无法量化的分析指标体系构建思路

无法量化的分析指标体系构建思路，这个问题听上去可能感觉有些矛盾，既然无法量化，怎么又会又分析指标体系的出现呢？比如碰到的一个场景就是像一些煤矿、铁矿、黑色金属矿业现场生产安全的管控、风险等级的评估，分为高、中、低三个等级。风险等级就是最终的一个结果性指标，比如高就是90分、中就是70-90分、低就是70分以下。

煤炭综合看板  - 派可数据商业智能 BI 可视化分析平台

问题在哪里呢？就是这个得分怎么得出来的，它的背后实际上是一组指标再根据一定的评分标准，再加上权重计算出来的一个最终得分。

类似于这样的还有在企业里面的绩效评价体系，还有像在企业里面的客户信用风险评估等等。最终的结果指标可能就只有一个，反馈出来的信息就是好或者不好，或者一般。或者叫优秀或者不优秀诸如此类。

指标体系规划的难点

第一、结果性指标

看上去就一个结果性的指标，但实际上跟一般的业务分析指标完全不一样，它很复杂。感觉上是一个指标，但实际上背后是一堆有逻辑关联、计算关系的指标体系来支撑才能计算出这一个指标。比如像安全生产管理风险评估，最重要的主要就是人、财、物的风险防范评估。不能出人命事故，其次财产、物品不能有损失，不要影响日常生产业务，还有负面的社会影响力。从结果上看，生产安全管理风险评估指标就一个，就是风险评估等级。但实际上，风险评估等级这个指标就要往下细化到对人、对财、对物等各个相关场景的过程指标的分解。

生产管理分析  - 派可数据商业智能 BI 可视化分析平台

第二、主观的指标因素

指标体系中的大部分指标都是非客观的，有很多主观评价的因素，不能被量化的。比如什么叫做高风险、什么叫做中风险、什么叫做低风险，构成它们的指标怎么来量化，标准和依据是什么。例如安全设备管理、安全生产现场管理，这两大项构成了风险等级，它们的权重是多少。比如在安全生产现场管理中，进入生产场所的现场人员没有戴安全头盔这一项动作被记录下来要打几分，跟其他的相关事项比较，权重是多少。所以，大家可以看到，这些指标不像在业务系统的数据是可以直接被数据衡量的，直接评价的。

驾驶舱  - 派可数据商业智能 BI 可视化分析平台

第三、数据的采集、归集

比如涉及到现场生产管理如果有人员违规了，这个数据怎么被记录下来。如果是一家安全现场管理的负责人，就算看到这个问题，会自己记录自己的问题吗？显然是不会的。所以，一旦类似于这样的数据不能被系统自动的记录，数据一定就不是准确的，数据采集的难度也就很大。

第四、定义评价规则

有评价的地方，就一定有博弈。凭什么你定的规则就是合理的，对我可能不利啊，或者不公平。这一点也是非常非常难的，有考核的地方就跟个人利益相关，这个规则的定义是最困难的。在企业里面的绩效考核相对而言至少随着企业内部管理的规范会相对比较成熟，评价规则相对而言比较容易些。但是对于一些像安全生产管理，风险管理的评价是非常难的。评价规则难定义不说，就算定义了，也没有数据支撑。

         绩效考核 - 派可数据商业智能 BI 可视化分析平台

在外面碰到这种类似的需求场景，客户就特别希望能不能直接拿一套别人的比如有关生产管理的风险管控评价指标体系直接来复用一下，这个其实是非常不现实的。首先，不同的行业、不同的企业工作作业方式、管理方式差别很大。其次，光有指标体系还不够，定义了指标体系，数据来源能不能解决也是一个问题。所以，还是要回到企业自身的管理方式、资源来思考如何来系统性的规划和构建这样的一个比如生产安全风险管控评价体系。

建设思路

一、梳理场景

还是需要把所有的涉及到安全风险管理的场景给梳理出来。比如安全设备保障的管理、现场生产安全保障的管理，每一项类型的管理场景下有哪些会造成潜在的人、财、物、环境等风险，这些风险是什么，需要全部的列示出来，越全越好。

二、建立打分标准

从大的管理分类，到细化分类下的场景来划分权重，同时建立打分标准。比如安全设备管理的权重占30%，现场生产安全保障占70%。在安全设备管理分类下，有很多项细化的评价条目，对每一项条目都建立评价和打分标准。对末级每一项有打分标准，往上又有权重，基本上整个框架体系基本上是出来的。

大屏可视化 - 派可数据商业智能 BI 可视化分析平台

三、量化记录

评估下所有的评价标准下的数据是否可以被量化记录，数据采集有没有问题。如果有问题，这一项就需要先排除掉，放入到备选的评价体系中，以后再来完善。比如现在已经有了摄像头视频技术，可以动态识别没有戴安全帽的人员，这种数据就可以被记录下来。如果，不能被准确的记录，这项数据的权重就不能定义的太高，或者就不适合放到现有的分析指标体系下。

四、模型的动态优化

先易后难，模型需要动态的优化。企业做这件事情，一开始就觉得太难了，太复杂了。实际上，这个指标模型是可以动态来构建了。先按照前面说的几个步骤来，然后选择性的，比如这个季度就先打通这几项指标，把它做好，哪怕不完善都没有关系，下个季度继续来完善。不断的调整，不断的优化，把要解决的问题清单拉长远，依靠时间去消化。

总而言之，这一类的分析场景其实就干了一件事，就是把不能量化、不可量化的评价变成可衡量、可量化的指标体系，通过指标权重来控制指标在整个体系中的重要程度，并可以尽可能真实的反映企业对某一件事物的管理、控制和预防思维。同时，通过不断的修正模型来实现动态的优化业务管理的过程。