OKRs: So setzen, messen und verfolgen Sie Key Results

Ein OKR sieht auf dem Papier einfach aus: Wählen Sie ein Ziel (Objective), definieren Sie einige messbare Schlüsselergebnisse (Key Results) und überprüfen Sie den Fortschritt im Laufe des Quartals. In der Praxis verlangt das Framework von Teams, mehrere folgenreiche Entscheidungen zu treffen – welche Ergebnisse Priorität verdienen, welche Nachweise den Fortschritt belegen, ob ein Ziel verbindlich oder erstrebenswert ist und wie oft es überprüft und bewertet werden soll.

Die Messung von OKRs ist deutlich anspruchsvoller geworden, seit das Konzept in den 1970er Jahren aufkam. Die Key Results eines modernen Teams können von CRM-Datensätzen, von einem Datenteam gepflegten Geschäftsregeln und Metriken abhängen, die in verschiedenen Business Intelligence-Dashboards (BI) unterschiedlich definiert sind. Wenn die Messung auf aktuellen, kontrollierten Daten basiert, erhalten Teams aktuellere Zahlen auf der Grundlage konsistenter Definitionen. In Review-Meetings kann weniger Zeit für den Abgleich von Zahlen und mehr Zeit für die Untersuchung der Zielentwicklung, der Einflussfaktoren und der nächsten Schritte aufgewendet werden.

Objectives and Key Results (OKRs) sind ein Framework zur Zielsetzung, das ein qualitatives Ziel mit einer kleinen Gruppe quantitativer Schlüsselergebnisse kombiniert. Das Objective gibt an, was ein Team erreichen möchte, während die Key Results die messbaren Ergebnisse spezifizieren, die den Fortschritt in Richtung des Ziels belegen würden.

Hier einige Beispiele:

Ziel: Das Onboarding für neue Kund:innen erleichtern.

Key Results:

• Die Aktivierungsrate bis Ende Q4 von 40 % auf 55 % erhöhen.
• Die mediane Time-to-First-Value von sieben Tagen auf drei Tage reduzieren.
• Onboarding-bezogene Support-Tickets pro Neukund:in um 20 % reduzieren.

Das OKR-Framework entstand aus der Arbeit des Intel-Führungskräfte Andy Grove, der den Managementansatz entwickelte, aus dem sich moderne OKRs entwickelten. John Doerr lernte das System bei Intel kennen und führte es später bei Google ein, was dazu beitrug, OKRs durch Measure What Matters breiter bekannt zu machen.

Doerr beschreibt fünf Vorteile einer effektiven OKR-Praxis durch das Akronym F.A.C.T.S.: Focus, Alignment, Commitment, Tracking und Stretching. Fokus beschränkt die Aufmerksamkeit auf eine kleine Anzahl von Prioritäten; Ausrichtung verbindet Ziele im gesamten Unternehmen; Engagement etabliert gemeinsame Verantwortung; Tracking hält den Fortschritt während des gesamten Zyklus sichtbar; und Stretching fördert ehrgeizige Ziele.

Unternehmen legen OKRs in der Regel in einem wiederkehrenden Rhythmus fest, oft vierteljährlich, und überprüfen und bewerten sie dann während oder am Ende des Zyklus. Dieser Rhythmus unterscheidet OKRs von einer statischen Aufgabenliste: Das Framework bietet einen kontinuierlichen Bezugspunkt für die Entscheidung, wo die Arbeit das beabsichtigte Ergebnis liefert und wo sie hinter den Erwartungen zurückbleibt.

Erfahren Sie, wie Thomson Reuters Cortex Analyst nutzt, um KI-gestützte Analysen von Unternehmensdaten zu erstellen:

Die beiden Komponenten eines OKRs erfüllen unterschiedliche Aufgaben. Ein Objective ist eine qualitative Absichtserklärung. Es sollte dem Team eine klare Richtung vorgeben und gleichzeitig Raum für verschiedene Wege zur Zielerreichung lassen. „Ein reibungsloseres Onboarding-Erlebnis bieten“ beschreibt beispielsweise das vom Team gewünschte Ergebnis, ohne ein bestimmtes Feature, eine bestimmte Kampagne oder einen bestimmten Workflow vorzuschreiben.

