首页 > 其他分享 >大规模实施 OKR 的成功经验

大规模实施 OKR 的成功经验

时间:2024-09-03 12:03:15浏览次数:5  
标签:OKR 结果 成果 目标 大规模 成功经验 关键 我们

在大型组织中,通常很难制定和使用适当的 OKR。当然,你可以很快制定出一个周期、一年甚至更长时间的 OKR,但要制定出便于执行和衡量进展的 OKR,那就是另一回事了。

以下是我在制定好的 OKR 方面遇到的困难。

背景故事

前段时间,我们将 OKR 引入了一个相当大的组织。我们培训了一批志愿者成为 OKR 教练。研讨会为期三天,内容包括开始 OKR 教练之旅的一切所需–每一个事件、理论背景,以及如何形成好的目标和关键成果。我们详细阐述了从愿景到战略目标,从年度目标到周期目标,这些目标是如何层层递进的。开始时,一切看起来都很顺利。过了一段时间,在第一年,我们开始陷入困境。一些团队没有达到目标,另一些则过早结束。此外,引入 OKR 的目的之一是让我们专注于本质。然而,这种效果似乎并没有出现。许多目标的方向大相径庭。我们这些教练很清楚,我们没有与团队一起制定正确的目标和关键成果。

目标层次和匹配的关键结果

我们实施 OKR 是为了更好地执行我们的战略,专注于愿景和长期战略目标。

在实施 OKR 之前,我们的团队是这样工作的:

大规模实施 OKR 的成功经验

 

每个部门都有自己的子目标和子战略,并朝着不同的方向努力。这些不同的方向和战略、部门目标和分目标导致了组织内部的摩擦、效率损失、效果不佳,甚至冲突。

对于组织来说,要适应未来和适应性变得很困难。

引入 OKR 的目的就是要创造这样一幅图景:

大规模实施 OKR 的成功经验

我们希望引入 OKR 后,该框架能帮助我们专注于重要的事情而不是紧急的事情,并使我们与愿景和战略保持一致。

但经过一段时间的改变,我们感觉自己失败了。我们的目标和关键成果层级结构是这样的:

大规模实施 OKR 的成功经验

如果考虑到该组织由数百名员工组成,他们每天都在为产品工作,乍一看,这似乎很不错。但是,我们感觉到,我们之间仍未达成一致。一些目标很快就实现了,而另一些目标却从未完成。

因此,OKR 仍然没有与我们保持一致。我们仍然是各自为政,有太多不同的事情要做。究其原因,我们有太多的年度目标,分散了我们的精力,使我们无法集中精力实现愿景和战略。这些目标是为部门目标和战略量身定制的,最终导致目标不一致,优先事项不明确。此外,我们还有太多的周期目标,这使得参与者很难同时专注于一个目标。

解决这个问题的办法是减少年度目标。现在,我们没有机会推动部门战略,而必须在整体愿景和战略上保持一致。

大规模实施 OKR 的成功经验

 

制定目标

制定目标初听起来非常简单。从 OKR 开始时也是如此。但很快你就会发现不同类型的目标之间的区别。那些侧重于预期结果的目标和那些侧重于产出的目标。

“我们正在创建管理停车场的软件”。

– 这是一个关注产出的目标。

这些目标非常集中,没有启发性,也不是价值驱动型的。它们只关注交付已经计划好或至少可以理解的产出。

这种提法的缺点是,这些目标通常都是计划驱动的,没有考虑到用户的需求。OKR 是一种敏捷方法,应采用敏捷方法。重点应主要放在创造价值上。

一段时间后发现,这些 OKR 虽然完成了,但效果却不如注重结果的目标。

下面是一个以结果为导向的目标的例子:

“我们改善公司和员工的停车管理,减轻上下班的压力”。

这些目标可以激励团队,明确为什么要这样做,并把重点放在工作的原因上。这些目标还有助于团队以敏捷的方式开展工作,因为突然之间,重要的不再是工作、工作流程和产出,而是产出如何为用户创造价值和成果。

不过,这里也不能过于大胆,选择的主题也不能过于宽泛,否则就会失去重点。

因此,在这里确定方向并在一定程度上限制领域是有意义的。

下面是一个改进的例子:

” 我们运行最好的停车管理软件,让员工每天上下班尽可能轻松。”

因此,我们使用以下公式来生成好的目标:

