如何根据自有数据设定 KPI 目标（无需凭空猜测）

一个站得住脚的 KPI 目标由三部分组成。第一，源自自身历史数据的基准线。第二，明确的数字提升机制。第三，一个区间而非单一数字。大多数团队会直接跳过这三点，直接在去年的基础上增加 20%。

这种走捷径的做法与其说是懒惰，不如说是缺乏依据。它得出的数字在复盘时没人能站得住脚，也无法据此制定计划，因为这个数字背后没有任何逻辑支撑。

本指南将介绍首先需要收集什么，如何手动构建目标，以及在什么情况下手动方式不再值得投入精力。

开始前的准备工作

您需要足够多的历史数据来观察正常波动。8 到 12 个完整周期是实际的最低要求，少于 6 个周期则会让这项工作变成多此一举的凭空猜测。

您还需要冻结指标定义。如果活跃用户的定义在 3 月发生了变化，那么 3 月前后的数据序列就是披着同一个名字的两个不同指标。

在进行任何计算之前，有三件事值得先确定下来。

周期。周目标和季度目标的表现不同。周度数据的噪点更多，因此周目标需要更宽的波动范围。

驱动因素。一个您无法施加影响的目标只是预测。写下团队实际会采取什么行动来推动该数字的变化，因为这些行动才是目标的真正核心。

上限。某些指标存在硬性限制。转化率不能超过 100%，而支持团队关闭的工单量也不可能超过收到的工单量。

在计算之前，还有一件事值得写下来：这个 KPI 目标是给谁看的。用于分配预算的目标与用于激励团队的目标，所需的置信度是不同的。前者应该保守，而后者可以包含一个具有挑战性的冲刺数字。

如何手动制定目标

方案 1：确立基准线及其正常范围

获取过去 8 到 12 个周期的数据，记录中位数而非平均值。中位数可以过滤掉某一周的异常波动，而平均值则做不到。

然后记录该区间内的最高值和最低值。这个跨度就是您的正常范围，也是整个过程中最有用的一组数字。处于该范围内的目标算不上目标，而超出该范围三倍的目标则只是空想。

如果数据序列具有季节性特征，请进行同口径对比。将今年 12 月的数据与往年 12 月进行对比，而不是与 11 月对比。

方案 2：先选定机制，再确定数字

从以下三种机制中选择一种，并说明您使用的是哪一种。

趋势延续。拟合近期的斜率并进行延伸。这适用于驱动因素稳定且没有发生结构性变化的情况。

产能。根据团队实际能做的事情来推算。人数乘以吞吐量设定了一个任何雄心壮志都无法逾越的上限。

缩小差距。以您已经实现过的最佳周期为目标，并力求更稳定地达到该水平。这是最站得住脚的机制，因为您有证据证明这个数字是可以实现的。

Only after choosing the mechanism should you write the figure. A number without a mechanism is a preference.

方案 3：在承诺前进行压力测试

询问要达成该目标必须满足哪些条件。如果坦白地说，这需要依靠一个已经停滞了一年的渠道，那么这个目标注定会失败。

然后进行反向检查。查看并统计历史上每一个超出该目标的周期。如果没有一个周期达到过，那么您就是在要求创造历史，计划中应该明确指出这一点。

最后，设定一个区间而不是一个具体的值。一个承诺值和一个冲刺值能向读者传递比单一数字多得多的信息，并且在遇到糟糕的月份时也更具弹性。

手动方式的瓶颈所在

制定第一个目标需要一个下午的时间。问题在于，目标从来都不是一劳永逸的。

每一个细分维度都会使工作量成倍增加。4 个区域 and 3 条产品线的目标意味着 12 条基准线、12 个范围和 12 次季节性检查。没人会每个季度都重新做一遍，因此细分目标往往是通过拆分总额来设定的。这就是为什么某个区域最终会分到一个它从未接近过的数字。

调整会让情况变得更糟。当计划在第 2 个月发生变化时，每条基准线都必须根据新的定义重新计算。这种工作非常机械化，而这恰恰是最容易被省去的工作。

此外还有一项隐性成本。由于重新构建的成本很高，上季度的 KPI 目标往往会被直接沿用。这样一来，这个数字描述的其实是一个已经不复存在的业务，而复盘会议也会变成对目标合理性的争论，而不是对实际工作的讨论。

