传统的关键绩效指标 (KPI)越来越无法提供领导者取得成功所需的信息和见解。他们在跟踪进展、协调人员和流程、确定资源优先级以及推进问责制方面存在不足。本文是 2024 年第一份麻省理工学院 SMR - BCG 人工智能和商业战略全球高管学习和研究项目的调查结果——人工智能和业务战略报告着眼于组织如何使用人工智能来发展其关键绩效指标 (KPI),以更好地与其战略保持一致并实现企业目标。
01. 用人工智能增强关键绩效指标KPI
根据对全球 3,000 多名经理的调查以及对 17 名高管的采访,我们发现人工智能正在从根本上重新定义绩效并提高绩效。我们看到组织使用算法来挑战和改进企业对绩效、盈利能力和增长的假设。使用人工智能修改 KPI 的公司获得更大经济效益的可能性是未使用人工智能的公司的三倍。更智能的 KPI 可以带来更好的结果。
本报告的研究和分析是在作者的指导下进行的,作为麻省理工学院斯隆管理评论研究计划的一部分,与波士顿咨询集团合作并由其赞助。
例如,在线家具零售商 Wayfair 使用人工智能重新审视其销售 KPI 损失背后的基本原理。“我们过去认为,如果某件产品(例如沙发)销售失败,就会给公司带来损失,”首席技术官菲奥娜·谭 (Fiona Tan) 说道。“但我们开始查看数据并意识到,50% 到 60% 的情况下,当我们失去销售时,是因为客户购买了同一产品类别中的其他商品。”
这一洞察促使 Wayfair 将其销售损失 KPI 重新设计为更有价值的指标。该公司以前根据价格变化计算基于商品的销售损失,现在还根据价格变化计算基于类别的销售保留。借助新的、更准确的 KPI,Wayfair 在建议下一个最佳报价时能够提出更有效的家具推荐,其中包含客户偏好(从价格点到发货时间)。从逻辑上讲,运营团队将产品放置决策与配送中心和仓库限制相结合,以改善客户和员工的体验。更智能的 KPI 可以显着改善每个人的成果。
这个例子并非异常。我们的研究发现,各行业的组织都在使用人工智能来重新审视其 KPI 基础知识,并发现潜在或被低估的绩效特征。通过识别、重新定义和传达更智能的指标(他们的战略衡量系统),领导者可以提高公司优化预期结果的能力。1
智能 KPI 的作用不仅仅是挖掘价值和差异化的来源,否则这些价值和差异化的来源将不会被发现或得到充分利用。它们还可以防止因未能定期重新检查遗留 KPI 的假设而导致的不良结果。例如,2008 年全球经济危机的部分原因是银行对当时广泛使用的风险价值指标的依赖,该指标衡量正常市场条件下单个时间点的潜在投资组合损失。金融机构没有调整这一措施,因为风险较高的次级抵押贷款和信用违约掉期已成为其投资组合的较大部分。在严重低估潜在损失的指标(在某些情况下,低估了几个数量级)的指导下,许多金融机构破产或遭受重大损失。
认识到人工智能关键绩效指标的力量和潜力的高管们承认,他们当前的 KPI 设计和审查实践已经不合时宜。越来越多的公司通过嵌入治理流程和职能来监督 KPI 开发来应对这一挑战。随着时间的推移,维护详细、准确和相关的绩效数据的 KPI 治理机制可确保在设计过程中明确考虑 KPI 质量,而不是事后才考虑。例如,施耐德电气正在进行大量的财务和非财务投资,以学习如何不仅根据既定指标提高绩效,而且提高绩效指标本身。对KPI绩效的问责越来越不够;公司也需要对 KPI的绩效负责。
我们的全球调查显示,60% 的管理者认为他们需要改进 KPI,但只有三分之一 (34%) 正在使用 AI 来创建新的 KPI。引人注目的是,这 34% 的经理中十分之九的人同意或强烈同意人工智能改善了他们的 KPI。(见图 1 和图 2。)虽然对于大多数组织来说还处于早期阶段,但越来越多的公司越来越清楚利用人工智能增强 KPI 的好处。
这些发现的深远影响怎么强调都不为过。通过算法改进 KPI 的公司正在重新考虑绩效衡量的目的、KPI 的功能以及指标的战略价值。我们的研究表明,这些重新考虑经常会带来新的流程,以改变 KPI 设计以及组织行为如何与战略结果保持一致。加强战略一致性既是智能 KPI 的目标,也是其结果。
这些算法要求对经常引用的短语“衡量的内容进行管理”进行了挑衅性的扭曲。多亏了人工智能,组织学会衡量什么,他们还必须学会管理——他们衡量的方式和他们衡量的内容一样重要。随着更好的仪器、更好的数据和更好的算法改变测量过程,战略差异化和价值创造的机会也随之增加。本报告综合并扩展了我们为期一年的关于利用人工智能增强 KPI 的合作研究系列中四篇文章的主要发现。
我们讨论了一项新兴但不断发展的努力,旨在创建更智能、更有价值的 KPI,并提供基于证据的管理要点,以开发和使用下一代 KPI 来推动更好的绩效。我们还详细介绍了管理者可以采取的具体步骤,以开始实现更智能的 KPI 的好处。
02. 如何制定更智能的 KPI?
