正确使用指标

将指标与目标明确关联

在传统的方式中，管理层决定什么是衡量特定目标的最佳指标。然后，管理层根据该指标设定一个目标。然后，管理层只向执行工作的人员阐述这个目标，通常是用数字表示。为监控目标进展而选择的指标与实际目标本身之间的界限变得模糊。随着时间的推移，指标背后的原因消失了，人们专注于实现目标，即使该指标不再相关。更恰当地使用指标的方法是确保将所选的衡量进展的指标（即指标）与它的目的（即目标）区分开来，但又要与之相关。

例如，在软件开发环境中，你可能会看到如下定义的指标

如果指标使用得当，那么每个度量标准都应该与其最初的目的明确关联。必须将当前的跟踪和监控机制与其目标分离，并明确说明该目标，以帮助人们更好地理解指标的意图。如果指标的存在有更丰富的上下文，则可以指导人们做出更适当、更务实、最终更有用的决策来实现目标。如果没有目的，付出的努力就意味着人们会想方设法地玩弄他们的系统，最终偏离真正的目标。以下是它的样子

将指标与目标明确关联，使人们能够更好地质疑其相关性，找到其他方法来满足需求，并帮助人们理解数字背后的意图。如果没有这种明确的目的，人们可能会在无意中找到不利于隐含目标的方法。例如，许多技术可能有助于减少方法长度，但如果应用不当，则会因难以阅读而增加整体复杂性。

软件开发的本质意味着大多数工作都是知识工作，因此难以观察。监控活动（他们在电脑前坐了多长时间）很容易，但要观察他们产生的价值（满足实际需求的有用软件）却很难。人们离代码越远，就越难理解其中涉及的复杂性。这意味着，对于离工作最远的人来说，要真正了解监控目标进展的最佳衡量标准是非常困难的，甚至是不可能的。

转向更恰当地使用指标意味着管理层不能孤立地提出衡量标准。他们不能再欺骗自己，认为自己知道监控进度的最佳方法，并且停止强制执行可能与目标无关的衡量标准。相反，管理层有责任确保始终关注最终目标，与对系统最了解的人员一起制定最有意义的进度监控指标。

优先跟踪趋势而非绝对数字

管理层发现指标太难抗拒了，因为它将组织的复杂性简化为每个人都能理解的东西，即数字。很容易看出一个数字比另一个数字大或小，或者一个数字与另一个数字的距离有多远。要想知道这个数字是否仍然相关就困难得多。这种传统的管理方法喜欢使用这些指标，因为它可以很容易地传达目标何时实现。“只要达到这个数字，我们就没事了”。

当你把一个定性的、高度解释性的问题（想想生产力、质量和可用性）变成一个数字时，任何数字都是相对的和武断的。5% 和 95% 的代码覆盖率之间可能存在显著差异，但 94% 和 95% 之间真的有显著差异吗？选择 95% 作为目标可以帮助人们了解何时停止，但如果需要付出巨大的努力才能获得最后 1%，那么这样做真的值得吗？这只是人们必须在自己的组织环境中主观地解决的问题。

观察趋势比观察目标是否实现提供了更多有趣的信息。判断目标是否实现很容易。困难的工作是观察趋势，看看它们是否朝着期望的方向发展，以及速度是否足够快，而这项工作必须由管理层与具备完成这项工作技能的人员一起完成。趋势提供了组织复杂性所产生的绩效的领先指标。当趋势越来越偏离期望状态时，关注数字上的差距显然毫无意义。

关注趋势很重要，因为它可以根据对任何已实施变更的真实数据提供反馈，并为组织创造更多做出反应的选择。例如，如果团队正在偏离期望状态，他们可以问问自己是什么原因导致他们偏离目标，以及他们可以做些什么。它比简单地在计算出一个数字之前尽其所能要早得多地采取行动。如果一个团队发现自己正在朝着期望的状态发展，他们可以问问自己是什么帮助他们朝着目标前进，以及还可以做些什么来加快这一速度。衡量团队可以鼓励人们进行更多实验。调整一件事，观察它对趋势的影响，监控你与期望状态的距离，并知道何时停止。

武断的绝对数字也会造成无助感，尤其是当目标进展缓慢，并且依赖于其他部门或团队无法控制的公司政策阻碍了进一步进展时。趋势有助于人们集中精力朝着正确的方向前进，而不是在看似无法解决的差距之间停滞不前。

更恰当地使用指标需要管理层更多地参与报告和记录趋势变化，因为团队周围的生态系统是管理层的责任。这个生态系统包括组织的政策、工作安排或计划的方式，以及团队和人员的组织方式。这种生态系统对趋势的影响往往比个人付出的努力要大得多。管理层应该对趋势感兴趣，以观察对这种生态系统进行更改的效果。

