在企业的数据管理项目中，数据考核是一个关键环节，它不仅能够激励员工，还能确保数据治理工作与组织战略目标保持一致。然而，很多企业在实施数据考核时面临着量化过度、缺乏反馈机制等问题，导致考核效果不佳。本文将探讨如何制定有效且公平的数据考核方案，确保数据治理工作能够顺利进行。
在数据管理项目中，考核如同一座关键的灯塔，指引着项目的方向，不可或缺。然而，现实中不少企业在进行数据考核时，问题却层出不穷。有的企业考核指标过于量化且不切实际，使得考核沦为走过场，甚至出现人情分的现象；有的企业考核缺乏反馈机制，缺乏针对性，让考核失去了应有的价值。那么，如何实现有效且公平的数据考核，便常常成为众多项目经理的棘手难题。
作为项目经理，你脑海中是否会浮现出一系列问题：怎样才能高效制定数据考核方案？考核的人员对象与范围究竟是什么？考核标准该如何确立？考核的时间周期如何确定？考核的公平性如何保证…… 这些皆是开展数据考核工作必须审慎考虑的要点。倘若做不到这些，数据考核极有可能沦为形式主义。形式主义的考核，不但无法发挥应有作用，甚至会带来更恶劣的影响，背离考核的本来目的。今日，就让我们一起来探讨一下，数据考核到底该怎么做？
说到考核，首先我们要就是要搞清楚数据考核的目标，就是为什么要做数据工作考核的设置，说白了人都是需要激励的，有了激励，就能够体现努力的价值，就能源源不断地产生积极性和动力。而数据考核整体上有以下两点：
考核目标与组织战略目标一致性。组织的战略重点是提升客户满意度，那么数据治理项目的目标是否与组织战略目标一致，确保治理的数据达到准确性、完整性和及时性，以便更好地满足客户需求并促成战略目标的达成。
评估策略与行业标准契合度。参考标杆企业和最佳实践在数据治理方面的做法，对比自身的数据治理策略，看是否在数据安全、数据质量、数据架构，人员管理等关键领域达到或超越行业平均水平。找到差距点和改进点，可以做哪些改进和优化，同时可以持续提升企业数据管理能力。
数据考核对象主要是指数据考核人员，从数据治理项目实施职责来看，数据管理项目中核心的岗位主要分为业务参与方，数据咨询顾问，数据开发顾问，PMO岗。
业务参与方：也称为关键用户，业务参与方是需求输出口和需求统筹方，在大型集团企业中，业务参与方会选派几名关键用户，参与到数据项目中，这些用户熟悉业务规则，了解业务诉求，对企业的经营模式非常熟练，需要他们提出一些未来企业经营发展的思路。通常来讲这部分一般不属于IT范畴，是企业业务范畴内。他们的主要职责是提出业务需求，提出数据标准给到IT方，也就是给到数据咨询顾问。
数据咨询顾问：也称业务顾问，是数据业务方案到系统落地方案的翻译者，该岗位既要懂得业务语言，同时也要懂得技术原理。可根据业务方提出的需求，进行整合，通过建模，推理的方式，形成可落地的数据解决方案。这些方案不仅能够满足业务需求，还能结合最新的技术原理，形成可落地的解决方案。
数据开发顾问：开发岗通常是接收数据咨询顾问给到的解决方案，他们擅长技术，将逻辑上可行的解决方案，最终开发出系统工具，可视化，帮助业务实现最终的数据价值。
PMO岗：这个岗位其实不需要多说，主要是协调资源，沟通，跟进进度等，这个岗位在数据项目中的职责和其他IT项目没有太多区别，核心抓住协调和组织责任落实工作即可。其他的一些岗位如同项目管理人员，协调人员等，人数不多，按照正常项目管理的考核方式即可。
数据考核的标准主要应该依赖于负责的工作对象，数据治理项目中，不同的岗位负责不同的工作，这里需要强调的是业务参与方也应该纳入到考核中，数据治理项目是公司级项目，不应当停留在IT中，对于数据项目的价值核心还是要契合业务发展，特别针对非原生数字化企业来讲，数字化的发展都是服务于业务发展方向，所以业务方案不制定好，系统设计也就难以说起效果，再好的解决方案和开发也是脱离实际的。所以对于业务参与方的考核很重要，建议方向如下：
（1）业务需求前瞻性：业务需求的整理是需要具有前瞻性的，不能一味地停留在历史操作和流程下，数字化的本质是变革，数据治理也是一种手段，所以对于数据管理的需求，应该立足于当下，同时也要考虑未来。
（2）业务需求合理性：业务需求合理性体现在需求的思考深度，是否找到需求的本质，是否存在重复提，这样不仅导致成本浪费，开发资源浪费，增加项目成本。
（3）业务标准执行效率：该考核点重点用于说明数据项目推动中，一些计划要求，数据清理工作，推动情况；另外一方面也包括数据项目运营阶段的数据标准执行情况，数据录入质量等等。这里涵盖了业务标准执行人，数据录入人，数据审核人等等。
针对咨询顾问考核方向参考如下：
（1）解决方案前瞻性：数据咨询顾问，也称为业务顾问，是数据业务方案到系统落地方案的翻译者，需要制定专业化的解决方案，一方面满足业务参与方的诉求，同时也能穿透技术方案，让开发顾问更具设计的逻辑模型进行开发，制定最佳的实践方案。