大规模实施 OKR 的成功经验

总之,目标应具备以下特征。它们应该是:

  1. 人人都能理解
  2. 尽可能简单
  3. 包括 “为什么 “和 “是什么
  4. 不包括 “如何做
  5. 可在一次迭代(年或周期)中完成
  6. 有质量
  7. 目标远大
  8. 团队可以实现并施加影响
  9. 鼓舞人心
  10. 价值驱动

大规模实施 OKR 的成功经验

制定好的关键成果

制定好的目标已经够难了,但制定好的关键成果却更难。我们天真地以为这是件容易的事。但细节决定成败。制定里程碑或任务很容易,但制定衡量结果的关键成果却非常困难。更糟糕的是,我们发现领先指标和滞后指标之间存在巨大差异。回过头来看,这一点似乎显而易见,但在制定目标和关键成果的过程中却很难考虑到。

一般来说,关键成果应:

  1. 每个人都清楚
  2. 量化
  3. 可衡量/度量
  4. 成功的驱动力
  5. 雄心勃勃
  6. 引导正确的行为
  7. 具体

在第一年里,我们收集了不少目标和关键成果。作为 OKR 教练,我分析了这些关键成果,发现计划驱动型团队在制定目标时往往更像任务或里程碑。

这些糟糕的关键成果是这样的:

  • 每周写 5 篇报道
  • 收集 20 个数据点
  • 后台已完成

另一方面,也有一些非常积极的、以结果为导向的领先关键成果,比如这个由敏捷团队精心制作的关键成果:

“我们在测试版网站上收集到了来自大型连锁酒店的四份积极反馈声明”。

这就是 “输入-输出-结果 “和 “领先或落后 “之间的区别。

有趣的是,在回顾中,计划驱动型团队往往能达到 90% 至 100% 的目标。他们不承担风险,只在自己能看到的范围内制定计划,因此达不到那么远的目标。另一方面,以敏捷方式工作的团队制定的目标更加雄心勃勃,虽然只达到了 30% 到 70%,但产出和成果却大大提高。

关键成果层面的产出与成果对比

下图显示了这些不同类型的关键成果之间的区别:

大规模实施 OKR 的成功经验

下面是一些例子:

  • 滞后输入 – 在月底,我有了锅播系列的概念。
  • 领先输入 – 我准备好了本月 10 个播客的脚本
  • 领先输出–我每月发布 10 个播客
  • 领先输出有部分成果?- 我的 10 个播客至少有 100 名听众
  • 主要成果–我的 10 个播客至少有 100 名听众持续收听到最后
  • 领先投入–我每周撰写 3 篇文章
  • 领先输出–我每周写 3 篇博文。
  • 领先成果–我每月撰写 5 篇博文
  • 落后成果–我每月获得 100 名追随者
  • 领先成果–我每天有 100 名活跃读者
  • 滞后成果–我在月底收集到 100 份积极反馈声明。

领先指标与滞后指标

领先指标是你可以在周期内持续衡量的关键结果。它们要么是自动化的,要么可以非常容易地更新。

滞后指标是只能在周期结束时测量的关键结果。

相比滞后指标,我们更倾向于领先指标。

输入 vs. 输出 vs. 结果

输入型关键结果主要是任务。你计划做某件事,并说明你需要做什么。

输出关键结果指定了工件,它们可以被视为里程碑,应优先于输入关键结果。

结果关键成果说明目标的预期结果。我们总是尝试制定以结果为导向的关键成果,并讨论衡量这些结果的方法。

大规模实施 OKR 的成功经验

下面是我们正在寻找的一个例子:

我们在测试版网站上收集了来自主要连锁酒店的四条积极反馈意见。

这个关键结果背后的假设是,当我们获得主要连锁酒店的积极反馈时,我们就成功了。如果他们满意,我们就会让他们签署试用测试版的合同。这样就会有一个好的网站、满意的用户和满意的客户(又称连锁酒店)

因此,关键结果的首选模板是:

我们 + 行动 + 数字 + 结果(+ 假设)

最后的思考

在大规模运行 OKR 的过程中,我得到的主要启示是,过多的目标会适得其反。我们都必须在战略上保持一致,如果目标过多,这种一致就不会达到应有的效果。我们还发现,目标需要有一定的格式,并且偏重结果而不是产出。目标必须使团队能够敏捷地工作,而关键成果则必须定义和衡量这种结果。

