查看原文
其他

一个数据管理者的自我修养(一):从KPI、OKR到信息赋能

傅一平 与数据同行 2021-10-16

这是傅一平的第274篇原创



作者:傅一平

个人微信:fuyipingmnb


周星驰在《喜剧之王》中手捧一本斯坦尼斯拉夫斯基的《演员的自我修养》,他希望完成从跑龙套到演员的蝶变。


如果你从一名数据工程师被提拔为团队的Leader,即从一个码农变成了一个管理者,你觉得自己需要做出什么改变?你需要什么样的自我修养?


大多公司是按照既定的流程和机制运转的,我想很多人会很自然的完成工作方式的转变,理解清楚上级的意图,制定目标和计划,然后监督和督促下属完成。


但大数据不一样,关于目标和计划,笔者有些新的理解。


对于大数据这种创新业务来讲,特别是对于一只做大数据技术服务的团队来讲,在团队内搞KPI是不合时宜的,KPI的弊端可以用下面一个案例来说明:


为什么下雨天,出租车司机都会早回家呢?


按理说下雨天打车的人更多,司机应该趁机多赚钱啊,但是据说有研究发现他们反而更早收工回家。这是因为司机给自己设了每天的工作目标,比如必须挣500块钱,完不成不收工。平时钱难挣,下雨天很快就能完成目标,司机的选择是正好回家休息。


而这么做显然是错的!下雨天多干平时少干、见机行事才能事半功倍 —— 目标,限制了出租车司机的灵活性。


在一般企业这个指标是自上而下制定的,显然,越是短期、机械、执行性的工作,由于目标清晰,产出越可预测,KPI就越有效,当然为了完成KPI,很容易导致动作变形。


对于知识型员工,特别是大数据从业者,所做的工作往往具备探索性、复杂性等特点,大多数时候结果是不可预测的,因此,即使勉强在一只大数据团队实施KPI,往往形式大于内容。


比如你很难给一个做数据建模的人员定明确的KPI,布置任务只能是方向性的,假如你对下属说:你必须在1个月内将模型的准确率提升到10%,那是非常业余的说法。


有人会反驳说,数据建模太特殊了,比如对标签库团队总可以设立一个KPI吧,2个月内上线位置圈选的功能模块,这总行了吧。


这的确没有问题,我们以前就是这么干的,但这种自上而下定下来的目标和计划,本质上都是对员工的控制手段,但到底是为了让领导舒服呢,还是为了把工作做好?


笔者去年就给标签库团队定了个目标和计划,要求百万标签的界面改造必须在XX月前完成,上线后自己去体验了下,发现所有的功能的确都OK,但体验一塌糊涂,你说到底是谁的原因?


大数据最后的问题,大多是不是这种问题?你可以要求进度,但你很难控制得了质量,你可以提出各种指标来评估质量,但考虑到大数据是个复杂事物,总有应对的方法,完全可以通过牺牲其他的特性来满足这个特性。


领导你要什么,就可以给你什么,我们需要管理进阶。


Google等公司认识到了KPI的弊端,他们开始实施OKR,OKR即目标和关键结果,目标指明方向,关键结果评估目标是否达成。


OKR的具体概念大家可以自行Google,这里推荐两本介绍OKR的书,分别是《这就是OKR:让谷歌、亚马逊实现爆炸性增长的工作法》、《OKR工作法:谷歌、领英等顶级公司的高绩效秘籍》。


笔者觉得OKR比较适合大数据团队,自己总结下来有大致四个原因:


1、围绕战略制定目标目标就是近期需要聚焦达成的事项,比如针对百万标签界面改造那个事情,OKR的目标可以设置为让客户方便的使用百万标签,而不是1个月内完成上线,不要为了上线而牺牲更重要的东西。


