点击蓝字 关注我们
引言:为什么要建度量中心?
不管是在之前的相关直播还是文章中,我们一直在强调,未来所有的公司都会转变为某种形式的科技公司(软件往往与人工智能密不可分),可以想象,在未来,企业的业务与科技将会越来越紧密地融合,科技投入在企业中的比重将会不断增加,其成本也将成为企业运营中极为重要的一部分。这是一个不可避免的趋势。
过去,许多科技团队习惯于将自己视为一个成本中心,并认为自己已经尽力工作。当被问及管理情况和改进空间时,科技团队常常将技术视为难以管理的神秘领域,从而希望避免外部的干预。然而,对于CIO、CTO或类似的科技领导者来说,这种状态已经越来越难以维持。
从数字化的角度来看,整个组织都在进行数字化转型,业务也在逐步数字化,如果科技部门仅在推动数字化,而自身却不进行数字化转型,这种情况将变得难以解释。因此,科技部门需要在推动组织数字化的同时,自身也进行相应的数字化改进。
类比管理会计,我们认为研发的度量系统类似于科技团队的会计系统或财务系统。这些系统记录了团队在做什么、花了多少成本,以及这些成本是否合理。
只有通过这种系统化的度量,才能解释科技投入的去向,确认这些投入是否集中在组织最关注的领域,是否符合组织的战略发展方向,确保科技力量得到最大程度的发挥。
一
当前组织的度量现状问题
目前,我们看到很多组织的主要问题不是没有研发管理工具和数据,而是数据往往不准,可用性不够强。这个问题的主要原因有以下几点:
01
CURRENT SITUATION ANALYSIS
数据分散与口径不一致。数据分散在不同的系统之中,口径不一致,导致数据难以统一和准确。这种分散性不仅增加了数据整合的难度,也影响了决策的时效性和准确性。
CURRENT SITUATION ANALYSIS
02
团队工具使用习惯未养成。团队成员对于线上化管理工具的使用习惯尚未形成,导致线下实际操作与线上记录存在差异,进一步加剧了数据的不准确性。
03
CURRENT SITUATION ANALYSIS
度量指标的使用缺乏系统性和科学性,诱发数据造假问题。组织在有了度量数据后,往往容易用于强考核,团队成员可能会出于考核压力而进行数据造假,这种行为不仅损害了数据的真实性,也破坏了企业文化和团队信任。
这些现象背后隐含的一个根本问题是许多组织在做度量时太过于专注在数据本身,为了度量而度量。好的度量系统背后一定有一套配套的管理理念,来支撑这个系统的建设、有效使用和有序演进。
二
度量中心建设思路
工具只是管理内容的承载,管什么、怎么管是组织在建设度量中心前需要充分思考的课题,包括“度量的对象是谁?”以及“度量的目的是什么?”。根据多家客户经验,融合我们对度量应用的价值观,我们总结出了度量中心的建设思路,主要分以下五步:
Step1. 明确目标,以跨职能团队为度量主体
建设度量中心的第一步是识别出度量的核心场景和度量主体,我们的建议是以跨职能团队为度量主体。原因一是强调度量个人容易引发更明显的动作变形;二是强调度量单一职能可能会加重部门墙,而关注跨职能团队的协同更有利于探索全局最优,真正做到1+1>2。
因此,通过构建端到端的跨职能团队度量体系,有助于避免单一职能或个人的度量带来的片面性和偏差,可以更全面地反映组织的实际效能,提高度量结果的全面性和准确性。
Step2. 对齐术语,梳理管理信息概念模型
统一语言是高效协同与提高数据理解一致性和准确性的基础,建设度量中心的第二步,是在组织内对齐管理的术语与概念,对组织的管理信息概念模型进行整体梳理。也就是明确组织要管的对象有哪些,比如需求有几层、每层如何定义和区分,团队架构是怎样的,以及团队与各层级需求的对应协作关系等。
形成统一的管理信息概念模型后,才能以此为基准,确保不同系统和工具之间的数据一致性,减少数据歧义与偏差,提高度量结果的准确性。
Step3. 打通工具,建设自带数据治理能力的度量中心
第三步,通过整合不同的数据管理工具,构建一个具备数据治理能力的度量中心。
任何一个组织里面既有的工具体系是很难完全推翻重来的,度量中心的建设应该最大化地发挥已有工具的价值,整合现有的工具能力,汇集数据,同时尽可能减少对用户的干扰。
由于是数据的汇聚站,所以我们强调度量中心要自带较强的数据治理能力,能够实现数据的集中管理和实时更新,并通过自动化工具和流程提高数据的采集、处理效率,减少人为错误和数据造假的可能性,确保数据的准确性和实时性。
Step4. 抓大放小,渐进建设度量指标体系
第四步,针对组织的管理诉求和数据情况来建设度量指标体系,这里我们非常不建议一开始就搞几百个指标,因为指标堆砌容易,但数据校准很难。度量指标体系的建设应该是一个渐进的过程,我们提倡组织从关键指标入手,先结果、再过程,先宏观、再微观,逐步扩展到更细致的度量维度,完善细节指标。在此过程中,应关注指标的可行性、可视化、自动化和可配置性,确保度量指标体系的扩展与演进。