恰当地使用指标会发现趋势比绝对数字更有用。如果没有正确的趋势，武断的目标就没有多大意义，当思考是什么影响了趋势以及还可以做些什么来影响趋势时，就会出现更好的问题，而不是指出武断的数字与现实之间的差距是什么。

使用更短的跟踪周期

许多组织使用指标来设定很长一段时间的目标，通常是 3-6 个月，甚至长达一年或更长时间。管理者设定这个目标，由从事这项工作的人员负责尽其所能地实现这个目标。管理层在期末重新审视这个目标，以*评估*从事这项工作的人员。在这种制度下，管理层与员工之间的关系往好了说是对抗性的。员工尽其所能，尽其所能地实现目标，并隐含地认为管理层没有任何责任。

在很长一段时间后重新审视指标的结果是，未能实现管理层设定的武断目标变得越来越不可接受。我听到管理者说过这样的话：“你们有一整年的时间来实现目标，但你们错过了。”失败的风险和成本随着跟踪时间的延长而增加。

敏捷方法更喜欢较短的评审周期，因为任何绩效差距的成本都较低。一周内没有取得足够的进展，远没有一整年都没有取得足够的进展那么严重。每周审查一次进度比一年审查一次进度会产生更多选择，原因很简单，因为有更多机会做出反应和改变。在短短一周之后，你还可以获得更多关于实际发生了什么的数据，而不是计划了什么，这应该通过使用这些数据来推动变革，从而影响结果。

组织可以从使用较短的跟踪周期中获益，因为它创造了更多重新计划的机会，从而实现价值最大化。

恰当地使用指标可以在较小的周期内跟踪进度，因为它可以提供更多关于项目在未来可能走向何方的信息。跟踪较短的周期有助于识别趋势，而暂停可以让组织在影响环境和趋势的速度/方向方面处于更有利的位置。

跟踪较短的周期也能促进更多协作，因为它为管理层参与其中提供了更多机会。跟踪较短的周期不是简单地在较长周期结束时*评估*人员，而是提供更多关于实际发生情况的数据，从而影响趋势。

当指标不再推动改变时，就改变指标

如果组织能够轻松地实现目标，那么他们就永远不需要指标。组织可以改变方向，他们会立即实现目标。不幸的是，这在现实中不会发生，这就是指标存在的原因。实现一个目标通常需要更长的时间。恰当使用指标的第一条准则是将真正目标与为监控实现该目标的进度而选择的衡量标准分开。真正的目标必须始终明确说明。

准则 #2 和 #3，即监控趋势并在较短的时间内进行监控，是为了帮助组织更快地实现目标。这不是本章前面描述的单循环学习所能实现的。组织需要的是 Argyris 所说的双循环学习。恰当地使用指标会促使人们质疑目标，并根据收集到的真实数据实施变革以实现目标。

以下是双循环学习的样子

双环学习需要更多关于实际情况的数据。较短的周期会创建更多数据点，从而更容易看到任何趋势。这些趋势可以洞察系统的当前性能，应用于触发对系统中起作用的更深层次潜在力量的思考和问题解决，而不仅仅是用于跟踪性能测量。实施真正的变革有助于加速组织实现其当前目标。

改变人们的工作系统通常比专注于个人更加努力或更快地工作产生更大的影响。在我们的故事中，Dan 可以每周花费更多时间来修复错误，但通过调整信息流以及 Malcolm 和 Dan 之间的工作关系，他们改变了系统，使其更加有效。

项目事后分析会在项目完成后回顾，寻求经验教训，希望能将这些经验应用于未来的项目或在整个组织中传播。在项目结束时进行事后分析，根本没有机会将这些经验应用于项目本身。《敏捷回顾》的意图有所不同，它寻求在项目进行中进行变更，因为在项目进行中采取行动比在项目结束时更有效。这些会议为团队创造了寻找变革机会的机会，但仍然依赖于人员和组织对这些变革的承诺。

当一个组织实现其目标时，就该退还用于实现目标的指标了。请记住，如果组织立即实现其目标，则永远不需要指标。定义、跟踪、监控和解释指标需要时间和资源，而这些时间和资源可以更好地用于实现新目标。组织需要放弃不再相关的指标，而不是坚持他们习惯收集的所有指标。通过适当使用指标，了解要放弃哪些指标将很容易，因为这些指标已明确链接到目标，并且在一段时间内持续监控趋势鼓励持续审查最终目标的状态。

您可以通过询问人们“为什么我们需要收集这个数字？”来寻找一些可能过时的指标的症状。一个糟糕的回答可能包括“我们一直都是这样做的”，或者更糟糕的是“这是我们的政策”。这个问题不一定能区分解释不清的目标或过时的指标，因此可能需要进行更多挖掘。管理层的责任是确保组织的时间不会浪费在不必要地收集和维护不必要的指标上。