1.3 指标如何驱动数字化经营
1.3.1 指标与企业数字化的关系
指标是业务逻辑的凝练，是业务对象的数字孪生，是管理决策的指引，是管理协同的窗口。企业开展数字化经营，指标是重要的驱动力，而数字化经营的成果也会第一时间反映到指标上。
1.指标之于数字化技术基建
指标是数字化技术基建的直接成果，反过来也是衡量数字化技术基建水平的十分重要的工具。一个良好的数字化底座，将业务运营过程中产生的所有数据进行有效的定义、记录、生产、加工，最终输出为可供企业管理和业务经营场景消费的各种指标。指标就是数字化技术基建对外赋能的一个载体和方式。
2.指标之于数字化企业管理
指标体系是管理决策的指引，是管理协同的窗口。数字化企业管理的核心是：以指标为决策指引，从原来以经验驱动的人治管理决策体系，跃迁至以数据驱动的科学管理决策体系；以指标为协同窗口，从原来以领导威权导向的协同体系，跃迁至以目标共识和过程双赢为导向的协同体系。使用指标的熟练程度是衡量一家企业数字化管理水平高低的重要标准。
数字化管理水平高的企业是什么样的？一定是善用指标来管理企业的。指标作为加工后的数据资产，是凝练了业务逻辑的企业数据“血液”，这些“血液”在企业的各个“毛细血管”中的流转越活跃，企业的数字化管理水平就会越高，生命力就会越强。
3.指标之于数字化业务经营
指标是业务对象的数字孪生，是业务经营的度量和反馈。数字化业务经营的核心是：以指标为数字孪生，对企业业务对象（客户、产品、渠道、员工等）实现深度的数字化刻画、洞察和预测，从而更好地调动各个业务对象的潜能来实现业务目标；以指标为度量和反馈，清楚了解各个业务经营流程的最新动态，从而更好地设计、执行和迭代业务经营策略，构建业务运营能力来达成业务目标。
1.3.2 指标驱动数字化经营的3项关键工作
如何用指标来驱动企业的数字化经营？以下3项工作至关重要：
● 设计企业的数字孪生指标体系。要用指标来构建一套企业的数字孪生指标体系，这是一个看似简单、实则复杂的过程，而且是一个持续迭代、永无止境的过程。一般而言，可以基于企业的业务价值流程来构建企业的指标体系，用这套指标体系来客观反映企业当前的业务进展和数字化水平。
● 达成数字化战略共识和明确北极星指标体系。要基于企业的业务战略来设计企业的数字化战略并达成共识，明确企业未来一年和数年要打的数字化建设必赢之战，以及日常要推进的数字化经营专题。达成战略共识后，极为关键的一步是将这些关键目标落实到企业的北极星指标体系，并用其指引企业的数字化经营。
● 构建以指标为核心的经营分析体系。要建立起一套基于科学指标体系的经营分析体系，来助力和督促数字化经营模式的落地，带动和培育指标化经营的意识以及全员看数用数的文化思维。经营分析体系的落地过程，其实就是数字化经营模式深入具体业务单元的过程，也是推动组织的各个部门甚至各个毛细血管级的业务末梢变革、向数字化体系靠拢的过程。
1.设计企业的数字孪生指标体系
经过良好的设计，恰当地反映企业的业务逻辑和度量经营情况，就是企业的数字孪生指标体系的价值所在。开启企业的数字化经营，第一个关键步骤就是将企业经营和指标体系紧密地关联起来，构建一个准确反映业务经营动态的企业数字孪生指标体系。
第2章将专门介绍如何设计企业的指标体系，在此之前，我们先通过一个简单的例子来了解什么是企业的数字孪生指标体系。图1-4是一个简化的指标体系示例，简要介绍了如何用一套简化的指标体系来反映一家以自营为主的全渠道零售企业的核心经营逻辑。
图1-4 简化的指标体系示例：全渠道零售企业经营逻辑的数字孪生指标体系
（1）以企业经营核心逻辑为基础构建指标体系
首先，一家进入稳定经营状态的成熟企业，其最终目标是为股东创造回报，那么净利润无疑是衡量其年度业务结果的一个关键指标。
其次，作为一家以自营为主的电商企业，其核心的业务逻辑是通过各种手段获得更多活跃购买客户，然后让客户在平台上买得更多、买得更好、买得更频繁。因此活跃购买客户数这一指标往往会被作为北极星指标。在这一指标体系中，我们要明确将活跃购买客户数作为北极星指标，并构建起净利润（企业财务结果指标）和活跃购买客户数（业务北极星指标）之间的指标网络关系。通常这种关系会用指标树的方式来拆解。
进一步，围绕活跃购买客户数这一北极星指标，企业要构建起一整套的关联指标体系，我们可以进一步下探到新客户和存量活跃客户。然后进一步将新客户指标拆解为访客流量和新客转化，将存量活跃客户指标拆解为老客数量和老客留存率。以此为基础，持续不断地向下拆解到各经营单元的毛细血管级指标。
（2）将指标关联至核心业务部门的日常经营活动上
