点击上面↑“Teamcenter笔记”关注，回复“工业软件群"加入工软大家庭！
| 数字孪生 | 最佳实践 |
| 选型指南 | BOM方案 |
| 变更管理 | PLM资料 |
| ERP资料 | MES/MOM |
| SCADA资料 | IIOT资料 |
| 工控基础 | 职业发展 |
如果无法衡量业务流程，就无法改进。我想每个人在职业生涯中至少都听过一次这句话。当谈到产品生命周期管理、服务生命周期管理和变更管理时，关于衡量或指标的问题变得至关重要。作为一名经理，选择正确的指标绝对至关重要。它将帮助您专注于产品数据管理和业务系统以及产品开发流程的整体质量。
本周早些时候，我偶然看到了 Martijin Dullart 的一篇有趣的文章——在配置管理中使用正确的指标。我最喜欢的是—— “通往地狱的道路是由良好的意图和错误的指标铺就的！”。这是真的……想象一下你选择你的组织发布的 ECO 数量。最大化或最小化 ECO 数量都会导致糟糕的情况——太多不会给你带来太多。但不够也不是很好。
衡量真正重要的事情通常是一项挑战。指标应该阐明实现预期结果的进展，而不是用不相关或误导性的数据掩盖它。虽然速度和数量等指标乍一看可能很有吸引力，但它们可能会导致可疑的结果，因为它们会引发错误的行为。因此，您需要考虑能够触发质量并与业务目标保持一致的良好指标。良好的指标让您可以控制整个产品生命周期、产品质量、生产过程，而不是专注于文档管理和产品生命周期管理等狭隘的学科。
说到指标，你无法避免谈论如何在你的组织中获得这些指标。此外，我将谈谈人工智能以及它如何为你的组织优化指标。
良好的指标：关注质量和业务成果
良好的指标将变革努力与可衡量的结果联系起来，即业务参数之一的改进，如质量、用户满意度和业务目标。这些指标具有可操作性、针对性，并且与业务目标（最好是长期目标）保持一致。
以下是此类指标的三个示例：
缺陷减少率
衡量实施变更后 X 天内报告的缺陷减少百分比（通常我选择一个月或一个季度，具体取决于活动量）。这是改进质量的清晰图景。如果缺陷率下降，你肯定做对了。节省的客户时间（或任何特定于用户体验的内容）
衡量客户如何使用您的产品以及用户在更改后能以多快的速度完成任务。此指标提供了用户效率和满意度提高的切实证据。如果您制作的产品以用户为中心，那么这样的 KPI 是无价的。首次成功率
我发现这是一个很有用的有趣指标，因为它可以评估成功的规划。计算部署的变更中未回滚或修补程序的百分比——首次成功率高表明规划、测试和部署流程健全。它是运营顺利的指标。
您还知道哪些“好的指标”？请分享。
有问题的指标：数量超过质量
生产力和效率虽然被大量使用，但根据我的经验，工程组织和“易于掌握”实际上并不是一个好主意。以下是一些示例：
变更量
计算变更总数可能会促使团队优先考虑数量而不是质量，从而导致错误的实施。变更数量无法最大化或挖掘。问题越多越好，但问题越少也可能是个问题。部署频率
部署过多或过多实际上并不会影响质量指标。认为您可以最大化测试，但实际上却在妥协。节省部署（尤其是服务包开发）可能会导致另一组结果。变更管道速度
这是最典型的指标之一。从技术上讲，它可以让你了解完成工作的速度，但可能会造成混淆。该指标（尽管有时值得怀疑）可以反映这些变更对业务的更广泛影响和稳定性。
从我的角度来看，这些指标（上面的 3 个）未能提供变革有效性的整体视图。
利用人工智能增强指标
AI 技术可以彻底改变组织跟踪和利用指标的方式。因此，当我们谈论现代 PLM 软件时，自动评估业务流程各个方面的重要性，但最重要的是配置和变更管理，因为它们代表了设计和工程阶段等活动的核心。通过自动化数据收集和分析，AI 可以消除人工错误并增强决策能力。AI 驱动的增强功能的示例包括：
预测分析：人工智能可以识别历史缺陷数据中的模式并预测潜在风险，从而实现主动流程调整。 用户行为洞察：人工智能工具可以通过分析用户交互来衡量时间节省，从而提供效率提升的清晰视图。 实时监控：人工智能可以分析部署日志以跟踪首次成功率，并在潜在问题升级之前标记它们。 动态仪表板：自动化仪表板提供实时洞察，减少报告开销并为团队提供可操作的数据。
我的结论是什么？
为您的组织选择正确的指标。有效的变更管理依赖于使用重要的指标。优先考虑以质量为中心的指标可确保变更计划带来有意义的结果。通过集成 AI 工具，组织可以提高这些指标的精确度和可扩展性，培养持续改进的文化。查看现代 PLM 软件如何使用 AI、图形数据科学和其他现代技术为您的组织带来正确的指标。
您使用什么指标来衡量组织的变化？分享您的想法，让我们讨论如何让这些指标更加有效！
只是我的想法……
