指標好壞取決于來源。新興技術咨詢公司Hurwitz Strategies的首席執行官Judith Hurwitz表示，“技術公司經常向咨詢或分析公司付費，以根據其產品的最佳特性創建指標。因此，CIO必須謹慎對待以表面價值衡量指標，而且領導者需要了解指標背后的數據。”
指標解讀本質上是一種數字游戲，而且，與任何數字游戲一樣，它有可能成功或失敗。以下是IT領導者易犯的7種KPI及其他關鍵業務和IT指標錯誤。
1. 不考慮來源
在研究一個指標時，了解指標背后的創建者和數據源至關重要。例如，結果可能基于調查。如果是這樣，詢問有多少人接受了調查，以及他們在各自的企業中扮演的角色。還要檢查這些指標是否基于經過充分驗證的方法。
此外，還要考慮指標的目的。它會被用作計劃工具嗎?如果是這樣，它是否有助于確定業務戰略、技術選擇或其他需求?
2. 不配合一線人員
到目前為止，大多數企業已經達到了數據成熟度。商業智能咨詢公司Cause + Effect Strategy總裁兼首席執行官John Loury表示，“如果你的公司擁有數據，那么你肯定會利用它并嘗試利用分析中的洞察力來推動積極的業務成果。現在是2022年，我們已經過了DRIP——數據豐富，洞察力貧乏(data rich, insight poor)的時代。”
Loury認為，大多數企業并沒有充分配合一線業務人員，這些一線人員最終將使用收集到的指標來制定決策和推動行動。因此，他建議在構建分析之前，從所有相關方收集業務需求。這就意味著需要將指標提煉到與推動結果最相關的數據點。
Loury建議IT領導者建立和磨練溝通技巧，以便向團隊成員傳達基于指標的見解。他表示，“現代CIO和分析領導者需要善于將能夠對團隊產生最大影響的關鍵指標匯總在一起，并以對用戶有意義并有助于指導團隊行為的方式呈現給他們。”
Loury補充道，現在也是CIO讓其團隊真正了解用戶并為其構建量身定制的有效分析解決方案的時候了。他解釋稱，“數據領導者及其團隊爭先恐后地構建任何東西，并將其交付給業務團隊的時代已經一去不復返。如今的我們正在承受那個時代的結果，團隊淹沒在各種儀表板中，這些儀表板呈現的海量信息讓他們精疲力盡，看似得到了一切，實則一無所獲。”
3. 忽略所有權、參與和平衡的重要性
指標為所有權和員工參與以及持續改進和流程控制提供了絕佳機會。業務和技術咨詢公司Centric Consulting的CIO Paul Gelter表示，“正確解釋指標的關鍵是讓整個團隊參與進來，并使用指標來共同改進流程。”
在評估指標時，Gelter認為在成本、質量和服務之間取得平衡至關重要。例如，成本指標可以在每個人已完成的工單中進行跟蹤，但工單質量可能會因返工/重復工單而降低。此外，服務也可能會受到響應時間、積壓和正常運行時間的影響。
4. 錯誤的目標
時間就是金錢，所以不要浪費寶貴的時間來檢查不相關的指標。在決定研究哪些指標之前清楚地確定所有目標。在大多數情況下，不支持或反映未來決策選項的指標都是不必要的，更糟糕的是，會分散注意力和浪費時間。
技術和設計工作室L+R的聯合創始人Alex Levin建議，完全確定目標后，就可以分配足夠的時間來了解導致各個指標波動的因素。接下來，調查各個指標如何相互關聯，以及在計劃或項目生命周期的不同階段可能發生的會直接影響被跟蹤KPI的因素。
同時，不要通過隱瞞或囤積結論來浪費員工的時間。Levin建議與你的團隊分享研究結果，確保每個人都可以使用指標驅動的見解來提高績效和/或結果。
5. 單干
指標研究不應該是一項單打獨斗的工作。分析和數據集成平臺開發商Qlik的首席執行官Mike Capone建議從一開始就與相關人員合作，以收集和應用有價值的上下文細節。這種協作關系使CIO和IT團隊能夠對業務中實際發生的事情有正確的理解，以支持短期和長期的運營目標。此外，還建議與C級高管及其他關鍵企業領導者建立強有力的咨詢合作伙伴關系。
6. 過分相信數字
適度的懷疑可以防止你踏上通往錯誤結論的道路。正如上述馬克·吐溫關于統計數據和謊言的名言一樣，收集到的數據本身就可能在某些方面存在缺陷。
事實上，數據可能在許多方面存在缺陷：樣本量可能太小，時間尺度可能不正確，或者收集數據的人可能有自己的結論要倡導。ERP軟件開發商ECI Software Solutions的首席技術官Brian Winters認為，“在確定數據告訴你的內容之前，確保你完全了解數據的收集方式以及范圍內包含的內容非常重要。”
事實上，任何指標都可能產生誤導，尤其是在你對數據缺乏很好的整體了解的情況下。Winters指出，“系統指標可能特別具有誤導性，因為它們通常只為大型復雜系統的一小部分提供指標。這種狹隘的見解很容易將你引入誤區。”
7. 無法透過現象看本質
指標雖然通常具有洞察力和價值，但可能無法說明全部情況。事實上，單純地從表面上看任何指標有時會導致完全錯誤的結論。數據庫軟件開發商Speedb的首席執行官兼聯合創始人Adi Gelvan解釋稱，“有時，你必須深入挖掘其他不太明顯的指標，以確定實際發生的情況。”
例如，高內存利用率級別讀數可能意味著應用程序正在超載內存。但可能存在一些完全不同的問題——也許是一個組件清理內存的速度不夠快。這種情況下，進一步調查可以指出真正的癥結所在，問題可能根本不在內存中。例如，如果存儲引擎在I/O消耗很高的情況下無法有效地將數據轉儲到磁盤，那么內存將被快速填滿并影響系統性能。
為了防止誤導性的見解，必須學會批判性地思考，不要立即跳轉到看似最明顯的結論。隨著業務流程和數據架構變得日趨龐大和復雜，很多事情都可能出錯，而找到根本原因可能會很棘手。最好的方法就是擁有一支多元化的主題專家團隊，以便在做出決定之前進行咨詢。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號