许多组织远离他们想要的地方并且需要提高性能，并且他们在做出决策时应用直觉而不是基于事实的数据。企业和企业绩效管理（EPM / CPM）现在被视为管理方法的无缝集成，例如战略执行与战略地图及其配套平衡记分卡（具有关键绩效指标，KPI）;企业风险管理（ERM）;容量敏感的基于驱动因素的预算和滚动财务预测;产品，服务线，渠道和客户盈利能力分析（使用基于活动的成本核算[ABC]原则）;客户终身价值（CLV）;精益和六西格玛质量管理，以改善运营;和资源容量规划。

每种方法都应该嵌入所有风格的业务分析，例如关联，分段，回归和聚类分析，尤其是预测分析，作为规范分析的桥梁，以产生最佳（理想的最佳）决策。

对于需要将重点扩展到成本控制以及为股东创造持续经济价值以及其他更长期战略指令的高管而言，答案是什么？ EPM / CPM为各级管理人员和员工团队提供直接转向执行团队定义策略的能力。最终，组织的兴趣不仅仅是监控从战略地图派生的KPI并显示在其相关的平衡计分卡中，更重要的是它是移动这些拨号。记分卡和操作仪表板会产生问题。但除了回答“发生了什么？”之外，组织需要知道“为什么会发生这种情况？”并向前发展“会发生什么？”并最终“我选择的最佳选择是什么？”

EPM / CPM就是改进 - 同步改进方法，为客户创造价值，为股东和业主创造经济价值。 EPM / CPM的范围显然非常广泛，这就是必须在企业范围内查看EPM / CPM的原因。 EPM / CPM可帮助管理人员更早地感知并更快速有效地应对意外变化。为什么响应变化如此重要？外部力量，包括全球化和互联网，正在产生前所未有的不确定性和波动性。变化的速度使基于日历的计划和具有多年视野的长周期时间计划不适合管理。

好消息是EPM / CPM不是每个人现在必须学习的新流程或方法，而是紧密集成了管理人员和员工团队已经熟悉的业务改进方法和分析技术。将EPM / CPM视为伞形概念。它将运营和财务信息整合到一个决策支持和规划框架中。

几十年前就存在EPM / CPM方法的原始形式。在EPM / CPM被IT研究公司和软件供应商给予正式标签之前，这些表格已经出现。可以说，在有计算机之前，存在EPM / CPM方法！过去，组织根据知识，经验或直觉做出决策。但随着时间的推移，错误的余地越来越小。计算机通过创建大量数据存储内存来扭转这一问题，但这导致组织抱怨他们淹没在数据中但又缺乏信息 - 从而将单词信息区分为原始数据（通常是交易数据）转换为更有用的形式。在20世纪90年代随着IT系统与计算机技术集成的加速，EPM / CPM管理这个术语扎根了。

最后，EPM / CPM“更好，更快，更便宜......更智能，更安全。”更聪明的不仅来自流程改进，还来自实现执行团队的战略目标。更安全的是将企业风险管理（ERM）与EPM / CPM方法相结合。最好的执行团队不认为任何EPM / CPM的组件是可选的 - 它们都是必不可少的。

实现EPM / CPM方法的一种行之有效的方法是快速快速原型设计和迭代重建。这种方法加速了管理者的学习和支持，其中一些人持怀疑态度或担心变化。这些快速入门方法揭示了以前未知的发现，这些发现可能会导致流程变化并改变执行团队的战略目标。然后，最初的原型模型演变为永久，可重复且可靠的生产报告和决策支持系统。

管理会计是EPM / CPM的关键激励因素。管理会计系统的输出始终是进行分析和决策的地方的输入。管理会计的主要目的是为了获得洞察力和发现，以便为所需的对话生成问题。

IT交易系统可能擅长报告过去的结果，但是他们无法做出有效规划的预测性或规范性。如果采取合理的战略，该组织如何知道其战略是否可实现或负担得起？如果实施该战略及其所需的新项目和举措会导致长期负现金流量或财务损失，该怎么办？所需资源需求是否会超过现有容量？

