要确保政令通达，必须要有一套完善、科学的监督机制，比如审计、监察部门。同理，指标监控是企业运营的重点工作之一。
指标监控不单单只是数据罗列，通排。重要的是建立这么一套机制，确保指标的达成，对指标的监控可以分为3个层级：一般（收集、通排），优秀（预警，不达分析，动作监控）、卓越（数据分析、预测、前置模拟），结合自身思考，浅谈如何做好指标监控。
1、前置预测：基于历史数据、当前趋势分析，预测指标未来走向，这里的核心是如何建立一套预测机制。
从去年底我就在开始思考这种模式，前期我们的指标管理相对滞后，每次等月底数据出来后再分析，即使找到根原，动作下去，也已经无法改变历史。全年一直处于对目标的追赶中，不受控。
以交期指标为例，本月我建了一个群，要求每个计划员基于自身产线，结合发布的年度目标，每周五在群里通报周达成情况。
但是这仍然没有做到前置，充其量只能算是过程可视。基于此，又新增规则，在计划员之上，要求计划主管每月10日结合当月订单锁定情况，对当月交期数据进行模拟，并聚焦问题，风险单，输出对策。同步要求大学生小C就重点动作，OA任务下达倒逼。
这里的难点在如何进行数据模拟。这里我们运用了结果思维，先通过年度目标拆解月度目标，将月度目标再拆解到周，再根据每周锁定入库的订单，确定每周需要达成特定天数的订单数各是多少。最后再结合每个订单的下单时间，倒推入库时间。有风险单的，分析风险点，前置动作下去。
这个前文的指标改进，是2种不同的思路，一个是基于全年全链的指标改进，是自上而下的。一个是基于日常业务的前置预测→问题→动作，是自下而上的。因此，好的指标管理应该是双管齐下，既要有正向跟踪也要有逆向跟踪。
2、数据通报
一般情况下，月底数据出来后，次月再进行通报。但是这种通报的意义并不大，核心问题是有滞后性，对过程异常不能及时发现，有时会造成企业巨大的机会成本。
因此，数据应实时可视，过程异常要立刻触发。这也是很多企业数字化转型的根本，通过IT与业务的融合，实现数据的精准、实时呈现。这也是我们建设数经大脑的初衷。
3、未达分析
对不达的指标，进行未达原因分析。复盘历史，是为了明天更好。业务在对数据分析时，很容易拍脑袋，想当然。所以，这里需要专业的数据分析师，需要对业务数据进行聚焦、清洗、下钻甚至还原，通过客观业务数据找到根因。
这里有一个核心点是，我们不仅要对未达进行分析，对表面看似乎达成的指标，也要进行分析，看是否健康、合理，并做出预警。
进行了为期一年的数据分析兼职工作，每次分析都挖破脑袋，既要找计划主管确认核心问题，又要同价值链确认核心动作。
大多数情况下，80%的原因不是指标未达的根因（例：21年开交期指标不达，最开始业务聚焦原因为工控订单周期长，实际数据钻取后，发现最长的是中置订单，再深挖下去，核心为客供影响）。
同样，80%动作为无效动作，只是业务当前阶段的重点工作，而该工作的推进，可能仅仅只是解决某一个点的问题，他可能是基于差距（问题）的，也可能是基于规划的。
我们似乎在抓核心矛盾，但好像又没有抓住核心矛盾。更像是在侧重于大众潜意识认知的核心矛盾。这点是挺可怕的，借用一句MBA商学院的一句话叫：你以为的你以为，就是你以为的吗？你的以为最好是基于客观数据，基于客观事实、客观规律。
4、落地监控
对数据分析后聚焦的问题和风险，制定对应的改善、应对措施。措施一定要到人到节奏，且可测量。不仅如此，需要专人进行监控，确保动作闭环，过程留痕，体现过程管理水平。
为了确保动作的有效性，作为运营人员，一方面要对动作有效性进行验证（首先，看其是否是指标未达的核心问题，然后对动作达成的结果进行模拟验证，最后查看责任人是否到位，是否有人承接，是否有保障机制）；
另一方面，要求指标责任人，对下阶段目标进行承诺，如果承诺未达，设置对应的考核机制（也是结果思维，通过结果的校对，验证业务的动作是否有效）。
5、指标修正
前文已提及，指标指导着业务一年的重点工作，贯穿整个年度经营始末。如果过程指标未达，要定期进行检讨，看指标口径、范围、取数规则是否存模糊地带，与经营是否存在偏差，目标是否设置合理。对问题要进行及时修正。
同时，要在新的指标定义及目标的基础上，还原当期历史数据，保持指标口径的一致性和对业务引导的一致性。
综上，形成对指标监控的一套PDCA闭环机制（预测→通报→分析→动作监控&目标承诺→修正→预测...）。它与指标改进不同的地方在于，一个强调对目标达成的支撑，一个强调过程监控的规范与科学。
网友评论