 

大规模实施 OKR 的成功经验

 

标签:OKR,结果,成果,目标,大规模,成功经验,关键,我们
From: https://www.cnblogs.com/titaokr/p/18394291

相关文章

  • Apache DolphinScheduler大规模任务调度系统对大数据实时Flink任务支持
    转载自神龙大侠我是用olphinScheduler3.2.1版本做源代码编译部署(部署方式参考我的另外一篇文档《源代码编译,ApacheDolphinScheduler前后端分离部署解决方案》)二进制文件部署本文也适用,只需要修改相对应的配置即可。资源管理底层基座替换成hdfsFlink程序jar包是在资源中心进......
  • 深度学习应用 - 大规模深度学习篇
    序言在科技日新月异的今天,人工智能(AI\text{AI}AI)已成为推动社会进步与产业升级的关键力量。其中,深度学习作为AI领域的璀璨明珠,凭借其强大的数据处理能力和特征学习能力,正......
  • Tita的OKR:您绝对不能错过的 OKR 示例!
    作为孩子,我们经常被告知要“集中精力”学习才能取得成功。当我们进入企业界时,这种集中或专注的原则经常被忘记。研究表明,拥有具体的目标可以带来更高的绩效和成功的目标实现。令人惊讶的是,伦敦商学院进行的一项研究显示,在接受调查的11,000名高级管理人员中,只有三分之一能够列出......
  • 大规模预训练语言模型的参数高效微调
    人工智能咨询培训老师叶梓转载标明出处大规模预训练语言模型(PLMs)在特定下游任务上的微调和存储成本极高,这限制了它们在实际应用中的可行性。为了解决这一问题,来自清华大学和北京人工智能研究院的研究团队探索了一种优化模型中一小部分参数的方法,同时保持其他参数不变,以大幅降......
  • Python处理大规模数据集
    Python处理大规模数据集问题描述解决方法分块写入两个sheet代码实现:代码解释:运行效果:分块读取数据写到Excel代码实现:代码解释:总结问题描述最近的项目中需要处理接近160万条数据的Excel,并将处理结果写入新的Excel表。Excel一张表的数量上限是100万,直接写表会报错,而......
  • 金融科技行业 OKR 实用案例
    1.减少交易欺诈目标:降低数字支付系统中交易欺诈的百分比。主要结果:下一季度将欺诈交易减少25%。在80%的交易中实施先进的人工智能欺诈检测系统。将客户对可疑活动的报告增加30%。2.加强客户服务目标:通过提高服务质量来提高客户满意度。主要结果:在六个月内将客户满意度......
  • EasyCVR视频汇聚平台中的H.265技术:助力实现大规模高效流畅的视频监控应用
    随着视频监控技术的不断发展和用户对视频质量要求的不断提高,高效能、低延迟的视频编码技术成为视频监控系统中的重要支撑。TSINGSEE青犀视频旗下的EasyCVR视频汇聚平台凭借其强大的视频处理能力和对H.265技术的支持,在视频监控系统中展现出显著的应用优势。本文将详细探讨EasyCVR平......
  • 解码大语言模型奥秘!大规模语言模型:从理论到实践
    2022年11月,ChatGPT的问世展示了大模型的强大潜能,对人工智能领域有重大意义,并对自然语言处理研究产生了深远影响,引发了大模型研究的热潮。距ChatGPT问世不到一年,截至2023年10月,国产大模型玩家就有近200家,国内AI大模型如雨后春笋般涌现,一时间形成了百家争鸣、百花齐放的发展......
  • HR人力资源OKR示例
     ==尝试将Tita 做为您的OKR解决方案==O:提高内部员工敬业度和工作满意度KR1:开展9月每周五全体员工的会议与励志演讲主题KR2:采访36名员工,了解他们改善工作文化的需求KR3:在所有16个部门中使用OKR和Tita软件实施KR4:达到至少每周员工的满意度:4.7分 O:招聘工作推广......
  • OKR 如何激励团队有目标地工作
    最近,关于90后和Z一代对为目标驱动的公司工作的渴望已经写了很多。这很可能成为围绕工作场所将如何演变的决定性叙述之一,尤其是在人才争夺战持续的情况下。“带着目的工作“需要的不仅仅是一个鼓舞人心的公司使命,它是每个领导者必须积极培养团队的东西。在这里,我将介绍一个打破细......