Ein Key Result übersetzt diese Richtung in messbare Nachweise. Betrachten Sie dieses Key Result, das ein reibungsloseres Onboarding-Erlebnis belegen würde: „Die mediane Time-to-First-Value bis Ende Q4 von sieben Tagen auf drei Tage reduzieren.“ Die Metrik ist die mediane Time-to-First-Value. Sieben Tage sind die Baseline, drei Tage sind das Ziel und das Ende von Q4 bildet die zeitliche Begrenzung.

Diese Struktur hilft auch dabei, Ergebnisse (Outcomes) von Outputs zu trennen. „Fünf Onboarding-Verbesserungen ausliefern“ erfasst die Aktivität. „Die Time-to-First-Value von sieben Tagen auf drei Tage reduzieren“ misst das Ergebnis, das die Arbeit erzielen soll.

Jedes Key Result benennt ein messbares Ergebnis, was bedeutet, dass sich jedes auch auf eine Metrikdefinition und eine Datenquelle stützt. Das Framework legt fest, was das Team messen möchte, aber die Daten hinter der Metrik bestimmen, wie zuverlässig das Team sie misst.

Unternehmen unterscheiden oft zwischen verbindlichen und erstrebenswerten OKRs, eine Praxis, die insbesondere mit der Implementierung des Frameworks durch Google in Verbindung gebracht wird.

• Ein verbindliches OKR stellt ein Ergebnis dar, das das Team voraussichtlich innerhalb des Zyklus liefern wird. Ressourcen und Prioritäten sollten diese Erwartung widerspiegeln, und das Ziel wird im Allgemeinen als 100%ige Verpflichtung behandelt.
• Ein ehrgeiziges OKR greift bewusst weiter. Diese Stretch-Ziele bergen mehr Unsicherheit, und eine teilweise Erreichung kann dennoch einen erheblichen Fortschritt darstellen. Googles Bewertungsansatz behandelt beispielsweise 0,7 bis 1,0 als grünen Bereich für ehrgeizige OKRs, während von verbindlichen OKRs erwartet wird, dass sie 1,0 erreichen.

Die Kennzeichnung des Typs zu Beginn des Zyklus gibt der späteren Bewertung einen nützlichen Kontext. Eine 0,7 bei einem sehr ehrgeizigen Expansionsziel und eine 0,7 bei einem erforderlichen regulatorischen Meilenstein stellen sehr unterschiedliche Ergebnisse dar.

Einige Unternehmen trennen auch strategische OKRs, die übergeordnete oder längerfristige Prioritäten ausdrücken, von operativen oder Team-OKRs, die diese unterstützen. Unabhängig davon, welche Terminologie ein Unternehmen anwendet, sollte die Hierarchie zeigen, wie die messbaren Ergebnisse eines Teams mit umfassenderen Prioritäten zusammenhängen.

OKRs und Key Performance Indicators (KPIs) sind eng miteinander verwandt, was einen Großteil der Verwirrung zwischen ihnen erklärt.

Ein KPI ist ein fortlaufendes Maß für die Performance. Monatliche Abwanderung, Bruttomarge, Betriebszeit, Prognosegenauigkeit und Konversionsrate können Quartal für Quartal auf einem Dashboard verbleiben, da das Unternehmen deren Zustand kontinuierlich überwachen möchte.

Ein OKR spezifiziert ein Ziel mit Schlüsselergebnissen, die das Unternehmen in einem definierten Zeitraum erzielen möchte.

Nehmen wir die Kundenabwanderung:

Ein KPI für die monatliche Kundenabwanderung könnte 5 % betragen. Ein OKR-Key-Result könnte dieselbe Metrik auf diese Weise enthalten: Die monatliche Kundenabwanderung bis Ende Q2 von 5 % auf 3 % reduzieren.

