設定績效指標很難嗎？(上)

一 、以數據的本質來看

先看看「為了幫助策略決策，而去思考該理解哪些資訊」的意思是什麼?

做策略決策所需要的資訊，是很多會影響未來某個結果的現存條件、狀態的實況與預估值，這其中可能存在錯綜複雜而糾結互動，經過模擬推演以決定是否要做那件事(策略決策)。所以管理者做策略決策前所想要得到的資訊，大多不是很簡單的初級資料(Primary data)所能應付的。

再來看看另一件事 :「為了理解企業營運績效，而去思考該如何表達事實」的邏輯是怎麼回事！營運績效指的是「某件營運活動 (比方說進入新市場的策略決策)的結果」，而績效指標的功能是去忠實顯示出這些營運活動的結果實況(賣了多少產品到新市場)。

若是問營運績效指標該如何設計？這問題就等於這件營運活動的「結果」如何？ 同樣地，這些結果的實況大多也無法被初級性質的原始數據所單純代表，反而需要把原始的初級數據，根據某些規則加以運算之後，所得到的「次級數據」(Secondary data)。

結論一 : 從數據呈現本質的這一個角度來看，在思考「決策所需的數據是什麼」的邏輯 與 思考「績效指標應表達的數據是什麼」的邏輯，的確應該是要相同的 : 它們都比較需要「次級資料」。

二、另一方面，若以被衡量對象的事前、事後確知性而言。

當我們去思考「策略決策所需的資料該是些什麼」的時候！其實我們並沒辦法清楚地知道，會影響決策內容未來結果的所有因素是什麼！所以在思考「策略決策所需的資訊是什麼的時候」，邏輯重點是，哪一些資訊能夠幫助我降低決策風險？讓我決策時，猜錯的機會變小！

比方說，企業主在思考未來三到五年策略時，決定未來要不要將公司的資源轉移到另一個市場區隔、地區、新產品線或新技術的時候，需要資訊除了是公司各產品線下，過去在現有市場裡的波動程度已然呈現出甚麼變化之外，更重要的理解這些變化的原因，也就是要知道「為什麼？」；以及各種市場替代性需求(例如說新市場對新介面或工具)的變化預估值，用來推論公司現有產品與技術的生命週期該如何進行調整，也就是要知道「會怎樣？」

但現在如果是叫我去想「績效指標該是什麼」時，狀況就不一樣了。績效指標是在已經知道自己想要衡量的事物是什麼的情況之下，才去設計出一種「最能夠反映這個結果」的表達方式。這是在「確實知道」自己要衡量的對象是什麼之後，才著手去設計其表達方式的。因此，在思考績效指標該如何設計的時候，重點是考慮其反映事實的能力高下，有沒有扭曲偏誤？也因此，會讓很多人搞混；以為從「為了幫助我們做決策」所標定出來「需要被知道的數據」就應該是...「績效指標」所要表達的數據。

結論二 : 績效指標能幫助你瞭解，你事先已預測的某個營運活動的結果，到底有沒有發生！但它不能，在你自己都搞不清楚(為了決策)該知道些什麼事的情況下，幫助你去決定未來！

三、因此，以這兩種分析角度來看

「為了幫助策略決策，而去思考有那些資訊該被理解」與「為了理解企業經營績效，而去思考該如何表達事實」，這兩者的思考邏輯不同，雖然兩者需要的都是次級資料，但是在設想其應該表達的資訊內容時的根本差異在於，進行策略思考所需的指標數據，絕不僅是每月例行營運報表上的績效數據(Operational index)。也就是不要拿既有的每月營運指標 (每月銷售額、存貨額、良率、稼動率、管銷費用)，當成決定未來走向的策略指標，更要問「為什麼？」和「會怎樣？」。而設計績效量指標，則是為已確定的重點行動事項，找到其表達效果最好的指標，是為了回答「我怎麼知道行動事項有做？」和「我怎麼知道行動事項做得好不好？」

所以當我們看到很多企業在導入ERP、戰情中心、Dashboard、數據分析Analytics、BI等等工具時，如果沒有搞清楚差異，不僅可能將資訊人員搞得人仰馬翻，更無法達到預期的管理效益。