许多组织从改进计划跳到计划，希望每个新组织都能像魔术药一样提供巨大但难以捉摸的竞争优势。然而，大多数管理人员都承认，拉动一个改进杠杆很少会导致实质性变化 - 尤其是长期持续变化。改进的关键是整合和平衡多种改进方法，并将其与各种风格的分析相结合 - 特别是预测性和规范性分析。最后，组织需要自上而下的指导与自下而上的执行。

开悟到足以认识到数据重要性和价值的组织往往难以真正实现这一价值。由于过多的非集成单点解决方案，他们的数据经常断开，不一致和无法访问。它们具有有价值的未开发数据，这些数据隐藏在他们每天收集的大量交易数据中。

EPM / CPM如何创造更多经济价值提升？ EPM / CPM具有的一个基本功能是将事务数据转换为决策支持信息。交易系统（例如，企业资源规划[ERP]）是为不同目的而设计的 - 短期操作和控制，历史报告发生的事情。

幸运的是，数据存储技术的创新现在已远远超过计算机处理能力的进步，预示着创造大量数字数据池成为首选解决方案的新时代。数据池通常称为“大数据”。因此，现在有一流的软件工具可提供一整套分析应用程序和数据模型，使组织能够利用他们已拥有的虚拟宝库。这样可以在企业范围内实现大规模的有效EPM / CPM。

EPM / CPM是这些技术和管理方法的集成。 EPM / CPM方法套件提供了一种机制，可以弥合CEO的愿景，使命和战略之间的商业智能差距，以满足投资者的期望和员工的行为。

财务规划和分析中的企业绩效管理（EPM）从未缺乏流行语。零基预算，基于驾驶员的预测和平衡记分卡等等。然而，尽管术语很花哨 - 与其他金融领域相比 - EPM在改善决策和帮助企业识别新机会方面落后。

绝大多数企业仍然使用Excel工作表来运行分析。这些公司分配了过多的时间来整理管理报告，并进行临时的手动数据测试和业务分析。他们将近70％到80％的时间用于收集和微调数据，而不是分析和获取情报。这是企业领导者常见的抱怨 - 并且经常被CFO不情愿地承认 - 当他们从数据分析中获得洞察力时，它往往过于集中注意力和历史性，为重大行动提供太少的太晚。

正如今天许多其他业务转型领域一样，EPM中的数字化也有能力带来根本性变革。新技术可以提供仪表板和报告的自助服务功能，可以立即访问结果和报告。

但转变EPM需要的不仅仅是引入技术。组织需要牢记五个基石，才能真正改变EPM。

1.大规模定制标准化

传统上，EPM转型的重点是标准化信息结构和报告。目标是将整个组织中的报告数量从500个减少到50个，这样每个人都在说同一种语言，并且最大限度地减少了浪费的努力。但是，在寻求额外洞察力的过程中，许多人认为需要额外的报告，并且在精简产出之后，已经回归到制作更多的报告。在搜索主数据的一个标准定义时存在类似的挑战。

为了解决这些挑战，EPM需要根据我们在其他领域看到的原则进行设计，例如电子商务。以Expedia等旅游门户网站为例。它有一个共同的数据库，并且根据人口统计和目的，数百个前端允许用户使用多种格式的标准化数据。 Digital可以使财务功能创建大规模定制，以帮助EPM从业者以他们想要的方式消费信息，从而做出业务决策。

案例研究：报告保险公司的标准化

一家领先的保险公司重新设计并标准化其财务规划和会计报告流程。该保险公司实施了基于自动化，流程修复，政策变更和相关IT变更的报告解决方案，并将报告数量从100多个减少到30个。它还引入了自助报告，允许用户自定义报告并减少报告花在数据收集和整合上的时间，以便他们专注于制定决策。

 