Step5. 放水养鱼,度量应用先观察再考核
最后,由于度量数据的牵引力是非常强的,因此在度量数据的应用中,尤其是初期,应采取观察和引导的方式,先鼓励团队成员正确使用度量工具,而不是立即进行严格的考核。
在这个过程中,可以引入能够促进团队协作的日常管理实践与管理机制,比如使用度量工具召开站会对齐信息,利用数据召开回顾会等。帮助团队在日常协同中形成使用习惯和数据意识,为度量体系的长期运行打下基础,并逐步以度量数据为抓手,建立从上到下,从下到上的闭环改进机制。
如前所述,好的度量系统背后一定有一套配套的管理理念,度量中心需要真实的数据,但真实数据的积累需要匹配的管理理念与管理手段来实现。因此可以看到我们的度量中心建设思路绝不仅仅是工具建设,也是组织管理思想与管理方式的变革。
三
知微度量中心解决方案
知微作为一款组织级研发管理平台,其中的度量中心解决方案融合了Agilean多年积累的管理咨询经验,高度适配前文提到的度量中心建设理念与思路。
01
快速根据实际需要灵活、显示化定义组织架构,构建跨职能团队度量主体
我们提倡度量中心以端到端的跨职能团队为度量主体,但很多组织只有树状的职能架构,没有面向交付、项目的架构,就很难基于交付组织、项目组织去沉淀数据,更没有办法基于数据进行改进。在这点上,知微支持定义多维的网状组织架构,还具备响应新增组织线以及组织架构调整的能力,支持组织灵活演进。
知微可以先柔性地贴合组织现状,结构化叠加反映组织实际的多维分层组织架构,在组织架构可视化之后,再进行数据清洗与校准,为企业提供可用的真实数据。
02
快速根据实际需要灵活、显示化定义管理对象,明确管理维度
在组织梳理确定好管理信息概念模型后,知微的零代码灵活配置能力支持按照组织个性化的管理对象进行数字化建模。组织可以按照自己的概念术语新建和定义管理对象,并在各管理对象之间建立关联关系,这一步可以实现管理信息概念模型的初步线上化;接着可以根据组织对管理对象的具体要求,灵活配置各管理对象的具体管理规则。在这些过程中,知微的建模与配置发布即生效,可以快速验证效果并及时调整。
03
充分的产品开放性支持快速集成外部系统,汇集各处数据;短链路内外部T+0实时集成计算, 高效助力数据治理
度量中心建设第三步需要优化现有管理平台,建设度量管理系统。在这里我们不提倡推翻重来、从零开始,这对企业来讲各项成本太高。我们可以帮助组织体系化梳理当前的所有管理工具与定位,明确数据流向,结合知微产品的充分开放性,集成关键系统,将数据先汇集起来。
在数据汇集起来之后,可以利用知微的T+0实时集成计算能力,以及强大的下钻能力,快速进行数据分析与治理,提高数据准确性。
04
内建ADAPT指标库,包含完整的多快好赞成熟指标体系,同时拥有强大的指标自定义能力
知微的度量中心内置了我们沉淀多年的方法论——ADAPT的多快好赞指标体系,可以结合丰富的视图模板快速建设度量大屏,可视化度量数据。同时知微还拥有强大的指标自定义能力,支持组织建设符合实际需要的度量指标,逐步形成自己的度量指标体系。
05
沉淀的指标数据形成度量数据大屏,有效支撑团队观察和持续改进
前序的数据汇集与指标体系建设最终会形成度量数据大屏,不断沉淀数据。数据大屏作为实时数据监控和展示的平台,需要持续观察并与团队的协同紧密结合,以实现数据的深度利用和价值最大化。根据团队协同中发现的问题,可以结合知微的下钻能力进行实时数据校准,或利用数据指导行为校准。
四
结语
度量中心的建设是一个系统性工程,需要组织从战略层面进行规划和实施。Agilean通过多年的咨询经验沉淀,并结合知微工具的能力,形成以上体系化的度量中心建设思路和落地方案。
首先,通过构建面向业务的跨职能团队,并进行数字化,构建一个相对清晰的度量主体;其次,通过梳理和统一管理信息概念模型,解决数据口径不一致的问题;再次,通过集成系统、汇集数据到度量中心,解决数据分散问题。
此外,通过度量指标体系的建立,将团队的行为与度量指标挂钩,并辅导团队通过站会、回顾会等管理实践形成线上化管理习惯,在利用数据提高管理效率的同时,及时发现脏数据,结合工具的下钻能力和T+0实时计算能力,快速进行数据治理,提高数据准确性。
最后,以度量数据为抓手,建立从上到下、从下到上的闭环改进机制。一方面,根据数据反馈不断优化度量指标,调整数据收集和分析的方法,确保度量结果与过程始终能够反映组织的实际运行状态;另一方面,引导团队通过数据分析结果诊断管理问题并进行持续改进,提高组织效能。
我们期望可以通过以上方案,帮助组织构建一个高效、透明、可持续的的度量中心,真实反映组织效能,支撑管理决策,为企业的数字化转型和持续改进提供有力支撑。
END
如想进一步了解我们的解决方案,欢迎扫码添加左侧二维码咨询~
点分享
点收藏
点在看
点点赞