2、目标不一定要完成OKR即使完成了进度,也不代表得分就高,要结合实际工作的推进来打分,比如你当初把目标定的高,最后只完成了进度60%,仍然可能给高分,你当初给了自己很低的目标,以为是便宜,那没用,完成了也可能得不了高分。


有些指标没到一个月就完成了,说明当初定的不合理,要自己去改,比如OKR的完成度最好是在0.7左右,总是要去挑战更高的目标,要不唯指标唯发展。


3、重点关注过程每周,每月,每季度有个跟踪和回顾,大数据的特点是小步快跑,快速迭代,管理的节奏也得加快,在最短的时间内给予方向的指引和反馈,在起步的时候,笔者要求反馈日报。


4、透明化整个OKR每个成员的OKR都对团队开放,每季度的评估结果也对团队成员全部开放,笔者也在探索,大家关于OKR的理解也有个过程,需要在实践中持续完善。


下面是我们运维开发组的二季度OKR示意。





在团队里实施OKR的时候,就有成员提出质疑:“我的OKR目标都实现了,为什么打分不高呢?


以下是我的回复,其实就是上面理念的现实解释版。


”对于创新业务来讲,没人能定明确的指标,只能定目标,预计完成的指标只是个参考,否则大家以后都kpi导向,这样就坏事了。okr完成的比例在70%左右倒说明当时定的不错,我更看重的是过程中体现的创新和发展,比如是不是比以前有进步,每周跟踪指标是为了有个监控和抓手,发现问题可以及时调整,比如收入,如果是按部就班的实现,很难得到最佳,因为要么是指标定的不合理,要么就是运气,如果你的某个创新导致了收入提升,即使完不成既定的指标,都可能获得更多认可。


“如果认为的确花了很大代价和创新提前完成了指标,需要说明和体现你的独特贡献,如果在实施过程中发现指标完不成,在过程中及时告诉我,没有什么不可以调整,但不要马后炮!


但你会发现OKR对人员的要求很高,但为什么Google等公司就能实现呢?


想来有二个原因:一是跟行业特性有关系,比如特别强调创新性,而按照既定的流程做事的就不太需要OKR,比如某些工厂的流水线工人,二跟人员的素质有关,按照Google的说法,就是需要创意精英,具有较强的自我实现诉求,当然他们的招聘门槛很高。


否则,管理成本就太高了。


笔者知道KPI对于大多数公司的重大意义,无论是KPI、OKR,SMART或者其他,公司采用哪类考核体系,肯定是在特定的历史条件和环境下的选择,围绕KPI形成的组织,机制,流程确保了KPI的有效执行。


也许没有最好的考核体系,只有最适合的,大数据没有沉重的历史包袱,其特点似乎是适合采用OKR的,有人又补充了下,说好的目标就是要“难度+具体”,我觉得有道理,合OKR应该是“对的方向+难度+具体”。


虽然OKR不错,但它还是一种公司自上而下管理员工的控制手段。诸如大数据、人工智能等是更复杂的脑力劳动,往往要求员工必须根据最新的信息、具体的情况,灵活决定做什么和怎么做,那么“命令与控制”那一套,现在可能就不好使了。


比如有时候笔者就定不出OKR,因为自己不在一线,凭什么定呢?团队里很多OKR不是我定的。


最近听了万维刚介绍的《九个工作谎言》这本书后,它说现代企业管理应该效法现代战争的打法。


美军从打二战开始,到最近打伊拉克,一个新思维,是高层不是给前线部队制定计划和目标,而是提供服务。


其中最重要的服务就是提供准确、实时、可靠的情报,然后把决定权交给前方人员,相信前方人员有智慧来制定自己的计划,决定自己的目标。


也就是说,作为一个团队领导,你的首要工作,不是控制,而是给成员提供信息,这里举一个信息不畅的现实例子:


我们有个位置团队专门在研究交通路径模型,还有个标签团队在对外提供基于位置删选客户群服务,但客户对于基于地图的直线距离删选商业客户群提出不满,因为圈出来的很多客户根本不会来购物,一查发现原来是隔着一条江,需要基于用户的交通距离而不是直线距离来圈选目标用户。


实际上,我们是有解决方案的,但为什么迟迟不能解决?