2.用户体验推动了采用和有效性

EPM面临的主要挑战之一是简化用户体验并提高系统采用率，以改善决策制定。 EPM从业者必须能够轻松地与数据交互并以他们想要的方式获得洞察力。

近年来，设计思维的应用标志着技术采用的转折点，远远超出了企业对消费者市场。有助于跟踪投资组合的彭博应用就是一个很好的例子。数据来自股票市场，商品市场和新闻聚合器，但用户根据他们的投资者资料或者他们是短期交易者还是长期交易者来对数据进行不同的交互。

数字技术使组织能够快速决定信息的类型和来源以及在数据集上运行的算法。它们还使用户可以灵活地选择他们想要的洞察，他们想要如何访问他们以及他们想要驱动的行为。

案例研究：金融服务公司的时间点报告

一家金融服务公司将五个业务线的报告流程标准化，并创建了一个虚拟商业智能平台，以整合来自多个来源的数据。它创建了时间点报告，帮助提高了18％的生产力，将一条业务线的管理报告数量减少了79％，并将收集和整合数据所花费的时间减少了47％，使其符合最佳 - 课堂标准。

3.敏捷而不是准确

准确性可能是一把双刃剑。百分之八十的EPM工作集中在过去并达到最高准确度（误认为粒度），这使得很少有时间来产生洞察力和采取行动。剩下的20％专注于未来，利用自下而上的预测，延长周期时间。在当前快速变化的商业环境中，从数据到洞察到行动的整个周期时间需要是大多数组织实现的一小部分。这需要改变思维方式，使用数字方向指导在准确性和敏捷性之间取得平衡。

在财务之外，以汽车燃油表为例，它可以显示燃油的使用寿命。该算法只能在处理多个变量时提供方向指导。由于变量很少发挥作用，因此几乎从不准确，但它确实为驾驶员提供了行动偏差以及何时加油。 EPM流程应该提供类似的敏捷可操作的见解，在大多数情况下，这些见解必须是正确的数量级和范围，而不是精确定位。

对于消费品公司而言，这意味着使用商业智能和机器学习工具来获得实时库存 - 受到与库存和需求模式相关的外部商品成本变化导致的定价/利润率影响。与等待基于实际数据的精确成本计算相比，这是一种更有效的决策实践和领先指标，其中包括滞后参数。

4.识字比计算更重要

其他市场的一个例子可以帮助阐明这一因素。亚马逊通过远远超出传统描述性叙述的智能数据使用，有效地利用了这一概念。亚马逊利用包括大数据在内的数字技术，根据评级和反馈提出建议，以鼓励消费。

相同的概念可以应用于EPM。例如，以供应商风险管理为例。组织需要超越供应商的数量和财务状况，以考虑质量方面，如声誉和行业趋势，以确定供应商是否是关键和可持续的供应来源。通过动态评分评估和管理风险概况的能力比周期性，静态，分段和差异方法更有效。

同样，EPM必须超越其对数据的关注，以整合定性方面和领先指标，以确定销售，库存，供应商绩效，库存水平和现金余额的趋势。这迫使外部方向和寻找有影响力的数据的需要，而不是仅仅确认数字。

5.专业化运作模式

组织通常在其每个业务和运营单位中都有一个支离破碎的EPM组织，其中包括受过高等教育，成本高昂且经常令人沮丧的业务分析师。预计他们将扮演多种角色：数据科学家，统计学家，数据处理者，业务经理等。然而，实际上，大约75％的时间花在与数据相关的收集/汇总，清理和基本分析上。只有剩余的25％用于洞察生成和业务合作，这应该是EPM的主要关注点。

整理，合成和可视化结构化和非结构化数据所需的技能与实验和微调分析算法所需的技能不同。后者再次与推动有效业务合作的商业和行业敏锐性不同。

EPM转型必须通过推动数据管理和分析的卓越中心的创建和成熟来解决这种复杂性。他们必须将他们安置在最优秀，最具成本效益的地方，以确保有投资或合作伙伴推动持续创新。这样可以释放业务中的容量，并使EPM功能成为真正的业务合作伙伴，从而帮助推动业务发展。

