一个数据管理者的自我修养：从KPI、OKR到信息赋能

周星驰在《喜剧之王》中手捧一本斯坦尼斯拉夫斯基的《演员的自我修养》，他希望完成从跑龙套到演员的蝶变。

如果你从一名数据工程师被提拔为团队的Leader，你觉得自己需要做出什么改变？你需要什么样的自我修养？

大多公司是按照既定的流程和机制运转的，我想很多人会很自然的完成工作方式的转变，理解清楚上级的意图，制定目标和计划，然后监督和督促下属完成。

但大数据不一样，关于目标和计划，笔者有些新的理解。

对于大数据这种创新业务来讲，特别是对于一只做大数据技术服务的团队来讲，在团队内搞KPI是不合时宜的，KPI的弊端可以用下面一个案例来说明：

为什么下雨天，出租车司机都会早回家呢？

按理说下雨天打车的人更多，司机应该趁机多赚钱啊，但是据说有研究发现他们反而更早收工回家。这是因为司机给自己设了每天的工作目标，比如必须挣500块钱，完不成不收工。平时钱难挣，下雨天很快就能完成目标，司机的选择是正好回家休息。

而这么做显然是错的！下雨天多干平时少干、见机行事才能事半功倍 —— 目标，限制了出租车司机的灵活性。

在一般企业这个指标是自上而下制定的，显然，越是短期、机械、执行性的工作，由于目标清晰，产出越可预测，KPI就越有效，当然为了完成KPI，很容易导致动作变形。

对于知识型员工，特别是大数据从业者，所做的工作往往具备探索性、复杂性等特点，大多数时候结果是不可预测的，因此，即使勉强在一只大数据团队实施KPI，往往形式大于内容。

比如你很难给一个做数据建模的人员定明确的KPI，布置任务只能是方向性的，假如你对下属说：你必须在1个月内将模型的准确率提升到10%，那是非常业余的说法。

有人会反驳说，数据建模太特殊了，比如对标签库团队总可以设立一个KPI吧，2个月内上线位置圈选的功能模块，这总行了吧。

这的确没有问题，我们以前就是这么干的，但这种自上而下定下来的目标和计划，本质上都是对员工的控制手段，但到底是为了让领导舒服呢，还是为了把工作做好？

笔者去年就给标签库团队定了个目标和计划，要求百万标签的界面改造必须在XX月前完成，上线后自己去体验了下，发现所有的功能的确都OK，但体验一塌糊涂，你说到底是谁的原因？

大数据最后的问题，大多是不是这种问题？你可以要求进度，但你很难控制得了质量，你可以提出各种指标来评估质量，但考虑到大数据是个复杂事物，总有应对的方法，完全可以通过牺牲其他的特性来满足这个特性。

领导你要什么，就可以给你什么，我们需要管理进阶。

Google等公司认识到了KPI的弊端，他们开始实施OKR，OKR即目标和关键结果，目标指明方向，关键结果评估目标是否达成。

OKR的具体概念大家可以自行Google，这里推荐两本介绍OKR的书，分别是《这就是OKR:让谷歌、亚马逊实现爆炸性增长的工作法》、《OKR工作法:谷歌、领英等顶级公司的高绩效秘籍》。

笔者觉得OKR比较适合大数据团队，自己总结下来有大致四个原因：

1、围绕战略制定目标：目标就是近期需要聚焦达成的事项，比如针对百万标签界面改造那个事情，OKR的目标可以设置为让客户方便的使用百万标签，而不是1个月内完成上线，不要为了上线而牺牲更重要的东西。

2、目标不一定要完成：OKR即使完成了进度，也不代表得分就高，要结合实际工作的推进来打分，比如你当初把目标定的高，最后只完成了进度60%，仍然可能给高分，你当初给了自己很低的目标，以为是便宜，那没用，完成了也可能得不了高分。

有些指标没到一个月就完成了，说明当初定的不合理，要自己去改，比如OKR的完成度最好是在0.7左右，总是要去挑战更高的目标，要不唯指标唯发展。

3、重点关注过程：每周，每月，每季度有个跟踪和回顾，大数据的特点是小步快跑，快速迭代，管理的节奏也得加快，在最短的时间内给予方向的指引和反馈，在起步的时候，笔者要求反馈日报。

