 이 경로가 반드시 최단 경로일 필요는 없음에 유의한다. "하이 퍼포먼스" 영역은 어떠한 수의 성공 요인으로서 정의되거나, 또는 비용 관리, 고객 서비스 개선, 혁신, 효율성, 협동 및 영역과 근로의욕 간의 시너지의 조합으로서 정의될 수 있다.

워크 그룹이 3d 맵핑(20)의 로우 퍼포먼스 영역에서 어떠한 지점을 점유한다면, 경로 최적화 리포트는 팀을 하이 퍼포먼스 영역을 향해 이동시키는데 필요한 액션을 보여준다. 그룹 부근의 마스터 퍼포먼스 맵(16)(SOM 분석 프로파일에 기초한) 상의 셀 내의 변화 추적 데이터로부터 계산함으로써, 그 그룹을 하이 퍼포먼스 영역으로 이동시킬 수 있도록 하기 위해 어떠한 변수에 초점이 맞추어져야 하는지가 밝혀질 수 있다. 이것은 워크 그룹이 하이 퍼포먼스 영역으로 이동시키기 위해 필수 경로를 따르도록 일련의 액션을 시행하는 순차 프로세스를 통해 달성될 수 있다.

위의 표는 팀에 대한 경로 최적화 리포트의 예이다. 이 경로 최적화 리포트는 팀 퍼포먼스 총액이 적당하지만 CT1에서 낮은 참여 레벨을 갖고 있다는 것을 보여준다. 팀은 팀을 하이 퍼포먼스에 더 근접하도록 이동시키기 위해 "참여(Engagement)" 및 "변화 조건(Change Conditions)"에 있어서 커다란 상승을 갖는다. 팀의 "감성 에너지(Emotional Energy)" 드라이버는 하이 퍼포먼스 레벨에 근접하여 있다. "참여(Engagement)"와 "리더십 및 학습(Leadership and Learning)" 드라이버는 표준 위에 있지만, "지향 방향(Aligned Direction)" 드라이버는 표준을 겨우 넘고 있다.

"변화 조건" 및 "자원(Resource)" 드라이버가 안정하여 더 높은 퍼포먼스로 이동하는 것으로 가정하면, 팀 스코어는 그 팀이 조직의 비전 및 방향과 일치하고 팀 내의 개인의 동참을 증가시킬 필요가 있다는 것을 나타낸다.

개별 리포트는 특정 피드백이 설문지의 작성을 완료한 개인에게 제공되도록 한다. 이 피드백은 대체적으로 개인의 스코어와 그 개인의 팀의 스코어의 비교를 개인에게 제공한다. 그러므로, 개별 리포트는 그들의 태도 및 행동이 퍼포먼스 성공 요인에 어떻게 영향을 미칠 수 있는지에 대해 개인에게 즉각적인 피드백을 제공한다.

엔티티 상태 평가 시스템(10)이 시행될 때, 변화 성공을 추적하고 리더십 팀(leadership team)을 계획 프로세스(planning process)에 참여시키도록 측정치를 명확히 하고, 변화 에이전트 네트워크를 구축함으로써, 그 특정 조직 전용의 엔티티 상태 평가 시스템(10)이 설계된다. 이 초기 단계에서, 외부 컨설턴트는 조직의 리더와 함께 작업하여 조직의 지침(directives)을 명확히 하고, 요구되는 특정 변화에 대한 기본적인 설명서(basic specification)를 정한다. 고객에 맞는 질문의 추가를 포함하는 특정 조직의 요구에 맞도록 설문지가 작성된다. 페이퍼 기반 대 웹 기반 데이터 수집(paper versus web based data collection)을 언제 사용할지에 대한 결정이 이루어진다. 웹 그룹 구조(web group structure)가 식별되고, 커뮤니케이션이 작성되며, 조직의 관리자가 발표된다.

엔티티 상태 평가 시스템(10)이 실행된 후의 데이터 수집 단계에서, 설문지(30)가 그 조직 내에 배포된다. 가능한 경우, 이메일을 통해 피고용인에게 설문지(30)가 웹 기반으로 분배되고 완료된 설문지(30)가 수집되어, 프로세스가 개시된다. 설문지를 작성하도록 피고용인 및 관리자에게 경고(alert)를 보냄으로써 컨설턴트에 의해 설문지 작성의 완료가 모니터링된다. 용지 설문지가 사용되는 경우에는 이 용지 설문지가 인쇄되어 배포된다. 완료된 설문지로부터의 데이터는 데이터베이스(32, 34)에 입력된다. 컨설턴트는 데이터의 입력을 모니터링하며, 조직의 관리자는 필요한 후속 액션을 취할 수 있도록 완료 비율이 갱신된다.

