👋 嘿,我是 Browny。
Informal Writing 著墨琢磨 技術趨勢、溝通領導、概念理解 與 生活實踐。
每週一四派送,免費訂閱起來👇
🔍 工人智慧猜你也喜歡
❏ 引言
暑假即將進入尾聲,2024 已經過了三分之二。twitter (現在叫做 X) 上有個帳號叫 year_progress,每天會發一張進度條提醒今年已經過了幾分之幾,很簡單的一個測量,70 幾萬人追蹤。
生活中,我們經常設定各種目標,無論是減重、存錢,還是學習新技能。這些目標的進展如何?通常會用一些具體的指標來衡量:體重計上的數字、銀行帳戶餘額,或是已經掌握的新單詞數量。
當我們成為主管,負責管理一個團隊,制定績效指標、進行績效考核成了全新的挑戰。如何設定合適的指標?如何確保公平性?如何利用指標指引團隊協作與前進?
今天我們就來聊聊「績效指標」:
❏ 績效指標的常見陷阱
❏ 基於活動的指標 vs. 基於結果的指標
❏ 設定有效績效指標的核心原則
.
❏ 績效指標的常見陷阱
一個有用的指標應該具備兩個特質:”準確性”和”目標一致性”。
如果某些數字的提升與你今早出門工作的初衷毫無關聯,
那麼單純追求這些數字的增長其實毫無意義。— Seth Godin [1]
✔ 衡量活動而不是結果
用提交多少行程式碼來評估一個軟體工程師、用打幾通電話拜訪多少客戶來評估一個業務、用工作日誌來評估成員在每個案子上花費的時間,等等…。
你遇過這樣的績效指標嗎?這些指標對於達成目標具有指導意義嗎? 這些指標準確反應了前往目標的路上所付出的努力嗎?
「手上握有鐵鎚時全世界看起來就只剩下釘子」,量測 “活動” 相對容易,所以經常被拿來作為績效指標之一。在數據文化成熟的組織中,往往更容易落入這樣的誤區。
另外,在分工精細的現代,商業活動的目標 (營收增長、毛利提升,等等…) 通常沒辦法直接歸因於某個單一角色的貢獻 (業務、技術、行銷、法務等等…)。當我們試圖取得兩者之間的直接關聯時 (例:工程師上班一天可以幫公司增加多少營收),也很容易會落入衡量活動而不是衡量結果的陷阱。
.
✔ 忽略人為因素
📌 忽視定性 (Qualitative) 因素
承上,人們總是比較容易被可以量化的數字所吸引,而忽略了定性因素的重要性。
例如:軟體開發的時候,我們更能掌握的是每一次交付新增的功能數量,而不是這些功能是否符合用乎需求 (用戶具體有沒有使用) 或是 使用的體驗是否良好 (用戶的使用深度和反饋機制)。
例如:績效考核的時候,單純看某位業務是否有達成目標數字,沒有考慮客戶的滿意度或是協作單位的評價。
.
📌 過度依賴數據和"玩弄"系統
關注數字是一種觀察方式,但它有侷限、帶有偏見。沒有完美平衡的指標集可以 ”驅動” 更好的行為。一旦引入這樣的指標集,聰明的人就會開始為了自身利益而扭曲這些數字 [2]。
獎勵更多部署,你就會得到更多部署。懲罰更多事故,你就會得到更少事故。用戶不滿意,利潤下降,員工流失?至少這不是工程部門的錯。我們達到了我們的數字目標 [2]。
.
📌 缺乏利害關係人參與
蓋洛普最近的一項研究發現,只有 21% 的員工強烈同意他們的績效指標在自己的控制範圍內,只有不到三分之一的員工表示他們的經理讓他們參與了目標設定 [4]。
建立績效指標和 KPI 應該是高階主管、管理階層和員工之間的協作過程,所有人對於為什麼以及如何使用特定的衡量標準來推動更好的結果可能有不同的觀點 [4]。
.