Der KPI liefert die Messung. Das Key Result fügt eine Baseline, ein Ziel und eine Frist hinzu, die die beabsichtigte Änderung beschreiben.

Viele Key Results verwenden daher bestehende KPIs, obwohl diese Beziehung nicht zwingend erforderlich ist. Ein Team könnte eine neue Metrik für eine Initiative erstellen, die noch nie zuvor gemessen wurde. In jedem Fall benötigt das Key Result eine vereinbarte Berechnungsmethode und eine zuverlässige Quelle für die zugrunde liegenden Daten.

KPIs können auch als Leitplanken für ein OKR dienen. Ein Produktteam, das eine schnelle Akzeptanz anstrebt, könnte beispielsweise das Supportvolumen oder die Kundenzufriedenheit neben seinem Wachstumsziel verfolgen, damit der Fortschritt bei einer Metrik nicht die Verschlechterung bei einer anderen verbirgt.

Ein gutes OKR engt den Fokus ein. Wenn ein Team mit 15 Zielen, Dutzenden von Key Results und ohne klare Priorisierung in ein Quartal startet, wird das Framework nicht effektiv genutzt. Das Verfassen nützlicher OKRs beginnt mit den folgenden Best Practices.

Formulieren Sie Ziele anhand von Ergebnissen

Ein Ziel sollte ein Ergebnis beschreiben, das das Team erreichen möchte. „Drei Akquisitionskampagnen durchführen” beschreibt geplante Arbeit. „Qualifizierte Nachfrage von Zielkunden steigern” gibt dem Team ein Ergebnis vor, zu dem verschiedene Arten von Arbeit beitragen können. Das Ziel benötigt keine Metrik, da die Key Results des Ziels diese liefern.

Geben Sie jedem Key Result eine Baseline und ein Ziel

Baselines zeigen auch das Ausmaß der geplanten Veränderung. Die Aktivierung auf 60 % zu erhöhen, bedeutet etwas ganz anderes, wenn die aktuelle Rate bei 58 % liegt im Vergleich zu 35 %.

Key Results sollten auch spezifische Ziele haben. „Prognosegenauigkeit verbessern” lässt zu vieles offen. „Vierteljährliche Prognosegenauigkeit bis Ende Q4 von 72 % auf 85 % erhöhen” legt sowohl die Ausgangsposition als auch das erwartete Ergebnis fest.

Weisen Sie eine:n namentlich genannte:n Verantwortliche:n zu

Ein Key Result hängt oft von der Arbeit mehrerer Personen ab, aber die Verantwortung für die Nachverfolgung sollte klar bleiben. Diese Person hält die Messung sichtbar und stellt sicher, dass Änderungen Beachtung finden.

Unterziehen Sie die Messung einem Stresstest

Bevor Sie sich auf ein Key Result festlegen, fragen Sie sich, wie dessen aktueller Wert während des Zyklus berechnet wird. Woher stammen die Daten? Wie oft werden sie aktualisiert? Wer ist für die Definition der Metrik verantwortlich? Bezieht sich dieselbe Bezeichnung über Dashboards und Teams hinweg auf dieselbe Berechnung?

Ein Key Result, das eine neue Mess-Pipeline erfordert, ist nicht zwangsläufig ein schlechtes Key Result. Das Team muss diese Arbeit lediglich auf sein Konto nehmen, bevor der Zyklus beginnt.

Derselbe Test deckt Key Results auf, die überhaupt schwer zu bewerten sind. „Markenvertrauen verbessern” erfordert beispielsweise einen definierten Messansatz, bevor das Team bestimmen kann, wie Fortschritt aussieht.

OKRs nehmen im gesamten Unternehmen unterschiedliche Formen an, da jedes Team unterschiedliche Geschäftsergebnisse beeinflusst. Die Metriken können von Aktivierung und Kundenbindung bis hin zu Pipeline und Prognosegenauigkeit reichen, aber jedes Key Result sollte dem Team eine messbare Möglichkeit geben, seine Arbeit mit einem übergeordneten Ziel zu verknüpfen.