你看,别说不同部门,即使是在一个部门,甚至是近邻坐着的两只团队,也会由于沟通不畅导致问题,世界上最远的距离,莫过于明明我们近在咫尺却以为相隔万里。


那么,管理者如何有效提供信息呢?这本书给了几个建议


首先,信息要给得多,给得快。有什么情报,先给再说,至于说有多大用处,让团队自己判断。


比如公司的战略和方向,一线员工往往不知道,应该将一些无关涉密的内容尽量发给大家学习,员工做个创新,如果跟公司方向契合度不大,往往事倍功半,达里奥在《原则》中提到极度透明,说桥水公司完全信任员工,将公司的关键信息也告诉员工。


第二,你要密切观察你的团队,看看哪些信息对他们来说是真正有用的。这对你来说也是一个学习的过程,你观察到哪些信息有用,就多给到这方面的信息。


比如我们发现技术组做的不少创新工作对标签库团队有用,就特意建立了定期的技术交流会,就是每1-2周几个组长简单的碰一下,大家说下近期的困难,然后看看其他组有没信息可以提供。


第三,你要相信你的团队能够自己发现信息的意义,依靠信息去制定计划和决定目标。


这个挑战其实蛮大的,特别是对技术出生的管理者,不太愿意放权,比如我们在探索一个交通规划产品,按照以前的习惯,肯定是自己先要想清楚怎么做,然后安排员工去执行,对于工作结果是有充分预期的,但笔者发现自发性很强的员工可以比你想得更多更透。


作为一个合格的管理者,要提供服务和督促员工,交流的频率比交流的质量有时重要的多,总是问问员工,你本周的优先事项是什么?我能给你提供什么帮助?而不是跑过去越俎代庖。


如果这个人需要某方面的帮助,而你恰好知道另一个人擅长这个,你就可以建议那个人去帮助他,你要想办法提供团队需要的信息和资源。


比如大数据的工作范围非常广,包括采集、开发、建模、挖据、分析、产品、运营等等,更需要有一种机制确保各个团队的信息沟通是顺畅的。


比如新采集了一个数据,对于数据建模有什么价值,对于前端产品有什么价值,对于公司其他部门有没有价值,自己往往没能力去做这种判断,你要做的就是准确及时的向外界传递出这个信息。


至于怎么用,主动权要始终掌握在员工自己手里,管理者只是引导、赋能和询问,这样的工作关系,也许是最为理想的了吧。


不管靠不靠谱,我觉得这的确是一个很好的角度,至于管不管用,就得靠自己摸索实践了,从KPI、OKR再到信息赋能,值得每个创新型管理者思考。



作者:傅一平 (微信号:fuyipingmnb)




可能错过的近期精选文章(点击链接即可阅读)


从芝麻信用分透露的详细数据设计,我们能从中得到什么启示?

十年的标签库建设经历,我得到了什么启示?

艰难的旅程,你的数据中台到底能为一线提供多少火力?

PPT,考验你的格局、能力和思维的方式,你得学会驾驭它!

如何避免成为一台取数机器?

哪些广为人知的数据挖掘案例其实是一地鸡毛?

数据的价值到底如何评估?

为什么我提交的数据分析报告总是被领导K?

我如何用统计学指导自己的生活?

从吴军的“算法的油水就那么多”说起!

中国移动集中化大数据平台起航了,意义深远!



一起成长,让我们与数据同行

忙完工作,偷得浮生半日闲,讲述自己的数据人生

大叔/电信博士/500强央企/大数据/人工智能/统计取数/数据挖掘/数据产品/数据管理/数据仓库/数据变现




视频 小程序 ,轻点两下取消赞 在看 ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存