okr 的诞生与发展（中的可衡量不一定就）

2个定义 “可衡量 ” 的 OKR 简单脑力游戏。

到目前为止，我们都已经熟悉 OKR 。目标和关键结果是由英特尔的安迪·格罗夫（Andy Grove）发明的，并传给了克莱因·珀金斯（Kleiner Perkins）的约翰·多尔（John Doerr），后者随后将这一福音传播给了他的投资组合公司，尤其是Google。拉里·佩奇（Larry Page）将 OKR 归功于其快速增长的管理秘诀。

okr 的诞生与发展（中的可衡量不一定就）(1)

来源：tita.com专业OKR管理

为了证明定义 OKR 所具有的力量（和痛苦），Google首席执行官Sundar Pichai将这一过程描述为“痛心疾首”。

“只有一条OKR线路，您可以花一个半小时思考，以确保我们专注于为用户做得更好。”

—在“衡量重要事项”中，Sundar Pichai 和 John Doerr

关键结果（KR）是“可衡量的”

假设您的组织也吸收了OKR Kool Aid，您可能会遇到这个“痛苦的”准则：关键结果是我们如何“证明”我们的团队已经实现了目标，因此它们应该是可衡量的且无可争议的。

“关键结果必须是可衡量的。但是最后您可以看，没有任何争论：我是做了还是没做？” — John Doerr

建议关键结果不应为：

“二进制，它们应该是数字且可测量的”
“要完成的任务。关键结果是指标！”

可衡量的KR只是扯淡吗？

起初，我认为严格的可测量性只是生产力的教条，这是敏捷教练所宣扬的另一件事，因为他们自己的敏捷专家将其传递给了他们。但是，可衡量的 KR 确实可以帮助避免常见的目标设定陷阱：起初我以为严格的可衡量性只是生产力的教条，是敏捷教练宣扬的另一种东西，因为他们自己的敏捷大师把它传授给了他们。但可衡量的 KR 确实可以帮助避免常见的目标设定陷阱。

如果我们的KR变成了一个待办事项清单，我们就会被激励去勾选方框，而不是完成目标的意图。例如，如果我们的目标是 “烤出世界上最棒的披萨” 很容易做到： a) 买到好的食材 b) 找到一个砖砌的烤箱 c) 烤出披萨等等但在a,b,c之间有很大的回旋余地 “世界上最棒的披萨”

如果我们对任务发号施令，就会剥夺我们的团队为完成目标制定自己的解决方案的机会。给予团队创造性地独立解决问题的空间，是以人为本的绩效衡量标准的最大好处之一。

okr 的诞生与发展（中的可衡量不一定就）(2)

来源：tita.com专业OKR管理

挑战：

定义 “可衡量的 “关键成果（KR）说起来容易做起来难。即使经过多年的实践，我仍然在与 “我们需要做的事情 “而不是 “我们想要完成的可衡量的结果 “的冲动作斗争。

我的很多客户和团队成员也在与此作斗争。其根本原因是。我们的大脑更善于表达那些直接和熟悉的事物。就绩效目标而言，我们每天都在做的任务更直接、更熟悉，因此它们会首先出现在脑海中。但指标比较抽象和脱离，所以要从这些方面去思考，就需要努力。

这种挣扎是完全可以的。我们首先想到的 “任务”，只是我们的潜意识为我们真正关心的 “关键结果 “指明了方向。

而 “可衡量 “的关键结果并不是自然而然地出现，并不意味着我们不应该为之奋斗。正如Doerr所描述的那样，OKR 是人们需要锻炼发展的肌肉。

骇客：

有一天，聪明的Liz DeLuca和我正在研究OKRs，毫不奇怪，我们注意到许多团队的目标根本不是目标，而是任务。谈话转为内省（就像它经常会发生的那样）。 “为什么打破这个习惯这么难？为什么这不是更直观的？

在这个特别的会议上，我碰巧正在读道格拉斯·哈伯德（Douglas Hubbard）的“如何衡量一切”。除了提供完整的测量和决策哲学外，本书还提供了许多有用的策略来考虑测量。

作为一个实验，我们决定将Hubbard的一些方法应用到我们的目标设定练习中–经过一些试验和错误，它是有效的! 我们用这些方法成功地在不同的项目中定义了OKRs，从那时起，它就成了我的首选方法。

