Проведение бенчмаркинга – постоянно повторяющийся процесс. После сбора некоторых данных команда бенчмаркинга должна тщательно проверить качество собранной информации, а также ее соответствие предъявляемым требованиям. Это весьма важный этап исследования, так как низкое качество информации может привести к искажению результатов. Особо пристальное внимание при проведении проверки исходных данных и их качества следует уделить приведенным ниже аспектам:

• Отсутствию данных
• Точности и сопоставимости данных

После исследования данных, можно приступать к разработке набора данных. Тем не менее, объем выборки может оказаться недостаточным для проведения подробного анализа. Если объем выборки слишком мал, аналитик может либо работать над увеличением ее объема, либо использовать экспертные оценки или результаты международного (межрегионального) бенчмаркинга.

Отсутствие данных

Отсутствие данных – часто встречающаяся проблема, которая, однако, может создать серьезное препятствие для проведения бенчмаркинга по следующим причинам.

• Объем выборки: Отсутствие данных сокращает объем выборки. Как отмечено выше, значительный объем выборки необходим для создания моделей бенчмаркинга.
• Намеренно не предоставляемые данные: Некоторые предприятия не предоставляют данные по ряду причин. Например, поставщики данных (предприятия ВКХ) могли просто забыть предоставить информацию (ненамеренное непредставление данных) или могли умышленно скрыть информацию (намеренное непредставление данных). Намеренное сокрытие информации отразится на статистических выкладках, так как исследуемый объем выборки будет меньше планируемого.

Возможные пути решения проблемы: существует три способа решения данной проблемы:

• Сократить объем выборки на объем отсутствующих данных;
• Оценить отсутствующие данные, используя имеющуюся информацию, и затем использовать эти оценки в анализе, однако это может оказаться бесполезным, если имеет место намеренное сокрытие информации.
• Попросите предприятие предоставить недостающую информацию.

Точность и сопоставимость данных

Перед проведением формального статистического анализа, следует провести проверку предварительной информации в компьютерных файлах:

• Сократить количество ошибок, связанных с вводом данных: Сравните информацию в компьютере с данными оригинала, дабы убедиться, что она введена корректно.
• Подготовить краткую статистику: краткая статистика подразумевает расчет среднего отклонения, а также минимального и максимального значения ключевых переменных. На основании краткой статистики аналитики могут судить, насколько предприятия в выборке сравнимы друг с другом. Например, можно ли сравнивать предприятие А с предприятием Б, которое в 100 раз дольше А?
• Вычисление ключевых показателей: Подготовьте статистические данные по ключевым показателям, таким, к примеру, как объем поставляемой воды/количество сотрудников. Обратите особое внимание на предприятия с слишком низкими или наоборот слишком высокими показателями. Возможно, в данные по этим предприятиям закралась ошибка при вводе информации в компьютер или они имеют другую организационную структуру (например, используют аутсорсинг).
• Убедитесь в сопоставимости определений данных: Проверьте описания ключевых показателей, чтобы убедиться в том, что они действительно сопоставимы. Например, термин «численность персонала» подразумевает только сотрудников, работающих на полную ставку, или только сотрудников с неполным рабочим днем, или и тех и других? Одинаково ли наполнение термина «производственные затраты» для всех предприятий? В некоторых случаях число потребителей не является показателем эффективной работы предприятия из-за существенной разницы в бесперебойности обслуживания. Например, пусть предприятие «А» обслуживает 1000 потребителей, среднее время обслуживания составляет 4 часа в день. А предприятие «Б» обслуживает 600 потребителей, и среднее время обслуживания составляет 24 часа в сутки. В данном случае возможно, что целесообразным окажется измерение эффективности деятельности предприятия в часах обслуживания в зависимости от структуры модели.
• Учитывайте чрезвычайные обстоятельства: Некоторые чрезвычайные обстоятельства, такие как природные катаклизмы, имеют существенное влияние на такие важные показатели, как производственные затраты и показатели качества обслуживания. Если влияние велико, стоит исключить данные показатели из выборки на этот год. Так же если некоторые предприятия находятся недалеко от источников воды, а другие осуществляют немалые инвестиции в строение водохранилищ и транспортировку, то и стоимость производства и предоставления услуги водоснабжения будет различной. Все эти факторы должны быть учтены при проведении анализа.