在职场中，数字指标常常被误认为等同于工作成果，但这种认知可能会误导我们远离真正的目标。本文深入探讨了数字指标在工作中的角色和局限性，揭示了为何数字指标并不总是等同于结果，并提供了如何正确理解和运用数字指标以实现工作目标的见解。

数字指标，是工作中最容易陷入的陷阱之一。

为什么这么说？

我们是不是经常会把数字指标，当作结果？

打个比方，年底了，部门里很多同事在写 OKR 进展的时候，很喜欢罗列很多的数据指标。

像自动化率从 xx 提升到 xx，稳定性从 xx 提升到 xx，人员梯队、任职从 xx 提升到 xx。

相信大多数人都是这样写的，包括我自己写也是这样。

看起来数据都很好，进展很棒，但结果却没达成。

但这是为什么呢？

打个比方，人才梯队的建设，本质上是想要让公司的人员胜任度、能力提升，而职级只是一个衡量指标，职级提升了，但不代表公司的人才梯队真正建设了起来。

而往往大多数人只关注了指标的达成，却忽略了目标，以及目标设立的意图。

数字指标主要有什么作用？

结合最近做绩效考核和战略规划，我对数字指标有了一些自己的理解，借着这篇文章，做一个分享。

在我看来，数字指标主要有三个用途：

第一，特定场景下数字指标就是结果，但大部分场景不适合

比如说，在销售场景。

后端已经设计好了最低折扣价、毛利率等等，销售只要负责卖就行。

又或者像，个体户场景。

今天摆摊赚了多少钱，那就是多少钱，实打实地结果。

片面点来看，实际收入、利润这些才可以说得上是“真正的结果”。

当然，广义些来看，上面的例子也不成立。

比如，有些公司短期的销售额增长，是因为打价格战，把三年的产品按一年的价格售卖，短期来看销售额是增长了，长期来看，对业务是一种伤害。

第二，数字应该是服务“结果”和“意图”的过程数据

结合第一个用途来看，数字核心是要服务于“结果”与“意图”。

什么意思呢？

比如说，今年商业上核心意图是市场占有率，在均单亏损不超过 10%的情况下，要把市场占有率搞上去。

那这个时候，销售额、利润就不是重点要关注的指标了，做的再好又有什么用呢？这不是公司想要的。

市场的例子，相对来说是好理解的，不牵扯太多技术的事情。

而开发测试就显得比较复杂了，既有业务的事情，又有技术的事情。

比如像，软件测试部门要保障好产品的质量，这是一个结果，但会牵扯出很多的事项和指标。

像自动化覆盖率、BVT 覆盖率、CICD 建设、测试效能提升等等。

那么多指标，一年下来肯定是会有提升的，但是不是真的取得好的质量结果呢？

作为管理者，要避免被这类的数据指标迷惑了。

当然，过程数据很重要的另一个目的是，为了让”结果”相对可控。

不可能我们只盯着目标结果，然后到年底就能达成了。

那过程中，我们去设立每个阶段的里程碑，就是为了让结果相对可控，可以看到阶段性的进展，让我们更好知道其中还有多大的风险和障碍，心里能大概有个数。

第三，用于假设、预测和验证

前面两点讲完，有的小伙伴会有困惑。

那这样讲，数据是不是就不重要了？我们不是经常说，要拿数据说话么？

这里必须要澄清一下，数据有意义也很重要，数据是用来支撑结论很重要的一环，但数据不等同结果，两者是有区别的。

那数据的核心场景，还在于假设、预测和验证。

比如，突然之间我们有了一个新的 idea，像过去的市场推广方式太慢，那是不是可以试试用现在自媒体的方式做推广？

我们有了一个假设，并且马上要投入验证。

那过程中就要观测几个指标，去评估这个 idea 是否可行。

像：推广到的客群是否正确、推广的转化率、推广的性价比、新推广方式与旧推广方式的数据指标等等。

接下来就是实际的验证环节，随着推广后，就会有数据出来，根据数据进行下一步地分析与验证。

假设、验证、预测，这是一个大的循环。

写在最后

数据，在大部分情况下，不是结果。

最近年底了，绩效考核、奖项评优都如期而至。

很多结果做的并不是很好的部门、同事，就很喜欢拿着数字来彰显功劳。

这本身是对数据、指标的一种曲解。

那，看到这里的你，不论是基层，还是管理者，都不妨再重新审视一下，当前取得的数据变化，对结果是否真的有明显帮助，做到心中有数。