组织通常使用 KPI 作为基准来评估各种业务目标的进度,例如销售增长、客户满意度和运营效率。随后使用数据收集技术和分析来衡量这些指标的进展情况。此方法优先考虑 KPI 衡量的内容,而不是 KPI 的衡量方式。
然而,如今,不断变化的经济状况、不断变化的消费者期望以及数字化转型努力要求组织不断重新考虑关键绩效的含义以及如何衡量它。管理者承认变革的必要性:十分之六的调查受访者认为,提高 KPI(衡量的内容和衡量方式),而不仅仅是提高绩效,对于有效的决策至关重要。我们采访的每一位高管都明确表示,利用人工智能提高 KPI 符合企业利益,而且是许多高管的当务之急。
改善 KPI 的途径有很多。依赖于人类判断、直觉和经验的低成本方法可以通过对性能的增量洞察来提供增量变化。相比之下,人工智能增强的 KPI 可以对当前和未来的绩效提供更加详细和准确的洞察。对于部署此类智能 KPI 的公司来说,提高效率、更好地协调和改善财务成果等业务收益超过了组织成本。
03. 三种类型的智能 KPI
我们看到人工智能丰富的 KPI 可以通过三种方式改进仅跟踪绩效的传统指标。智能 KPI 可以更好地描述当前和过去的绩效,更有效地预测未来绩效,并提出更有用的建议来促进成果。这三种类型的智能 KPI(描述性、预测性和规范性)映射到描述性、预测性和规范性分析之间众所周知的区别。
规定性 KPI 的概念可能比较陌生,但对 KPI 进行颜色编码的执行仪表板已经提供了简单的行动号召:红色表示性能下降,绿色表示性能达到或超出预期。智能 KPI 更进一步:它们可以就领导者应对这些信号应采取的后续步骤提出更详细的建议,并诊断对其他 KPI 的影响。
04. 利用 AI 改进现有 KPI
古德哈特定律宣称,当一个指标成为目标时,它就不再是一个好的指标。但以指标本身为目标进行改进既符合古德哈特的谨慎态度,也是可持续运营成功的重要组成部分。持续的 KPI 改进本身就成为一个目标。
媒体集团哥伦比亚广播公司 (CBS) 为这种敏感性和方法提供了令人信服的例子。一位高管开始探索人工智能是否能够识别高管仅通过直觉和经验无法识别的绩效驱动因素。为了预测哪些节目会成为热门节目,该高管向她的 AI 团队提供了 50 年的 KPI 和消费者研究数据,以确定公司是否拥有正确的 KPI 来预测电视试播集的成功。
该团队使用人工智能来确认现有关键绩效指标的优点,并确定了有助于完善公司评估飞行员方式的其他指标。“通过这次人工智能练习,我们变得更好了,”她指出。“该分析改变了我们的目标,并帮助提高了我们的绩效。”
有意识地使用算法重新审视和审查关键性能参数可以提高性能。对于印度尼西亚最大的市场之一 Tokopedia 来说,商家的可靠性是维持牢固的客户关系的核心。该组织首席技术官 Herman Widjaja 表示,该组织每天通过 1400 万商家销售 18 亿件产品,其中超过 85% 是新企业家。虽然商家有好的产品可供销售,但并非所有人都能有效管理库存,这反过来又会对订单履行、客户满意度以及最终平台上发生的交易量产生负面影响。为了解决这个问题,该公司开始综合和分析数百万个商家和客户数据点。
其对数据的算法分析产生了一个评分系统,提高了公司的商家质量 KPI。该系统改善了客户服务(通过将客户与最有可能提供优质产品的商家联系起来)和市场有效性(通过识别和帮助低分商家改善自身运营)。评分系统使各方受益:客户、商家和 Tokopedia 本身。有了它,该公司能够创建一个更可信、更有效的市场。
05. 创建新的 KPI
确定战略和运营 KPI 是领导团队的一项常见职能。然而我们的研究证实,人工智能(不仅仅是人类)可以提出甚至设计新的 KPI 来指导执行决策。我们听到了一个又一个关于领导者转向算法来获取关键绩效指标的故事,这些指标不仅具有战略和运营价值,而且在某些情况下源自过于复杂的数据模式,人类无法辨别。我们的调查数据证实,与不使用人工智能创建新 KPI 的公司相比,使用人工智能创建新 KPI 的公司可以获得广泛的商业利益。(见图 4。)使用人工智能创建新 KPI 的组织(占所有受访者的 34%)更有可能实现协调、协作、功效、财务收益和效率方面的好处。
