绩效分析在数据分析领域占据着核心地位，也是最容易展现价值的环节。绩效指标如同驱动业务部门前进的指挥棒，是企业管理层最关注的焦点。数据分析要想获得领导重视、驱动业务增长，通过绩效分析来辅助管理层决策无疑是最直接有效的方式。
绩效不仅是衡量业务表现的标尺，更是资源调配的重要依据。当数据分析能够清晰呈现绩效成果时，自然能为企业战略提供有力支撑。
那么问题来了——如何才能做好绩效分析？今天我们就来系统性地梳理这个问题。
一、绩效分析常见误区
第一类：拆解下发流
这种模式在销售部门尤为常见：
1、老板直接下达指标，比如“完成一亿元的小目标”
2、HR挂起红底黄字的横幅“全员加速冲刺1个亿，不要性命要业绩！”
3、数据分析师将这个目标简单拆分到每个人头上
4、最终演变成全员营销！所有人铆足干劲往前冲！
这种简单粗暴的做法在职场中相当普遍，也因此备受诟病（如下图所示）。
图片
第二类：综合评估流
常见于运营部门：
1、开场就高举“绩效要综合、全面、科学评估”的大旗
2、评估指标列出一大堆：DAU、转化率、客单价、满意度，恨不得把所有指标都用上
3、考评方法也搞一套组合拳：AB测试、自然增长率、非活动增长率，能用的方法全用上
4、最后开始数据运算！哪个指标算出来收益最大就用哪个，谢谢配合
这种方式过于投机，经常引发老板与部门、部门之间的争执……
图片
第三类：你再看看流
多见于产品部门：
1、“上个AB测试看看”是他们的口头禅
2、除了“上个AB测试”，对于“提升用户体验”“优化运营效率”这类口号
3、很少提出量化标准，期望从多少改进到多少，也没有个准数
4、总之就是“你上个AB测试看看”，把各类指标都计算一遍
5、最后，哪个指标改善得多就报哪个上去，搞定！
这种方式往往让人无所适从，因为本质上他们缺乏明确目标，也无法解释指标差异的原因。
图片
那么，我们应该如何避免这些问题呢？
二、绩效分析模型搭建思路
本质上，绩效是驱动业务最有力的鞭策。正因为是鞭子，所以必须谨慎使用：
太过刚性，容易让一线员工产生抵触，只看结果不计代价；太过宽松，又会鼓励数据造假，浑水摸鱼粉饰太平。如果只给压力不给方法，既无法挽回业绩，又会引发团队不满。
这种需要在激励与约束间找到平衡的特性，要求我们在设定绩效目标时充分考虑可行性与合理性。基于此，需要把握以下要点：
1、聚焦少数核心指标
2、区分进取型指标和保障型指标
3、目标与方法相结合
4、监控结果与监控执行同步
这样才能准确制定出切实可行的绩效目标。具体操作可以分为四个步骤展开。
三、绩效分析模型搭建流程
第一步：明确主绩效指标
确立主绩效指标时，需要遵循三大原则：
1、服从整体战略，将宏观目标量化
2、选择越多越好的指标（而非简单设定底线）
3、数量要精简，聚焦1~2个关键指标，避免分散精力
诸如“争取新一轮融资”“冲击行业第一”之类的表述，都是纯文字描述。明确主指标的过程，就是将文字描述转化为数学描述的过程（如下图所示）。
图片
第二步：补充副绩效指标
确定主指标后，需要各部门承接相应的子指标。在主指标落地的过程中，由于部门间存在分工差异，因此要先根据各部门职责进行任务分工和指标划分，这样才能有效减少后续扯皮现象（如下图所示）。
图片
各部门在承接任务时，可以根据本部门工作性质，增加副指标。增加副指标通常是设置保障型指标，比如“不低于XXX”一类。设置副指标的目的，既可以避免一线蛮干，又能保持业务均衡发展（如下图所示）。
图片
第三步：根据目标VS现状差距，制定落地策略。
各部门有了主指标+子指标后，就能基于目标与现状的差距制定部门级整体策略。整体策略主要解决"只抽鞭子不给方法"的问题。制定整体策略时，需要为方案落地提供三方面的支持：资金、人力、技术。
作为下属，最怕的从来不是上级分配任务，而是没有任何配套支持。所以在一开始，就需要对各部门执行能力进行充分评估，并且需要运用标杆分析法了解各部门能力差异（如下图所示）。
图片
有了这些支持以后，再进一步区分是通过：
1）扩大资金投入
2）提升业务能力
3）追加人力投入
来实现目标。这样做不仅让制定的绩效目标更具可行性，而且能为后续跟踪绩效提供重要线索：
遇到问题，先检查资源是否到位如果资源到位但仍无法达成，再检讨策略问题
第四步：监控执行进度 & 绩效达成
有了充分的前期准备，在执行过程中就能按图索骥，监督执行效果了。前期准备充分，后期监控起来就非常轻松。分析绩效达成情况也很省心省力（如下图所示）。
图片
四、绩效分析背后的深层问题
看到这里可能有同学会好奇，既然有理想的方法，为什么很多企业还是搞得一团糟？因为绩效涉及利益分配，所以人为干扰因素很多（懂的都懂）。同学们可以结合自己企业情况，稍微做得好一点即可。对大部分同学而言，上述第三步是关键：基于自己的部门，评估清楚标杆在什么水平，ROI在什么水准。
