吉宁讲师观点 / 培训讲师谈管理 / 培训讲师谈管理:你的成功可以测量

培训讲师谈管理:你的成功可以测量

吉宁博士 2015年12月12日 培训讲师谈管理

 选错了指标?

大约十几年前,我供职于一家金融服务公司时,一位高管交给我一个项目,让我深入了解一家公司的盈利能力。当时我所在的投资部门是靠收取投资经理的佣金和提成盈利,我们通过提供高质量的研究报告、达成响应交易(responsive trading)和促成上市来获得最大化收益。那时我们有几百家客户,其中最大的是一家共同基金公司。我们派研究员到各地出差,与他们的分析师和负责组合策略的经理们沟通交流,我们投入大量资金确保交易顺畅,还要深刻理解其在IPO股权分配中的重要性。那感觉就像讨一只800磅的大猩猩欢心—怕得要死还要强颜欢笑。

分析部门的盈利能力是我的职责之一。我们估算了一下每个大客户的成本,结果让人震惊并且违反常识:我们最大的客户,带给我们的盈利贡献反而是最少的。而中层客户比我们极力讨好的大客户让我们赚钱得多,因为他们不需要我们拿出那么多人力和财力资源。

怎么回事呢?因为我们犯了一个很多公司都会犯的普遍性错误:选错了指标。我们赖于对业绩进行评估的统计数据,更多地是基于销售收入的,与我们的最终目标盈利性严重脱节。所以,我们的战略和资源配置与寻求利润最大化的目标并不相符。这篇文章就是要揭示公司中普遍存在的错误—你的公司可能也在其中—被错误的战略驱动,从而做出不恰当的决策,进而损害公司的业绩表现。本文会告诉你如何为商业目标选取最恰当的统计数据。

被忽视的《点球成金》信息

迈克尔·刘易斯(Michael Lewis)的畅销书《点球成金》(Moneyball),讲述了奥克兰运动家队如何通过审慎地选取统计数据,打造了一支廉价但强大的队伍。此书出版近十年来,其商业价值已经被全面地分析过。但是,其中的教训还是没有被吸收和接受。公司还在继续犯同样的错误—选取错误的统计数据。

在奥克兰运动家队采用刘易斯叙述的方法之前,挑选队员靠的是星探的眼力,他们的评估办法主要“看”队员得分、传球、守备、打击和大力击球的能力。很多星探终其一生都在从事棒球运动事业,对运动员的潜力有很准确的直觉。但是靠直觉判断的衡量标准,没能有效地找到有潜力的队员,因为他们不考察队员在场上的位置因素。靠眼力判断一名球员的潜力可能会与数据分析的结果大相径庭,而数据才是更可靠的判断场上表现的依据。

过去,棒球队经理在得分能力上大多只关注一个基本的数值—平均打击率。做了适当的统计分析之后,奥克兰运动家队的决策者发现队员的上垒能力比其他的得分能力更重要。但在搜寻潜力球员的时候,相比其他方面,上垒率是被低估的因素。所以,奥克兰运动家队开始寻找上垒率较高的球员,不再像以前那样关注平均打击率,这就让星探靠直觉和眼力的判断变得不那么重要。奥克兰运动家队也不必花大价钱就能找到好球员。

很多公司高管在创造股东价值时,也往往依赖直觉选择相关数据。公司做权衡、进行管理和沟通协调的标准—通常称作“关键绩效指标”(KPI)—包括财务数据(例如销售增长率、每股利润增长)和非财务数据(例如客户黏度、产品质量)。我们可以看到,绩效指标和创造价值这个终极目标之间没有太直接的关系。很多高管仍旧看重和选取这些相关度较低的数据作为标准,就像用平均打击率来衡量得分能力一样。

老派的棒球星探们对这个行业有天然的直觉,但是他们没有意识到,直觉可能是错的,个人认知的偏见可能会导致决定的偏差。通过工作、教学和研究,我发现了三种与此种情况紧密相关的因素:自以为是、显而易见和固步自封。