Führung

Ziel: Die vertrauenswürdigste Marke der Kategorie werden.

Mögliche Key Results:

• Net Promoter Score von X auf Y erhöhen
• Wettbewerbs-Gewinnrate von X % auf Y % steigern
• Kundenbindung von X % auf Y % erhöhen

Produkt

Ziel: Das Onboarding für neue Kund:innen erleichtern.

Mögliche Key Results:

• Aktivierungsrate von X % auf Y % erhöhen
• Mediane Zeit bis zum ersten Mehrwert von X Tagen auf Y Tage reduzieren
• Onboarding-Support-Tickets pro neuer Kund:in von X auf Y reduzieren

Marketing

Ziel: Eine vorhersehbarere Demand Engine aufbauen.

Mögliche Key Results:

• Qualifizierte Pipeline von X USD auf Y USD erhöhen
• Opportunity-Konvertierung von X % auf Y % steigern
• Kosten pro Opportunity von X USD auf Y USD reduzieren

Sales und Revenue Operations

Ziel: Vertrauen in die Umsatzprognose verbessern.

Mögliche Key Results:

• Prognosegenauigkeit von X % auf Y % erhöhen
• Mediane Länge des Verkaufszyklus von X Tagen auf Y Tage reduzieren
• Pipeline-Abdeckung von X auf Y erhöhen

Viele OKR-Programme bewerten einzelne Key Results auf einer Skala von 0,0 bis 1,0 und verwenden diese Ergebnisse dann, um das Ziel als Ganzes zu beurteilen.

Angenommen, ein Key Result zielt darauf ab, die Aktivierung von 40 % auf 55 % zu erhöhen. Wenn die Aktivierung den Zyklus bei 50 % beendet, übersetzt die Bewertungsmethode diesen Fortschritt in ein standardisiertes Ergebnis, sodass Teams verschiedene KRs konsistent überprüfen können.

Die Interpretation hängt teilweise von der Art des OKRs ab. Der Ansatz von Google ordnet ehrgeizige Bewertungen von 0,7 bis 1,0 in den grünen Bereich ein, während von verbindlichen OKRs erwartet wird, dass sie 1,0 erreichen. Das konsequente Erreichen von 100 % bei sehr ehrgeizigen Zielen könnte auch darauf hindeuten, dass die Ziele das Team nicht sehr fordern.

Die Bewertung ist nur ein Teil der Überprüfung am Ende des Zyklus, bei der auch betrachtet werden sollte, was zum Ergebnis beigetragen hat, welche Annahmen sich bestätigt haben und was sich im nächsten Zyklus ändern sollte.

Beispielsweise könnte ein Team, das 0,6 erreicht hat, auf eine falsche Annahme, eine externe Abhängigkeit oder eine Verschiebung der Geschäftsprioritäten gestoßen sein. Ein anderes Team mit derselben Bewertung hat möglicherweise spät begonnen oder zugelassen, dass das KR aus der täglichen Arbeit herausfällt. Die Bewertung allein kann zwischen diesen Umständen nicht unterscheiden.

Schließlich hängt die Qualität der Bewertung von der Qualität der zugrunde liegenden Messung ab. Eine sorgfältig gestaltete Skala von 0,0 bis 1,0 ist von geringem Wert, wenn der Quellmetrik nicht vertraut werden kann, weil sie veraltet ist oder widersprüchlich definiert wurde.

OKRs sind so konzipiert, dass sie als wiederkehrender Management-Rhythmus funktionieren. Die Planung legt das Ziel fest, Check-ins decken Änderungen frühzeitig auf und die Retrospektive macht das Endergebnis zum Input für den nächsten Zyklus.

