Gartner五阶梯多数企业卡在描述性
OMTM与北极星指标分属战术层和战略层
OKR与KPI本质分界线是薪酬挂钩与否---

度量选择是元决策——选什么指标决定了组织往哪个方向优化，而选错指标比没有指标更危险¶

核心论点¶

度量体系设计的根本矛盾：你选的指标会塑造行为，但行为会反过来腐蚀指标（Goodhart 定律：「当一个度量变成目标，它就不再是好的度量」）。因此度量选择不是技术问题——是战略决策。

三个层次¶

层次 1：成熟度决定「能度量什么」¶

Gartner 五阶梯从描述性→诊断性→预测性→指导性→认知性，每一级不仅需要更强的技术能力，也需要不同的指标类型：

成熟度	典型指标	隐含假设
描述性	「上月 GMV ¥X」	我们认为看历史就够了
诊断性	「GMV 下降因为客单价降了 15%」	我们需要回答「为什么」
预测性	「下月 GMV 预测 ¥Y±Z」	我们需要前瞻
指导性	「降价 5% 预计提升 GMV ¥W」	我们需要因果+决策
认知性	系统自主调整价格	我们信任系统做决策

大多数企业卡在描述性→诊断性的断层：有很多仪表盘（描述性），但无法回答「为什么这个指标下降了」（诊断性）。这不是技术问题——是数据架构问题（缺少元数据管理、数据血缘、可钻取的数据模型）。

层次 2：战术聚焦（OMTM）vs 战略导向（北极星）¶

OMTM（One Metric That Matters）是战术层的阶段性聚焦：初创公司在当前阶段应该只关注一个指标（如 DAU、留存率、MRR），牺牲其他维度的可见性来换取聚焦。OMTM 是临时的、可更换的——这阶段的 OMTM 是「用户注册量」，下阶段可能是「7 日留存」。

北极星指标（North Star Metric）是战略层的长期导向：它定义公司存在的核心价值（「帮助用户完成 X」）。北极星是相对稳定的——Airbnb 的「预订夜晚数」、Spotify 的「收听时长」。

关键洞察：不要把 OMTM 当北极星用，也不要把北极星当 OMTM 用。

OMTM 当北极星 = 你现在的战术指标成了永久的战略目标 → 路径依赖
北极星当 OMTM = 你用一个无法日常操作的抽象指标驱动每日决策 → 无法执行

层次 3：OKR 与 KPI——激励系统 vs 衡量系统¶

OKR 和 KPI 的本质区别不在形式（都是设定目标+跟踪进度），在是否与薪酬挂钩：

	OKR	KPI
与薪酬关系	不直接挂钩（鼓励设定有野心的目标）	直接挂钩（完成率决定绩效）
典型目标	60-70% 完成率是健康的（野心足够大）	100% 完成率是期望
适合场景	探索性、创新性工作	运营性、可预测的工作
失败模式	变成 KPI（「你的 OKR 完成率决定你的奖金」）→ 目标被压低	变成天花板（「我完成了 KPI，其他事不关我事」）

OKR 变成 KPI 是组织中最常见的度量腐败——HR 需要考核数据，于是把 OKR 完成率捆绑到绩效——瞬间所有团队把目标从「野心 70%」调整为「稳妥 95%」。OKR 死了。