案例研究：为财富500强制药公司重新设计运营模式

一家财富500强制药公司重新设想了其企业管理报告流程。它设计了一个基于前台/后台模型的新交付结构，根据复杂性和预期技能重新调整活动。它引入了一种治理结构，有助于提高产出质量，提高内部CXO满意度，同时通过数据和报告管理的套利和效率提高生产率。

将这五个基石结合在一起可能很困难，这就是精益DigitalSM等方法可以产生重大影响的地方。 Lean DigitalSM利用数字技术。这是一种通过设计思维实践和经典精益管理原则实现的探索，鼓励企业对流程步骤进行端到端的企业视图。 Digital使组织能够将其EPM计划与业务优先级保持一致。例如，他们可以专注于满足不同利益相关者需求（包括潜在的情感需求）的仪表板，同时优先考虑那些需要复杂数据准备并且影响有限的仪表板。

通过将数字嵌入到EPM中，财务功能可以为组织提供可操作的见解，加快规划和报告周期，并提供单一的业务视图来管理风险和简化合规性。数字技术支持的EPM框架将对业务成果产生持久影响。

尽管有一个普遍的误解，市场营销不仅仅是创意和广告。最重要的是，市场营销是一门基于数字或商业指标的精细分析科学。为了证明这一点，让我们来回答一个简单的问题:企业所有者花费数千美元在推广和领导下一代上的主要目标是什么?毫无疑问，它通过新客户和保留现有客户来吸引资金。

广告和创意只是用来尽可能快速和有效地达到这些主要目标的方法。因此，在分析任何业务的有效性时，我们并不认为营销活动的质量是关键。首先，我们评估数量，他们最终带来的利润与实施成本的比较。只有经过评估，我们才能说这是一次成功还是无利可图的冒险。这在使用SaaS模型时尤其有效。很比传统的更复杂。在本文中，我们将详细解释主要区别是什么，以及它如何影响SaaS公司应该跟踪的关键业务性能指标。

SaaS:当启动一个订阅业务，你应该记住的事情

首先，由于收入机制的原因，SaaS(软件即服务)不同于其他转售业务。在传统模式下，你只需为所提供的产品或服务支付一次费用。使用SaaS方法，您可以在订阅基础上提供许可软件。因此，服务收入会在很长一段时间内产生，公司预算可能会因为停机而受到影响。

如果客户对一种产品感到满意，他会长期使用它，并购买你提供的附加功能或软件包。因此，这个买家大大增加了你的利润。另一方面，如果客户不满意，他会很快取消订阅服务，你的企业很可能会失去投资他的吸引力的钱。作为SaaS公司的所有者，您还可能遇到这样的情况:完全没有新买家，而保持活跃销售的唯一方法就是保留常规订户。

SaaS业务的所有这些因素都创建了独特的动态销售流程，因此有必要依赖与订阅销售格式相关的特定业务指标。

检查业务指标

当然，您不应该在日常工作中每秒钟都查看业务性能指标。然而，常规分析允许您跟踪在业务发展的每个阶段发生的重大变化、改进或失败。说,在公司,你的成功的主要参数是正确选择利基,目标受众,和产品生产(例如,产品匹配),而在以后的成长阶段和可伸缩性,在第一次销售,你应该关注的关键指标包括每月的经常性收入(MRR), MRR流失率,每账户平均收入(ARPA),导致速度率(LVR)和CAC回收期。虽然营销方法包括更多的定量指标，上述指标是核心的通用单位。这个标准列表可以防止你被忽略掉。

