數字的意義,經常是比較出來的

數字的意義,經常是比較出來的

近期在跟許多管理團隊討論管理問題,我一般會看他們怎麼開週會,然後週會報告有哪些內容,會看哪些數字,以及怎麼解讀這些數字。

數字,是管理中很重要的一環,數字可以反映進度,也可以反映達成狀況,還可以反映異常問題。

在溝通數字時,我首先強調的觀念是「數字單獨存在,經常是沒有意義的,因為數字的意義,通常是比較出來的。

時速 100 公里是快還是慢?

你可能會回答很快,因為你腦中想到的是汽車,所以你拿汽車的「正常車速」來比較,這時你會得到一個「快」的答案。但如果我是拿飛機的速度來比較呢?100 公里就慢到不行了,可能是飛機在軌道上滑行的速度。

又比如毛利 75% 是高還是低呢?

你可能直覺回答「高」,因為在多數產業中,75% 毛利確實非常高了,但在高科技產業或軟體產業裡,這個毛利很可能還低於平均值。

月收入 10 萬是多還是少呢?年紀 35 是老還是年輕呢?體重 60 公斤是輕還是重呢?都得看你拿來跟誰比較。

在看很多主管的管理報表時,我經常會看到一個被拿來衡量做得好或壞的指標「YoY」。以這個指標為例,他比較的對象其實是去年同期的同一個指標,例如營收、退貨總額、總毛利。假設去年 2 月的營收是 100 萬,今年 2 月是 110 萬,那 YoY =110%。

但 YoY 110% 是好還是壞呢?這得看目標是什麼,如果目標全年比去年成長 10%,那 YoY 110% 就剛好符合了這個目標,只要每個月的 YoY 都高於 110%,那全年就算達標了。

但一般我們還會看當月目標,如果你的營收數字是 800 萬,但當月目標是 1,000 萬,你的達成率是 80%,即便 YoY 是 110% 也沒意義。

因為當計畫展開後,真正用來衡量成效的關鍵指標,還是與目標的比較

比較基準

在談論數字管理時,有個很重要的概念叫比較基準,或者稱為衡量基準(Measurement basis),指的是我們在管理上評估一件事情做得好或壞時,拿來比較的對象。

常見的基準有以下幾種:

特定基準

指的是跟特定對象相比,常見的有以下幾個狀況。

  • 經驗值比,例如有人會說過去幾年的冬天,我記得沒有今年這麼冷。
  • 理論值比,例如軟體業的毛利率經常高於 80%,以 B2B 為主要業務模式的公司,上下半年的業績占比大約是 4:6。
  • 平均值比,例如軟體公司的平均離職率是 25%,台積電員工的平均年薪是 300 萬台幣。
  • 特定對象比,例如直接對比領導品牌,對比特定產品,直接指定一個特定對象來進行比較。

計畫基準

這一般指的是跟目標與計劃的比較,也是我前面提到的,日常工作中極為關鍵的數字。

  • 公司計畫比,一般對應到公司等級的目標與指標的達成狀況。如果新產品的佔全公司營收的佔比要達到 20%,目前僅達到 16%。
  • 部門計劃比,對應到部門的 KPI。同上,如果目前有三個部門都有擔負新產品的業績目標,而自己所在的部門全年揹的業績數字是 2,000 萬,目前達成 1,800 萬,那達成率是 90%。但如果目前才 9 月底,而在計畫中,部門到 9 月底的業績目標是 1,500 萬,我們可以說部門的進度達成率是 120%,代表目前的進度超前。
  • 個體計畫比,指的可能是個別的人,也可能是個別的專案,像是個人 KPI 達成率,新產品上是專案的進度完成率等等。

時間基準

基於時間區間來進行比較,像是前面提到的 YoY 其實就是一種時間基準。

  • 同比,一般指的是與不同年份的相同時間區段,多數時候是以年為單位,但有時也會以季為單位。如果時間區段為一年,那就是 YoY,如果是季,那就是 QoQ。不過習慣上我們會看的是一整個淡旺季週期。
  • 環比,一般指的是與前一個時間區段相比,例如 MoM 看的就是本月與上月相比,QoQ 指的就是本季與上季相比。而 YoY 則是今年與去年,所以 YoY 經常是同比,也是環比。
  • 定基比,指的是跟特定時間點或時間段落相比。例如本月營收創下近三年新高,比較對象就是最近三年每個月的營收,又比如今年雙十一營收只有歷年均值的 60%,比較對象是過去雙十一的平均營收。

地域基準

這一項是針對地理位置,包含實體或虛擬。

  • 相似地域,拿地點特性相似的對象作比較,例如同在台南市的門市業績表現,或者客群組成都是學生族群的門市作比較。這種比較的目的是去除因為地點差異而造成的變因。
  • 先進地域,只的是拿表現明顯較優或條件較好的地點來比較。例如台東門市與台北門市,兩個門市在常態性營收很可能差距 3 倍。但因最近台東門市舉辦了活動,成果是單週營收超過了台北門市整月營收。一聽就讓人覺得非常厲害。
  • 擴大地域,拿台南永康店比台南所有門市,例如永康店營收佔台南整體營收的 40%,而台南總共有 10 間門市。

