睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

如何搭建一套完整的数据指标体系?

时间:2022-05-23来源:堪称英俊浏览数:141

现代企业和封建社会商帮(乔家大院时代)在管理方法上最大的区别就是引入了统计学(其它的诸如制度、股权、职业经理人制度等其实在古代商帮早就有,乔致庸就给手下的员工发了股份嘛)。提起指标,我们总能想起那个著名管理学大师彼得·德鲁克名言:“如果你不能衡量,那么就不能管理”。

1、指标体系是什么?其实,现代企业和封建社会商帮(乔家大院时代)在管理方法上最大的区别就是引入了统计学(其它的诸如制度、股权、职业经理人制度等其实在古代商帮早就有,乔致庸就给手下的员工发了股份嘛)。提起指标,我们总能想起那个著名管理学大师彼得·德鲁克名言:“如果你不能衡量,那么就不能管理”。当然,也不能说古代的企业管理没有统计学,至少是有统计的,要不然怎么知道每年挣了多少两银子呢。随着企业管理知识的进步,更多的数据和统计被应用到企业管理当中。从市场营销到销售售后、从客户调研到CRM管理、从研发到物流。以前,主要是用统计学(例如做一大堆抽样调研)根据概率分布得出结论。现在到了大数据时代,我们可以非常轻松地统计上亿用户的浏览、下单、评论行为,进而得出结论。所以,所谓的指标就是对所观察事物的一种量化统计。大到企业的收入利润,小到每个一线销售人员每天的客户拜访量、成单量等。那么,什么是体系呢?体系,就是用一套逻辑把一大堆东西连接起来。比如,人的生命体系包括大脑、心脏、血液、各种器官等等,每一个组成部分都在这个体系中有自己独特的功能,都是这个体系不可或缺的一部分。而企业的指标体系,就是能够将大到企业的总收入、利润,小到每个销售员的成交量等单个指标用一套逻辑连接起来(见下图)。在这套逻辑里,你能从局部看到整体,能从整体划分到局部。例如你头疼(整体),医生能够按照人的生命体系一一检查,直到发现你上呼吸道不正常,发生了感染(局部);也能从你手扎破了(局部),如果不及时处理伤口,可能由于感染丢失了性命(整体)。企业也一样,通过企业的指标体系,也能看到企业利润没有达成,是哪个部门(个人)出现了问题,也可从一个销售员的业绩推断出公司的整体情况。由此可以看出,指标体系最重要的是“指标”和“逻辑”。

2、指标体系如何搭建?那么,如果我们想要搭建一套完整指标体系,就得有一大堆衡量企业健康状况的指标,还得有一整套逻辑将企业的各个指标有机连接起来。“指标”和“逻辑”虽然是指标体系的两个组成部分,但是构造“指标”和“逻辑”的过程却是同一个过程,那就是“自上而下,从大到小”,层层拆解,步步细分(业绩目标的设定过程可能相反)。

首先,每个企业都有自己每年的整体目标,这个目标一般是营收、利润、或销量。这个大指标的问题在于,它无法把责任落在某一个具体的人或部门(CEO不算,因为整个指标体系就是为了他达成大指标使用的管理工具,他又不能一个人把公司所有活干了),所以就需要把这个大指标进行拆解,直到拆解到责任可以落实到每一个部门(个人)头上。

其次,就是如何拆解企业目标,这一步至关重要。一般来说,指标体系是按照本企业的业务流程进行拆解。那什么是业务流程呢?它指的就是你要将从消费者(或者客户)那里收到钱所经历的所有的步骤进行拆解(也有人说按照消费者消费路径来拆解的,个人认为主要是业务流程,因为一般公司的部门是按照业务流程设置的)。例如一家汽车制造公司,要想从客户手里收到购车款,大体来说需要经历造车——>营销——>物流——>销售的环节。那如何将企业一年的收入在这些环节进行分解,这时可以就需要“将业务流程抽象为数学公式”,因为指标本质上还是数据,所以指标的拆解当然离不开数学。以上汽车销售的业务流程用数学公式表达出来如下:汽车厂的销售收入=Max{出厂车辆数,营销产生的销售线索数✖️销售转化率✖️门店数量}✖️单车利润因此,要达成营业利润那么子指标就是销售车辆数,而销售车辆数的子指标就是出厂车辆数、销售线索数、销售转化率。这是大指标的一级拆解,一级拆解,一般建议子指标可以找到一个具体负责的部门。因为说一千道一万,企业是由各部门组成的,不论是传统企业是互联网公司,当然集团除外,我们这里主要说的是某一板块业务。这样拆解的好处就是,虽然这个部门无法完全控制整个公司大指标,但是总可以控制部门的子指标。例如,营销部可能无法对整个公司的销售收入负责,毕竟如果你车造的很烂,或者销售人员不努力,即使我把产品吹上天,消费者实际到店一试驾,还是不会买不是吗。但是,有多少人看广告,有多人看了广告愿意试驾(销售线索)你总不能甩锅吧。

