当指标成为目标，怎样分辨现实改善与数字改善？

Geoffrey Chen

《当数字开始做决定》· 第二季“当指标成为目标”· 第十二篇

一、十二个“成绩变好”并不是同一种变化

急诊四小时完成率提高，可能是病人流动改善，也可能只是“离开”时间戳改变；择期手术逾期下降，可能是手术能力增加，也可能是名单时钟更晚开始；银行销售增加，可以表示找到更多真实需要，也可以表示客户利益让位于计分卡。

工伤率归零，既可能来自危险消除，也可能来自不报告；列车准点率提高，可能来自可靠性改善、时刻表放宽，或把取消排除——新南威尔士州后来把取消和跳站重新算作失败，正是在修复这种边界。

大学排名上升可能伴随研究与教学进步，也可能主要优化引用和声誉；养老院五星综合了住户体验、合规、人员和质量指标，却不能保证每个班次；平台满意率汇总顾客反馈，越过85%又可能改变送餐员的工作资格。

健康星可以推动食品减少糖和钠，也可以让研发团队只追求算法补偿；NABERS把真实运行能耗带入市场，因而较接近现实结果；2%至3%的通胀目标甚至通过人们相信和适应目标，参与制造自己要实现的稳定。

如果把这一季压成一句“指标一旦成为目标就失效”，我们会丢掉最重要的发现。指标成为目标以后，不一定失效；它会进入被测结构。随后可能出现真实改善、局部优化、替代、规避、重新分类和反馈稳定。治理的任务不是阻止一切适应，而是让最容易获得成绩的行动尽量与真正目的同向。

二、先分清四种数字改善

第一种是结果改善。建筑在同等服务下实际减少能源，急诊病人更快到达适当照护地点，工地危险控制更可靠。指标与现实一起变化。

第二种是过程改善。培训、检查、会议或设备更新增加。这些活动可能通向结果，却还没有证明结果。把完成活动当成最终成功，是公共机构常见问题。

第三种是构成改变。大学招收、医院收治或平台接单的对象改变，平均成绩因此提高。例如避开复杂病例可让等待时间下降，而原本最需要服务的人被排除。

第四种是记录改变。重新定义离开、暂停时钟、修改分类、遗漏事故或改变分母，数字改善而服务没有相应变化。

四类不能只凭动机判断。同一项短期病房可能改善临床流程，也可能只停止急诊时钟；轻任务可以帮助受伤员工康复，也可能掩盖LTI。需要回到资料、因果链和未测量结果。

三、第一项检验：指标离最终目的有多远？

从投入到公共目的可以画出一条链：

资源 → 活动 → 产出 → 服务质量 → 个体结果 → 长期社会影响

越靠左越容易计数，也越容易被完成；越靠右越接近目的，也越受外部因素影响。培训次数是活动，完成手术数是产出，病人功能恢复才是结果。销售产品是产出，客户长期财务利益才是目的。

NABERS相对成功，是因为它直接回读12个月真实能耗，而非只数节能项目。LTIFR较危险，是因为它只记录一部分已发生伤害，却常被误写成风险本身。

澳洲国家审计署在2026年总结21个联邦实体的504项绩效结果时指出，单纯计算多少目标“达到”或“未达到”不足以评估公共部门表现；完整判断还要考虑背景、目标难度、资料分类和机构控制之外的因素。审计也发现效率和结果影响仍测得太少，许多机构主要报告做了什么，而非产生了什么改变。ANAO：Performance Statements of Major Australian Government Entities—2024–25 Audit Program

因此，第一个问题不是“指标准不准”，而是“即使完全准确，它离最终目的还有几步”。距离越远，决定权越应受到其他证据约束。

四、第二项检验：最便宜的提分路径是什么？

面对任何KPI，可以做一个反向设计练习：如果我只想提高数字，不在乎原始目的，最便宜的方法是什么？

若急诊最便宜路径是提前改变行政位置，应检查实际占用；若大学排名最便宜路径是招聘高引用研究者，应检查教学与学科分布；若养老星级最便宜路径是增加平均分钟，应检查夜班和专业组合；若安全成绩最便宜路径是不报告，应取消对报告的惩罚。

这个问题不假定组织恶意。人会在资源有限时响应明确信号，经理也会把注意力放在问责最强的地方。制度若不知道自己的最便宜提分路径，就无法区分预期行为和副作用。

理想指标使最便宜提分路径就是现实改善。NABERS用实测能耗、年度复评和认证审计做到较高程度；铁路把取消和跳站计为迟到，也封住一个明显捷径。食品健康星若让减少钠比添加容易得分的补偿成分更有效，就更接近同向激励。

五、第三项检验：谁从分母消失了？

平均值提高经常来自对象改变。择期手术等待从正式列名才开始，名单之前的人不在时钟里；平台评分只包括已完成并被评价的订单；大学就业率可能不包括未回应调查者；养老院平均结果可能遮住无法表达意见的住户。

