Causal Tracing™
Causal Tracing memungkinkan analisis dinamika model yang cepat dan akurat
Selama konstruksi model dan saat menganalisis model yang ada, berguna untuk menemukan hal-hal apa yang menyebabkan hal-hal lain berubah. Melihat ke satu arah, Anda dapat menemukan variabel mana yang menyebabkan variabel tertentu berubah. Melihat ke arah lain, Anda dapat menemukan variabel mana yang diubah (atau digunakan) oleh variabel tertentu. Variabel yang diteliti disebut “variabel meja kerja”.
Diagram Pohon
Alat analisis Diagram Pohon membuat jendela keluaran yang menunjukkan pohon penyebab yang bercabang dari variabel meja kerja. Diagram Pohon Penyebab menunjukkan penyebab dari suatu variabel; Diagram Pohon Kegunaan menunjukkan kegunaan suatu variabel. Diagram Pohon menunjukkan penyebab dan menggunakan hingga dua variabel jauh (pengaturan default). Anda dapat terus melacak penyebab (atau penggunaan) variabel di seluruh model dengan memilih variabel meja kerja baru untuk dilacak (seperti perekrutan bersih dalam diagram di atas) dan sekali lagi mengklik alat analisis Pohon Penyebab.
Tracing Behavior
Model behavior bisa sulit untuk dianalisis dengan cepat, terutama ketika mencoba menemukan dengan tepat variabel dan loop umpan balik mana yang berkontribusi pada komponen perilaku tertentu ke variabel tertentu. Pertimbangkan model di bawah ini. Model berisi sejumlah loop umpan balik yang berinteraksi yang menghasilkan perilaku berosilasi untuk variabel Backlog. Mengapa Backlog berosilasi?
Pertama, Backlog dipilih sebagai variabel meja kerja. Selanjutnya, alat analisis grafik Causes Strip diklik menghasilkan grafik strip pertama di set di bawah ini.
Perhatikan bagaimana dua variabel yang menyebabkan Backlog berubah memiliki perilaku yang agak berbeda. Pesanan yang diselesaikan meningkat kemudian berosilasi dengan lembut, sementara pesanan yang masuk tumbuh dan berosilasi secara dramatis. Pesanan yang dimasukkan memainkan peran utama dalam menyebabkan Backlog berosilasi. Mari kita periksa mengapa pesanan masuk berosilasi.
Memilih pesanan yang dimasukkan sebagai variabel meja kerja, kami membuat grafik Causes Strip dan menemukan bahwa satu-satunya variabel yang menyebabkan pesanan dimasukkan adalah pesanan yang dipesan. Memilih pesanan yang dipesan sebagai variabel meja kerja, kami membuat grafik Jalur Penyebab dan menemukan bahwa dua variabel menyebabkan pesanan dipesan: Tenaga Penjualan dan efektivitas penjualan. Tenaga Penjualan berosilasi dengan lembut, sementara efektivitas penjualan berosilasi dengan kuat.
Dominant Feedback Loops
jika Anda hati-hati memeriksa waktu osilasi, Anda melihat bahwa puncak (atau palung) dalam efektivitas penjualan terjadi sebelum puncak (atau palung) dalam pesanan yang dipesan (atau Tenaga Penjualan). Ini memberitahu kita bahwa osilasi dalam loop umpan balik yang berisi efektivitas penjualan mendorong osilasi dalam variabel di loop umpan balik lainnya. Sebenarnya, karena pergeseran fase yang berpotensi besar, ini adalah puncak pertama dalam efektivitas penjualan (dan lingkaran umpan balik negatif) yang harus dibandingkan dengan puncak pertama dalam pesanan yang dipesan (dan Tenaga Penjualan) (yang dapat Anda lihat di kumpulan penyebab grafik strip di atas).
Melihat diagram lingkaran sebab akibat di atas, kita melihat bahwa dua lingkaran umpan balik utama bertemu pada pesanan variabel yang dipesan, dan lingkaran umpan balik negatif melalui efektivitas penjualan yang menciptakan osilasi besar yang dibawa ke dalam lingkaran umpan balik positif melalui Tenaga Penjualan .