그 다음 단계는 클라이언트 특정 데이터(31, 42)를 사용하여 출력 데이터 세트(44)를 생성하는 분석 단계이다. 분석 단계의 첫 번째 단계는 조직 또는 조직 내의 그룹이 커뮤니티에 관련하여 어디에 위치되는지를 전반적으로 평가하는 단계이다. 특정 클라이언트 그룹은 그 특정 클라이언트 그룹에 대한 변화 추적 측정치의 가장 근접한 대응 매치(the closest corresponding match)를 갖는 셀을 찾아냄으로써 마스터 퍼포먼스 맵(16) 상에 위치된다. 전술한 바와 같이, 마스터 퍼포먼스 맵(16) 상의 각각의 셀은 대략 50개의 고유 알고리즘을 가지며, 마스터 퍼포먼스 맵(18) 상의 그룹의 위치를 결정하기 위해 SOM(36)을 통해 다시 클라이언트 특정 데이터(31)가 사용된다.

분석 단계의 두 번째 단계는 특정 클라이언트 데이터의 동적 벤치마킹을 수반한다. 동적 벤치마킹은 전술한 바와 같은 마스터 퍼포먼스 맵(16) 내의 하이 퍼포먼스, 로우 퍼포먼스, 및 동일 퍼포먼스 또는 드라이버 표준에 대한 벤치마크에 대해 클라이언트 특정 데이터를 구성하거나 정규화함으로써 실행된다.

관리자가 모든 레벨에서 그들이 어떻게 추적하는지를 알 수 있도록 하는 변화 추적 리포트(44)가 발행된다. 따라서, 이슈(issue)가 여전히 새로운 동안에서는 실제적이고 작용 가능한 정보가 관리자에게 제공된다. 이 정보는 관리자로 하여금 조직의 변화 전략 및 조직의 자원의 사용이 효과적인지의 여부와 퍼포먼스 성공 요인이 달성되고 있는지의 여부를 평가할 수 있도록 한다. 분석 섹션에서, 조직 내의 사람들의 그룹에 대한 리포트가 제공될 수 있다. 이들 리포트는 그룹 내 에서의 이슈(퍼포먼스 맵(18)의 셀(22)에 나타내어진)를 식별 및 우선화하고, 취해야할 액션을 강조한다. 리포트는 전자적으로 또는 CD-Rom 등의 컴퓨터 판독 가능 매체를 통해 유포될 수 있다. 리포트는 빠르게 이해되어 정보가 신속하게 흡수되도록 그림 도표 형태를 갖는다.

엔티티 상태 평가 시스템(10)은 그 후 여러 액션을 시행하기 위해 사용된다. 이 단계에서, 조직의 모든 레벨에 있는 리더는 리포트를 검토 및 토의하기 위한 피드백 세션에 참가하고, 변화를 위험한 상황으로 만들고 있는 이슈를 해소하기 위한 액션을 결정한다. 조직의 컨설턴트의 지원으로, 까다로운 이슈에 대해 대비될 수 있으며, 개선된 퍼포먼스의 결과를 발생하는 액션 계획이 구축될 수 있다.

전략적 레벨에서, 외부 컨설턴트는 가장 적합한 전략을 개발하기 위해 시니어 관리자, 부서 관리자 및 직무 관리자와의 토의를 주재한다. 조직에 대한 피드백은, 피드백을 용이하게 하고 계획 업무를 검토 및 실행하는 자원의 내부 네트워크의 도움으로 행해진다. 이로써, 조직 내의 구성단위(unit)는 적절히 용이한 방식으로 자신의 피드백 세션을 행할 수 있다.

조직 내의 모든 레벨에서의 피드백 및 계획 세션 동안, 리뷰 및 관리에 의한 철회를 위한 액션 계획이 개발된다. 액션 계획은 용이한 리뷰 및 가치평가를 위해 공통 포맷으로 보고된다. 다음 변화 추적 사이클이 개시될 때, 통상적으로 대략 6개월 이내에, 액션의 영향이 인지되어 개량되며, 필요에 따라 수정된다.