业务过程指标的梳理要以业务运营逻辑为支撑，让具体的业务部门及其日常业务作业流程关联上这些指标。
比如，电商企业市场部的一个主要职责是为平台拉新，通过大量的广告投放、流量置换等持续引入新客户，所以新客户这个指标就成为市场部的一个核心指标。企业的平台运营部门负责做好App产品运营（内容化、直播、短视频等）和营销活动（大促、日常运营），持续运营存量客户，提升存量客户的交易频次和老客户的留存率。于是，活跃老客户数量就很自然地成为这个部门的核心指标。
这两个部门的日常工作流可以很清晰地对应到这两个核心指标上，从而很清晰地关联到企业的北极星指标和最终结果指标上。例如，618大促期间，市场部根据往年数据和今年新客指标达成情况，确定自己要完成多少拉新任务，这样在做每一场市场投放前，都能很清楚地设置新客转化的ROI指标，同时通过优化其广告链接的内容质量来提升点击率。从预热期到启动期，根据这段时间的引流效果数据，可以很快地决策在哪些ROI高的渠道上加大流量投放，在哪些效果不佳的渠道上关闭投放。这样就做到了指标与日常经营活动的紧密关联，使指标可运营和可执行。
经过上面这几步，就实现了企业从宏观的结果指标（净利润），到北极星指标（活跃购买客户数），再到一个具体部门某一场大促活动的广告投放流量ROI和点击率指标的贯穿。这样我们就在一条业务运营价值链上构建起了指标体系。按照类似的逻辑，我们可以进一步拆解客单价、订单频次等核心指标，并将其关联到企业各个部门和责任人的日常工作流中。在成本侧，指标体系的构建也可以按照类似逻辑往下拆解，形成整个企业全链路的指标体系。
当然，企业业务环节十分复杂，涉及的价值链条非常多，因此构建整个企业的指标体系来实现企业经营的数字孪生，要远比上面这个例子复杂得多。后文会专门介绍企业指标体系的构建方法。
（3）客观评估指标体系的合理性并持续迭代
设计数字孪生指标体系是一个高度复杂且需要不断迭代的过程，这意味着，我们要持续不断地校验指标体系的合理性，并在企业的不同阶段进行相应的调整，以反映当前企业经营的核心逻辑。在评估指标体系的合理性和持续迭代的过程中，要特别注意几点：
第一，注意指标的合理性。做评估时要确保我们选取的指标在业务意义上是有代表性的，而不是会引起偏颇认知或者不具有观测价值的指标。比如有的企业把用户标签数作为一个衡量自身运营团队对用户的精细化洞察水平的指标，于是就出现了一个怪现象，即系统中有大量的标签，但是真正准确有效、能帮助精准圈人的标签却很少，导致大量的营销活动未能达到预期的效果。这其实是企业在指标上只关注数量而不注重质量造成的。
第二，避免盲目追求单项指标数值。在做指标分析的过程中，我们不应单独看一个指标是越高越好还是越低越好，而要结合企业的实际来判断。比如在用户运营领域，日均运营策略下发人次这个指标不一定是越高越好，针对不同类型的企业，用户希望收到的与之相关的触达消息的频次是不一样的。比如用户通常比较反感药店经常向其推送各种买药信息，而更能接受一定频次的蔬菜水果电商类平台的优惠推荐信息。企业在实操时就要在营销平台设置不同的频控策略，以避免对用户过度打扰。因此，日均运营策略下发人次这个指标不适宜作为单项指标来追求高数值。
第三，注意关联指标间的相互制约性。任何运营举措都是有代价的，同样，任何指标的达成肯定也是以其他指标为代价的。因此，在客观评估企业指标差距和优势的过程中，不单要看某个指标，还要看那些如影随形的关联指标。比如，用户下单转化率这个指标其实是受到很多因素影响的，这个指标与营销ROI是相互关联和制约的。向用户提供更高的优惠折扣有助于提升用户下单转化率，但是优惠折扣不是越高越好，它会拉低营销活动的ROI。
如果一家企业每销售一件商品的平均毛利率是10%，那么想要不亏本，企业向用户提供的优惠券的ROI就不能低于10（100/10），即每投入1元的营销优惠至少要带来10元的增量销售，才能在毛利上弥补这1元的营销成本。这还没有考虑企业的其他经营费用。也就是说，如果在运营老客的过程中，运营团队设计了一场活动，向圈选出的目标客户下发优惠券以促进这些客户的转化，那么ROI≥10就是其资源“紧箍咒”，每给这些客户补贴1元，就要带来10元的下单金额。因此，这时客户下单转化率的指标就受限于另一个ROI指标，需要将两者结合起来看。我们在评估两场营销活动效果的时候，应该看在同样资源ROI的情况下，运营策略命中后客户的转化率水平孰高孰低。
2.达成数字化战略共识和明确北极星指标体系
梳理清楚企业的核心业务价值流和对应的指标体系，并且对于自身水平有客观认知后，就可以进入达成数字化战略共识和明确北极星指标体系的环节了。
（1）数字化战略屋是企业达成数字化战略共识的方法论工具