在定义关键结果时，不要与生成任务的本能作斗争，而应将它们作为一个起点，然后按以下步骤进行深入研究。

#1 问“为什么？” 首先，问 “为什么这个任务很重要？” 任务将完成什么？重复此过程，直到获得根本的结果。这有助于将目标分解为真正重要的结果。

#2 问 “我们将观察到什么？” 其次，对于来自＃1的每个结果，问 “如果这是真的，我们在现实世界中会观察到什么？” 集体讨论您可能在周围世界中观察到的各种可能的变化。

步骤：考虑一个目标 → 头脑风暴任务 → 问“为什么？” → 结果 → 问“我们将观察到什么？” → 观察到的东西 → 好的 KR。

让我们探讨一个基于披萨的示例。

目标：“烤出世界上最好的披萨”

让我们给自己一个含糊但启发性的目标，以测试这些技术。假设我们要“烘烤世界上最大的比萨”。

和大多数人一样，当我们想到 “烤出世界上最伟大的披萨是什么意思？” 我们马上就会想到我们需要做的任务。

任务：购买真正新鲜的食材
任务。在抖音上看200个与披萨有关的节目
任务：找到一个砖炉
任务：确定一个配方

当我们烤出世界上最棒的披萨时，事实上，我们可能会做上面列出的所有任务，但是这些任务都不能证明我们已经烤出了世界上最大的披萨。他们也没有为替代解决方案留出空间（例如，肯定有比“观看抖音”更好的学习方法）。

这些任务还不是很好的 KR，但是它们是一个不错的起点。我们只需要更深入地了解一些 “为什么？” 梯子。

技巧＃1：问 “为什么？”

让我们解开上面生成的示例中的两个任务。

示例任务1：为什么我们要“购买新鲜食材？”

“购买新鲜食材”任务很重要，这似乎很直观，但是我们期望新鲜食材对您有何影响？一些可能性：

新鲜食材会让披萨的味道更好。
新鲜的食材可能会让它更健康（或者说更健康？）
而且新鲜的食材可能有助于口感？

这些都是一个很好的开始。通过观察任务 “购买新鲜食材 “的潜在影响，我们已经确定了3个对我们的目标很重要的品质：”伟大的披萨 “意味着 “味道好，健康的，口感好”。

示例任务2：为什么“在抖音上观看200个与披萨相关的节目？”

尽管抖音肯定有200多个短视频，名人/大厨从做出最好的披萨，但花100多个小时观看抖音似乎是一条迂回路线烤出世界上最好的披萨。

但是，让我们继续吧。请记住，我们首先想到的任务只是潜意识的“怪异方式”，将我们指向重要的结果。那么，我们从狂欢观看烹饪表演中可以期待的积极影响是什么？

烹饪节目可帮助我们识别制作披萨的“未知数”
节目可以帮助我们了解比萨的不同品种（以及比萨制作工艺的细微差别）
它可以帮助我们学习新技术，而无需重新发明轮子

我们越来越近了，但它们仍然遥不可及。所以我们问 “为什么？” 再次。

“识别’未知的未知因素'”将如何帮助我们烘焙出世界上最伟大的披萨？这样，当我们尝试为自己做披萨时，就不会感到惊讶。如果我们邀请朋友来吃披萨，我们要有信心能提供一些可食用的东西。我们希望有一个可靠的过程来烘烤披萨。

了解披萨的细微差别 “如何帮助我们烤出世界上最好吃的披萨？也许是因为它能帮助我们烤出更美味的披萨（这就是我们第一个例子中的美味结果）。

“不重新发明轮子 “如何帮助我们烘焙出世界上最伟大的披萨？这意味着我们不需要花30年的时间为自己学习技巧，我们只需要向前辈伟大的披萨厨师学习就可以了。我们不需要花一百万年的时间去学习。