본 발명의 장점은, 엔티티 상태 평가 시스템(10)이 조직이 변화를 관리하는 것을 지원하도록 사용된다는 점이다. 엔티티 상태 평가 시스템(10)은 조직의 모든 레벨에 있는 사람이 하이 퍼포먼스를 달성하기 위해 요구되는 단계를 밟도록 하고, 조직의 리더가 효과적인 변화 전략을 개발할 수 있도록 한다. 그러므로, 조직 내의 사람들로부터 데이터가 수집되어, 데이터베이스(32, 34)에 기억되어 있는 바와 같은 연구로부터의 퍼포먼스 벤치마크와 비교되고, 변화가 어떻게 진행하는지를 보여주는 피드백을 제공한다. 또한, 본 발명의 시스템은 조직 내의 모든 레벨의 그룹이 검토, 계획 및 피드백의 실행을 행할 수 있도록 하고, 지침을 제공하며, 변화를 올바르게 유지하기 위한 기술을 구축하도록 한다.

또한, 엔티티 상태 평가 시스템(10)을 이용함으로써 조직 내의 이사(executive)가 변화로부터 발생하는 잠재적인 트러블 스폿(potential trouble spot)을 식별하여 적합한 수정 액션을 개시할 수 있도록 한다.

본 발명의 또 다른 장점은, 엔티티 상태 평가 시스템(10)이 팀 및 사업부 매니저로 하여금 이슈를 명확히 하고, 액션 계획을 개발하고, 프로세스를 모니터할 수 있도록 한다는 점이다. 변화를 추적하여 관리하기 위해, 웹 기반 수집 툴 및/또는 종이 설문지와, 사용이 용이한 리포트가 사용된다. 데이터가 수집되어, 그룹 레벨에서의 전략적 결정 및 액션에 대한 보고서로 신속하게 분석된다. 변화 추적 리포트(44)는 잠재적인 문제점을 발생 전에 해결되도록 하는 조기 경보 시스템(early warning system)을 제공한다. 또한, 변화 추적 리포트는 변화가 발생할 때의 처리성능을 구축할 수 있도록 한다. 실시간 피드백 및 근무중 코치(on-the-job coaching)는 효과적인 액션이 취해지도록 한다.

또한, 변화 추적 리포트(44)는 개별적으로 적용되거나, 또는 조직에 대한 포 괄적인 변화 프로그램의 일부로서 조합되어 적용될 수 있다. 변화 추적 리포트는 벤치마킹된 피드백을 수용하여 액션을 개시하도록 조직의 모든 레벨에서의 관리자 및 팀에 대한 체계적인 프로세스를 제공한다. 진행중인 변화 추적 리포트 및 사이클은 다양한 액션의 영향이 반복 사이클로 평가되도록 하여 조직 전반에 처리성능을 구축한다.

특히, 예컨대 비용 퍼포먼스, 직업 위생(occupational health) 및 안전 사건(safety incident) 등과 같은 특정 영역에서의 사람, 문화 및 특정 규모의 퍼포먼스 개선 간의 관계를 조사하기 위해 퍼포먼스 맵핑 리포트가 사용될 수 있다. 이러한 점에서, 마스터 파포먼스 맵(16)을 사용함으로써 조직 내의 비교 가능한 레벨 간에 비교가 이루어지며, 모든 관련 요인을 고려하여 변수가 계산될 수 있다.

변화 추적 모델(40)의 다른 형태가 도 8에 도시되어 있다. 이 변화 추적 모델(40)은 사업 퍼포먼스의 개선과 프로젝트 목표의 달성이라는 2가지의 상이한 변수에 관한 질문에 응답하여 생성된다. 사업 퍼포먼스의 개선과 관련된 요인의 비전면적인 목록에는 비용 효율성의 개선, 고객 서비스의 개선 및 비용 관리의 개선이 포함된다. 조직에 의해 식별 가능한 프로젝트 목표의 비전면적인 목록에는 수입 및 판매 증가, 대고객 서비스 및 대고객 응답의 개선, 비용의 감소, 생산성 향상, 자산 활용의 개선, 진단 관리의 개선 및 운전 자본의 감소, 순환 시간의 감소, 일정 및 계획수립의 개선, 안정성 향상, 규제 준수(regulatory compliance)의 향상, 제품/서비스 품질의 개선이 포함된다.

변화 추적 모델(40)은 6개의 드라이버, 즉 조직 내의 혼동의 정도, 조직 내 의 자원의 정도, 지향 방향, 참여, 팀 리더십, 및 감성 에너지를 포함한다. 각각의 드라이버는 서브-드라이버를 포함하며, 예컨대, 혼동의 서브-드라이버는 위험 및 장애물과 변화 발생 장소를 포함하며, 후자는 사업 이윤이 실현되지 못하도록 할 수도 있는 이슈 및 방해물과 관련된다.