附录部分描述了我们使用 ChatGPT 进行的一项实验,该实验产生了几个新颖且可能有用的 KPI。
数字营销机构 Croud 首席战略官 Avinash Kaushik 曾任 Google 全球战略分析高级总监,机器学习帮助他的团队发现了一种新的绩效衡量标准。他回忆说,在一种情况下,这家科技巨头在主要数字渠道上进行了大量但表现不佳的营销投资。“我们不知道自己出了什么问题,”考希克回忆道。“我们知道我们失败了;我们只是不知道为什么,而且我们已经用尽了所有可以问的问题。” 谷歌拥有丰富的人才、分析资源和数据访问权限,但不足以破解密码。
Kaushik 的团队开发了一种算法,使用称为分类树的机器学习模型来识别他们错过的联系和相关性。“因为我们甚至不知道要问什么问题,这种无监督的机器学习算法是一种非常好的方法,”他说。“我们让算法找到模式。”
该算法的发现令 Kaushik 的团队感到惊讶:他们认为最需要优化的 KPI 却并非如此。最有影响力的指标、它们的重要性顺序以及它们的最佳操作范围是一个启示。一个令人惊讶的衡量标准是一个人观看和听到完整广告的印象百分比。如果这个百分比低于某个基准,营销活动注定会失败;如果更高,则该活动有机会成功。在实施算法的建议后不到六个月,所需的性能就提高了 30 个点——“这是一个疯狂的性能改进,”Kaushik 说。
施耐德电气首席治理官兼秘书长 Hervé Coureil 承认,利用数据挖掘和生成新的 KPI 可能成本高昂且耗时。但他认为,这在战略上是必要的。 “我们希望我们的 KPI 随着时间的推移而发展,因为我们不想依靠传统或虚荣指标来推动我们的业务,”他说。为了确保 KPI 的发展符合不断变化的目标和新的衡量能力,Coureil 在公司数据团队内共同设立了绩效管理办公室 (PMO),以监督绩效标准。 “我们将绩效衡量视为转型驱动因素之一,”他说。 PMO 帮助高层管理人员改进其 KPI 组合,并使它们与公司的各个运营部门保持一致。它还推动企业变得更加数据驱动,并通过分析了解绩效改进、改进指标和增强结果之间的联系。
施耐德电气的 KPI 治理
我们的研究发现,对人工智能驱动的新 KPI 的需求不断增长。例如,在瑞典哈兰地区卫生系统,研究人员根据死亡证明、政府记录和电子记录中的数据创建并训练了一种算法,以更好地预测心电图 (ECG) 后一年内的心源性猝死 (SCD) 。每年,美国有 30 万人受到 SCD 的困扰,全球有数百万人受到 SCD 的困扰。
“在进行心电图检查后的一年内,该算法非常擅长预测谁将死于心源性猝死,”帮助训练该算法的加州大学伯克利分校医生兼教授 Ziad Obermeyer 博士说道。“每次有人接受心电图检查时,它都会生成一个风险评分,衡量该人死于心脏骤停的可能性。” 心电图评分可以起到关键绩效指标的作用:有了该评分,医生可以观察患者在服用β受体阻滞剂或血管紧张素转化酶抑制剂等药物后,其SCD风险状况如何变化。
虽然利用人工智能发现 SCD 的有效预测指标仍然是一项正在进行的工作,但研究人员已经对其为其他疾病创建早期指标的潜力感到兴奋。“能够将这些非常复杂的生物信号转化为指标是非常强大的,”奥伯迈尔说。“我认为我们将会看到更多这样的情况,不仅仅是心源性猝死,还有糖尿病并发症和各种其他可预防的高风险疾病。”
由于文章篇幅有限,原文链接,请点击:
创新指南|战略衡量的增长组织:用人工智能增强关键绩效指标(KPI) – Runwise.co
延展文章:
1. A创新指南 | 如何利用人工智能技术实现企业营销效率提升10倍(上)
2. 创新趋势|以创业心态迎接AI时代是企业持续创新与增长的必由之路