通常来说，企业可以通过“数字化战略屋”这一工具来在企业内部共同描绘数字化战略并达成共识，如图1-5所示。该框架展示了其主要构成：数字化愿景、衡量目标、主要战场、必赢之战和落地保障。
图1-5 企业数字化战略屋框架
这一框架其实也常被用到企业的很多其他战略规划工作中，算是一个相对通用的行业框架，在很多行业方法论或者案例中大家都会看到类似的框架或者其变体。但是当我们思考企业数字化经营的时候，有几个差异点是值得关注的：
第一，数字化战略和业务战略相辅相成。一般在制定数字化战略之前需要先有相对明确的业务战略的输入，数字化本质上是要辅助业务战略的达成，其中的主次不可偏颇。在企业本身业务战略摇摆不定、缺乏组织共识的情况下，数字化战略的制定会变得很困难，而稀里糊涂定下的数字化战略效果往往会大打折扣。
第二，数字化战略需要由北极星指标体系承接。不论是我们衡量企业数字化成功的目标，还是我们的必赢之战的目标，都可以指标化，成为北极星指标体系中可被观测和可被“做功”的具体指标。
第三，数字化战略的制定，不只是技术部门的事情，而是整个企业各个前、中、后台部门共同的事情。数字化战略制定的关键在于共识的达成，很多企业由于内部缺乏共识，面临业务部门和技术部门割裂甚至对立的问题，两边互相埋怨，业务部门说技术部门能力不行，技术部门说业务部门乱提需求。数字化战略制定的过程，其实也是一个拉齐各方认知，对数字化建设的重要性、现状、差距、方式方法、优先级、资源投入等各种关键议题达成共识的难得契机。因此这一过程往往会涉及多场圆桌讨论会，企业的各个核心角色都应该专门拿出时间来坐到一起，围绕数字化议题进行充分的讨论，以求达成共识。
数字化战略屋是一种相对常见的帮助企业内部达成数字化战略共识的工具，此外还有很多其他的方式让企业去推进数字化战略共识的达成，受限于篇幅本书不做展开。为了让读者更具体地了解数字化战略屋构建的逻辑，我们以一个虚拟的零售企业为样板，为其设计一套简版的数字化战略屋，如图1-6所示。对于这个数字化战略屋的解读，读者可以参阅后面的“延伸阅读”部分。
图1-6 零售企业数字化战略屋示意
延伸阅读
在这个虚拟的零售企业案例中，一方面，企业面临全国和区域的激烈竞争，不论是来自传统的线下零售企业，还是方兴未艾的新的零售业态（电商平台、O2O即时零售平台、便利店、折扣店、其他专业店等）。另一方面，消费端用户的行为习惯发生显著变迁，消费行为逐渐往线上迁移，消费渠道碎片化。这导致企业的传统经营模式面临很大的挑战，企业期待通过数字化来进行自我变革，以适应新的市场环境。
这家企业的数字化战略屋就是在这样一个背景下应运而生的（当时是2023年）。我们从上到下对其做个简单的解读。
（1）数字化愿景
该企业将自己的数字化愿景确立为“数字化零售企业”，希望通过技术来驱动企业的业务发展和创新，而且还特别强调了“全渠道”，说明它已经意识到要主动求变，不再只是做线下经营，也不是要变成一家线上电商或者O2O企业，而是要做融合了线上、线下全渠道的零售企业。
“业务发展”和“创新”这两个词明确了企业做数字化的业务落脚点，技术为业务服务，同时要引领业务的创新——这其实是将数字化的定位进行了明确。很多企业为了做数字化而做，有时甚至会陷入数字化需求和业务需求谁先谁后之争，根本原因其实就是没有弄清楚这两者的关系。
这家企业则处理得比较得当，在愿景中明确了数字化一方面要作为业务的辅助和赋能者，另一方面要作为业务创新的启发和引领者。另外，这家企业还为自身数字化愿景的定位增加了一个注解——“用户更喜爱的”，这既透露出企业对于新时代以用户为中心的零售经营业务本质的理解，又明确了数字化在促进企业对用户洞察理解以及用户精准服务方面的关键作用。
（2）衡量目标
该企业明确了数字化建设的目标，而且进一步将目标拆分为2025年的短期（2年）目标和2028年的长期（5年）目标。这体现了对于数字化建设的持续投入和对于数字化复杂性的认知。企业清楚地知道数字化建设并非朝夕之功，要保持战略定力和耐心。
在2025年目标中，该企业强调了用户、商品和执行系统这三大模块的数字化，而且明确要实现100%的数字化。这意味着，2年内该企业要能够精准地识别从全渠道来的所有用户，记录这些用户的消费行为数据并建立起完善的用户画像体系，做到用户的可识别、可量化运营。这往往是很多传统零售企业没能实现的：过去只要把店开到那里，客流就自动进店，企业并不清楚每天来的是哪些人，是老客还是新客，对于他们的历史消费行为、人口统计学特征、消费倾向方面的认知是不足的。