이러한 형태의 변화 추적 모델(40)은, 적어도 한 가지 상황에서는, 현재의 변화 프로젝트가 조직에 대한 사업 이윤을 실현할 것인지를 결정함에 있어서 조직에 도움을 주도록 적용 가능하다. 위험 및 장애물에 대한 서브-드라이버는, 예컨대 조직의 위험의 레벨, 개인적인 위험의 레벨, 및 과거의 변화 관리 퍼포먼스를 둘러싼 질문을 포함한다. 변화 발생 장소에 대한 서브-드라이버는 변화 프로젝트에 의해 직면하는 발생 가능한 이슈 및 방해물을 둘러싼 질문을 포함한다. 이러한 이슈 및 방해물은, 우선순위의 충돌, 주주 동의의 부족, 상위 관리 지원의 부족, 미흡한 목표, 열악한 자원 할당, 미흡한 계획수립 및 평가, 교육 및 기량의 부족, 변화에의 적용에 대한 피고용인의 능력부족, 높은 직원 이직률, 불명확한 보고 툴, 소프트웨어 기능성(software functionality)의 부족, 향상 및 업그레이드에서 벗어난 저속 회전(slow roll out of enhancements and upgrades), 및 복수의 벤더 또는 공급자의 존재를 포함한다.

조직이, 현재 변화 프로젝트가 조직에 대한 사업 이윤을 실현할 것인지를 평가하고자 원할 때, 변화 프로젝트의 성공에 대해 잠재적인 이슈 및 방해물을 판단하기 위해, 개인 및/또는 조직 내의 그룹에 대해 클라이언트 특정 설문지가 생성된다. 그 후, 클라이언트 특정 데이터가 획득된다.

도 9는 현재의 변화 프로젝트가 조직에 대한 사업 이윤을 실현할 것인지와 이슈 및 방해물이 위치되어 있는 곳을 판단하는 데 수반되는 단계를 개략적으로 나타내고 있다. 데이터베이스(12) 및 클라이언트 특정 데이터로부터, 각각의 식별된 프로젝트 목표와 각각의 프로젝트 이슈 및 방해물에 대한 데이터가 퍼포먼스 맵 상에 맵핑되며(단계 1), 여기서 목표는 특정 지역 전반의 프로세스의 표준화를 증가시키는 것일 수도 있다. 샘플 데이터(클라이언트 또는 데이터베이스)로부터의 특정 프로젝트 목표 또는 이슈 질문에 관한 회귀 분석(regression analysis)이 그 후에 실행되어 설명 변수(explanatory variable)를 결정한다(단계 2). 이러한 회귀 분석 출력 데이터를 이용함으로써, 회귀 등식(regression equation)에서 식별된 변수 및 계수에 대응하는 데이터베이스 내의 변수로부터 복합 "3D 변화 맵"이 구축된다(단계 3). 이 맵은 각각의 목표와 각각의 이슈 및 방해물뿐만 아니라 목표의 영역과 이슈 및 장애물의 영역을 보여주는 복합적인 맵을 표현하는 3d 평면으로서 오버레이된다. 성공적으로 달성한 각각의 변화 프로젝트 목표에 일치하는 더 넓은 영역이 3D 변화 맵 상에 식별되어, 예컨대 표준화가 강조된다(단계 4). 모든 변화 목표 질문에 대해 동일한 절차를 따르고 각각의 목표를 상이한 음영으로 표시함으로써, 오버랩의 영역은 모든 변화 프로젝트 목표의 달성을 위해 정확히 나타내어질 수 있으며(단계 5), 이것은 식별된 이슈 및 방해물의 회피를 달성하기 위해서도 마찬가지이다(단계 6). 그 후, 조직의 현재 위치 (a)에서부터 목표와 변화의 이점을 중첩(overlap)함으로써 식별된 대상 영역 (b)까지의 경로를, 피해야 할 방해물 (c)를 표시해가면서, 정할 수 있다(단계 7). 그러므로, 퍼포먼스 맵으로부터, 현재의 변화 프로젝트의 목표를 달성하는 데 성공한 영역과, 그룹이 목표의 달성을 가로막는 이슈 및 방해물을 마주치기 쉬운 영역이 식별될 수 있다. 또한, 각각의 개인 및/또는 그룹은 도 1 내지 도 7을 참조하여 전술한 바와 같이 마스터 퍼포먼스 맵 상에 위치된다. 여러 개의 그룹이 퍼포먼스 맵에 위치될 때, 어느 그룹이 어느 특정 이슈 및 방해물을 마주치게 될 가능성이 있는지와, 어느 그룹이 어느 특정 목표를 달성할 가능성이 있는지를 알 수 있으며, 또한 달성된 퍼포먼스의 레벨을 보여줄 수도 있다.

