基于OSM模型和金字塔原理构建钢铁企业数据驱动指标体系研究

2022-05-31郑银巧施灿涛

冶金经济与管理 2022年3期

□ 郑银巧施灿涛

一、引言

钢铁企业指标体系是指由若干个反映企业业务运营特征的相对独立又相互联系的统计指标所组成的有机整体。近年来，钢铁企业逐渐认识到业务指标的重要性，从管理者们长期关注的企业绩效考核，到用来体现信息化水平的数据可视化大屏，其背后都离不开业务指标的支撑。但是这些局部、断层的业务指标作用仅限于某个方面，不能从全局出发系统性地指导业务优化。

钢铁企业建立全局指标体系具有重要意义。一是衡量业务发展质量，指标体系可以反映业务客观事实，看清业务发展现状，通过指标对业务质量进行衡量，把控业务发展情况，针对发现的业务问题聚焦解决，促进业务有序增长。二是指导数据基础建设，明确基础数据建设方向，集中资源，避免重复投资和缺项。三是统一企业内部关键指标业务口径及计算口径，统一企业业务目标，实现自上而下目标驱动，充分发挥数据价值。

本文以长流程钢铁制造企业为例，说明建立数据驱动指标体系的理论支撑、数据驱动体系架构和实施建议。

二、钢铁企业建立指标体系理论基础

1.OSM模型

OSM模型是数据分析和业务分析领域的基础方法论，适用于目标清晰、行动方向明确的场景[1]。OSM模型由3个要素构成，包括业务目标（Objective）、业务策略（Strategy）、业务度量（Measurement），OSM模型的关键是业务驱动，业务目标下沉是实现数据驱动的核心逻辑。而该模型同样适用于指标体系的建立，在图1中对应实施OSM模型的流程为：确定业务目标、细分业务策略、确定衡量指标；在指导指标体系建立时，分别是确定关键指标、确定关键指标构成、确定各子指标衡量标准。

图1 OSM模型指导建立指标体系对照

2.金字塔原理

金字塔原理源于世界级领先的管理咨询公司麦肯锡，通常被用于结构化写作过程。但其层次性、框架性、系统性的思考方式，也同样可以帮助我们梳理指标体系，其中上层概括下层和同层独立穷尽的思维对于指标体系的构建起到重要的指导意义[2]。

（1）上层概括下层

建立指标体系首先要找到关键指标，关键指标是最受关注的重要指标，与业务管理目标息息相关，关键指标不是唯一的，并且随着业务所处阶段不同，关键指标也会发生变化。关键指标确定后，要对关键指标进行分解，分解规则是按照指标生成逻辑逐层细分，每一级分解的指标都是对上级指标有直接贡献的，并且每一级指标都能概括属于自己分支的所有下一级的指标。

（2）同层独立穷尽

在指标体系中，除了不同层上需要满足上层概括下层外，同层上还需要满足独立穷尽原则，又称MECE原则。MECE原则要求处在同一层级的指标之间完全独立（Mutually Exclusive）且互相穷尽（Collectively Exhaustive），根据这个原则拆分指标可以暴露业务最本质的问题，帮助管理者快速地定位业务问题。

三、钢铁企业指标体系构建

1.指标体系核心要素

本文中，钢铁企业指标体系构建主要包括5个核心要素，分别是主指标、子指标、过程指标、分类维度、评判标准[3]，如图2所示。

图2 指标体系建模架构

主指标：结合金字塔原理中上层概括下层的思想，主指标就是关键指标，是评价某项业务最直观、最重要的指标，主指标不是唯一的，并且通常是结队出现，以供对业务进行综合评价。

子指标：是对主指标的分解，主指标不同，拆解主指标的方式也随之不同，除了遵照同层相互穷尽的原则外，还需要注意的是主指标与下层的子指标间存在运算关系，一个主指标可能会拆解成多层子指标。

过程指标：从业务角度看，子指标的形成往往包含若干业务过程，每个业务过程的循序递进促生了子指标的结果，对于钢铁企业这种长流程制造企业来说，业务指标体系更离不开对业务过程的关注。

分类维度：在构建钢铁企业指标体系过程中，要注意指标维度的划分。维度包括时间类维度、空间类维度、品种类维度、组织类维度等。时间类维度有日度、月度、年度等统计区间；空间类维度包括不同生产基地、不同产线；品种类维度包括棒材、线材、带钢等品种大类和钢种、钢级、规格等细分小类；组织类维度包括不同的生产组织，如不同销售小组、各个生产班组等。通过分类维度，主指标被切成若干块，有利于看清整体和局部的关系。

评判标准：是判断指标好坏的依据。在钢铁企业中，评判标准有行业平均指标、行业领先指标、自身计划指标、自身历史指标等，通过不同形式的对标，有利于企业不断超越自己，超越标杆，追求卓越，组织创新，流程再造，最终取得更好的绩效。

