在OKR中，我看到了数据驱动业务的未来-技术圈

OKR工作法是很多互联网企业在使用的方法。

有的同学会觉得它换汤不换药，不就是当年KPI考核换个新名字吗。

有的同学觉得，这就是互联网公司崇洋媚外，反正硅谷有啥新玩意抄过来再说。

有的同学觉得，反正都是走过场，最后都是听老板的，啥工作法都一样。

但陈老师不这么认为。在深度参与十几个客户的OKR工作进展以后，我看到了数据驱动业务的新模式，这可能是未来的一个发展方向。

为啥？听我娓娓道来。

从KPI的弊端说起

绩效考核，KPI挂帅，已经在国内企业正式执行了超过30年。领导定指标，下属追指标，数据化管理绩效，是个很常见的事（如下图）。

但是，这背后隐藏着很深的问题。

▌ 问题一：目标从哪里来。

反问一句：你参与过多少次KPI制定？大部分时候，KPI目标都是凭领导个人喜好或者个人意志而定。具体数字，经常是拍胸脯出，尤其喜欢找一个整数（比如100万，1个亿，100天完工）或者一个很吉利的数字。

对高层管理而言，这么做很有可能迷失战略方向，盲目地追求短期收入。因为长期的、基础的、深入的建设，都是很难在短期数字量化的。2020年疫情让大量企业措手不及，拼命恶补数字化的短板，试问早干什么去了？答：都在追业绩KPI呢。温水煮青蛙，就是这个感觉。

▌ 问题二：背后代价是什么。

大部分企业的KPI都是从收入角度制定的。然后各个部门认领指标。如果是传统企业，经常是各条销售业务线认领指标。如果是互联网企业，经常是拉新、促活、留存部门分别认领指标（如下图）。

这就导致了一个问题：如果只盯着收入指标，业务部门经常不计成本地冲刺任务。在互联网企业尤甚。各种补贴大战，我们已经见得太多太多了，以至于在国内，互联网的代名词是“烧钱”，不是高科技。

如果连带考核成本，倒腾数据的手段就开始变得丰富。一个数据考核的基本规律，就是：考核公式越复杂，造假手段越丰富（如下图）。

▌ 问题三：这目标关我屁事。

在传统KPI导向下，中后台支撑部门，比如品牌推广、产品研发、客服、供应链、以及数据分析，坐冷板凳是常见的事。因为这些部门不能直接产生收入，就备受冷落。对于中后台部门，无论是考核还是不考核收入，都会产生问题（如下图）。

KPI的问题是什么

综上，可见所谓的KPI法，并不是真正的数据驱动。KPI法，充其量叫数据驱赶：老板定个数，驱赶大家去做。

再本质地看这个问题。其根源在于：商业成功，并不等于单一的收入增加。

l 商业成功有多元的定义，且需要根据行业发展动态调整。

l 商业成功需要上下共识，打破部门条条框框，一起努力。

l 底层能力不容忽视，需要被涵盖在商业成功的大目标之下。

而OKR方法，正好应对以上需求而生。可以说，理解了KPI的弊病之处，就能看出OKR改进的思路。

OKR如何解决KPI的问题

▌ 第一步：用真正的商业成功，取代僵硬的数字。

OKR方法中的O（Objective）不是一个指标，不是一个指标，不是一个指标（重要的事说三遍），OKR方法中的O是一个具体的商业成功的标志。

正如《OKR工作法》一书中举例的，一个良好的O是：

l 向用户证明我司产品质量很好

l 拿下中华区咖啡零售市场

l 完成一轮新的融资

这些是真正符合企业发展需要的目标，并非一个数值。通过区分商业成功目标与数值，让公司上下从眼前短期纠结中解放出来，思考真正能达成目标的动作。

并且这些目标是有时间限制的，最好是季度为单位，连年度目标都算是战略目标（并非定KPI的时候，动不动5-10的计划）。

▌ 第二步：共识通向商业成功的关键要素。

比如O是：向用户证明我司产品质量很好。那么“质量好”，应该在产品体验、功能设计、用户口碑、销售表现各方面都有体现，这样就衍生出数个关键要素。通过拆解关键要素，每个部门都能找到自己的小O，从而让绩效与每个部门都有关系。

▌ 第三步：设定关键要素指标（KR指标），清晰状态指标。

落实到部门的小O以后，可以为小O设定具体的KR（Key Result）指标。KR指标类似传统的KPI是可量化，可改进的。同时，KR是进取型指标，设定得比自然达成略高，杜绝使用消极型指标，这样才能激励各个部门努力上进，而不是消极怠工或者保守避战。