每月经常性收入(MRR)（Monthly Recurring Revenue）

每月经常性收入(MRR)是所有SaaS业务指标的基础。其主要思想是以月费的形式自动销售客户。

提供一个固定的收入，加上一些月的价值，这个比率平均你所有的费用计划和合同期间，并把它们都考虑在内，让你监测它的变化时间。

例如，如果客户A的订阅费为$100 /月，客户B的订阅费为$59 /月，则一般MRR为$159。随着客户数量的增加，这种逐个客户的计算方法是非常不可靠的(通常情况下，您的企业有两个以上的用户，而且他们的数量在不断变化)。

幸运的是，有一种更简单的方法来计算MRR:你只需要将活跃客户总数乘以他们的定期平均付款(也就是每个用户每月的经常性收入:ARPU)。因此，如果有5个客户以每月100美元的价格订阅该套餐，该公司的MRR将为每月500美元。

但是，请记住，随着SaaS业务的增长，常规的计算是不够的。为了得到更精确的公司收入数据，你应该考虑所有MRR的变化。通常，这些变化受到三个因素的影响:

• 新MRR:来自新客户的额外MRR

• 扩展MRR:来自当前客户的额外MRR(转移到更昂贵的订阅)
• 流出MRR:由于客户流出(取消订阅或转移到更便宜的订阅)而丢失的MRR

现在，当你知道了额外的参数，你可以很容易地计算出一个先进的指标:净新MRR，它清楚地显示了每月收入的增长或下降趋势，通过一个公式

净新MRR =新MRR +扩展MRR -流出MRR

Net New MRR = New MRR + Expansion MRR – Churned MRR

这意味着你可以扩大MRR通过将客户转移到更昂贵的服务计划。例如，您可以为他们提供新的选项，或者建议增加用户数量。

MRR流失率（MRR Churn Rate）

正如我们上面提到的，MRR流失率表示在一段时间内拒绝使用服务的用户的百分比。为了公司的发展，新客户的流入应该超过流出。

要检测你的组织的增长或衰退趋势，使用这个公式:

CR = ((C1-C2)/C1)100%

*其中C1为月初客户数量，C2为月末客户数量。

根据您的流出动态使用此方法-每月，每年，甚至更频繁，如果需要。

每户平均收入(ARPA)（Average Revenue Per Account）

ARPA计算对于任何SaaS公司来说都是最重要的。这个指标显示了您在特定时期(您自己决定的)从一个活跃用户那里获得的平均收入。它有助于在单位层面上分析公司的增长，进而帮助评估业务产生了多少收入。

您可以按月、按季或按年进行计算。实际上，这取决于用户使用的计费选项以及您的未来计划。

ARPA的公式为:

ARPA = Revenue / Accounts

想做就做!

线索速率(LVR)（Lead Velocity Rate）

SaaS业务模型很好，因为它很容易预测和计算。一般来说，这是可能的，因为有固定的收入流动。例如，如果你在过去一个月赚了10万美元，而你在过去12个月的月增长率为6%，那么在接下来的12个月里，年度收入预测(辅助指标)将是200万美元左右。

销售本身不能被视为商业成功的主要指标的主要问题是其可变性和不一致性。在某个月，销售渠道可能是一个有用的工具，但这完全取决于你的销售经理如何工作。如果我们谈论当月进行的交易，他们就会向我们提供过去一年的信息，在这些信息中，经理们正在处理一个只同意在当月签署合同的领导。这就是为什么当你评估你的业务时，LVR是你应该依赖和遵循的关键指标。

你可以用下面的公式来计算:

LVR =(一个月以上合格线索-上月合格线索)/上月合格线索*100%)

LVR = (qualified leads over a month – qualified leads last month)/qualified leads last month *100%)

它的主要目的是让你对未来的收入和增长有一个清晰的了解。LVR与其他指标的不同之处在于它的持久性，因为线索不会像钟表一样生长。这些所谓的潜在交易可以在任何时候完成。你所需要做的就是评估客户关系管理中的LVR指标，并分析它如何随时间增长。