전술한 바와 같이, 퍼포먼스 맵은 기준 데이터의 서브세트를 각각 포함하는 복수의 셀을 포함한다. 셀의 수에는 제한이 없지만, 일부 유형의 경우에는 많은 수의 셀이 이용되지 않을 수도 있다. 이러한 환경에서, 영역이 적을수록 관리가 더욱 용이하고, 퍼포먼스 맵의 더욱 간편한 분석을 가능하게 한다.

도 10은 대략 20개의 지역으로 그룹화된 625개의 개별 셀을 갖는 마스터 퍼포먼스 맵(16)을 예시하는 도면이다. 지역으로 구분함으로써 분석이 다소 더 정밀하지 못하게 되지만, 분석을 현저히 간략화시킨다. 각각의 지역 내의 셀의 클러스터는 동일한 크기를 가질 필요는 없다. 각각의 지역은 고유의 드라이버 프로파일을 가지며, 각각의 드라이버의 조합에 대해서도 상이하게 된다. 예컨대, 9번째 지역(9)은 각각의 드라이버의 강도를 이해하기 위해 50개로 나누어질 수 있다. 예시된 바와 같이, 프로젝트 지원, 동참, 관리 기량, 책임감(accountability), 및 열정과 드라이브는 위험 및 장애물에 비해 높게 레이트(rate)된다.

도 1에 도시된 바와 같은 엔티티 상태 평가 시스템(10)은 조직의 문화를 맵 핑하도록 사용될 수도 있다. 도 1 내지 도 7과 관련하여 전술된 것과 마찬가지로, 조직이 조직의 특정 문화를 맵핑하기 원할 때, 조직 내의 개인과 팀 또는 그룹에 대해, "종합적으로, 우리 부서 내에서 하는 것에 대해서 어떠한 스코어를 주시겠습니까?"와 같은 질문을 담고 있는 클라이언트 특정 설문지가 생성된다. 그 후, 클라이언트 특정 데이터가 획득된다.

도 11은 조직 A의 문화에 대한 맵핑을 예시하는 도면이다. 각각의 개인 및 그룹/팀이 앞의 예에서 설명한 바와 같이 마스터 퍼포먼스 맵(16)에 위치된다. 조직의 문화를 표시하기 위해 3d 평면이 작성되어 있으며, 이 3d 평면의 높은 지점은 조직의 문화가 강한 곳의 영역을 나타내고, 낮은 지점은 문화가 널리 퍼져있지 않은 영역을 나타낸다. 그리고나서, 강한 문화(strong culture)에 대응하는 영역을 고립시키기 위해 변화 추적 모델(40)이 사용된다. 이들 셀의 프로파일을 분석함으로써, 강한 문화를 달성하기 위해 요구되는 드라이버 스코어가 식별 가능하게 된다. 또한, 문화의 강도가 시간 경과에 따라 어떻게 변화하는지를 관리자가 이해할 수 있도록, 데이터가 규칙적인 간격으로 수집되어 마스터 퍼포먼스 맵에 위치될 수 있다.

또한, 각각의 개인 및/또는 그룹에 대한 핵심적인 퍼포먼스 지표 데이터(KPI 데이터)가 오버레이되어, 조직이 추진하고자 하는 문화와 핵심적인 퍼포먼스 지표(KPI : Key Performance Indicator))의 양립성을 나타낼 수 있다.