而实现用户100%的数字化，意味着企业也能像电商企业一样拥有对用户进行全面洞察和精准运营的能力。商品数字化标签体系100%覆盖是一项复杂的工程，意味着企业要建立起一套针对所有在售以及商品池中规划的商品（一般涉及10万甚至更多的SKU）的数据标签体系，从此每一种商品都有了清楚的画像体系，对于商品选品、商品上下架、供应商采购谈判、物流仓配的操作、消费者售后服务都能提供关键的信息支持——这一点连很多电商和O2O平台都做得不够完善，很多商品只有一些简单的保质期、包装特性、供应商等基础标签，有的企业因为商品主数据的治理不力甚至存在很多商品信息不准、标签错配的问题。
实现商品标签体系100%覆盖，意味着商品数字化能力的大幅提升，这家企业能够基于此进一步构建商品智能选品、人货场精准匹配、销量预测和自动补货、畅销自有品牌开发等关键零售企业能力，从而确立自身以商品为核心的差异化竞争优势。执行系统的全面在线化对于一个传统零售企业来说也是充满挑战的，很多企业的商品采购、上下架都是靠采购经理和店长口口相传，既缺乏决策的严肃性又缺乏系统的记录。有些企业即便上线了各种业务系统，但是一线人员的依从性很差，系统出于各种各样的原因闲置一边也没能完全用起来。
这家企业意识到要推动企业的数字化建设，业务流程和业务数据的在线化是必要的，只有这样才能持续积累数据和调优迭代，逐步迈向精益化的运营。毕竟零售本身是一个微利行业，要靠抓精细化执行在整个供应链体系提效的过程中“弯着腰一个子儿一个子儿地捡硬币”。
这家企业对2028年长期数字化目标的设计也很值得参考，它明确了4个核心业务指标，从长期来说，这4个指标都是能够由数字化建设推动提升的。
全渠道数字化活跃购买用户数，意味着在短期用户数字化目标的基础上进一步明确了用户数量目标，这无疑是一个与长期业务战略对齐的、考虑到单位活跃购买用户能够为企业带来的订单平均价值的指标，这很容易导向企业整体的GMV业务目标。
人效、品效、坪效（很多时候指的是流量效率）这三个指标的提升，其实是可以通过数字化提效来达成的（当然这是一系列数字化和业务策略共同作用的结果）。
长期目标里，这家企业还设置了一个定性的目标——“技术团队工作模式从需求被动承接型全面升级为主动赋能型”，这无疑呼应了数字化愿景中提及的对于数字化与业务关系的定位。
在大多数企业，哪怕是很多互联网平台企业中，业务团队占据着绝对的主导地位，技术和数字化团队被定位成职能部门和成本中心，主要职责就是承接需求，例如做个小程序，上线个运营活动落地页等。而且很多企业的数字化团队甚至连被动承接来自业务团队的需求都很为难，经常出现需求积压、系统出故障等问题。很多时候业务团队在等待数字化团队，数字化成为企业业务发展的瓶颈，更别提让数字化团队和业务团队携手并进主动赋能，甚至让数字化团队在一定程度上引领业务创新了。如果该企业在2028年实现了这一模式的转型，那么不难想见那时企业愿景中的“数字化零售企业”就算成形了。
（3）主要战场
在数字化的主要领域，该企业明确了3个必须长期深耕的数字化战场。
第一，用数字化来赋能全渠道用户体验。这是当前零售市场的一个重要命题，零售正经历从传统的以渠道/商品为中心到以用户为中心的转型。得用户者得天下，尤其是在线下零售渠道纷纷面临客流下降、消费者向线上迁移的背景下。难得的是，这家企业不仅关注通过数字化手段来拉新和促活，还将落脚点放在了用户体验上。要知道在很多电商企业过度营销造成用户不堪其扰的背景下，一家传统零售背景的企业能够回归用户体验的本质，同用户进行恰到好处的互动，提供让用户喜爱和欣喜的服务，这是多么清醒的经营理念！
第二，用数字化来提升人效、品效、坪效。这其实明确了数字化作为提效工具的工作重心，通过执行系统全面在线化、数字化和初步智能化来提升人效，通过数字化商品供应链体系建设提升品效，通过数字化营销体系建设提升坪效和流量转化效率。
第三，数字化技术底座的建设。这是数字化建设中的重要根基，有时候业务数字化速度快了技术底座跟不上容易出问题（反之亦然）。这家企业放弃了传统的自建机房和自己运维的做法，选择全面上云提升技术稳定性，并通过减少在这方面不合理的人力、财力、物力投入而节约成本。同时，该企业也意识到了一个良好的数据底座的重要性，要以为业务高效提供全面、精准的数据和经营分析洞察为目标，构建包括数据中台在内的数据底座。
（4）必赢之战
上面提到的三个领域是企业数字化长期投入的重点方向，那么具体到一年的时间内，企业又明确了哪些至关重要、一定要打赢的必赢之战呢？在必赢之战层面，数字化战略屋一般会写到关键举措的颗粒度，对最重要的、必须做的行动进行概括性的描述，供后续团队在学习、解读和拆解必赢之战时作为蓝本指引。
例如，这家企业的第一个必赢之战——“以用户为中心的运营和服务体系建设”明确了三个关键事项。
