考虑到数据的扩散和新的分析工具旨在从中获取见解，人们可能会认为业务绩效的度量已经大大改善。不幸的是，情况并非总是如此。我们经常发现，公司或公司内部的职能部门只是简单地衡量了错误的东西。

专注于不完美或没有意义的指标可能会产生严重的影响，导致管理层做出损害业务的糟糕决策。通常，根本原因在于公司坚持历史指标，这些指标衡量的是在创建时可以跟踪什么，而不是应该衡量什么。现在，有了更多的数据和分析能力，可能是时候重新审视这些指标了。

看到明显回报的公司。

最近，一家价值数十亿美元的全球科技公司重新评估了其衡量客户服务的方式。传统上，该公司坚持完美的订单履行标准，目标是当他们订购的商品有库存，并迅速和完美地交付它们。该公司是其行业中最具生产力和效率的公司之一，与每一位客户全面衡量“完美订单”。因此，为了达到这个目标，它支付了大量的加急运输和其他费用。

然而，普遍完美被证明是错误的衡量标准。在管理层设计出一种计算每个客户利润率的方法后，他们发现有些客户比其他客户更有价值，而且他们几乎所有的利润都来自一个相当有限的群体。了解到这一点后，公司调整了重心，将更多的精力投入到最重要的那20%的客户身上，提高准时率和这一群体的净推动者得分。与此同时，管理层也停止了对其他80%的人追求和衡量完美的秩序。太贵了。这些客户可以接受价格更合理的服务水平，这有助于提高盈利能力。

正如这些经验所显示的，最有用的指标与公司的优先级保持一致和平衡。它们可以被精确地衡量，并以内部目标和竞争对手的表现为基准。好的度量标准向员工和管理层说明因果关系——他们的行为如何满足业务需求——同时帮助在整个组织中培养正确的活动和行为。

例如，很难想象一个公司在寻求以客户为中心或单位成本方面的持续改进时，没有相应的措施来评估其进展。但是指标只是期望行为和输出的近似值。它们往往是不完美的，有时甚至是危险的。

测量失误

有时，一个单一的度量标准会成为管理层的困扰，以牺牲其他信号为代价而过分强调，最终扭曲行为。近年来，在组织的多个消费者服务部门中，已经出现了一些例子，过度关注每个客户的服务数量。这个指标并非毫无用处——客户愿意购买多种服务可能是业务健康发展的标志。但在这种情况下，它成为唯一重要的数字，没有一个适当的平衡客户倡导，一线员工在某些情况下努力提高交叉销售指标，代价是腐蚀公司的信任和与客户的关系。

有些指标只反映了公司的部分业绩，忽略了其他重要因素。一个跟踪客户平均等待时间的呼叫中心是不错的，但统计第一次呼叫中解决问题的百分比可能会捕捉到更重要的东西。点击收入分析是“绩效营销”的一个流行功能，也是一个例子。如果将这些数字与品牌价值、营销支出对价值的影响以及营销活动对公司收入的直接影响等指标结合起来，这些数字就更有意义了。虽然这些指标比点击量更难衡量，但却是无价的指标。

通常情况下，测量方法强调的是那些不能增加价值的活动。一个例子:一个研究和开发组织测量原始开发人员的输出，例如编写的代码行数，而不考虑代码的质量。

衡量销售业绩尤其棘手。每个销售代表的收入是一个常见的指标，很容易被营销支出和价格折扣夸大，但同样有问题的是，并非所有收入的价值都是相同的。像大多数公司一样，销售利润率不同的产品组合的公司需要承认，一些收入会带来更多利润。与此同时，公司可能希望从新领域或新客户那里刺激销售，这些新客户比现有客户的续签更难获得，但从长期来看是有价值的。

多年来，一家软件公司在计算销售配额完成情况时，将所有收入都计算在内。这导致软件本身的收入没有差别，这是相当高的利润，而公司提供的专业服务实施软件，这是非常低的，甚至是负的利润。该公司最终通过仔细评估每个产品的毛利率，并将这些数字排除在配额之外，解决了这个问题。

有些指标的质量很差。以销售预测为例，它为首席财务官每个季度做出的更广泛的业务预测提供依据，对公司未来的健康至关重要。然而，许多销售组织依赖于销售代表的自我报告，这是一种质量可疑的指标。如今，更成熟的公司使用数字排气来测试这些预测。例如，可以通过电子邮件流量和日历分析来识别与销售渠道中的关键客户的交互频率。在一个季度结束前的几周，如果该排气显示与客户没有有意义的交互，那么审慎的做法可能是降低已预测到该客户的销售概率。对于销售团队认为极有可能出现的其他机会，采取同样的做法可能是明智的。

利用新数据

新的数据来源可以用新的方法来改进测量。在20世纪90年代，赛伯测量法和大型表现数据库引入了许多改进的棒球表现测量方法，比如从仅仅评估击球手的打击率，转变为评估他的上垒加击球数，这也为保送估值。

类似地，企业已经从评估客户满意度转向评估他们的推荐意愿，通过净推荐人得分来衡量。越来越多的数据细化意味着满意度不是通过整个功能来衡量的，而是在一个更细的层面上，通过客户事件来衡量的。小插曲是任何引起顾客与公司互动的事情，如购买商品或支付账单。

考虑到正确的指标带来的回报，公司确实有必要重新考虑什么对他们的业务重要，以及如何最好地衡量它。有了便于分析的新型数据(包括一些机器学习技术)，企业就有机会更深入地了解自己的真实表现。

公司内部的许多组织和职能部门都抓住了这个机会来确定更高保真度的指标，以调整他们未来的业务表现。其中包括:零售商从交易级经济评估转向评估客户关系的终身价值，销售组织从销售效率的总体衡量转向评估逐步转换，研发部门从跟踪总体活动转向计算重用和耐用性度量。

任何希望改进评估的组织都需要评估其当前指标和数据机会的状态。首先要问正确的问题:

• 什么因素对企业或职能部门的绩效影响最大?
• 我们是否分析了这些因素是否充分利用了当前的数据和先进的分析技术?
• 例如，机器学习告诉我们什么对我们的表现真正重要?
• 在我们现有的指标中有什么明显的弱点吗?
• 哪些指标可以更好地反映相关领域的实际性能?
  • 这些度量标准能被准确地度量吗?
  • 我们是否建立了一个内部性能基线，用以比较未来的结果?
  • 我们是否知道竞争对手在这些指标上的表现，以及我们的结果与他们的对比情况?
• 相对于其他指标，这些指标的重要性如何，我们如何平衡它们?
• 我们的运营模式是否反映了这种层级和平衡?

Chris Brahm是贝恩公司旧BOB体育app金山办事处的合伙人;他领导着该公司的全球高级分析业务。Mark Kovac是达拉斯办事处的合伙人，领导贝恩全球商业卓越集团。BOB体育app彼得·瓜拉亚(Peter Guarraia)是芝加哥的合伙人。

Net Promoter Score®是Bain & Company, Inc.、Fred ReiBOB体育appchheld和Satmetrix Systems, Inc.的注册商标。