（2）数据方案的落地性：业务顾问制定解决方案，这套解决方案需要考虑周全，尽量减少逻辑漏洞，达成业务闭合。在落地系统时能够更准确地研发出满足需求的产品。
针对开发顾问考核方向参考如下：
（1）研发项目交付效率：研发主要工作在于落地解决方案，对于交付工作包括，按时交付率、测试用例通过率、缺陷密度，功能完整性。
（2）技术能力：包括编程语言掌握程度，技术框架熟悉度，遇到技术问题时，能够迅速分析问题并提出有效的解决方案效率等。其实考核不需要做得很复杂，因为在数据项目中考核的目的是激励，让项目更高效，发挥主观能动性，所以抓住核心指标的同时，需要一些更开放和灵活的创新思维，这样项目才能做好。
前面主要是介绍了为什么要进行考核，以及考核的标准，都是进行考核标准的制定，对于考核最重要的一环就是对考核过程和结果的执行，这是数据项目考核中最重要的一环，如何实现公平公正的执行结果呢？
客观的评估机制是需要的，考核不能局限只通过一种方式考核，这样会导致项目局限性和不公平性，所以考核的角度要多方面，多角度，多人员评估。如下：
多维度评估：采用 360 度评估方法，让不同岗位的人员对被考核者进行评价，包括上级、同事、下属和客户等。这样可以从多个角度了解被考核者的工作表现，提高评估的客观性。
评估科学性：评估要结合定量和定性评估，不仅要考虑工作成果的数量和质量，还要考虑工作态度、团队合作等方面的表现。定量评估可以通过具体的指标和数据来衡量，定性评估可以通过问卷调查、面谈等方式进行。
数据驱动评估：建立完善的项目管理工具和数据统计系统，记录项目进度、问题解决情况、需求变更等数据，让数据说话，为考核提供客观的依据。利用数据分析工具对考核数据进行深入分析，发现问题和趋势，为改进考核方法和提高项目管理水平提供参考。
考核标准公开透明：在项目启动时，明确公布各个岗位的考核指标和评估方法，让被考核者清楚地了解考核的要求和标准。在考核过程中，及时向被考核者反馈考核结果和评估意见，让他们有机会提出申诉和改进建议。
考核人员培训：对参与考核的人员进行培训，使其了解考核的目的、标准和方法，提高考核的专业性和公正性。强调考核人员的职业道德和责任意识，确保考核过程不受个人情感和利益的影响。
申诉机制：建立申诉机制，被考核者如果对考核结果有异议，可以提出申诉。申诉应由独立的机构或人员进行受理和处理，确保申诉过程的公正性和客观性。
总之，数据治理项目考核方法并不是一成不变的，随着项目的进展，不同的阶段需要持续更新考核方法，包括定期评估考核效果，在项目实施过程中，定期对考核方法进行评估，分析考核结果的合理性和有效性，发现问题及时进行调整和改进。收集被考核者的反馈意见，了解他们对考核方法的看法和建议，不断完善考核体系。借鉴先进经验，关注行业内的数据治理项目考核方法，学习和借鉴先进的经验和做法，不断提高考核的水平和质量。与其他企业或机构进行交流和合作，分享考核经验，共同推动数据治理项目的发展。
当企业颁布了越来越多的管理制度和规范标准，面临的一个核心问题，就是从上到下无论是领导，中高层还是基层员工有没有去认真执行和落实。我们常常的做法就是进行巡检考核，通过排名奖惩的方式去推动大家落地执行。
我们在执行考核排名的过程中，往往会出现人浮于事的情况。例如，到年底考核的时候，大家都是优秀没问题，在过程中由于监控部门和执行部门之间一团和气，所谓的考核变成了部门之间相互拉拢的手段，考核就陷入了“形式主义”。最后我们会发现，明明考核大家都没问题，实际去使用数据，却还是千疮百孔，无法拉通。所以避免考核“形式主义”是一个复杂且重要的课题，需要从多个角度进行思考和探讨。
为避免数据治理项目考核的“形式主义”，我们可以从以下方面入手：
第一方面：目标制定遵循SMART原则。在制定目标和标准时，需要遵循SMART原则，确保目标具体、可衡量、可达成、相关性强且有时限性。
第二方面，日常考核和监督。可以及时发现被考核者的问题和不足，及时进行指导和纠正，避免问题积压到定期考核时才被发现。具体而言，需要从以下4点入手：
第三方面，沟通与反馈。加强与被考核者的沟通和反馈是避免考核“形式主义”的重要环节之一。及时告知被考核者考核结果和反馈意见，让他们知道自己的表现和不足之处，以便及时改进和提高。具体而言，需要
总的来说，有效执行考核制度，使众人对考核结果信服与认可，进而趋向优秀、形成良性竞争，此乃数据项目考核的终极目标。为杜绝形式主义，避免 “你好我好大家好” 的敷衍之举，这亦是数据项目经理需重点思忖的关键内容。唯有不陷入 “形式主义” 的考核泥沼，考核方能最大限度地发挥其价值，稳步助力数据项目更为稳妥、高效地向前推进，绽放璀璨光芒。
本文由人人都是产品经理作者【老司机聊数据】，微信公众号：【老司机聊数据】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。