除了KR指标外，在OKR方法中还会设定状态指标。状态指标用于监控商业成功的保障性条件，诸如市场口碑、政策风向、用户满意度、系统稳定性等等。这些状态指标只要不挂红灯即可，不需要像KR指标一样苛求做到100%达标。

这样区分，能为日常工作兜底。通过区分KR指标与状态指标，能把中后台部门从繁琐的日常工作中解放出来（如下图）。

▌ 第四步：设定本周工作与未来四周计划。

有了清晰的KR指标以后，可以制定具体工作计划。挑选最核心的本周工作，排列后续计划，整个OKR工作表如下图。

可以看出，其实OKR工作法对KPI方法的最大改进，产生于制定目标的过程。通过一层层的分解，让组织上下关注真正驱动商业成功的目标，试图用这种方法，避免过去经常出现的“大象转身难”“业绩很好，企业照倒”的问题。

特别是在数字化转型大时代，继续抱着过去的做法，不说对抗新业态的竞争了，就单单疫情带来的线下流量减少，都能打死一片老企业。

OKR与数据驱动力

看到OKR的做法以后，熟悉数据分析的同学们，第一时间就会意识到：这对数据分析能力的要求更高了！以前做KPI拆解，只要拿出一条过去的收入趋势线，然后按月度做个权重，拆分一下即可（如下图）

用OKR方法，就不能简单拆解，而需要大量的数据分析支持。

1、O是对商业成功方向的判断，如何论证这个方向能成功，需要大量分析。

2、O是个定性描述，如何把O落地成KR，需要具体分析。

3、KR指标与状态指标，包含了大量行为指标、体验指标，数据采集的难度更高。

综上问题，可以归纳成：

● 定一个指标容易，定一个目标难。

● 监控一个指标容易，监控整个过程很难。

● 检讨一个指标容易，设定发展方向，难上加难。

整个OKR的运作，是建立在有以下四方面能力的基础上的：

1、用数据分析成果标准

2、用数据量化关键要素

3、用数据设定努力范围

4、用数据监控发展状态

这其中包含了大量的非结构化数据采集、内部行为监控、关键要素拆解分析等工作组，绝非以前单一追一个结果那么简单。

用OKR方法，就意味着，要把以前潜伏在业绩指标背后的各种关键要素拆解出来，量化管理。这是过去做深入的专题分析才会做的事。在OKR的要求下，几乎每个月要刷新一次研究成果，每周要更新一次数据，因此对数据分析而言，挑战巨大。

可以说，OKR才是真正在做数据驱动。数据能力不足，是阻挡很多企业实现OKR的关键原因，常见的问题，比如：

l 不注意采集用户体验、市场态势、内部流程的数据

l 不做深入分析，止于把业绩拆为客户数*客单价

l 不做逻辑梳理，不去分析研发、产品、内容对业绩影响

这些流于表面的分析工作，都会导致OKR方法无米下炊，最后又沦落回各个部门各自认领KPI的老路上。

OKR实施现状

那么，讲了这么多OKR的方法，目前在国内实施现状如何？从陈老师实践经历来看，当然是：参差不齐，整体落后了。

有的企业，习惯了老板“一言堂”，OKR没有共识，还是老板定指标，下任务。

有的企业，缺乏数据分析能力，做OKR的时候，还是只拆解收入指标，无力监控过程。

有的企业，干脆把OKR当KPI定，换汤不换药，定出来的O还是“业绩1个亿”。

从本质上看，大量的职业经理人，还停留在传统的定KPI，追KPI阶段。毕竟这样干省事，且已经有一整套搞数据、出业绩的操作手法。比起学习新概念，要轻车熟路得多。

但这种僵化的体制，不能适应数字化时代的变革，已经是板上钉钉的事实。数字化时代，新商业模式、新技术应用，都需要大量技术手段运营，需要试点，不再是拉横幅、喊口号、打鸡血能解决问题的了。因此可以期待，在未来，OKR方法能更深入地使用，能真正带来数据驱动。

更多精彩原创：

数据分析师，要懂多少算法模型？
从0到1，轻松构建数据预测模型
一个案例，看懂用户画像怎么做

关于OKR的设定、KPI的分解，陈老师都有一套简单可行的方法，学习陈老师本人的视频课程《业务知识一站通》，可以加入学员群，和陈老师一对一讨论，让陈老师手把手教你定目标，定指标。

《业务知识一站通》

长按扫描二维码
了解陈老师的视频课程

还可加入学员群

享受陈老师一对一咨询服务

点击左下角“阅读原文”听陈老师讲课