5分钟搞定OKR工作法

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

作者： sitin

公众号： 涛哥聊Python

微信公众号：当程序员以后
关注可了解更多的开发技巧。

最近公司在大力推行OKR工作法，由于前一家公司有一些这方面的经历，去年年底给团队推广实行了一段时间的OKR工作法，所以今天下午简单给公司的基层管理团队做了一下这方面的分享。

借此机会写一篇OKR的总结，带你5分钟从入门到精通。：）

OKR是什么?

首先说一下OKR是什么？OKR(Objectives and Key Results) 全称「目标和关键成果」，是一套明确和跟踪目标及其完成情况的管理工具和方法。

OKR 这套系统最初由英特尔公司制定，在谷歌成立不久，被风投家约翰·都尔(John-Doerr)引入谷歌，并一直沿用至今。除了Google以外，现如今有很多公司在使用，国外Facebook，Twitter，Linkedin，国内我知道知乎，美洽，咕咚，明道等在使用。

通过这么多公司的使用充分说明了OKR方式的可行性，OKR在执行过程主要以季度为周期来进行管理。

通过PDCA循环 即计划，执行，检查，处理来不断反思总结，提升效果。

完整的周期应该是在季度初期我们会开「OKR会议」，「确定OKR」，「公示OKR」，中间会进行跟踪状态目标，季度末会进行反思复盘，进行打分等等操作。

整个OKR制定是从上到下，逐级进行拆分的类似金字塔式结构，最终拆分到团队或者个人OKR。

为了方便大家理解，分解后最终的OKR的样子通常如下：

O（目标）：打造业内最好的产品
KR1（关键结果 1）：可用性提高 99.5%
KR2（关键结果 2): API 响应时间 500 ms
KR3（关键结果 3): 0 安全事故

通过O（目标）来进行拆分出KR（关键结果），下一级别的O是上一级的KR，最终保证大家目标方向的统一。

为什么用OKR?

说完OKR是什么？那我们为什么要用OKR呢？它能够解决什么问题呢？

我觉得主要两个原因：

OKR让我们更「聚焦」更专注于我们的公司/团队的目标。

OKR「激活」了团队成员，让团队主观能动性更强。通过它能找出精英同学，拉动中间同学，影响落后同学。

通过对OKR的层层分解，保证我们目标的整体一致，不容易跑偏，保证从公司到部门大家方向尽可能一致。

大家可能对目标「跑偏」可能没有那么多感觉，之前有一项针对美国23000名员工调查中，只有37%的人知道公司计划做到什么程度；只有9%的人认为他们团队有清晰可衡量的目标。可见确保公司OKR一致性的重要和困难。

另外由于没有了纯粹的KPI考核，鼓励员工跳出「舒适区」，团队里面的成员会更加主动的承担那些富有挑战，超出能力范围的事儿，从而拉动和影响其他团队成员。不清楚舒适区的同学可以参看我前面的文章

工作以后，我们如何实现自我提升

看到上面的几点，很多同学就迫不及待的打算使用OKR了，认为OKR能解决一切问题，但是我想用软件工程里面常说的一句话：「没有银弹」即没有万能药。

OKR虽然能够做到「聚焦」目标，「激活」团队，让团队高效运转，但OKR更适合那种大方向性，那种不易于考核的团队，比如研发，业务支撑团队。

KPI适合那种精细化易于考核的团队比如销售同学，业务同学。

所以刘润老师在「五分钟商学院」形容 KPI是秒表，OKR是指南针 就是这个道理。

如何制定可行性OKR?

这儿为什么要加个「可行性」呢？难道我们拆分出来的OKR中KR不够具有可行性吗？你说对了，大部分新同学刚开始拆分出来的OKR的确有些不太合理，显得比较抽象化。

所以为了制定可行性的OKR需要通过一些工具规则来梳理。

制定可行性的OKR我个人认为至少满足两点：

遵循SMART原则

遵循五四原则

首先说一下SMART原则，SMART原则5个字母分别代表：

Specific（具体的）
Measurable（可衡量的）
Attainable（可实现的）
Relevant（相关的）
Time-Based（有时间限制的）

也就是说我们从上到下分解拆分的KR是一个具体可衡量，与之相关，并有一定时限的可实现目标。OKR鼓励我们跳出「舒适区」挑战一些自己能力范围之外的事儿，但是并不代表去做不可实现的事情。这里面大家要清楚明白一点。

其次我说的「五四原则」，这个其实我自己YY出来的。

五四原则指：不超过5个目标（O），每个目标（O）不超过4个KR（关键结果）。为什么要这么设定呢？

OKR强调的是聚焦目标，如果我们O或KR过多自己都会不清楚自己的目标或者关键结果，尤其是KR，很多同学一开始会把自己任务都一起写进KR中去，造成工作重点跑偏。

通过SMART和五四原则梳理后的OKR，才会更有可执行性。

OKR其他案例

OKR除了可以做目标管理，也有其他的应用场景。在《OKR工作法》这本书提到了用来改善我们的「最小可行性产品」，找出我们真正关注的目标和关键结果，以此来进行一个快速迭代试错，下面是一个通过一个二维四象限进行的OKR跟踪，大家可以了解一下。

OKR常见的问题和建议

常见的问题有哪些呢？

1. 如果OKR不和考核挂钩，那考核应该怎么做？

OKR本身是不和考核挂钩，如果要进行考核，可以进行360℃环评，通过多方「非」客观，最后变得客观起来。

2. 团队定的目标过低，怎么办？OKR需要100%完成么？

将各个团队或成员的指标进行「透明公开」，从而影响拉动制定低指标的同学。OKR目标制定，强调「挑战性」，让自己跳一跳，够一够能达到，通常来说70%完成就算是不错了。

3. 如果我们实施OKR了，那么KPI怎么办？

OKR和KPI不冲突，OKR关注的是目标管理，难以考核的岗位，KPI关注结果数据，易于考核的岗位，可以相互使用配合。

4. 如何确保持续开展下去？

OKR是需要管理层从上到下支持的，是一个PDCA戴明环，持续改进的过程，不是一天两天就能完成的，我们需要获得公司管理层支持。

一些建议

聚焦关键目标结果，less is more

OKR需要有挑战，不要和绩效挂钩，否则和KPI没有差别了

实时跟踪目标进度，避免目标进度走偏

自上而下兼顾自下而上，有来自管理层层分解出来的目标（O），也有来下级自己制定的KR（关键结果）

---

最后今天分享时间没有把控好，另外对全场把控力不太好，没有做到收放有序，这一点还需要反思提高，有一种「听了那么多道理，依然过不了这一生的感觉」，这就是知识和技能的区别吧。知识容易看书看视频习的，而技能的习的需要不断练习。今天的内容就到这儿，谢谢阅读。

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

感谢阅读

推荐阅读：

1：神器啊|想不想有一张明星脸，来看看用Python玩人脸合成

2：

我珍藏很久的网盘资源搜索网站和下载神器

3：程序员依然是这个时代，贫寒学子翻身的不二选择

4：

2018年Python爱好者社区历史文章合集（作者篇）

5：

2018年终精心整理|Python爱好者社区历史文章合集（类型篇