第一，建立海量用户的标签画像体系，而且强调了打通全渠道用户的OneID、实现对用户精准识别的重要性。只有实现了对用户数据的全面掌握和精准标签画像，后续针对用户特性的千人千面的精准运营才有可能进行。要完成这一举措，企业通常要建立起一套客户数据平台（Customer Data Platform）。
第二，建立端到端的用户触点管理和体验监测体系，优化用户旅程体验。这一过程要建立起用户互动和运营的阵地，比如App、微信小程序、微信公众号等，对这些阵地进行精细化的用户行为埋点，记录用户的行为数据和客户旅程。同时，接入短信、第三方平台广告触点、企业微信社群等各方面的消费者触点，并对全渠道所有与用户互动的阵地和触点进行统一管理，做好用户触点频控，对用户与企业互动的全链路的客户旅程进行优化，确保用户端到端的优良体验。
第三，建设全渠道用户运营中枢，实现个性化用户运营。对于企业来说，要对海量的用户进行千人千面的运营是个技术活，靠人力难以实现，往往要用到营销自动化的平台。
以上三个关键事项依赖于平台产品和运营体系的共同配合。零售企业一般会选择和数字化产品提供商合作，采购CDP、用户旅程管理和营销自动化平台；个别有强大技术团队且对技术成本不太敏感的企业（例如电商平台）会选择自建。
不难发现，这三个关键事项与三个主要战场的长期工作形成了一定的对应关系。此外，企业一年之内要做的数字化工作，尤其是例行的日常技术工作，其实还有很多，但是不一定都会作为必赢之战级别的事项给列出来。这也是在使用数字化战略屋这一方法论框架的过程中要注意的，不是事无巨细都写上来，而是聚焦在关键的几个攻坚战上。
（5）落地保障
最后，落地保障措施也是数字化战略屋不可或缺的部分，一般会包括组织、机制、人才等方面的内容，企业也可以根据自身情况酌情增加其他维度。这部分的一个核心理念是，数字化建设是集全公司之力共同去推进的战略，不单是技术团队或者某个部门的事情，而是企业的前、中、后台各个业务团队和职能团队要一起全力参与的。而且，数字化建设的成功落地有很多依赖项，如果这些依赖项得不到有效的支持，那么最终的数字化成效会大打折扣。
比如这家零售企业就深刻认识到了组织建设的重要性，重新梳理公司的组织架构和职责分工，进一步明确数字化团队和业务团队的协同界面，加强协同性，减少组织摩擦。同时该企业将产品经理在数字化建设过程中的作用提到了很重要的位置，让产品经理深入到业务当中，在深度理解业务的前提下帮助数字化素质相对较差的业务团队去梳理数字化需求，将业务需求转化为产品需求和功能设计，然后再给到研发团队做开发工作。这一方面很好地将数字化作为业务的左膀右臂，另一方面可以减轻无效业务需求泛滥带来的开发压力。
（2）基于战略共识，明确北极星指标体系
企业通过各种方式达成对于数字化战略屋的共识后，接下来企业要做的是，将这些数字化战略关联到企业的北极星指标体系。北极星指标是企业确保业务成功的关键指标。一般企业在一定阶段会有一个最为核心的北极星指标，各个分/子公司和业务单元会基于这个北极星指标去拆解自己团队的核心指标，进而明确自己团队的北极星指标及其关联指标。这样就形成了一套北极星指标体系。
以上面提到的这家虚拟的零售企业为例，其实在这家企业的数字化战略屋中已经明确给出了不少关键指标，例如全渠道数字化活跃购买用户的数量、人效、品效、坪效，以及全渠道用户数字化标签体系覆盖度、商品数字化标签体系覆盖度、执行系统在线化覆盖度等。这些指标其实都是承接企业的业务和数字化战略共识而明确下来的，在企业战略的落地过程中，会变成各个部门的北极星指标。
为了帮助读者更全面地理解北极星指标体系如何来承载企业的数字化战略，这里进一步对案例展开介绍。承接这家企业的数字化愿景“以技术驱动全渠道业务发展和零售创新，成为用户更喜爱的数字化零售企业”，我们可以进一步将它的北极星指标进行拆解，如图1-7所示。
图1-7 零售企业北极星指标体系拆解示意
整体来说，这家企业在成为数字化零售企业的路上有一个关键的数字化飞轮：更强的科技实力实现更高的经营效率，带来更好的用户体验和获得更大规模的用户，最终提升企业的业绩和价值。在这个整体逻辑的指引下，企业的北极星指标体系构建如下：
1）用营收和利润指标来衡量企业的业绩和价值。这是整个公司层面的北极星指标。
2）用全渠道数字化活跃用户规模这个关键指标来衡量这家零售企业业绩的根基，即通过获得更多的活跃购买用户来获得增长。这个指标就是业务部门的北极星指标。同时，新注册用户规模也被当成一个关键指标，通过拉新持续向用户蓄水池中导入“新鲜用户”。用户满意度有多重衡量方式，这家企业将客诉率、NPS（净推荐值）作为关键指标，同时把通过定期调研获取的用户体验反馈作为重要的观测手段。（严格意义上，这种“定性指标”不在本书所说的“指标”之列。）