很多市场营销人员认为这是SaaS公司最重要的指标，对于一些潜在客户来说，他们需要很长时间才能信任供应商。然而，如果你系统地增加你的潜在客户数量，你的销售增长将会跟随潜在客户的增长，即使你在短期内取得了更成功的销售。

CAC回收期（CAC Payback Period）

将投入到客户参与的资金收回所需要的时间称为CAC回收期。

首先，你应该计算相关的度量，CAC(客户获取成本)，如下所示:

CAC =销售和市场费用/获得的新客户

CAC = sales and marketing expense / new customers acquired

因此，你会看到你为赢得一个客户花了多少钱，包括从第一天开始的所有费用。

然后，你可以用这个公式来定义主要利率CAC回收期:

CAC回收期= CAC / (MRR - ACS)

CAC payback period = CAC / (MRR – ACS)

*其中ACS是服务的平均成本

因此，通过找出CAC回收期，你可以决定你需要多少钱来杠杆销售。投资回收期越短，公司的利润就越丰厚。

不是那么困难

如此丰富的公式可能会使您感到困惑，并导致SaaS业务性能指标跟踪等同于电子官僚作风的误解。你可能已经放弃了，准备投入到无尽的数字和计算中去。

然而，在这个重要的任务中，桌面计算器并不是你唯一的助手。随着大量内置分析和跟踪功能的营销工具的出现，监视业务指标的过程变成了一项简单的自动任务。从将客户数据存储在一个地方的简单CRM系统，到无需人工操作即可执行不同推广任务的自动程序，创新的技术繁荣将给你充足的睡眠时间。

此外，一些全球营销仪表板软件解决方案将一整套必需的营销功能和产品组合到一个程序中。其中一个业务仪表板的例子是Platformly，这是一个基于人工智能的服务，旨在通过广泛的分析、跟踪和报告工具来自动化和加速客户的业务流程。通过它方便的客户关系管理和仪表盘，用户可以保持所有关于他们的潜在客户和客户的最新信息，以及跟踪客户的终身价值。还包括了潜在客户、电子邮件营销的高级可能性以及各种整合。通过使用这种软件，业务度量跟踪变得不仅简单而且容易。

掌握软件解决方案

显然，对于业务开发的每个阶段，不同的度量标准都特别重要。通过区分不同的阶段，你将拯救你自己和你的企业从意想不到的损失。

您不应该放弃这些流程的自动化，特别是假设存在各种促进它们的创新业务仪表板软件。使用这些特别服务，你可以为更有趣的活动预留时间。

 

原文：https://www.platform.ly/blog/key-saas-metrics/

本文：http://jiagoushi.pro/node/1259

讨论：请加入知识星球【首席数字化转型官】或者小号【cio_cdo】或者QQ群【2245019】

 

在之前的博客中，我们撰写了有关结构和数据组合的文章，以便为您的企业创建新的见解，以及如何支持您的组织创建数字双胞胎。重申一下，数字双胞胎是现实世界实体或系统的数字表示。

这种模型支持各种高级分析，例如：

1. 预测性维护
2. 资源优化
3. 流量控制
4. 产品开发

数字双胞胎用于物理世界中的各种设置，例如：

1. 飞机发动机，卡车，机车，汽车：例如，特斯拉为他们制造的每辆汽车配备了一个数字双胞胎，如果驾驶员在车门上有拨浪鼓，可以通过下载调整该特定车门液压系统的软件进行修理[ CSC]。
2. 风力涡轮机，石油钻井平台，发电厂，智能工厂，工业4.0
3. 智能建筑，智能家居
4. 医疗保健中的个性化患者模型

而物联网技术将使更多用例成为可能。您的组织的数字双胞胎（DTO）是完全相同的，这是一个数字模型，显示您的企业如何构建，运营和发展。现在这个想法并不是全新的，即使这个术语最近才由Gartner创造。我们BiZZdesign的企业模型多年来一直支持我们的产品当然是您组织的数字代表！