2.钢铁企业指标体系

对钢铁企业不同业务的管理者来说，其关注的重点是不同的，为了保证系统性和全面性，本文将长流程钢铁企业指标体系按照主题划分，并从每个主题提取行业内普遍受关注的主指标。业务主题主要包括财务主题、销售主题、采购主题、成本主题、库存主题、设备主题、能源主题、生产主题，初步对几个主题指标分解如图3所示。

图3 钢铁企业指标体系

财务主题：主要围绕杜邦财务分析体系搭建。杜邦财务分析体系（The Du Pont System）是一种比较实用的财务比率分析体系，这种分析方法首先由美国杜邦公司的经理创造出来，故称之为杜邦财务分析体系[4]。该体系从评价企业绩效最具综合性和代表性的权益净利率出发，利用各个主要财务比率之间的内在联系，建立财务比率分析的综合模型，综合分析和评价企业财务状况和经营业绩。此外，财务主题还完善了现金流相关的指标，在钢铁企业财务管理中，现金流量能有效说明企业的盈利质量，有利于管理者对企业财务水平有更深刻的认识。

销售主题：主要关注销售净额、销售成本、费用、税费等指标，其中销售净额是从销售总额中减去销售退回与销售折让的金额，由企业各个钢铁产品类别其下属的各个钢种的销售净额汇总得来。

采购主题：主要指标包括采购量、采购价、采购额，采购额是各物料采购金额的汇总值。

成本主题：按照钢铁企业成本核算内容，将成本分为能源成本、原燃辅料合金成本、备件和辅料成本、固定成本4类，其中固定成本包括折旧、办公用品、薪资、运费等内容。

库存主题：钢铁企业库存主要分为3类，即产品库存、原燃辅料等生产物料库存、备品备件库存，各类别下还包含对应的明细库存。

设备主题：主要包括设备故障率、设备开动率、吨钢备件等主要指标，从设备检修、技改到备品备件的更换，都属于设备指标，因此为了统一汇总，吨钢备件以费用形式体现。

能源主题：包括水、电、气等钢铁生产流程中消耗的能源介质，以及将能源数据换算为吨标准煤的综合能耗和各个工序的可比能耗数据。

生产主题：包括各个生产工序产量、合格率、成材率及主要生产物料的消耗数据。

图3中的指标分解仅包括主指标、子指标、过程指标及部分分类维度，分类维度中的时间维度和评判标准补充内容如表1所示。

表1 指标体系补充内容

四、钢铁企业数据驱动体系架构

基于钢铁企业生产管理模式和信息化现状特点[5]，为了满足指标体系的系统实现，搭建了数据驱动实施架构（见图4），包括数据来源、数据采集、数据存储、数据服务4个部分。

图4 数据驱动实施架构

1.数据来源

数据来源包括钢铁企业各类业务管理系统，以及没有信息系统支撑的各类报表、非结构化的文档信息，这些是指标体系数据的基础来源。

2.数据采集

由于钢铁企业信息化水平参差不齐，数据采集需要根据不同情况采用不同的处理方式。对于由业务系统支撑的数据，梳理业务系统，确认数据抽取机制，包括数据逻辑、标准、取数频率，在满足指标体系监控的前提下，最低频次建立与底层业务数据库的连接。对于非结构的文本信息或是无信息系统支撑的线下报表，只能依赖人工获取的方式将数据采集到数据库中。

3.数据存储

因为钢铁企业业务系统较多，数据库种类和分布也不同，为了满足指标体系的数据要求，架构采用数据仓库+数据集市的存储方式。这种数据存储方式，一是不影响企业其他在运行的业务系统；二是在付出相对较低成本的情况下能将多系统分散的数据整合在一起，为数据系统性分析、数据挖掘创造条件；三是能指导各个业务系统制定数据定期清理机制，在对指标数据的意义有充分认识的前提下，可以对各个业务系统的无用数据和无效数据定期清理，减轻数据存储压力。

4.数据服务

钢铁企业数据指标体系的作用主要体现在以下方面：一是监控业务执行情况；二是通过拆解指标寻找当前业务存在的问题；三是评估业务可改进的内容，使之作为下一步工作的方向。这些都将通过数据可视化和业务决策支持报告等数据服务内容呈现给用户。

五、钢铁企业数据驱动实施建议

1.管理制度方面

业务系统与管理制度是相辅相成的，钢铁企业数据驱动指标体系的搭建和使用也不例外。例如，在数据采集过程中，确定了采集时间点后，各个业务系统要在该时间点之前，确保需要的数据进入系统，否则指标结果将因为某些底层数据缺失而失真，所以严格的管理制度是保证信息化发挥最大作用的重要前提。

2.体系建模方面

指标体系的建立可从钢铁企业考核体系入手，企业考核体系必然是企业多年千锤百炼的经验总结，也是各个管理岗位、甚至各个基层员工密切关注的重点目标，是建立指标体系重要的参考框架。但需要注意的是，指标体系是为了提升业务而建立的，在考核体系的基础上，一定要深挖业务逻辑，补充完善业务指标。此外，要加强与业务部门的沟通，指标体系要建立在业务之上，对于指标体系准确与否、指导意义如何等问题，只有真正的用户才会清楚，要避免纸上谈兵和看图说话，更要避免凭空捏造。