도 12에 예시된 바와 같이, 도 1에 도시된 엔티티 상태 평가 시스템(10)은 조직 내의 개인 및 그룹의 상대적인 위치를 확인하기 위해 사용될 수 있다. 본 시 스템은 그룹의 개인의 퍼포먼스를 개선하기 위한 액션을 구축하는 데 이용될 현저히 더 많은 정보를 조직에 제공한다. 마스터 퍼포먼스 맵(16) 상의 개인의 위치를 이용함으로써, 퍼포먼스 맵 상에 개인이 함께 모여 있는 경우에는 전반적으로 서로 협의를 이루고 있고, 맵 상에서 개인이 원거리에 위치되어 있는 경우에는 서로 협의를 이루지 못하고 있는 것으로 이해할 수 있다. 특별한 액션을 생성함에 있어서 팀의 결속성은 중요할 것이다. 팀의 비결속성(disunity)은 그 외의 곳에서는 집중되어 있는 팀의 핵심 또는 평균 스코어와는 현저하게 상이한 소수의 사람에 의해서만 이루어질 것이다. 따라서, 외측 존재자(outlier)가 식별될 수 있으며, 개인을 팀의 다른 멤버와 정렬시키기 위해 적합한 액션이 식별될 수 있다. 또한, 리더 및 관리자는 팀 멤버와 관련하여 위치될 수 있다. 팀 리더와 팀 자체 간에 상당한 차이가 있을 때, 리더십과 관계가 없는 팀을 나타낼 수 있다. 패턴 인식을 이용하면, 팀의 퍼포먼스가 어떻게 될지, 어떠한 액션이 필요할지, 그리고 어떠한 문제점이 발생할지를 보여주는 프로파일드 조합(profiled combination)으로 팀의 분포가 식별될 수 있다.

도 13은 조직 내에서의 팀의 상대적인 위치를 맵핑하는 3d 모델의 예를 도시하고 있다. 구체적으로, 도 13은 2001년 3월(CT1)에서부터 2004년 8월(CT2)까지의 기간에 걸친 그 조직의 문화의 변화를 예시한다. 각각의 그래프에 관해, 수직축은 특정 셀 내에 위치된 팀의 수를 나타낸다. 시간 경과에 따른 패턴에 있어서의 변화는 팀 분포에서의 이동, 즉 그 시간 동안의 조직의 문화 및 퍼포먼스에 있어서의 변화를 나타낸다.

데이터를 수집하여 그 데이터를 규칙적인 간격으로 맵핑함으로써, 모든 팀과 그들에 관련된 고찰 및 액션의 라이브러리는 변화를 통한 각각의 팀에 대한 보다 효과적인 네비게이션을 가능하게 할 것이다.

문화 맵핑과 유사하게, KPI(핵심적인 퍼포먼스 지표) 데이터를 퍼포먼스 맵에 맵핑하는 것이 가능하다. 퍼포먼스 맵 상의 그룹에 대한 셀을 식별하고, 그 그룹의 KPI 데이터를 그 셀에 맵핑함으로써, 그 셀에 대한 비용, 직업 위생, 안전도, 및 기타 KPI 데이터로 시간 경과에 따른 데이터베이스가 구축된다. 조직이 특정된 KPI 부근에서 벤치마킹하고자 원할 때, KPI 퍼포먼스의 최상단 영역을 탑 벤치마크(top benchmark)로서 이용하고, KPI 퍼포먼스의 최하단 영역을 바텀 벤치마크(bottom benchmark)로서 이용하는 것이 가능하다. 그리고나서, 이들 벤치마크 부근에서 변화 추적 리포트가 생성되어, 그룹이 실제 퍼포먼스에 대해 어떻게 수행하고 있는지를 그들 그룹에 보여줄 수 있다.

도 3에 예시된 퍼포먼스 맵은 좌측 상단 코너가 하이 퍼포먼스 영역을 나타내고 우측 하단 코너가 로우 퍼포먼스 영역을 나타내는 매트릭스를 표현하면, 셀은 상이한 방식으로 계층적으로 순위가 정해질 수 있다. 예컨대, 매트릭스 내의 셀은 매트릭스의 행을 따라 좌에서 우로 또는 매트릭의 열을 따라 상단에서 하단으로 읽혀지도록 순서가 정해질 수 있으며, 이러한 순서는 각각 하이 퍼포먼스에서 로우 퍼포먼스로의 경로에 대응한다. 요구된 퍼포먼스 경로의 시각적인 식별은 특히 대략 625개 셀의 그리드(grid)가 사용될 때에 보다 용이하게 결정될 수 있을 것이다.

본 명세서에 광범위로 설명되어 있는 본 발명의 기술 요지 및 사상에서 벗어 나지 않고 본 발명의 특정 실시예에 대하여 다양한 변경 및/또는 수정이 이루어질 수 있다. 따라서, 본 발명의 실시예는 예시를 위한 것으로, 본 발명을 이러한 실시예로 제한하려는 것은 아니다.