Legen Sie die OKRs fest

Ein typischer vierteljährlicher Zyklus beginnt mit dem Entwerfen und Abstimmen von Zielen, dem Festlegen von Key Results und der Benennung von Verantwortlichen. In dieser Phase sollten Teams bestätigen, dass jedes Key Result eine klare Baseline, ein klares Ziel und eine klare Messquelle hat, da ungelöste Definitionen tendenziell später bei Check-ins auftauchen.

Überprüfen Sie den Fortschritt regelmäßig

Während des Quartals überprüfen Teams den Fortschritt wöchentlich oder zweiwöchentlich, identifizieren KRs, die abrutschen, und passen die Arbeit entsprechend an. Häufige Check-ins geben Teams die Möglichkeit zu reagieren, solange noch Zeit ist, das Ergebnis zu beeinflussen. Anstatt bis zum Ende des Quartals zu warten, um festzustellen, dass ein Key Result nicht erreicht wurde, können Teams untersuchen, was Änderungen an einer Metrik antreibt, und ihre Arbeit entsprechend anpassen.

Ein nützlicher Check-in beginnt mit dem aktuellen Wert jedes Key Results und fragt dann, was sich geändert hat, was weitere Fortschritte blockiert und welche Maßnahmen vor der nächsten Überprüfung Beachtung verdienen.

Wenn der erste Teil jedes Meetings dafür verwendet wird, Tabellenkalkulations-Updates zu sammeln oder widersprüchliche Zahlen abzugleichen, bringt der Rhythmus unnötigen administrativen Aufwand mit sich. Wenn zum Zeitpunkt des Meetings aktuelle Messungen vorliegen, kann die Diskussion schneller zur Entwicklung des Ziels und den nächsten Schritten übergehen.

Bewerten und führen Sie eine Retrospektive durch

Am Ende des Zyklus bewerten Teams die Ergebnisse und überprüfen, was sie geprägt hat. Die Bewertung zeigt, wie viel Fortschritt das Team in Richtung des Ziels gemacht hat, während die Retrospektive betrachtet, was zum Ergebnis beigetragen hat, welche Annahmen sich bestätigt haben und was sich im nächsten Zyklus ändern sollte. Diese Überprüfung sollte direkt in die nächste Planungsrunde einfließen.

Die meisten OKR-Probleme fallen in einige wenige wiederkehrende Muster, von denen einige erst nach Beginn der Ausführung auftreten.

• Zu viele OKRs: Eine lange Liste schwächt die Priorisierung, die das Framework eigentlich schaffen soll. Halten Sie die aktive Auswahl so klein, dass jedes Objective während des gesamten Zyklus Beachtung findet.
• Outputs, die als Outcomes formuliert sind: „Ein neues Feature einführen” erfasst den Abschluss einer Arbeit. Ein KR wie „Die wöchentliche Akzeptanz des Workflows von 22 % auf 35 % steigern” misst, was passiert ist, nachdem das Feature die Nutzer:innen erreicht hat.
• Schwache Abstimmung: Team-OKRs sollten sichtbar mit den Unternehmensprioritäten verknüpft sein, anstatt als unabhängige Planungsebene zu fungieren.
• Planung nach dem „Set-and-Forget”-Prinzip: Quartalsziele verlieren an operativer Relevanz, wenn Teams sie nur während der Planung und beim Abschluss überprüfen. Regelmäßige Check-ins halten die Metrik im Entscheidungszyklus.
• Ziele, die von der täglichen Arbeit losgelöst sind: Ein Team muss in der Lage sein, seine Key Results durch die Entscheidungen, die es während des Quartals trifft, zu beeinflussen. Andernfalls fungiert die Metrik in erster Linie als Beobachtung.
• Manipulation der Bewertung: Die Erreichung von OKRs als direkten Indikator für die Performance von Mitarbeiter:innen zu betrachten, fördert sicherere Ziele und erschwert die Verwendung von ehrgeizigen OKRs.
• Nicht vertrauenswürdige Messung: Eine manuell kopierte oder veraltete Zahl oder eine umstrittene Definition verschwendet Zeit bei Abstimmungsaufgaben. Dieses Problem wird leicht als Problem mit OKR-Tools abgetan, beginnt aber oft weiter unten im Stack bei Metrikdefinitionen, Datenquellen und Governance.