✔ 過長的目標連動
一家公司中,真正能夠展現人性並直接影響事務的,其實只有前線員工。
其他所有的結果都只是"下游效應"。也就是說,這些結果的產生是因為前線團隊達成了具體可行的目標,並對關鍵的輸入因素產生了實質性的影響。
然而,弔詭的是,我們卻總是習慣性地把這些團隊想像成處於整個組織結構的最底層。[3]
在 Stop the (Goal) Cascade Madness [3] 一文中,我覺得點出了這些陷阱的核心本質:「組織制定績效指標是 top-down,而績效指標反應的事實是 bottom-up」。
公司老闆在年度一開始,喊出今年營收要做到 3 倍成長的目標。接著,各事業單位 → 各職能 → 各小組,再依序對這個最上層指標 (營收3倍) 做展開,制定屬於該層級的績效指標 (如上圖左)。
如果組織階層較深,就會產生過長的目標連動,要從執行層面將這些指標一層一層匯聚到頂層指標 (營收 3 倍),並提供可解釋性,就會變得混亂與困難。
例:該如何將軟體工程小組的佈署品質指標 (每次佈署的經過回歸測試的成功覆蓋率) 關聯到營收 3 倍成長?佈署品質高 → 開發效率好 → 開發新功能時間變多 → 產品功能更新更快 → 更多新客戶 → 營收成長?所以,佈署品質提高代表營收提高???
越長的目標連動需要做的假設驗證就愈多,可解釋性也變得更低。作者在文中建議,指標的連動可以簡單的分成「領先」和「滯後」兩層即可,不需要被組織的結構所綁架。
.
❏ 基於活動的指標 vs. 基於結果的指標
“Not everything that can be counted counts, and
not everything that counts can be counted.” - Albert Einstein
上節「績效指標的常見陷阱」我們提到了三個常見的誤區:
1. 衡量活動而不是結果
2. 忽略人為因素
3. 過長的目標連動。
從這些誤區我們可以理解到,當組織開始垂直分層,目標不再是一個人就能為其負責的時候,績效指標的定義就變成一種組合分析的藝術。基於活動的指標(多為領先指標) 和 基於結果的指標(多為滯後指標) 各有其存在的意義:
上表概述了基於活動和基於結果兩種指標的特性及優缺點。基於活動的指標缺點顯而易見,若使用不當,容易淪為數字遊戲。
相比之下,基於結果的指標較為複雜。這類指標試圖以量化方式衡量結果的有效性(如客戶獲取成本、用戶轉換率等)。然而,在錯綜複雜的商業環境中,單一指標可能無法全面反映實際情況,因此常見綜合運用多種指標的做法。
值得注意的是,基於結果的指標往往難以將其改善或惡化歸因於特定部門。舉例來說,”客戶獲取成本” 上升可能源於業務人員技巧不足、行銷投入過高,抑或技術團隊開發進度緩慢等多種因素。
此外,基於結果的指標通常屬於滯後指標。”用戶轉換率” 不會因組織推行新政策或產品新功能上線而立即產生變化。這一特性使其不太適合用於短期績效評估(如季度考核可能難以反映新措施帶來的即時變化)。
綜上所述,這兩類指標並無優劣之分,它們就像向量中的方向和大小兩個組成部分(向量 = 方向 + 大小)。基於結果的指標確保我們不偏離目標,而基於活動的指標則保證我們付出足夠的努力。兩者相輔相成,才能提供更全面的視角。
.
❏ 設定有效績效指標的核心原則
除非資料能協助你做出更明智的決策或改變你的行為,否則不要進行任何測量
— Seth Godin
✔ 與策略目標保持一致
制定有效績效指標最關鍵的一點是確保它們與組織的整體策略目標相符。指標應該直接反映能夠促進組織成功的預期成果。
舉例來說,如果一個關鍵策略目標是提高客戶留存率,相關的指標可能包括客戶流失率、客戶終身價值或淨推薦值。
不要僅僅測量產出,而是要專注於能夠推動與策略目標一致的行為的指標。例如,與其只追蹤”解決的客服工單數量”,不如考慮測量”首次接觸解決率”或”平均解決時間”等指標,因為這些指標能夠鼓勵團隊專注於提供高效和有效的客戶服務。
.
