在管理中我們(men) 有“做正確的事情”和“正確地做事情”的考慮，在我們(men) 的度量能力建設上，也有“度量正確的事物”和“正確地度量事物”這兩(liang) 方麵的要求。

上次的文章中談到量化管理中的數據質量問題，即在進行各種分析之前，實際上存儲(chu) 的數據（例如在各個(ge) 管理係統、Excel表格）中的數據，是否如我們(men) 期望的那樣按照數據的規格定義(yi) 和質量標準進行收集和匯聚，是可信且可用的，並且組織是否對此相應地建立起數據質量的管控能力。這其實是關(guan) 注“正確地度量”的問題；如果我們(men) 再往前溯源，就會(hui) 意識到，我們(men) 的數據采集、分析以及基於(yu) 分析結果做出的各種決(jue) 策，都建立在一個(ge) 大的前提下，即我們(men) 設計的度量指標，是否是對的？是否能幫助我們(men) 了解真相？這就是“度量正確的事物”的問題。

這個(ge) 貌似沒有爭(zheng) 議的問題，其實是量化管理中比較容易被忽略的環節。一方麵，很少有企業(ye) 從(cong) 無到有的定義(yi) 其度量指標體(ti) 係，而是在某種程度上從(cong) 外部或內(nei) 部繼承下來的。是否組織或項目的目標匹配可能其實並沒有詳細考究過；另一方麵，如果有新增的度量指標，對這些指標也沒有投入足夠的精力去充分地分析度量定義(yi) 與(yu) 所謂的信息需求是匹配的，也就是說是否是最合適的。

其實建立度量體(ti) 係是應該投入精力的，在研發管理越來越數字化時代，度量體(ti) 係就是整個(ge) 研發管理體(ti) 係的基礎設施，一旦成型，其變更代價(jia) 是很大的。所以企業(ye) 值得反複斟酌，並應用係統化的方法指導進行度量體(ti) 係的製定，確保度量指標的定義(yi) 最大限度滿足管理信息需求，並且在收集、分析和使用過程中易於(yu) 操作，不容易可能出現導致數據質量問題歧義(yi) 和偏差。

“目標-問題-度量” (Goal-Question-Metrics, GQM），或者”目標-問題-指標-度量” (Goal-Question-Indicator-Metrics, GQIM)，是業(ye) 界在定義(yi) 度量比較常用的原則和方法，它建議從(cong) 業(ye) 務需求和目標（Goal）出發，確定信息需求（Information Needs）以及相應的度量目標，構建如何度量的概念（Measurement Concept）、度量指標（Indicator），以及更低層的衍生度量項 (Derived Measures)和基礎度量項 (Base Measure)。在整個(ge) 度量設計的過程中，確保定義(yi) 與(yu) 信息需求保持一致。 在具體(ti) 定義(yi) 指標、衍生度量項和基礎度量項的時候，應注意操作性的定義(yi) （Operational Definition）。想象一下，這是度量人員對關(guan) 鍵過程屬性進行度量時的依據的話，我們(men) 應該給出足夠清晰和細致的定義(yi) ，確保不同度量人員按照此標準進行度量時基本一致。這裏經常碰見的問題是組織級的度量定義(yi) 僅(jin) 僅(jin) 給出“概念性的定義(yi) (Conceptual Definition)”，而沒有具體(ti) 操作上的指導，例如誰何時從(cong) 哪裏獲取哪些數據等詳細的信息。結果是，雖然概念上正確，但操作起來可能五花八門。遵循操作性定義(yi) 的原則，可以最大限度減少度量偏差，進而確保數據質量。

當然，在這種方法論指導下進行自上而下的梳理後，也要結合企業(ye) 的實際情況進行度量的定義(yi) ，特別是企業(ye) 目前可投入的資源（工具、人力等）。定義(yi) 比較複雜的度量項時，應該慎重，充分評估實施此度量方案所需的投入再決(jue) 定是否實施。企業(ye) 應該遵循“寧缺毋濫”的原則，確保定義(yi) 的高優(you) 先級度量能夠充分的高質量的實施，而不是太多的“臨(lin) 時方案”，導致數據價(jia) 值的降低和將來需要重構和數據集成時的額外工作量。同時應該對重要的，但尚未具備實施條件的度量製定下一步的計劃。

CMMI模型的MPM實踐域對度量體(ti) 係建設的過程提出了一係列的最佳實踐建議，配合以具體(ti) 的方法論指導，企業(ye) 可以很好的保證度量體(ti) 係和度量數據的質量，為(wei) 量化過程性能分析和管理提供優(you) 質的數據。

此文轉載自CMMI研究院

編輯：陳吉吉
審核：白川