Claims

엔티티의 상태를 평가하는데 사용하기 위한 시스템에 있어서,

상기 엔티티가 일부를 형성하는 커뮤니티의 상태에 관련되는 소스 데이터를 포함하고 있는 데이터베이스로서, 상기 소스 데이터가 데이터 수집 및 분석 메카니즘에 기인하고, 또한 하나 이상의 변수에 관련되며, 상기 변수 또는 각각의 상기 변수가 복수의 드라이버를 포함하는, 데이터베이스;

상기 소스 데이터에 대해 클러스터 분석(cluster analysis)을 행하여 기준 데이터의 어레이를 생성하는 분석 엔진;

상기 기준 데이터를 분석하고 조직화하여, 상기 커뮤니티로부터 수집된 데이터의 분석에 사용될 형태가 되도록 구성하는, 데이터 분석 및 조직화 메카니즘;

분석될 상기 엔티티에 대하여 엔티티 데이터를 생성하는 데이터 생성기로서, 상기 엔티티 데이터가 상기 엔티티에 적용 가능한 하나 이상의 변수를 포함하고, 상기 하나 이상의 변수가 복수의 드라이버를 포함하는, 데이터 생성기;

상기 기준 데이터의 서브세트를 각각 포함하는 셀의 어레이를 포함하며, 각각의 상기 셀 내의 상기 기준 데이터는, 상기 엔티티가 일부를 형성하는 커뮤니터의 상태와 관련된 각각의 드라이버에 대한 측정치(measure)와, 상기 셀에 포함된 상기 기준 데이터의 상호관계에 의해 좌우되는 상기 셀의 서로에 대한 위치 결정을 제공하는, 분석 툴;

분석될 상기 엔티티에 대하여 엔티티 데이터를 생성하는 데이터 생성기로서, 상기 엔티티 데이터가 상기 엔티티에 적용 가능한 복수의 변수를 포함하고, 상기 변수가 복수의 드라이버를 포함하며, 상기 엔티티 데이터가 상기 분석 엔진에 입력되고, 상기 분석 툴이 비교되고 있는 상기 엔티티 데이터를 상기 기준 데이터와 비교하여 출력 데이터 세트를 제공하도록 구성되고, 출력 데이터 세트가 상기 엔티티의 분석에 사용되는, 데이터 생성기

를 포함하는 시스템.
제1항에 있어서,

상기 출력 데이터 세트는 상기 기준 데이터에 비교되고, 그 결과가 상기 엔티티에서의 변화를 평가 및 관리하기 위해 사용되는, 시스템.
제1항 또는 제2항에 있어서,

상기 분석 툴은 상기 기준 데이터의 2차원 매트릭스로서 구현되는, 시스템.
제1항 또는 제2항에 있어서,

상기 분석 툴은 3차원 맵핑의 2차원적 표현인, 시스템.
제4항에 있어서,

상기 기준 데이터는 상기 3차원 맵핑을 제공하기 위해 3차원으로 모델링되는, 시스템.
청구항 6은(는) 설정등록료 납부시 포기되었습니다.

제1항 또는 제2항에 있어서,

상기 출력 데이터 세트는 드라이버를 변경하는 것이 상기 엔티티에 어떻게 영향을 미칠 수도 있는지를 보여주기 위해 사용되는, 시스템.
제1항 또는 제2항에 있어서,

상기 엔티티 내에서의 변화 및 액션 중 하나 이상이 상기 엔티티에 어떻게 영향을 미칠 수 있는지를 결정하기 위해 상기 출력 데이터 세트로부터 개발 모델이 구현되는, 시스템.
삭제
제1항 또는 제2항에 있어서,

상기 출력 데이터 세트는, 변화 모델링, 동적 벤치마킹, 퍼포먼스 맵핑, 경로 최적화, 개별 리포팅, 목표 및 장애물의 위치결정, 조직 내의 개인과 팀의 위치결정, 및 문화 맵핑 중 하나 이상을 포함하는 출력 리포팅을 위한 토대를 제공하는, 시스템.
제9항에 있어서,

상기 동적 벤치마킹은, 상기 엔티티 데이터를 출력 데이터의 어레이에 관하여 정규화하는 것과, 정규화된 데이터를 사용하여 동적 벤치마크를 수식화하는 것을 포함하는, 시스템.
제9항에 있어서,

상기 경로 최적화는, 상기 엔티티의 적어도 하나의 서브세트에 대한 액션의 순서를 정하는 것을 포함하는, 시스템.
제1항 또는 제2항에 있어서,

상기 서브세트는 상기 엔티티 내의 개인인, 시스템.
제1항 또는 제2항에 있어서,

상기 서브세트는 상기 엔티티 내의 팀, 워크그룹, 또는 사업 단체인, 시스템.
제1항 또는 제2항에 있어서,

상기 출력 데이터 세트는 인터넷과 컴퓨터 판독 가능 매체 중 하나 이상을 통해 제공되는, 시스템.
청구항 15은(는) 설정등록료 납부시 포기되었습니다.