因此，每项绩效报告都应有一份“失踪人口表”：谁符合原始服务目的，却没有进入分母？谁在期间退出、转移、被拒绝或被重新分类？这些人的结果是什么？

只报告成功完成者，会形成制度幸存者偏差。最困难的人退出后，剩余群体成绩更好；若机构因高风险而拒绝服务，指标甚至会奖励排斥。

分母审计还要检查地域、残障、年龄、语言和复杂度差异。总体平均改善不表示每个群体受益。若一项指标分配公共资源或工作机会，分布结果不能被总体分数抵消。

六、第四项检验：门槛附近是否出现不自然堆积？

当240分钟、90天、85%或4.50星成为重要边界，数据可能在界线前集中。这种堆积可能表示管理者成功优先处理临近逾期者，也可能表示时间戳、分类或四舍五入被优化。

审计应查看连续分布，而非只有达标比例。急诊需要公布每个时间区间和长尾；择期手术要比较89、90、91天及重分类；养老院要保留未四舍五入原始分；平台要显示样本数和置信不确定性。

门槛两边现实差异越小、后果差异越大，复核越重要。第二季虽然从第一季的“门槛两边”转向目标行为，这项原则仍然有效：临界线是最容易暴露指标权力的地方。

七、第五项检验：有没有不能被好成绩抵消的约束？

综合评分方便，却允许补偿。高销售可以抵消投诉，人员分钟可以抵消糟糕体验，准点率可以抵消极端延误。某些价值不应加权平均。

养老星级提供一个好例子：合规一星会把总体锁定为一星，合规二星把总体上限锁在二星。严重不合规不能由其他高分洗掉。银行薪酬也应使重大客户伤害和失当能够把奖金降至零，而非由利润抵消。

因此，指标体系需要三种结构：用于了解整体的组合指标，用于防止严重伤害的硬约束，以及用于解释个案的质性判断。三者不能互相替代。

安全、合法性、基本权利和数据完整性通常适合作为不可补偿条件。达到目标若以破坏其中任何一项为代价，数字不应被报告为成功。

八、第六项检验：数字能否被反证和修订？

一项有权威的指标必须允许现实回来纠正它。

个案层面，送餐员应能用定位、聊天和餐馆等待资料反驳低评归因；病人应能复核手术类别；养老院和公众能更正数据，但紧急风险不能因申诉而长期隐藏。

系统层面，被推翻案件、异常分布、研究结果和使用者反馈应进入算法和定义更新。健康星五年评估后调整计算，养老评级在2025—2026年重做合规与人员规则，NABERS把可再生能源比例从效率星级中分离，都是指标制度学习的实例。

修订会损害时间序列可比性，却可能提高正当性。解决方法是版本化：保留旧方法、注明断点、必要时用新旧方法平行计算，而不是为了曲线好看拒绝纠错。

ANAO也建议绩效措施保持contemporary，定期检查是否仍适合目的，并随着项目成熟从产出转向结果和影响。ANAO：Reporting Meaningful Performance Information

九、第七项检验：谁仍在承担判断和后果？

指标越成熟，组织越容易说“这是客观结果”。但每个指标背后都有人选择目的、数据、权重、门槛、例外和后果。责任可以分布，不能消失。

RBA的2%至3%目标没有自动设定房贷。Monetary Policy Board必须判断通胀持续性、就业、时滞和分布成本，并公开解释。平台的85%也没有自行停权；平台选择把评价与访问资格连接，必须提供程序与补救。

这就是Commitment as the Human Remainder。系统可以汇总信息、预测、提醒甚至自动执行，最后仍有人或机构要说：这个后果与证据相称，我愿意说明并承担错误。所谓“数据驱动”不能成为责任驱逐。

十、一套可执行的八问框架

当一个组织宣称“指标改善”，可以依次问：

  1. 目的：我们真正想改善的现实结果是什么？
  2. 距离：指标是投入、活动、产出、代理，还是最终结果？
  3. 捷径：不改善现实而提高分数的最便宜路径是什么？
  4. 分母：谁没有被计入，谁退出、被拒绝或被重新分类？
  5. 分布：总体改善是否遮住某些群体、时段或极端长尾恶化？
  6. 约束：安全、合法性和基本权利是否能被其他好成绩抵消？
  7. 反证：个案能否查看理由、纠正资料和取得有权改变结果的复核？
  8. 学习：推翻、异常和副作用能否改变下一版指标与过去同类决定？

这八问不保证得到一个简单总分。它的目的恰恰是防止组织再次把指标治理压成另一项KPI。

结论：指标不应站在结构之外假装只是在观察

维成论的核心视角是：现实不是由孤立事物和静止属性组成，而是在关系、约束、差异和修正中持续形成。指标进入制度后，也成为这种关系的一部分。它重新分配注意力、资源、声誉和责任；被测对象则学习并反过来改变指标的意义。

因此，现实改善与数字改善不能只从数字本身分辨。我们必须检查完整因果链、最便宜提分路径、失踪分母、分布结果、不可补偿约束，以及制度能否被反证和修订。

我的最终判断是：现代制度不仅需要可测量目标，还需要“目标受到目标之外证据约束”的结构。指标应当引导行动，却不能垄断对成功的定义；它可以委托知晓，却不能消除承担判断的人。

第一季的结论是，数字承担的决定权不能超过它的测量能力。第二季可以再加一句：

指标获得的奖励权，也不能超过制度识别它所诱发行为的能力。

只有当成绩改善能够被现实结果、边界审计和持续纠错共同证实时，我们才有理由说：数字变好了，世界也真的向前移动了一点。

主要资料

了解 Geoffrey Chen 的更多信息

订阅后即可通过电子邮件收到最新文章。