自以为是 人们在判断力和能力上的高度自信往往与事实不符,就像大多数人都觉得自己驾驶水平不错一样。这种情况在公司也时有发生,斯坦福大学教授大卫·拉克尔(David Larcker)和布莱恩·塔扬(Brian Tayan)调查了某连锁快餐店,快餐店的高层认为盈利能力肯定与顾客满意度密切相关,进而认定员工流失率低会令顾客满意。一位高管解释说:“在我们看来这就是关键!”出于对自己直觉的信心,高管们都把工作重点放在降低员工流失率上。

当看到数据时,高管们大吃一惊,原来他们大错特错了:一些员工流失率高的店面十分赚钱,但其他一些员工流失率低的店却经营困难。

只有在恰当地统计分析那些关键因素之后,公司才发现只有分店经理的流失率与客户满意度相关—这是很大的差别。结果是,公司把关注点放在留住好的分店经理上,这一策略最终既提高了顾客满意度也提高了利润。

显而易见 我们在寻找原因和评估可能性的时候,经常依赖那些看似理所当然的因果关系。这种方法的基础是把记忆中的“类似情况”当作显而易见的根据。它导致的结果之一,就是我们经常过于看重最新得到的信息,可能因为这是脑海中闪现的第一念头。例如,高管们大多相信每股收益率(EPS)是衡量价值创造的最重要指标,主要原因在于很多其他公司的先例让人印象深刻:如果一个公司每股收益率超过预期,那么股票就会上涨,反之股票则下跌。对很多高管来说,收益增加是股价上涨的可靠原因,因为看到太多先例可以证明该逻辑的正确性。但是,在我们看来,正是那些“显而易见”的因果关系常常让人产生错误的直觉。

固步自封 和大多数人一样,高管宁可墨守成规而不愿面对变化带来的风险。固步自封是因为事先设计好了一条声称可以避免损失的路径,即使变革可能会带来更大的收益,也不愿更改先前的策略。这个问题带来的结果是,即使推动公司业绩发展的因素已经改变,高管也会抵制更恰当的标准,坚决不放弃旧有方式。以手机运营商为例,对后进入市场的新运营商来说,用户的签约率是衡量业绩表现的最重要标准。但是,对成熟的运营商来说,重点要从吸引新用户转移到服务老用户上,比如,增加服务项目或者降低解约率。墨守成规的惯性会阻止改变的可能性,最后高管们仍旧依据陈腐的统计方法管理公司。

思考因果关系

要决定哪些数据是有效的,必须回答两个最基本的问题。第一,你的目标是什么?竞技运动的目标,肯定是要赢得比赛。商业世界,一般是要创造股东价值。第二,什么因素能够帮助你达成这个目标?如果要创造股东价值,哪些做法能带来这样的结果?

之后,你要找到能够反映因果关系的可靠数据。定义可靠数据的两个特点是:稳定性,不同时间的两次相同行为产生的结果应该有一致性;可预测性,用数据衡量的行为和预期结果之间有因果关系。

衡量行为的数据应该具有稳定性,比如,一个短跑运动员,在两天之内的成绩应该相差不大。稳定的数据应该能够反映出个人或公司的业务表现是否由应用某种技能决定的,技能和表现之间有因果联系。

区分技能和运气很重要。稳定性必然是建立在持续性上的。在一种情况下,业绩纯粹是技能带来的结果,非常稳定,就像短跑运动员的成绩。在另一种情况下,业绩表现完全碰运气,稳定性非常低,就像转动赌博的轮盘,结果是随机的,第一次转动的结果与第二次的结果毫无关系。

有效的数据必须能够预测你想要的结果。回到上文的例子,奥克兰运动家队发现上垒率比平均打击率更能体现队员的得分能力。前一种统计方式中,上垒能力和得分之间因果联系比平均打击率与得分之间的联系更加稳定,因为这种统计方式考虑到了“四坏球报送”的因素——这是技能的体现。因此可以得出这样的结论:队伍的上垒率能更好地预测这支队伍的进攻表现。