然而，有一些新的发展。过去，这些模型的设计和维护与业务中的业务分开。如今，我们可以将实时运营数据整合到我们的模型中，来自不同的来源。正如在顶部提到的第一篇博客中提到的那样，这提供了一系列新的可能性。

创建组织的数字双胞胎

但是你如何建立这样的数字双胞胎呢？我们使用五步迭代过程，如下所示。

 

1.为您的企业建模

创建DTO的第一步当然是使用您的正式模型：

• 战略方向和商业模式
• 当前和期望的资产和能力
• 组织和流程
• 支持您的运营的IT和其他技术
• 改变发展和转变企业的举措

在许多不同的博客文章和白皮书中，我们已经解释了这些类型的模型，因此我们不会在这里详细说明。但是，需要注意的一件重要事情是，您可以越来越多地使用自动化来加速对企业当前状态进行建模。例如，您可以从工作流工具，流程挖掘，CMDB等中导入信息，并生成模型，而不是手动构建它们。

当然，建筑师和其他设计师的专业知识对于创建必要的抽象仍然是必不可少的，这些抽象可以帮助您查看树木的森林：决定从哪里抽象，在哪里概括以及哪些细节无关紧要，这不是我们可以轻松实现的自动化。而且，设计企业的未来也无法实现自动化。

这不是基于一个单一的，包罗万象的一切模型。相反，不同的方面被不同的模型捕获，由不同（但合作）的社区和学科维护。所有这些不同的模型相互关联，形成一个连贯的主干，在战略方向，运营和企业变革之间提供视线。

2.向企业模型添加数据

创建DTO的第二步是将实时企业的相关运营数据添加到集成模型中。这可以包括，例如：

• 您的产品组合数据（市场份额，收入等）
• 客户体验数据（例如用户满意度，净推荐分数）
• 性能数据（流程吞吐量，生产力，可用性等）
• 资源成本（例如人员，执照，维护，基础设施）
• 技术生命周期（业务和技术价值，寿命终止等）
• 项目绩效（时间，预算，创造的价值等）

当然，这只是一些示例，您自己企业的具体细节将决定哪些类型的数据可用且有用。您的组织内可能会遇到一些争夺某些数据源的争夺战，但这超出了本博客的范围。

更重要的是，数据质量是关键：垃圾进入，垃​​圾进出。因此，在向模型添加任何数据之前，您应该根据常见的质量属性评估该数据，例如：

• 准确性：数据是否正确代表了它描述的世界？
• 精度：数据的详细程度如何？
• 完整性：数据的相关部分是否可用？
• 货币：它描述的世界的数据是当前的吗？
• 及时性：数据是否按时提供？
• 一致性：数据是否与其他数据集一致？
• 血统：你知道数据来自哪里（例如可信来源）吗？

您可以通过多种方式聚合和集成您添加的数据。例如，下图显示了应用程序的成本计算模型，其中根据数量，资源使用等添加了不同的成本驱动因素。每个应用程序的聚合成本又可以基于其在各种业务流程中的使用强度而分发到例如组织的业务单元。

我们的HoriZZon平台提供出色的数据集成功能。您可以从各种来源导入信息，包括Excel文件和SQL数据库，以及ServiceNow，Technopedia等源。底层的高性能流媒体平台为集成实时和大容量数据奠定了基础。

3.可视化和分析您的企业

一旦使用相关数据丰富了模型，就可以使用它来执行各种分析。想想以下方面：

• 商业模式场景
• 财务参数，成本分配，投资重点
• 产品组合表现，市场份额，收入
• 能力成熟和增长
• 业务连续性，依赖性，风险
• 客户体验和满意度
• 流程性能，瓶颈，故障率，利用率
• 安全性和合规性，数据使用，漏洞
• 应用程序组合，IT生命周期

这只是一小部分。我们的分析技术白皮书可能是一个灵感来源。

为了传达正确的信息并对您的企业有一个深刻的理解，合适的可视化也是关键。这可能包括简单的表格和列表，通过ArchiMate和BPMN等语言中的“经典”模型，以及彩色热图，图表和交互式仪表板。