第三,就是将每个业务流程的目标再次在本流程的子流程层面进行二级拆解(见下图)。例如,营销部负责销售线索数,但是你可能在很多媒介上做广告,例如电视、门户网站、移动端APP等等,那么每一个媒介上有多少销售线索数,你总得有一个统计指标吧,或者每一个媒介都有一个具体的人员在负责,那么将“销售线索数”这个子指标再细分,就是“XX媒介产生的销售线索数”。这样,我们就可以看出这个媒介在整年的表现,如果责任到人的话,可以直接去看负责这个媒介投放的人员的业绩表现,进而通过这个子指标看其对整个营业收入(公司大指标)的影响。其实这方面没有很好的方法,网上很多人都在鼓吹“OSM模型”,O就是Objective,S 是Strategy,M 是Measurement,其实它更多指的是一个概念框架,而且是高度抽象、大道至简的那种,而在真实的应用上能够参考的意义是有限的(就像 SWOT 分析一样)。因此,最好的方法,就是你对这个业务流程相当了解,这也是现实中为什么 HR 部门无法设置好的指标体系了,因为他们对业务流程的了解一般少之又少。所以,指标的拆解(指标体系的搭建),其实是非常内行的一件事情。

第四,是将一些职能部门的指标以及业务部门的保障性指标加入进去。如果按照上述方法拆解KPI,那么基本上只有销售部、营销部、生产部等主要业务部门的指标,但是问题是整个公司的运行不是只有业务部门,还有很多职能部门,这些职能部门的工作也很重要,因为他们是保障整个公司的健康运行,也就是以上业务部门的指标能够达成的基础环境(参见波特价值链)。举个例子,如果财务部门不好好工作,导致出现一个财务漏洞,那整个公司好几年的营收估计都搭进去了,又何谈一年的目标实现呢?那这些职能部门的指标如何拆解呢?首先,你必须得了解它们的主要工作内容、工作目标、工作流程。例如财务部门,主要指标可能是财务报告的及时性和准确性,以及预算管理的好与坏,这些都是可以量化的。还有数据分析部门可能主要是一个支撑部门,那目标就是、及时准确地支撑业务部门数据需求、报表开发、给管理层的深度分析报告等,这些服务可以由各业务部门来打分,这样你就可以设置数据分析部门的指标诸如“数据提供满意度”、“数据分析报告满意度”等。此外,业务部门也有保障性指标。例如生产部的指标肯定不光是生产合格的产品数量,你还得在一定时间、按照一定成本、按照一定良品率把合格的产品生产出来,那这个部门(业务)的指标就不光是生产合格的产品数量,还有以上提到的保障性指标。通过之前搭建的业务指标体系(总指标——>细分——>细分——>……),加上诸如风险管理、财务、人事等职能(支撑)部门的保障性指标以及业务部门的业务保障性指标,覆盖整个公司的指标体系就搭建起来了。这个体系整体像一颗巨大的数,但是在内在结构上又是枝与枝相关联,例如各部门的预算控制好了,整个财务的预算才能控制好;或者说数据部门要提供好用的报表,也得开发部门开发出好用的报表套件才行。毕竟,各部门相互连接,整个公司才是一个“有机的”整体(下图)。

3、指标体系搭建5大注意要点

第一,搭建指标体系的人要对整个公司的业务及业务流程非常熟悉,或者说指标体系的搭建过程应该是各部门共同参与,而不单单是某一个部门的事情。好的指标体系绝不是单纯地套用某些行业/公司的模版就可以,因为好的指标体系一定要与你的业务特点、业务流程、业务策略深度绑定,比如开火锅店的和西餐的指标体系肯定是不一样的,在国贸开西餐和在火车站开西餐的指标体系也是不一样的,所以光靠招聘一个数据分析师肯定不行。

第二,好的指标体系应该是各部门互相牵制、相互影响,指标的负责部门和指标的考核部门应该独立开来。如果生产部门或产品开发部门只管生产车辆,而不管车辆的品质、市场契合度等,你就是让销售部门去硬背销售指标,最终只能导致销售人员离职率飙升,因为产品不好,就算你卖出去了,你的退货率、保修率能不高吗?所以,好的指标体系应该是销售部门、售后部门负责“产品满意度”这个指标的考核。这样就达到了“你说我销售不给力,我说你产品不好”的效果,这种相互争吵的效果在真实的企业管理中是需要的。

第三,好的指标体系,应该是有人从中立的角度去检验的。正如之前所讲,要搭建好的指标体系,首先你得对整个公司的业务非常了解。现实中很多数据部门/负责指标体系搭建的部门对业务并不了解,那么他们是如何搭建指标体系的呢?就是靠各部门主动报送指标项。但是,这里的坑就是各部门报送的指标一定是对自己有利的,而非对公司有利的。例如,营销部门一定会报送注册用户数,但是不会报送注册用户次月留存率,这样,如果没有行家从中立的角度去看,到最后这个转化率指标一定是销售部门和营销部门无限制扯皮的过程,而注册用户数也可以轻松搞上去。

第四,指标体系用于考核的时候,一定是有“共背指标”的,这和第二点有相似之处。好的考核体系,一定是诸如“销售收入”这样涉及公司好坏安危的重大指标由所有部门共同担负,这样做的好处一是避免到年末有些部门奖金丰厚有些部门没有奖金,二是给予一种销量不好人人有责的公司氛围。当然还有一些特定领域的指标,例如用户留存率,最好是拉新部门和运营部门共同背负。

最后,好的指标体系,一定是每个指标都有清晰的统计口径的。

这一点不用多说大家应该都能懂,大多数时候我们看年末快完不成任务,就各种修改指标口径和统计方式,这样以来,牵一发而动全身,对整个指标体系有伤筋动骨的影响,而且如果口径随意更改,那指标就失去了威慑力,一旦失去威慑力,那就失去了它的所有作用。

(本文来源产品人栖息地)

<END>

(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询