结果可想而知。目标偏离了支撑它们的数据，复盘变成了争论这个数字最初是否真实可行。

如何使用 Powerdrill Bloom 设定 KPI 目标

步骤 1：上传您的历史数据

上传包含您逐期历史数据的文件。Powerdrill Bloom 会在导入时对列进行分析，因此数据序列中的缺失和不一致的周期标签会在扭曲基准线之前被发现。

步骤 2：用自然语言描述目标逻辑

询问组成部分，而不是直接要答案。要求提供过去 12 个周期的中位数和范围，按细分维度拆分，并标记出任何季节性模式。

然后直接询问机制问题。询问哪些细分维度已经超出过拟议的数字，以及频率如何，从而让缩小差距的目标有据可依。

步骤 3：导出图表、报告或幻灯片

导出基准表、显示波动范围的趋势图，或者可以附加到计划中的简短书面依据。

为什么这比每季度重新构建基准线更好

	手动方式	Powerdrill Bloom
每个细分维度的基准线	逐个手动处理	一次性获取所有细分维度
季节性对比	重新构建同口径对比窗口	直接请求同期对比
检查目标是否可行	手动检索历史数据	询问历史上超出该目标的频率
下个季度	重复整个过程	上传新周期的数据

改变行为模式的是第三行。当检查可行性只需要提一个问题时，您会检查每一个细分维度。而当这需要花费一个小时时，您只会检查自己已经起疑的那一个，其余的则在未经审查的情况下直接发布。

常见错误

在去年的基础上加上一个整数百分比。这背后没有机制支撑，因此没人能说清如何实现它。它还会继承去年所有的异常情况。

发布单一数字。单一目标掩盖了您实际面临的不确定性。一个承诺值和一个冲刺值在传递相同雄心的同时，也能在糟糕的月份里保持弹性。

忽视正常范围。处于历史波动范围内的目标无需任何努力即可达成，这会让团队觉得目标只是摆设。

仅针对滞后指标设定目标。营收目标无可争议，但也无法直接指导行动。应将每个滞后指标与团队本周可以推动的指标配对。我们关于什么是统计学显著性的文章介绍了过度解读微小波动的陷阱。

在周期中期更改指标定义。这会悄无声息地破坏对比的有效性，使目标在不知不觉中失去意义。要么冻结定义，要么重构整个历史数据。

设定无法按周衡量的 KPI 目标。如果数字只能在季度末得出，就没人能进行过程修正。选择周期内可观察的指标，即使它只是一个替代指标。

按人数平摊公司目标。这看似公平，却忽略了不同细分维度具有不同的基准线。一个转化率只有一半的区域需要的是一个不同的数字，而不是相同的数字。

结语

目标是一套逻辑，而不仅仅是一个数字。从您自己的历史数据中获取中位数和范围。明确能提升该数字的机制。检查该数字在历史上被超越的频率，然后发布一个区间，而不是一个具体的值。

阻碍这一实践的是每个季度的重新构建，尤其是在细分维度成倍增加之后。如果您的规划时间都花在了这上面，不妨对您的历史文件尝试使用 Powerdrill Bloom。另请参阅我们关于如何通过电子表格构建 KPI 仪表盘、什么是数据仪表盘、运行描述性统计的指南，以及 auto insights 页面。

常见问题解答

在没有历史数据的情况下，如何设定 KPI 目标？

使用产能机制代替趋势预测。计算出团队实际能交付的成果，设定一个刻意放宽的区间，并将前两个周期视为数据测量阶段，而非绩效考核阶段。

设定基准线需要多少历史数据？

8 到 12 个完整周期是实际的最低要求。少于 6 个周期则无法估算正常波动，这意味着您设定的任何目标都与凭空猜测无异。

KPI 目标应该是一个具体数字还是一个区间？

应该是一个区间。一个承诺值和一个冲刺值在表达相同雄心的同时，也体现了不确定性。此外，当某个周期的数据偏低时，它们也更具抗风险能力。

为什么“去年加 20%”是一个糟糕的目标？

它背后没有机制支撑，因此没人能说清采取什么行动才能实现它。它还会继承去年所有的异常情况，包括一次性的爆发式增长。

目标应该多长时间复盘一次？

每个季度复盘一次基准线，并在指标定义或计划发生变化时随时复盘目标本身。过于频繁的复盘会将目标变成预测，从而失去其规划价值。