下面是一个横向地图，其中绘制了支持某些信息域（横轴）的某些业务功能（垂直轴）的应用程序，根据其生命周期建议（点击放大）着色：blue = tolerate，green = invest ，黄色=迁移，红色=消除。该建议基于典型的“TIME”应用程序组合分析，基于这些应用程序的不同业务价值和技术价值指标（有关此问题，请参阅我们的应用程序组合管理电子书）。反过来，这些数据来自许多外部来源，从用户调查到服务管理部门的呼叫日志，从自动代码分析到来自Technopedia等来源的供应商数据。

 

 

如您所见，此图在一个图表中集成了大量有用信息，概述了替代应用程序对所支持的业务功能和所涉及的数据域的潜在影响。

在下图中，您将看到另一个示例，即HoriZZon中的交互式仪表板。 您可以选择一个元素（比如极高风险的应用程序），仪表板的其余部分适应和过滤以仅在所有图表中显示这些应用程序。 这样，您可以深入了解企业的突出问题并支持决策制定。

我们关于提高战略执行的企业观点的白皮书显示了一些可能支持管理层受众的观点示例，即下一步的关键利益相关者。

4.控制和改变您的企业

这是橡胶与道路相遇的地方。基于前面步骤的分析和可视化，组织各级决策者可以使用这些信息来指导，控制和改变企业。这可能包括“车间”领域专家在生产过程中的简单参数优化，以及C级管理发起的主要业务转换。由于所有信息都在相干模型空间中连接，因此任何更改都可以作为整体图片的一部分进行预先评估。反之亦然，来自外部世界的相关数据的变化可以输入数字双胞胎，以评估它们对企业的影响。

改变企业的关键是分析变更的影响并以智能方式规划这些变更。我们不提倡采用大型，严格的多年转型计划的“大前期设计”方法。相反，在日益动荡的商业世界中，您需要使用交互式方法，定期更新计划以适应不断变化的环境，通常以敏捷方式。下图显示了一系列更改之间的依赖关系的简单示例，用粉色框表示。 'P428'的延迟会导致时间表出现问题，因为'P472'取决于它。此外，由于两个变化在范围上重叠（如右表所示），当它们也在时间上重叠时，它们可能会彼此相互影响。这些信息是根据项目进度表和架构信息的组合计算出来的，这是在Digital Twin中整合这种结构和数据的价值的一个明显例子。

这当然只是管理企业变更的一个例子。在其他出版物中，我们展示了更多这类分析。如果您想了解更多，请与我们联系进行演示。

5.改进你的模型

最后，你必须关闭循环。正如George Box所说的那样：“所有模型都是错误的，但有些模型是有用的。”你的模型永远不是现实的完整画面，但你应该不断改进它。首先，你应该检查它们的质量：你的模型在技术上是否合理？它们一致吗？他们被理解了吗？其次，你需要确保你的模型不会过多地偏离现实。他们还能够准确地代表现实世界吗？改变了什么？你需要重新校准吗？

此外，您可以通过添加更多数据源来增强模型。建立DTO不是一次性的练习;这是一个旅程，而不是目的地。随着时间的推移，您逐渐添加越来越多的信息，微调和丰富您的模型。最后，为了提高模型的质量，您需要确保此反馈循环足够快。这样您就可以防止模型过时。

下一步

为帮助您确定设置自己的DTO所需的步骤，我们开发了在线DTO准备情况检查。这是基于BiZZdesign的Adaptive Enterprise成熟度模型。它不仅涉及DTO，还涉及IT治理，企业架构，项目组合管理和企业敏捷性等方面。通过这种方式，您可以将DTO置于更广泛的环境中，并发展您的管理和变更能力。

原文：https://bizzdesign.com/blog/building-a-digital-twin-of-your-organization/

本文：

讨论：请加入知识星球【首席架构师圈】