前言

2020年全球最大的黑天鹅事件——“新冠病毒”的爆发,对线下集中办公工模式产生了巨大的挑战。

面对「如何通过远程办公进行跨地域协作」这一难题,各大公司使出浑身解数。少数公司甚至会有一些奇葩操作:有的要求研发工作时间全程开启摄像头;有的要求开通远程桌面,实时监控员工的电脑桌面;有的要求早中晚均需进行打卡汇报……各种“骚操作”不断,在网上一度也是被热议的话题。那么有没有什么办法能快速、明确地知晓研发办公的效率呢?怎么做到有效感知“效率”,而不是实时观察“人”呢?

现在许多公司项目管理团队逐渐从如何带好项目,渐渐转型为对团队的赋能和效能的提升。那么,如何利用数字化建立相对中立客观的效能度量数据,以便协助团队进行日常管理、帮助团队成长,同时也能在面对黑天鹅这种极端场景,依然可以有效进行协同呢?

一、效能数据体系

有赞作为一家致力于商家成功的SaaS公司,关注的不仅仅是研发侧的效能数据,更关注整个「商家」视角下的产品技术效能数据。因为对于客户来说,客户不会感知你设计时长、研发时长等各阶段详细时长,他们只感知到从销售、客服对接开始到最终交付的总时长。

因此我司统计的效能数据体系,主要四类:研发效能数据、设计&交互效能数据、产品效能数据、其他效能数据。具体可参看下图:

  • 研发效能数据:从研发生命周期进行各阶段节点取数。全面统计研发团队、个人,业务线等需求、项目研发周期效能数据。
    【人力资源透明】:相关的研发同学在系统上进行任务拆解拆分,完成任务工时占理论投入工时占比。

  • 产品效能数据:从需求生产周期各阶段的节点进行取数,从而可以间接统计产品同学效能情况。同时引入「产品故障」,提高产品同学从全局观来设计产品需求。

  • 设计、交互效能数据:从设计、交互同学接收到设计任务、任务排期、任务交付,整个过程进行了系统的记录。引入「设计故障」,提高设计同学整体从用户角度出发的设计理念。

  • 其他效能数据:主要包含了非标准流程中的相关数据,例如客服咨询、相关工单处理,人力资源透明度等。

而以上的各个阶段、各个维度的统计,离不开效能数据的基础——需求全生命周期

二、如何进行数据赋能

1、数据收集

根据各个时间阶段的数据节点取数、标签、业务线等相关数据收集,制定出基本需要呈现的数据指标,制作成效能数据大盘。

2、数据分析

2.1 实时观察

通过数据大盘,可根据趋势波动等实时观察各个团队的效能情况,例如疫情期间,每天实时像看股票大盘一般观察整体趋势变化,减少了对“人”的实时观察,实现了观察监控的是“效率”,化虚无缥缈的东西为切实可存在的观察数据大盘。
推荐使用场景:远程办公、异地办公等

2.2 数字化报告分析

在一定时间区间内,可根据观察的某些数据趋势,各种维度的数据可进行两两结合,从人、事、战略等角度进行分析,产出相关的数字化报告,从而更好地赋能团队、辅助决策。

1)交付赋能
通过对各个生命周时长、延期原因归类分析,通过月报等形式,可以帮助团队更清楚了解到自己的瓶颈在哪里,并给出相应的专业性建议,产生一系列的改进动作,以便各团队能够更好的成长。

推荐使用场景:各月度、季度、年度效率分析、交付效率瓶颈优化分析、各团队月会等

2)团队赋能
   需求插队的时候,如何快速知道团队成员的资源释放情况,安排最合适的开发同学呢?
   感觉团队负荷很重,如何有数据支撑来将“感觉”化为“确实”呢?
   面对大量的需求提出,如何知道自己的团队能否接得住、消化得了呢?
   业务想大概知道正常需求多久能够排上开发,上线的时候,如何有底气地回复呢?

结合排入率、人均负荷数、资源透明度等相关数据,可明确知晓团队当前资源负荷情况,结合待排入需求数等数据,利用当前的吞吐数据预测后续的团队的可支撑程度。
根据预期人均负荷程度和预计可支撑程度,分析团队团队成员缺口如何,可联系对应团队的HR和上级TL一起协商解决方案。

根据开发同学研发任务完成情况,整理出团队资源日历,在排入新的需求时可快速知晓资源释放情况,在新需求启动时快速排入相关释放成员
推荐场景:以上提到的需要明确数据支持的 人力资源分析场景、研发人员安排、需求排期等。

3)战略赋能
公司的战略、OKR的具体落地,可能最终是拆解为一个个的需求,那么如何保证逆向的流程(从落地的需求印证公司的整体的战略方向)没有走偏呢?

在公司建立一套和公司战略对应的价值标签,每个落地需求进行对应的价值标签标记,确认每个落地的需求都带有其价值,把精力聚焦在有价值的事情上。
在年度、季度、月度可反过来,将上线需求的价值标签进行数据收集,结合最初制定战略方向、OKR方向,便能够知晓是否有团队是否走偏。
当发现走偏后,分析走偏原因,是因为产品们对战略理解不一致导致,还是大家需求方向走偏导致,原因找到后,便可从上至下及时调整产品们需求收集、提出的方向,以便大家更好的落地战略、OKR。
推荐场景:战略方向复盘会、OKR季度复盘会、人力资源投入分析 数据

三、容易遇到的问题

在利用数字化进行一系列效能管理的同时,我们也有一些问题需要注意,以免误入歧途。

  1. 误入数据陷阱
    数据本身是没有价值和意义的,只有在分析数据背后的逻辑和原因、以及针对性地给出解决方案,才有价值和意义。如若企业整体缺乏效能意识,只有 PM 唱独角戏,上演“数据大搜捕”,而得不到利益相关者支持和行动的情况下,异化成“为了数据而数据”,只会误入歧途,走向伪专业主义。

    因为并非每个人都是专业的数据分析师,故而在进行整个数据赋能的过程中,容易出现带着结论去进行指向性数据采取与数据分析——即:从主观臆断去论证一个事实,比从一堆杂乱无章的数据中去发现事实更带有“偏见”与“欺骗性”,足以毁坏很多信任。大家需要客观地看待数据所反映出来的“事实”。

  2. 数据口径的统一
    在我们进行数据收集、数据分析时,从一开始就明确统一数据口径,是十分重要的,不然就会造成:大家都知道这个数据名词,但是因为大家的理解不一样,导致了最终落地方向跑偏,如果这时再来对齐数据口径或另创新词,就会花上更多的理解成本。

诚然,通篇讲了那么多的数据分析,但还是建议大家保持冷静和中立的态度,去看待数据分析及其带来的结果,数据仅是作为一个参考,就像是告诉你“答案仅供参考”罢了。每家公司各有千秋,重要的是,我们可以通过建立各种各样的数据体系,并合理利用这些数据,帮助团队成长、进行日常管理,赋能团队、赋能组织,即便面临“黑天鹅”事件,我们也能稳如泰山。

欢迎关注我们的公众号