3）按照数字化战略屋的思路，衡量数字化经营效率的关键指标确定为人效、品效和坪效。在这三项指标上，企业进一步明确了具体可执行的指标：通过人均GMV产值、人均利润产值来衡量人效；通过单品盈利、商品动销率来衡量品效，同时通过缺货率、损耗率和存货周转天数这三个指标来衡量商品供应链的效率；通过实体店每平方米GMV产值以及线上+线下全渠道单位流量产生的GMV（全渠道流量UV价值）来衡量全渠道坪效。
4）除了业务上的这些关键指标，该企业认识到要转型为一家数字化零售企业，自身的科技实力提升十分重要。数字化投入的绝对值和研发费用占营收的比重是衡量数字化投入的指标。同时为了从非业务角度衡量自身的数字化水平，该企业将技术组织与人才竞争力、技术文化与数据决策文化当成两个定性指标。
基于以上北极星指标，企业可以进一步围绕每个具体指标进行拆解，得到一棵指标树，将与之关联的过程指标梳理出来并关联到企业各个部门的工作计划中，从而形成北极星指标体系。这里我们暂不对具体部门的北极星指标继续往下拆解，后文会有指标体系拆解的更多示例。
3.构建指标驱动的经营分析体系
近年来，构建经营分析体系越来越受到企业的重视，这种趋势从善于用数据驱动业务发展的互联网企业逐渐向各行各业扩散。下面先通过分析传统企业经营分析体系缺位的弊端来让读者了解经营分析体系的内核，然后具体介绍如何构建指标驱动的经营分析体系。
（1）传统企业经营分析体系缺位的弊端
以往很多传统企业在经营分析体系方面是缺位的，只有一个总裁办或者战略部，在年初制定业务战略和年度目标的时候，基于历史经营情况和当年的外部环境进行分析与预测，从而确定年度的营收、利润等总目标。然后让人力资源或者财务团队按照这个总目标与各个业务单元沟通，设定分、子业务单元的具体目标。在执行中，一般按照月度或者季度，让数据分析团队提前准备业务数据或者让各个业务团队自己报数，企业领导定期开会复盘一下经营情况。
经营分析体系的缺位往往会带来以下几个问题：
1）企业KPI体系设置得不科学、不合理。
很多传统企业的总目标是由董事长或者CEO拍脑袋定的，一路摊派到每个部门和团队，缺乏科学的论证过程。有的团队为了迎合领导，轻易地做出各种承诺，由于缺乏严谨的测算，很多目标设置得明显不合理。
2）全员对于企业目标缺乏认同和共识，影响后续执行落地。
一家之言定下来的KPI目标其实是没有共识基础的。有的人并不理解其背后的逻辑，因而无法就公司的目标产生共情；有的人并不清楚这些数字是如何测算出的，因而无法将公司目标和自身目标关联，也无法将结果目标和可被影响的过程目标关联；有的人并不认同这些目标，但是没有反馈机制，于是对上阳奉阴违，甚至通过各种短期的业务行动进行数据造假。遇到这样的情况，战略执行落地的效果就可想而知了。
3）KPI目标的过程追踪和分析缺位，无法快速适应业务的变化。
确定目标之后就束之高阁，到季度或者半年再来复盘，这种方式其实是十分低效的。很多目标确定之后，通过一个月的试运行就能知道年底是否能达成，其中需要对周度、月度目标以及各种联动过程指标进行观察和分析。如果企业在经营过程中不能高频地去观察、分析甚至预测其核心业务指标的变动，那么其经营动作的敏捷度肯定是要大打折扣的。
4）容易错失业务发展和增长的机会。
经营分析的核心是通过经营数据的洞察去发现业务问题、找到业务增长的机会。企业没有经营分析的思维、体系或者团队，就很难通过业务数据背后的逻辑去洞察业务问题，甚至只能让业务负责人自主发挥。遇上好的年景和有才能的业务负责人，或许到年底还能有好的结果；否则，很多企业在年初就注定了年底的失利。
结合前文的分析不难看出，经营分析体系其实是推进企业科学化管理的一整套机制。它以数据驱动的方式，通过对数据的收集、整理、分析和预测，以业务经营的视角让企业管理者和各层级成员更好地理解和掌握自身的经营情况，设定科学、合理的经营目标，优化经营决策，做好精细化的日常经营管理，提高企业的综合竞争力。
（2）从企业组织、数字化工具和管理运营三方面构建经营分析体系
构建一套经营分析体系，需要在企业组织、数字化工具和管理运营三方面进行努力。
企业组织方面，需要建立起专门的组织团队来负责企业的经营分析。
通常可以在财务部下设一个经营分析部，汇报给CFO；或者在战略部下设一个经营分析组，汇报给CSO；或者直接在CEO下设一个经营分析部，相当于总经办/总裁办的一个升级。经营分析团队（经营分析部或经营分析组）的主要职责，就是站在企业的整体经营视角，以经营数据定量分析和经营指标科学管理为主要手段，主导企业的业务KPI设置和定期（周度、月度、季度、年度）的目标进展统计、分析、复盘，根据管理需要进行各种业务、财务专题的深入洞察分析，找到经营管理抓手和业务发展机会。