啊哈！现在我们有一些真正的结果……任务 “在抖音上观看200个比萨烹饪节目 “的真正目的是：学习都是有责任的过程，烘烤美味的比萨，并快速学习。

重述示例1和2：

如果以下结果为真，我们就知道我们完成了我们的目标（烤出世界上最好吃的披萨）。

披萨很好吃
很健康的
口感好
我们有负责的流程，准备的都是披萨。
我们没有花一百万年在这上面。我们很快就学会了。

这些都是好的结果。我们已经将 “烤出世界上最好吃的披萨 “分解成了我们关心的5个组成部分；至少这些会帮助我们围绕影响力来调整我们的团队（而不是命令任务）。

但这些结果仍然不是可衡量的 KR。我们如何量化这些结果？

技巧 #2：问“我们会观察到什么？”

下一个技巧来自“如何衡量任何事情”，道格拉斯·哈伯德（Douglas Hubbard）认为，如果一项结果值得追求，那么它必须具有可观察到的效果。

“首先，我们认识到，如果X是我们关心的东西，那么根据定义，X必须以某种方式可检测到。如果这些东西无论以任何方式直接或间接地都无法被发现，我们该如何处理诸如“质量”，“风险”，“安全性”或“公共形象”之类的东西？如果我们有理由关心一些未知数量，那是因为我们认为它以某种方式对应于期望或不期望的结果。

第二，如果这个东西是可检测的，那么它一定量就可以检测到。如果您完全可以观察到事物，那么您可以观察到更多或更少……如果我们可以观察到一定数量，那么它必须是可测量的。”

— 道格拉斯·哈伯德（Douglas Hubbard），“如何衡量一切”

如果我们的KR与某些理想结果相对应，我们应该能够观察到这些结果的某些影响。那么，我们在世界上可能观察到哪些表明关键结果已完成？

如果您遇到困难，哈伯德提供了一项思想实验，您可以尝试：

“想象一下，你是一个可以克隆……整个组织的外星科学家。假设您正在调查特定的快餐连锁店，并研究特定的无形“员工赋权”的影响。您创建了一对相同的组织，称一个为“测试”组，一个为“控制”组。现在，假设您为测试组提供了更多的“员工授权”……您想像一下，您实际观察到的（无论是直接还是间接的任何方式）对于测试组织而言将有所改变？”

让我们来试试上面的每一个结果。

好吃：如果我们烤出了一个真正美味的披萨那么我们可以观察到… 即使是披萨爱好者也说他们喜欢。我们看到人们选择我们的披萨而不是其他披萨。
健康：如果披萨是健康的，那么我们可能会观察到… …我们吃完披萨后不会觉得自己陷入食物昏迷。我们计算出我们食材中的#卡路里比其他披萨的卡路里低。
口感很好：如果披萨的口感很好，那么我们可以观察到… … 当人们拿着一块披萨时，我们不会看到奶酪滑落。我们不会在为一群人服务后看到一堆油腻的盘子里面还剩下没有吃完的披萨。
可靠的流程：如果我们有一个可靠的过程，那么… 当烹饪测试比萨饼时，我们的垃圾桶不会被烧焦的比萨饼填满。每个披萨都需要同样的时间和原料。我们从来没有感到惊讶。

学得很快如果我们学得很快，那么… … 当我们计算我们花在这个项目上的时间，它不是太多天。

对于每个KR，我们现在都有一些可以观察到的选项。那么，我们应该使用哪些观测值来定义KR？

一个考虑因素：实际测量观察结果有多难/多贵？例如，为了测量美味的目标，我们可以花5万块钱雇一家研究公司对披萨进行双盲-安慰剂-验证-焦点-分组，参与者人数为n=300。或者我们可以赞助一些见面会，给他们送去我们的披萨 2个有竞争力的披萨，看哪个披萨先被吃掉。由于我们可能并不是想把这些结果发表在同行评审的披萨杂志上，所以前者可能是矫枉过正。后者也许不那么精确，但它要便宜得多，而且还是一个公平的信号。

回顾：

我们最初的目标是 “烤出世界上最好吃的披萨”，并列出了一系列最重要的任务。通过《技巧 #1》，我们问 “为什么”，将这些任务转化为我们关心的结果（美味、健康、口味不错、可靠的过程、快速学习）。然后，通过《技巧 #2》，我们进行头脑风暴，并选择我们可能看到的观察结果，如果结果是真实的。

最后一步是把所有的东西放在一起，为观察结果分配目标。这可能看起来像…

目标：烤出世界上最棒的披萨