我是不是像在普及常识?但是,公司依靠既不十分稳定也不具有可预测性数据的情况,比比皆是。在公司里,这些应用广泛的衡量标准并不具备因果关系,对制定战略没有意义,甚至也不影响获得充足的投资回报这个更宽泛一点的目标。

大多数公司的最终目标都是要长期为股东实现价值的最大化。现实一点的说法就是,股东投进公司的每一分钱都能赚回来更多。那么,高管应该选取什么样的数据来带领公司创造价值呢?没错,每股收益率是最常用的数据。弗雷德里克·库克公司(Frederic W. Cook & Company)通过对高管的佣金调查发现,近一半的公司会用每股收益率来评估公司业绩。斯坦福大学商学研究生院的研究员们也得出了类似的结论。金融学教授乔治·格雷哈姆(John Graham)、坎贝尔·哈维(Campbell Harvey)和希瓦·罗基戈帕(Shiva Rajgopal)调查了400名金融领域的高管,发现他们所在的公司中有三分之二在对外宣传时,都把每股收益率作为体现公司业绩表现的最重要数据。另外,销售收入和销售增长率也是衡量公司表现和对外宣传时常用的重要指标。

但每股收益率的提高真的会为股东带来更大的价值吗?不一定。收益的增长和价值的创造可以有一致性,但在增加收益的同时破坏价值的可能性也不是没有。当公司处于盈利状况时,收入比资本投入额高,那么每股收益率的增长对公司有利;当公司的收入与投资基本持平时,每股收益率的增长相对中性;当公司亏损,收入比成本还低时,每股收益率的提高对公司发展反而是有害的。尽管如此,很多公司仍然卑躬屈膝地为股东奉上逐年增加的每股收益率,甚至不惜以牺牲公司的价值创造为代价。格雷哈姆等教授发现绝大多数公司都宁愿牺牲长期的经济价值来换取短期的利益。理论和实践的调查说明,每股收益率和价值创造之间的因果关系十分牵强。类似的调查也显示销售额的增长与股东价值之间的关系也站不住脚。(关于收益增长率、销售增长率与价值之间的关系,详情请见图表普遍采用的衡量标准存在的问题。)

普遍采用

当然,公司也用非财务的标准来衡量业绩表现,比如产品质量、工作环境的安全状况、客户黏度、员工满意度和促销产品的客户配合度。会计学教授克里斯多夫·伊特纳(Christopher Ittner)和大卫·拉克尔(David Larcker)2003年在《哈佛商业评论》(英文版)发表文章写道:“很多公司并不试图找到能够影响战略发展的非财务因素。他们也不分析非财务领域的提升和现金流、利润或者股价之间的因果联系。”两位作者调查了157家公司,发现只有23%的公司做过大量的数据建模工作来确定各种因素之间的因果关系。他们认为至少70%的公司并不考虑非财务数据的稳定性和可预测性。十年之后,大多数公司在选择非财务统计数据时,仍然未能建立因果之间的关联性。

也不要过分悲观,伊特纳和拉克尔也发现:只要公司下功夫寻找决定衡量业绩的非财务因素,并考察其有效性,投资回报率就比其他没有这样做的公司高1.5倍。就像上文提到的快餐连锁公司,找到了决定其业绩的关键因素是分店经理的流失率,而非所有员工的流失率,公司成功地将非财务因素和价值创造联系在一起,这就为提升公司业绩找到了基石。

选取统计数据

以下的步骤能够帮助你选择适当的统计指标,来理解、追踪和管理决定公司业绩表现的因果关系。以密歇根大学文奇·纳加尔(Venky Nagar)和斯坦福大学的马达夫·拉詹(Madhav Rajan)分析的115家银行为基础,我将以一家零售银行为例,简明扼要地阐述其步骤。先把现行的标准和华尔街分析师、银行家的谆谆教导放在一边,拿出一张白纸按照以下四步进行分析。