其實線上跟線下比,或者不同通路對比也在地域基準的範疇內。關鍵是你要透過比較來獲得什麼資訊。


關於數字管理的概念有很多,今天先聊這個關於比較基準的議題,後面再陸續分享其他觀念。

如果你覺得我內容寫得還不錯,歡迎訂閱我的電子報,我每雙週會發送一封電子報到你的信箱。訂閱連結在這,過往的電子報也在這:Gipi電子報

也鼓勵你可以將我的電子報分享給你認為有需要的朋友們,也許你的舉手之勞,將會改變另一個人的思維與習慣。

Read more

[徵才]方圓國際誠徵兩個新職務

[徵才]方圓國際誠徵兩個新職務

今年四月份,我加入了方圓國際擔任策略長,方圓是一家茶飲連鎖公司,旗下有兩個主要品牌「吃茶三千」與「喫茶小舖」。吃茶三千在海外 30 多的城市有約 130 家門市,喫茶小舖在台灣則約有 60 家門市。 我從去年底開始擔任方圓的顧問,主要協助梳理公司的管理制度、流程與阻礙成長的問題。四月份我轉任策略長,過去這一個多月,我除了 AI 的引入與建置外,我也花了大量的時間重新構思公司的整體策略。 我們進行了「未來十年不變的事」的策略探討,最終設定了十年戰略方向,三年目標,以及 2026 年的關鍵任務。 透過這樣深度的策略思考,我們也藉這個機會盤點了公司目前的人才缺口。 以下有兩個很關鍵的角色是我迫切在找尋的。如果你覺得自己或身邊的人很適合加入方圓,請自薦或推薦給我,謝謝。 歡迎將履歷投遞到:gipi@teashop168.com.tw 門市體驗經理(Store Experience Manager) 門市是接觸終端消費者的最後一哩路,也是品牌傳遞價值的關鍵接觸點。我們在全球因應不同的市場有不同的店型設計,

By gipi
克服 AI 焦慮的方法,唯有實作

克服 AI 焦慮的方法,唯有實作

2018-2019 年左右,線上學習在台灣整個大爆發,線上課程一大堆,每個禮拜都有很多線下學習活動。每天都可以看到大量的學習心得與活動心得,每個人講的內容都很有道理。全台灣好像瞬間變成一個知識島,所有人都學識淵博,而自己似乎懂得有點少。 知識焦慮年代 在那個時候,很多人染上了「知識焦慮」的病症。 害怕別人知道自己不知道的,擔心自己沒跟上世界的節拍,所以哪邊有新知往哪兒去,哪邊學習氛圍濃厚就往哪兒鑽。看起來是因為熱愛學習,但內心的煩惱其實是「害怕失去」。 害怕失去話語權,害怕失去社交談資,害怕失去機會,害怕失去競爭力,害怕自己不再是別人眼中領先的族群。 而克服焦慮最有效的方法,不是知道更多,而是實踐,從時間中獲得成果,獲得進步。 那些仍在學而沒有做的人,焦慮是無法停止的,因為他並沒有真的改變現況。 這也是當年為何我們想舉辦 case study、學習營、打卡、案例練習,並且鼓勵大家多多輸出的原因了。因為輸出,其實就是最輕量的實踐,而動手做,則是讓自己學有所用的基本配備。 在那個知識焦慮的年代裡,因為我本來就熱愛學習,也經常輸出,

By gipi
我如何與 AI 協作開發,我的開發步驟分享

我如何與 AI 協作開發,我的開發步驟分享

昨天到工程師場子分享,想說跟大家對照一下,現在是否多數人都跟我一樣,寫程式完全不手打任何一行 code,全部都是 AI 做的。 結果發現,現場只要有在用 AI 開發的人,多數時候真的都是讓 AI 來完成程式撰寫工作。 目前我的開發組合是 Claude Code / Claude Design / Fly.io / Github / Cloudflare,其他還有根據程式功能需要而使用的第三方元件。 做一個新系統的習慣是: 1. 跟 Claude 討論我想解決的問題,以及我的核心需求,中間我可能會用 Claude Cowork 做本地資料的分析,然後請他廣泛收集一下資訊,做幾輪 prototype 的模擬。確認方向是否是我所期待的。 2. 對完需求後,請他產出系統定位、限制、邊界與 PRD。 3. 把 PRD 跟幾個

By gipi
加快了速度,少了回饋

加快了速度,少了回饋

2022 年時我曾推出了一堂課《打造高效軟體開發團隊》。 在這堂課程中我繪製了一張軟體開發過程管理的架構,這張圖我從公司策略->產品策略->需求管理,一路到開發過程管理、交付、市場回饋,最後再回到產品需求管理。 當年我曾說過,軟體開發最重要的其實不是程式開發本身,而是 align 公司策略與產品策略,同時兼顧好短期需求,將需求管理做好。 但我們也可以看到產品需求管理是上述架構中最主要的節點,上承策略,下接短期需求,右邊則是成為所以開發計畫的起頭,同時還要承接來自市場回饋,並能持續優化管理過程與技術債務管理。 簡單的說,決定做什麼,決定了產品定位,決定先做什麼,則決定了策略重心。但要做出決定,除了對目標有清晰的認知外,更重要的是「回饋」。包含市場回饋、使用者回饋、利害關係人回饋(研發/行銷/客服...)。 這陣子透入 AI 開發後我對這張架構圖有一些新的想法: 首先,是生產力過剩。 因為 AI 不用休息,生產力幾乎沒上限,

By gipi