频繁评估的意义

OKR的评价结果与传统的绩效考核是分离的，那OKR为什么还要不断的高频的评估吶？这是很多学员们的共性问题，OKR工作法的导入，让我们在日常工作中更加聚焦，协同，创造出更多的价值，这是OKR工作法部分本质的价值输出。

但是在OKR运行期间，我们确实要进行高频的跟进与评估，力求实施测量有效度，以及识别评估达成目标的方向感，协同人力物力进行必要的校正，直白的讲，OKR运营期间的评价，是给我们向着目标前进中的一部导航仪，是在全透明环境下，自我管理，自我问责的一种方式。

模块化与分段制

我们当下的组织规模越来越庞大，结构设计也越来越复杂，面对不断变化的外部环境，组织变革成为一个迫切的问题，我们组织的进化过程，从早期的农耕时代，家庭为单位的简单生产，到部落型组织，再到城市级组织，现在可以发展成为国家级组织，这一切的规模递增效应，带来更加细致的分工，也是大工业时代的特质，分工产生效率，合作缔造繁荣。

不仅仅我们的组织规模在迅猛扩张，我们的产品服务也变得更复杂，随着分工的更加精细化，我们的产品结构的复杂程度更是惊人的增长，例如，半导体应用，AI的算法等，我们面对这样的复杂性，在日常管理中通常采用模块化和分段制，模块化体现在我们的手机制造，汽车制造，家电产业等等，模块化是标准制式在规模经济中的杰作，分段化是将整合业务流程拆解成若干个环节，分层分级处理。在模块化与分段制的引领下，我们可以设计和控制更加复杂的装置和设备。

OKR评价的深层逻辑

然而在信息时代，我们面对和处理复杂性，已经远远超越了物理属性，今天我们身处于万物互联的时代，数据，算法，算力高度融合，无论是产品服务还是设备应用中，相互依存关联性极强，深刻的影响着我们的生活工作，我们面对如此复杂的系统，有些时候，很难实现有效的控制。例如：医院的多个系统是互通互联的，当出现故障的时候，我们很难快速找到是哪个程序或者哪行代码引发的问题。更直观的例子，1996年，阿丽亚娜火箭发射升空后爆炸，没人能明确说出原因，最终只有一个模糊的解释，没有一个供应商被追责和受到处罚。还有2007年丰田汽车的重大事故，汽车自行突然加速，刹车失灵，最终调查结果是软件的原因。因为系统设计过于庞大，极度复杂，，没有办法将责任明确归咎于某个设计和零部件。

OKR工作法应用中的采用高频短周期的评价测量，核心点在于我们面对复杂多变的外部环境和需求，我们将工作进展与目标进行比对和校正，集合资源与先进路径，刷新OKR，在实战中 ，不断提升自我，在能力的成长中设计并完成更加具有挑战性的目标，最终实现在较复杂的条件下，依旧可以保持稳定。

再谈OKR评价细则

我们前面提到过，OKR评价中有主观评价和客观评价，主观采用信心指数，初期OKR的信心指数在50%适中，随之实施推进信心指数会有所波动，都是正常现象，当信心指数在OKR周期内进行到中段（4—6周）的时候，突然出现断崖式下降，我们OKR的管理者应引起高度重视，KR的设计有效性会出问题。通常情况下，熟练的应用者，OKR的设计能力，通过信心指数是可以清晰反映出来的。

客观评价主要源于OKR的打分体系，优质的KR是可以实时测量进度和质量的，如果OKR不能经常性的打分，这个OKR就会变得毫无价值。KR设计原则我们遵循，能量化的就量化，不能量化的流程化，我们又将KR类型分成：正增长，负增长，区间型，基准线型，里程碑型，每一个KR都需要打分，若干个KR的得分，再经过加权平均法或者自行设计权重法，最终得出OKR的分值。有些KR是可以依据进度设计分值的，而有些KR的分值设计则不然，我们建议：

1，分值1.0对应非常困难，极具挑战，几乎不可能完成；

2，分值0.7对应努力后可以完成预期结果；

3, 分值0.3对应没有完成预期结果，与预期结果还有很大的差距；

4，分值0对应完全没有任何进展，原地踏步。

OKR评价的本质是一次自我认识，是一次前进中的测量，是一次设计思维与实战应用的再平衡，OKR的评价不论在实施周期过程中，还是周期结束后的，都与绩效考核分离的，因为它属于价值创造阶段，OKR评价体系是一套坐标系，它让我们每一个OKR应用者，在公开全透明的环境下，实现自我负责，体现出OKR倡导的责任感的文化基因。

一，落地手册

在本节落地环节中，重心放在训练和主观能动性上，传统的管理都是领导告诉我们做什么，怎么做，达成什么样的结果。在数字化的时代，很多场景都变了，需要员工开启脑路，充分想象，试错迭代，才可以一步步逼近真相。

介绍几种训练方法，仅供参考。

1，提供设计多种解决问题的路径；

2，资源最小化的解决问题；

3，同类问题爆发的频次；

4，OKR实施过程中的优化动机；

5，达成同等任务结果时，进行综合成本考量。

二，案例反馈

在本节实战中，很多案例反馈体现在员工主观能动性，参与度，业务的理解程度，行业专业度上，这也是工业时代与数字化时代，对劳动者素质模型要求的差异，传统的工业时代，更强调胜任力模型，而数字化时代则侧重创造力。

介绍几个可以提升和改善自我纠偏的小办法：

1，加大专业领域的学习和深挖；

2，多与行业中的头部企业或者牛人交流前沿认知；

3，提升自信和自控；

4，业务跟进数据化；

5，打开边界，提升视野宽度。 返回搜狐，查看更多