4、透明化整个OKR：每个成员的OKR都对团队开放，每季度的评估结果也对团队成员全部开放，笔者也在探索，大家关于OKR的理解也有个过程，需要在实践中持续完善。

下面是我们运维开发组的二季度OKR示意。

在团队里实施OKR的时候，就有成员提出质疑：“我的OKR目标都实现了，为什么打分不高呢？”

以下是我的回复，其实就是上面理念的现实解释版。

”对于创新业务来讲，没人能定明确的指标，只能定目标，预计完成的指标只是个参考，否则大家以后都kpi导向，这样就坏事了。okr完成的比例在70%左右倒说明当时定的不错，我更看重的是过程中体现的创新和发展，比如是不是比以前有进步，每周跟踪指标是为了有个监控和抓手，发现问题可以及时调整，比如收入，如果是按部就班的实现，很难得到最佳，因为要么是指标定的不合理，要么就是运气，如果你的某个创新导致了收入提升，即使完不成既定的指标，都可能获得更多认可。”

“如果认为的确花了很大代价和创新提前完成了指标，需要说明和体现你的独特贡献，如果在实施过程中发现指标完不成，在过程中及时告诉我，没有什么不可以调整，但不要马后炮！”

也许没有最好的考核体系，只有最适合的，大数据没有沉重的历史包袱，其特点似乎是适合采用OKR的，有人又补充了下，说好的目标就是要“难度+具体”，我觉得有道理，结合OKR应该是“对的方向+难度+具体”。

虽然OKR不错，但它还是一种公司自上而下管理员工的控制手段。诸如大数据、人工智能等是更复杂的脑力劳动，往往要求员工必须根据最新的信息、具体的情况，灵活决定做什么和怎么做，那么“命令与控制”那一套，现在可能就不好使了。

比如有时候笔者就定不出OKR，因为自己不在一线，凭什么定呢？团队里很多OKR不是我定的。

作为一个团队领导，你的首要工作，不是控制，而是给成员提供信息，这里举一个信息不畅的现实例子：

我们有个位置团队专门在研究交通路径模型，还有个标签团队在对外提供基于位置删选客户群服务，但客户对于基于地图的直线距离删选商业客户群提出不满，因为圈出来的很多客户根本不会来购物，一查发现原来是隔着一条江，需要基于用户的交通距离而不是直线距离来圈选目标用户。

实际上，我们是有解决方案的，但为什么迟迟不能解决？

你看，别说不同部门，即使是在一个部门，甚至是近邻坐着的两只团队，也会由于沟通不畅导致问题，世界上最远的距离，莫过于明明我们近在咫尺却以为相隔万里。

那么，管理者如何有效提供信息呢？

首先，信息要给得多，给得快。有什么情报，先给再说，至于说有多大用处，让团队自己判断。

第二，你要密切观察你的团队，看看哪些信息对他们来说是真正有用的。这对你来说也是一个学习的过程，你观察到哪些信息有用，就多给到这方面的信息。

第三，你要相信你的团队能够自己发现信息的意义，依靠信息去制定计划和决定目标。

这个挑战其实蛮大的，特别是对技术出生的管理者，不太愿意放权，比如我们在探索一个交通规划产品，按照以前的习惯，肯定是自己先要想清楚怎么做，然后安排员工去执行，对于工作结果是有充分预期的，但笔者发现自发性很强的员工可以比你想得更多更透。

作为一个合格的管理者，要提供服务和督促员工，交流的频率比交流的质量有时重要的多，总是问问员工，你本周的优先事项是什么？我能给你提供什么帮助？而不是跑过去越俎代庖。

如果这个人需要某方面的帮助，而你恰好知道另一个人擅长这个，你就可以建议那个人去帮助他，你要想办法提供团队需要的信息和资源。

比如大数据的工作范围非常广，包括采集、开发、建模、挖据、分析、产品、运营等等，更需要有一种机制确保各个团队的信息沟通是顺畅的。

比如新采集了一个数据，对于数据建模有什么价值，对于前端产品有什么价值，对于公司其他部门有没有价值，自己往往没能力去做这种判断，你要做的就是准确及时的向外界传递出这个信息。

至于怎么用，主动权要始终掌握在员工自己手里，管理者只是引导、赋能和询问，这样的工作关系，也许是最为理想的了吧。

不管靠不靠谱，我觉得这的确是一个很好的角度，至于管不管用，就得靠自己摸索实践了，从KPI、OKR再到信息赋能，值得每个创新型管理者思考。