经营分析团队应该是企业内部最擅长利用数据和分析数据的那批人：他们既懂数据又懂经营，每天都在与数据指标打交道，从一个个数据指标的变化中洞察背后的业绩趋势和经营情况；他们在企业内拉起一根数据驱动的科学管理准绳，与企业家/职业经理人领导力驱动的“经验管理”相结合；他们扮演着管理者的“超级大脑”角色，像一台超级计算机一样为企业管理和关键决策提供持续的数据洞察和决策建议。
数字化工具方面，经营分析团队为了履行如此重要的职责，势必需要高精尖的“武器装备”的加持。通常，企业需要一套高效运行的数据体系，确保经营分析团队能够及时、准确、全面地得到相应的经营数据。许多企业会建立一套基于Hadoop架构的大数据平台+数据仓库+BI工具的系统，让经营分析团队能够通过数据工程师开发的数据集在BI报表中得到需要的数据和指标。
近年来，指标平台成为许多企业经营分析团队开展工作的重要工具，它不仅可以解决指标二义性、指标开发时效性等传统数据平台工具难以解决的问题，还能更灵活地满足高频的自助取数需求。更重要的是，经营分析团队需要对企业的北极星指标和业务过程指标进行科学、合理的拆解，关联到具体的业务部门KPI，并且还要高频地去复盘和分析这些指标的变动，这一过程也需要像指标平台这样的工具来支持。
管理运营方面，经营分析体系要搭建的是一整套管理运营机制。比如，企业KPI该怎么定？预算资源该怎么分？经营分析会议该怎么开？业务复盘该怎么做？这些都是经营分析体系构建过程中要逐步从管理运营上去建设的机制。
（3）指标驱动的企业KPI指标设计机制
我们以KPI设定为例，简单说明在一套科学的经营分析体系的加持下，企业的经营KPI应该如何设定，如图1-8所示。
图1-8 指标驱动的企业KPI设计
每年年初企业做战略规划的同时，会启动年度业务KPI的设定。这个时候经营分析团队会主导整个过程。首先有个自上而下的战略拆解的过程。企业决策者和核心管理团队会对企业当年的业务发展战略进行解读，结合外部行业情况和宏观经济预判，提出企业的整体业绩目标和关键北极星指标数值上的期待。经营分析团队接下来要对这些指标进行相应的测算和拆解，结合历史数据和外部数据，测算出相对增速和绝对值等，同时自上而下将企业的总指标按照指标树的方式拆解到各个过程指标和部门指标。当然这一拆解过程非常依赖于经营分析团队的专业性，经营分析团队需要对业务逻辑足够了解，对数据变化足够敏感，对过高或者过低的异常值能够做出客观的逻辑校验，等等。
在自上而下拆解的同时，经营分析团队还会主导一个自下而上的KPI提报过程。很多企业的经营分析团队不只是一个总部机构，还派驻经营分析专员去各个业务部门，作为各个部门经营分析方面的业务伙伴：一方面，作为经营分析总部的派出机构深入业务，对接KPI管理、预算管理、经营指标分析等各项经营分析工作；另一方面，作为各个业务单元的智力支持机构，帮助业务团队做好经营增长的洞察和业务策略。自下而上的提报过程通常是由派驻到各个业务部门的经营分析专员联合业务团队一起完成的，从企业这棵大树的每一个枝节自下而上地汇集相关指标，得到一个前线视角的KPI预期值。他们一般会根据一线更详细的市场信息做出更加实际的增长预估，也会通过各种手段收集到竞争对手一线的很多补充信息来检验很多假设的合理性。
经过自上而下和自下而上的两个过程之后，两套KPI指标会汇集到经营分析团队来做指标的合议和调整。这往往会涉及经营分析团队和各个业务团队的多轮沟通，达成一个既能在一定程度上符合管理层期待和业务发展规律，又能在执行层较好落地的状态。这个过程不可避免地会涉及传统企业常见的KPI讨价还价的问题，但更多的是数据的交锋和指标的逻辑测算。任何一个指标的拆解和预估，都需要有充足的数据逻辑规律的支持，经营分析团队内部、经营分析团队和业务团队之间会进行多轮交锋，最后胜出靠的不是话语权的高低而是指标的逻辑。这样一个逻辑驱动的合议过程，既要杜绝“艺高人胆大”的拍胸脯承诺，也要避免逃避KPI的消极怠工行为。
因此我们不难发现，企业的KPI制定是一件高度指标驱动的事情，需要企业基于共识的业务北极星指标去进一步构建关联到企业各个业务部门、毛细血管级的指标体系。同时，企业需要一个指标平台来有效地管理和呈现这些指标，并为企业的日常目标管理和分析提供支撑。
（4）指标驱动的经营分析会
接下来，我们再以企业经营分析会该如何开为例，为读者提供更多经营分析体系管理运营机制方面的借鉴。