跨域链接¶

→ 概念笔记「决策理论三张面孔」：度量选择本身就是元决策的一个子类——「用什么度量来衡量我们的进展？」是决定「如何决定如何决定」的一步
→ 概念笔记「机器学习失败金字塔」：ML 的评估指标选择（准确率 vs AUC vs Recall）是度量选择问题在 ML 领域的投射——选错评估指标 = 你优化的方向错了
→ 概念笔记「频率推断核心张力」：选择 α = 0.05 作为显著性阈值本质上是度量选择——你在用「假阳性率」作为研究质量的指标；换一个指标（如贝叶斯因子）会得出不同的「质量」结论
→ 桥接笔记「预测因果决策是三个不同技术层」：预测层选 RMSE/AUC、因果层选 ATE/CATE、决策层选利润/效用——每一层都有自己的度量选择问题，选错度量等价于在错误的方向上优化
→ 桥接笔记「贝叶斯决策理论」：贝叶斯决策理论的核心公式 \(a^* = \arg\max_a \int U(a,\theta) P(\theta|D) d\theta\) 将度量选择问题形式化为效用函数的选择——你的北极星指标本质上就是你的效用函数
→ 概念笔记「因果推断方法阵营」：RD/RR/OR 效应度量选择是度量选择在因果推断中的核心案例。选择取决于受众和决策场景。
→ 概念笔记「关联不等于因果」：效应度量选择与不可折叠性是度量选择的直接体现。
→ 概念笔记「贝叶斯与频率学派分歧在概率的定义」：选择 α=0.05 作为「质量」阈值是度量选择的政治化。
→ 概念笔记「概率分布选择不是数学偏好」：分布选择和度量选择是耦合决策——度量的有效性取决于分布假设。
→ 桥接笔记「因果推断诊断检验本身是假设检验」：F>10、标准化差异<0.1——这些全是因果诊断的度量阈值。
→ 桥接笔记「信用分配是强化学习与因果推断的共同根」：奖励函数设计在本质上是一个度量选择问题。
→ 概念笔记「实验设计与在线对照实验」：OEC（总体评估标准）是实验设计中度量选择的直接体现——选什么作为实验的「成功」标准，决定了整个实验的方向和组织的优化目标。实验设计笔记系统化地覆盖了从指标定义到组织可信度的完整体系。
→ 概念笔记「自适应实验与多臂老虎机」：奖励函数设计是多臂老虎机的核心——reward 指标的选择决定了算法优化的方向，C7 的度量选择逻辑在 C12 的动态环境中面临额外的挑战（延迟奖励、非平稳 reward 分布）。
→ 概念笔记「网络科学——从个体交互到集体涌现的结构性规律」：网络中心性度量（度中心性、介数中心性、特征向量中心性、PageRank）是度量选择在网络环境中的精确实例——每种中心性编码了对"节点重要性"的不同定义。选择哪种中心性决定你识别哪些节点为"关键"，这与业务中选错 KPI 导致组织次优优化的逻辑完全一致。
→ 实践笔记「WOE编码加IV筛选信用评分卡特征工程」：IV（信息价值）是度量选择的精确实例——银行选择 IV 而非业务直觉来筛选特征，决定了「哪些信息进入评分卡」。IV 不是唯一的筛选标准——mutual information、SHAP 重要性、业务相关性都可以替代——但「IV > 0.02 准入」这样的规则一旦固化，整个行业的标准评分卡特征就锁定在这个门槛上。这是度量选择作为元决策的行业级体现

追加——2026-06-29：Goodhart 定律与度量腐败的防御¶

Goodhart 定律的三种形式¶

经典 Goodhart：「当一个度量变成目标，它就不再是好的度量」——考试分数成为目标 → 应试教育替代学习。KPI 成为目标 → 刷数据替代做业务。
Campbell 定律（更精确的表述）：「一个社会指标被用于决策的程度越高，它就越容易受到腐败压力，也越容易扭曲和腐蚀它本应监测的社会过程。」——解释了为什么「绩效工资」几乎总是降低内在动机。
度量位移（Metric Displacement）：可量化的指标驱逐不可量化但更重要的价值——医院的「患者满意度」驱逐「医疗质量」，因为前者可量化、后者不可。

防御度量腐败的三条规则¶

多指标三角测量：永远不用单一指标做决策。至少用 3 个指标——一个效率指标（速度/成本）、一个质量指标（准确率/满意度）、一个反指标（防止「优化单一维度」的负面外部性）。
指标与薪酬解耦：OKR 一旦与薪酬挂钩就死了——因为目标从「野心 70%」降至「稳妥 95%」。KPI 用于薪酬考核是合理的但只适用于运营性工作。探索性、创新性工作不用 KPI 考核——用同行评议或里程碑评审。
定期审计指标的有效性：每季度问：「我们还在度量正确的东西吗？这个指标有没有被游戏化？」一个信号：当你的指标持续改善但用户满意度持续下降——你的指标已经被腐蚀了。