第4章
度量与决策

度量的对象会影响决策的及时性，从而影响检测到的信号的强度。获得的信号越弱，可以为客户提供的价值就越高。也可以说数字化转型是识别微弱且重要的信号，据此及时做出决策。

精益切片方法提供了在端到端环境中进行试验和学习的机会。通过信号判断距离成效是越来越近还是越来越远。正确的信号能够帮助更早地做出更好的决策，为客户提供最大化的价值。

挑战并不在于缺少信号，而是信号太多、系统噪声太大，还有获取那些与度量客户价值相一致的信号。事实上，信号强度与成效进展的相关性很弱，强而易度量的信号并不总是适合度量。

在泰勒科学管理（Taylorism）时代的初期，工业时代基于逻辑、理性和经验来优化劳动生产率和经济效率，“确定性”任务通过标准化的过程对其进行评估。在数字化时代，不确定性增加，但我们仍然试图应用从那时起就存在的许多理论。以软件开发为例——我们早就知道软件的价值与它包含的代码的行数不成比例。尽管如此，我们在这个行业中不断地看到一些例子，其中“代码行数”或“速度”被错误地用作反映程序员的生产力的关键信号，就像软件编程最困难的部分是打字。同样的道理也适用于管理财务的方式：以预算中的准确支出（既没有超支，也没有不足）而不是由此带来的任何客户价值为成功的标志。

我们常常将价值度量与工作显得有价值或者我们个人的需要相混淆。有一个顿悟：真实的价值很少是一种量化的度量，而是一个是/否的问题——根据当前的交易，每次都需要询问是否有价值。这才是真正的问题：客户价值很难衡量。也就是说，适当的度量并不总是容易获得的，因此组织倾向于选择更简单、不太相关、不一致的替代方法。当想更多地关注客户成效时更是如此，这通常是由于交易和价值实现之间的时间差。没有明显的衡量标准可以衡量内心平和的价值、个性化的价值、低交易成本的价值，或者掌控感的价值。面对模糊的情况，有时要使用近似值。

举个例子，净推荐值（NPS）已被广泛用作衡量客户对企业产品和服务的满意度与忠诚度的指标。有许多因素可能会在较长的一段时间内影响客户的整体满意度和忠诚度。NPS是衡量客户满意度长期趋势的一个很好的工具，但在实时反馈或早期反馈中，它并不总是对所开发的产品、所做的改进以及所做的具体任务有效。我们曾见过这样的情况：客户在留言中表示非常满意，并给了7分（评分范围从0到10，只有9分和10分被认为是“推荐者”）。如果一个感到不满意的顾客也给了7分，那么报告显示他们是相同的，但显然他们不同。考虑到客户的状态和相关评分通常与员工无关，将这些基于趋势的分析与员工的个人表现联系起来是不合理的，因为客户是对企业而非员工进行评分。不难理解为什么你会听到代理说“请记住这项调查是关于你和我的互动的”或者为什么不愉快的电话会在调查之前被切断。

对于传统组织来说，一种常见的情况是组织架构、政策和行为使得难以度量客户价值（最重要的是，一开始就很难度量）。它被各种类型的度量结果所取代，这些度量结果可以显示出进度，例如企业的收益（如收入和利润），个人KPI（用于绩效）或活动（如任务、完成的工作和花费的预算）。

需要明确的是，我们并不是在主张传统度量标准不好。重点是需要针对时间和需求采用适当的度量标准。好的度量标准通常是临时的，并且与成效直接相关——在完成或足够好之后，度量结果可能变得毫无意义。这将是抛弃它们并专注于其他（或下一个）度量标准，实现其他目标或新目标的时机。关键是要定期审查度量结果，以确保它们仍然有良好的用途，而不是盲目地将传统的长寿命度量标准用于非预期的用途。这里，关键的一步是将度量标准分离出来，让它们回归最初的意图——物各尽其善，人各尽其能，例如：

·客户价值是衡量目标达成的决定性指标，用于指导下一步工作。领导者据此决定投资哪些项目、计划、举措和试验。

·财务度量衡量企业是否健康，肩负财政责任。

·个人KPI旨在帮助人们提高绩效。

·改进度量表明企业是否在改善并提高效率和成效，以及对活动进行有效的度量。

当然，这些都需要与成效保持一致，即正在做的工作通过度量结果来显示战略达成的进展。现在让我们深入研究一些不同类型的度量标准，例如客户价值、财务和个人KPI以及改进。然后，针对为客户提供更多价值的目的研究它们的影响。 jier71mAQd/8kaa9E0JaWeLT9ekPmhV/2FKYGrY2K38wBorvtIDTSOSNC5ZGcVIn