很多企业在KPI定完之后，直到季度末甚至半年才会去复盘。不是说这些企业平常不开会，相反企业经常开会，但是开的都不是数据驱动的会，而是理念和情绪驱动的会。业绩不佳的企业，管理层在会上不断传递焦虑，把各个业务负责人轮番数落一遍，提出一些看似有理实则无用的主张和建议，然后业务负责人纷纷表示会后会认真学习、奋起直追，下个季度一定打个翻身仗。业绩较好的企业，管理层在会上畅谈各种诗与远方、各种模式创新和价值升级，业务负责人会后该怎么做还怎么做。还有的企业不论业绩好坏都喜欢开会，发表各种定性的业务评价和不够严谨的论断，开会成为企业管理层履职的主要手段，文山会海由此而来。
经营分析会其实不只是一个会议，还是一套以企业经营的北极星指标体系为核心的企业经营业绩复盘流程，也是一套企业经营议题从提报到讨论再到决策的过程。召开会议只是整个经营分析会的一个高潮环节，而会前要做很多准备和落实工作。下面是某互联网企业经营分析会的安排方式。
会议主题：××公司经营分析会
会议周期：每个月第一个周五下午
参会人：
固定全程参会人：CEO、CFO及经营分析团队核心专家、CTO及数字化负责人、CSO、CHRO、各个业务团队一把手及其团队一到两位核心骨干
可选半程参会人：本次经营分析会既定议题的核心负责人及直接关联方负责人
会议议题：
● 经营核心数据指标复盘（主持：经营分析团队）
● 异常经营情况应答（主持：经营分析团队；应答：各相关业务负责人）
● 专题（CEO指定议题或各团队提报，例如用户增长专题分析、预算超支情况专题分析）
● 分享（不定期安排，通常经营分析团队邀请外部高级嘉宾就时下热点议题进行分享）
优秀企业的经营分析会开得十分高效，半天时间就能完成。会议是数据驱动和议题驱动的，不做各种漫无目的的定性讨论和情绪表达。会上经营分析负责人直接打开公司的指标平台，展示公司和各个部门的核心北极星指标的完成情况，然后就异常的指标进行问询、分析和应答。这些指标是企业高管在会前就能直接实时看到的，而不是在会上最后一刻才揭晓，甚至会给大家带来惊讶的。
所以开会的重心并不在于汇报数据，而是达成对于业绩情况的共识以及分析数据指标背后的原因和制定下一步的行动方案。由于不需要业务团队提前准备数据和做PPT，全公司基于同一套北极星指标看数和分析数据，就避免了开会前各个业务团队去找对自己有利的数据分析口径和角度，准备大段定量和定性的说辞，以图混淆视听或者蒙混过关。所有人面临的数据拷问都是客观的，而数据异常背后的变量指标都可以在平台上下钻展示，哪个过程指标出了问题也都是显而易见的，业务负责人不会因为擅长向上管理或者汇报而通过说辞来误导视听或者推脱责任。当然这也大大节省了业务团队的时间和精力，他们可以把重心放在做业务而不是做材料和向上管理上。
全球电商和科技巨头亚马逊有一套类似于经营分析会的机制，也是围绕业务经营指标来开展的。
案例：亚马逊WBR
亚马逊采取每周业务复盘（Weekly Business Review, WBR）机制来进行业务经营分析，旨在提供一个更全面的看待业务的视角。在WBR会议中，核心议程是围绕指标展开汇报和讨论。
亚马逊将指标分为输入指标和输出指标两类。输入指标如商品类目、价格、便利性等，是可以采取措施来控制的。输出指标如订单、收入和利润等，这些指标很重要，但从长远来看通常无法可持续地直接控制。因此，WBR侧重于对输入指标的分析。
——《亚马逊逆向工作法》，Colin Bryar & Bill Carr著
因此我们不难发现，高效的经营分析会非常依赖于一套清晰的业务指标体系，还需要一个指标平台来承载这些指标，让组织内部的相关人员能高效甚至实时地看到这些关键业务指标的数值进展。这样能够大幅减少企业管理层达成共识的时间，确保大家对于业务现状的认知是一致的、准确的，同时也为企业分析问题和解决问题提供符合逻辑的、数据驱动的思路和洞察。
如果一家企业能够科学、合理地用指标驱动的方式完成以上4个步骤，设计企业数字孪生的指标体系，评估指标现状和优劣势，就北极星指标承载的企业数字化战略达成共识，落地指标驱动的数字化经营分析体系，那么它就已经开启了数字化经营的新范式。
指标和科学的指标体系凝练了企业经营的关键逻辑，也反馈了企业经营的关键结果，是驱动企业从经验驱动的传统经营模式向数字化经营模式跃迁的关键力量。那么如何设计一套科学、合理的指标体系呢？第2章会介绍一些系统性的方法论。
[1]VUCA是Volatility（易变性）、Uncertainty（不确定性）、Complexity（复杂性）、Ambiguity（模糊性）4个英文单词的首字母缩写，最早是美国军方用词，用于描述国际关系中的复杂性和不确定性，后来这个概念被广泛用于描述商业和社会环境。