✔ 使指標符合 SMART 原則
SMART 原則為設定有效且可行的目標提供了一個框架:指標應該具體 (Specific),明確定義且不留任何模糊空間;可衡量 (Measurable),允許客觀地追蹤和測量進度;可達成 (Attainable),在給定的時間和可用資源範圍內是現實可行的;相關 (Relevant),與策略目標、團隊職責和個人角色直接相關;有時限 (Time-Bound),有明確的時間框架或報告週期。這樣的指標設計能確保努力集中在推動有意義的結果上,並允許隨時間追蹤進度,識別趨勢,並進行必要的調整。
.
✔ 運用領先和滯後指標
滯後指標 反映過去的績效,提供已發生事件的洞察,例如”收入”、”利潤率”或”客戶流失率”等財務指標,對主動決策的幫助有限。
領先指標 提供對未來績效的預測性洞察,有助於預測趨勢或潛在問題,對主動調整策略較為重要。例如,”銷售管道”指標、”客戶滿意度評分”或”員工參與度水平”都屬於領先指標。
舉例來說,”銷售收入”是一個滯後指標,”合格潛在客戶數量”是一個可以預測未來銷售增長的領先指標。
領先指標讓行動得以顯現,滯後指標為行動後的結果提供反省。
.
✔ 認識數據的局限性
數據可能受到各種因素的影響,包括收集方法、偏見和外部變因。
應避免過度依賴單一指標,因為這可能導致對績效的片面理解、激勵錯誤的行為。
數據應做為輔助決策的工具,而非決策的唯一依據。在分析數據的同時,也要考慮背景、定性反饋和專家判斷。
.
✔ 提供背景
績效指標不應該孤立呈現:
建立基線,將指標與歷史數據、行業基準或競爭對手的表現進行比較,為評估提供參考框架。
為每個指標設定明確的目標有助於集中精力並追蹤朝向預期結果的進展。
向利害關係人解釋所選指標的理由和重要性,確保每個人都理解他們的貢獻的重要性,也是提供背景的重要一環。
.
✔ 定期審查和調整
績效指標的設置是一個動態過程,不可能一蹴而就,也不應該固步自封。作為行動指導和決策依據,績效指標在初期實施時可能會遇到諸多挑戰。因此,保持透明度和開放溝通至關重要,這樣才能從每次的失誤中汲取教訓,不斷調整和完善。
定期審視指標的相關性、準確性和有效性是必要的。這樣做能確保指標始終與策略目標保持一致,並持續提供有價值的洞察。同時,培養持續改進的組織文化也不容忽視。鼓勵成員提供持續反饋和建議,這樣才能確保績效指標始終是推動組織進步的有力工具。
.
❏ 結語
“If you can’t measure it, you can’t improve it”,這句話看似真確,但實際操作起來卻遠比想像中困難。複雜的組織結構與多變的商業型態,都讓我們想要透過數據洞察一切的純真想望變得難如登天。
經過深入研究網上的相關資料,我整理出了自己的一些心得。在此分享出來,希望能為大家提供一些啟發,同時也作為我為團隊制定績效指標的指導原則(這些原則其實也適用於個人目標的設定)。
如果你也有想法,或者有更深入的見解想要討論,歡迎留言或是直接與我聯繫 🙂
在工作中,你遇到過哪些與績效指標相關的挑戰?
你的組織是如何克服這些挑戰的?
你有什麼獨特的方法來設定或使用績效指標?
~
🔖 參考資料
[1] Avoiding false metrics - https://seths.blog/2012/05/avoiding-false-metrics/
[2] Humans >> Data -
[3] TBM 305: Stop the (Goal) Cascade Madness -
[4] Performance Metrics: Definition, Types & Examples - https://www.netsuite.com/portal/resource/articles/business-strategy/performance-metrics.shtml
[5] How Activity-Based Measurements Confuse and Mislead People About the Real Progress - https://www.jrothman.com/mpd/2024/06/how-activity-based-measurements-confuse-and-mislead-people-about-the-real-progress/
[6] Why outcome-based performance management doesn’t work: podcast with Dr Toby Lowe - https://www.jenal.org/why-outcome-based-performance-management-doesnt-work/