제1항 또는 제2항에 있어서,

하나 이상의 상기 변수는, 퍼포먼스 성공 요인, 변화 요인, 인적 요인, 사업 퍼포먼스 개선, 프로젝트 목표 달성, 및 이들의 조합으로 이루어진 군에서 선택되는, 시스템.
청구항 16은(는) 설정등록료 납부시 포기되었습니다.

제15항에 있어서,

상기 퍼포먼스 성공 요인에 관한 드라이버는, 조직의 효율성, 경쟁자적인 위치, 고객 서비스, 혁신 전달 능력(ability to deliver innovation), 협동 시너지, 근로의욕(morale) 및 예산 삭감(budget constraint) 중 하나 이상을 포함하는, 시스템.
청구항 17은(는) 설정등록료 납부시 포기되었습니다.

제15항에 있어서,

상기 변화 요인에 관한 드라이버는, 조직의 성장, 구조조정(restructure), 시장 조건의 영향, 자원의 레벨, 피교육의 정도, 및 변화의 페이스(pace)와 단계 중 하나 이상을 포함하는, 시스템.
청구항 18은(는) 설정등록료 납부시 포기되었습니다.

제15항에 있어서,

상기 인적 요인에 관한 드라이버는, 조직의 지향 방향, 참여(engagement), 팀리더십, 및 학습 및 감성 에너지 중 하나 이상을 포함하는, 시스템.
청구항 19은(는) 설정등록료 납부시 포기되었습니다.

제15항에 있어서,

상기 사업 퍼포먼스의 개선 및 상기 프로젝트 목표 달성의 변수에 관한 드라이버는, 조직 내에서의 혼란(disturbance)의 정도, 조직 내의 자원의 정도, 지향 방향, 참여, 팀리더십, 및 감성 에너지 중 하나 이상을 포함하는, 시스템.
청구항 20은(는) 설정등록료 납부시 포기되었습니다.

제18항에 있어서,

상기 조직의 지향 방향에 대한 드라이버는 의사소통 및 비전 방향을 포함하는 서브-드라이버를 갖는, 시스템.
청구항 21은(는) 설정등록료 납부시 포기되었습니다.

제18항에 있어서,

상기 조직의 참여에 대한 드라이버는 변화 리더십 및 동참(invlovement)을 포함하는 서브-드라이버를 갖는, 시스템.
청구항 22은(는) 설정등록료 납부시 포기되었습니다.

제18항에 있어서,

상기 팀리더십에 대한 드라이버는 관리 기술, 가치 인식(feeling valued), 및 책임감(accountability)을 포함하는 서브-드라이버를 갖는, 시스템.
청구항 23은(는) 설정등록료 납부시 포기되었습니다.

제18항에 있어서,

상기 감성 에너지에 대한 드라이버는 혼란의 정도와 열정(passion) 및 드라이브의 정도를 포함하는 서브-드라이버를 갖는, 시스템.
청구항 24은(는) 설정등록료 납부시 포기되었습니다.

제19항에 있어서,

상기 조직 내에서의 혼란의 정도에 대한 드라이버는, 조직 내에 존재하는 리스크 및 방해물과, 어떠한 변화가 발생하고 있는가를 포함하는 서브-드라이버를 갖는, 시스템.
청구항 25은(는) 설정등록료 납부시 포기되었습니다.

제19항에 있어서,

상기 조직 내의 자원의 정도에 대한 드라이버는, 교육 및 능력과, 시스템 및 프로세스와, 프로젝트 지원을 포함하는 서브-드라이버를 갖는, 시스템.
청구항 26은(는) 설정등록료 납부시 포기되었습니다.

제1항 또는 제2항에 있어서,

상기 드라이버 중의 하나 이상이, 행동 및 측정치 중의 하나 이상을 대표하는 서브-드라이버를 갖는, 시스템.
제1항 또는 제2항에 있어서,

사용되는 상기 클러스터 분석의 형태는 다변량 차원 축소(multivariate dimension reduction)인, 시스템.
제27항에 있어서,

상기 다변량 차원 축소는 자체 조직화 맵 알고리즘(SOM : self-organising map)을 이용하는, 시스템.
제1항 또는 제2항에 있어서,

상기 커뮤니티의 상태에 관련되는 상기 소스 데이터는, 하나의 조직과, 반드시 동일한 활동 분야(the same field of endeavour)에 있을 필요는 없는 복수의 조직으로부터 얻어지는, 시스템.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제