1.定义你的治理目标

一个明确的目标是公司成功的关键,因为它将决定你如何配置资本。在自由经济体制下,创造经济价值是公司运营最合乎逻辑的目标。当然,有些公司会选择其他的目标,比如说,要打造一家百年老店。在这里,我们先假设这家零售银行属于一般情况—寻求经济价值的创造。

2.发展出一套因果关系理论,以评估达成目标所需的驱动力

最普遍接受的驱动价值创造的经济因素包括三方面:销售、成本和投资。在不同的公司中,更具体的驱动力包括:盈利增长、现金流增长和投资回报。

当然,财务指标无法涵盖所有的价值创造行为。你也需要分析非财务标准,比如客户黏度、客户满意度和产品质量,要确定这些非财务因素是否和财务有直接关联,并最终产生价值。正如我们在上文讨论过的,价值创造和财务、非财务标准之间的联系是非常多变的,必须依据具体情况逐一进行评估。

以零售银行为例,一般的理论是客户满意度带来客户对银行服务的使用,进而,银行服务的客户使用率是银行价值创造的驱动力。该理论把非经济因素和经济因素的驱动力联系在一起。那么银行必须拿统计数据来确定这种联系的可靠性,确定客户满意度能够带来更多的服务增值,使得银行能够得到更多的现金流和更高的资本回报率,这两个都是价值创造的指标。一旦发现客户满意度和投资回报率的关联性是稳定的、可预测的,银行就必须找到哪些行为可以带来客户满意度的提升。

3.确定雇员的哪些特定行为会对达成治理目标有帮助

这一步的目的,是把你的目标和衡量标准之间的关联性,转化为具体行为,而这些是员工可以通过控制使用相关技能达到的。员工的这些行为与你的目标之间的因果关系,必须是稳定的和可预测的。

在上一步中,银行认定客户满意度驱动价值创造(这是可预测的)。现在银行要找到客户满意的可靠驱动力。满意度调查显示,贷款利率、贷款审批速度和低效的柜台业务处理能力,都会影响客户满意度。因为这是在雇员和管理可控的范围内,具有稳定性。例如,银行可以利用其内部信息系统确保贷款审批过程更加快捷高效。

4.评估统计数据

最后,你必须定期重审这些能将员工行为和治理目标联系在一起的评估标准。因为价值创造的驱动力会随着时间的流逝而改变,所以你的统计数据和评估标准也必须随之而改变。举例来说,零售银行的客户群会随着该地区人口构成的变化而发生改变,所以这家银行也需要重新评估客户满意度的标准:当客户群开始年轻化时,对越来越多的数码玩家来说,柜台处理业务的能力越来越不重要,而网上交易的交互性和服务状况则变得越来越关乎满意度。

现在公司能够获取海量的数据来提高公司的业绩表现,但是高管们仍然纠结于传统的、有缺陷的标准。或许在过去,公司还能拍脑门做决策,忽视正确的统计数据,因为他们还能靠跟随行业“惯例”糊弄过去。如今,利用有效的分析标准和统计数据是竞争的必要条件。更为重要的是,在你的竞争对手之前找到并充分利用统计数据,将成为打造你的竞争优势的关键所在。(译/李钊)

迈克尔·莫布森是美盛资产管理公司(Legg Mason Capital Management)首席投资策略师兼哥伦比亚大学商学院(Columbia Business School)兼职教授,他以此文为基础撰写了《成功方程式》(The Success Equation,哈佛商业评论出版社即将出版)。

 

About 吉宁博士

真正的实战派企业培训师,长期致力于人力资本、公司行为、市场营销、企业战略及领导力发展等组织实践与研究,数十年来参与及主持过的管理咨询项目累计逾千次;受邀主讲过的各类企业培训课程累计逾万次。