Tabellenkalkulationen und spezielle OKR-Tools reichen oft aus, um Objectives, Verantwortliche und Bewertungen zu erfassen. Die Herausforderung besteht darin, die Messung hinter jedem Key Result aktuell und konsistent zu halten, insbesondere wenn diese Messung von Daten aus mehreren Systemen abhängt.

Stellen Sie sich ein KR vor, das die Konversion der qualifizierten Pipeline von 18 % auf 24 % erhöhen soll. Die Teams müssen sich darüber einig sein, welche Opportunities sich qualifizieren, welcher Phasenübergang als Konversion zählt, wie wiedereröffnete Opportunities behandelt werden und welche Daten die Aufnahme in den Berichtszeitraum bestimmen. Wenn diese Regeln separat in einem CRM-Bericht, einem BI-Dashboard und einer Abfrage durch eine:n Analyst:in implementiert werden, liefert jedes System möglicherweise ein anderes Ergebnis, obwohl dasselbe KR gemessen wird.

Das Kopieren eines Werts in eine Tabellenkalkulation bringt ein weiteres Problem mit sich: Die erfasste Bewertung spiegelt die Metrik zu dem Zeitpunkt wider, als sie eingegeben wurde, und nicht ihren aktuellen Wert.

Die Verknüpfung eines Key Results mit Live-Daten und kontrollierten Daten löst beide Probleme. Die zugrunde liegenden Daten werden gemäß den Anforderungen des Unternehmens verwaltet und aktualisiert, während eine gemeinsame Geschäftslogik festlegt, wie die Metrik berechnet wird. Die OKR-Ansicht kann dann auf diese Messung verweisen, anstatt eine separate Kopie zu pflegen.

Der Ablauf sieht in etwa so aus:

Quelldaten → Integration und Transformation → kontrollierte Metrikdefinition → aktueller Metrikwert → OKR-Tracking und -Analyse

„Live” bedeutet nicht zwangsläufig Echtzeit. Ein KR für den Quartalsumsatz erfordert möglicherweise tägliche Updates, während eine operative Metrik viel geringere Latenzanforderungen hat. Entscheidend ist, dass die Messung mit ihrer verwalteten Quelle verbunden bleibt und in einem Rhythmus aktualisiert wird, der den Entscheidungen entspricht, die das Team treffen muss.

Governance wendet konsistente Metrikdefinitionen, Verantwortlichkeiten, Lineage und angemessene Berechtigungen an, um Teams dabei zu helfen, zu verstehen, was eine Zahl darstellt, woher sie stammt und ob sie sie für ein bestimmtes Key Result verwenden sollten.

KI beginnt, verschiedene Bereiche des Zielmanagements zu beeinflussen, einschließlich der Arbeit, die das Entwerfen, Überwachen und Zusammenfassen von OKRs umfasst.

OKRs während der Planung verbessern

Während der Zielsetzung können KI-gestützte Tools Entwürfe für Objectives und Key Results auf strukturelle Probleme wie vage Formulierungen, fehlende Baselines, unrealistische Ziele oder als Outcomes präsentierte Aktivitäten überprüfen.

Diese Art der Überprüfung ist am nützlichsten als Qualitätskontrolle und nicht als Ersatz für strategisches Urteilsvermögen. Ein KI-System könnte beispielsweise darauf hinweisen, dass „drei Onboarding-Verbesserungen einführen” einen Output beschreibt, während das Team noch entscheiden muss, welches Kunden-Outcome diesen ersetzen soll und welches Maß an Verbesserung realistisch ist.

Fortschritt während des Zyklus überwachen

Sobald das Quartal läuft, hat KI eine andere Rolle: Sie hilft Teams dabei, Änderungen zu erkennen, die Beachtung verdienen. Wenn Key Results mit aktuellen Metriken verknüpft sind, kann ein analytisches oder agentenbasiertes System den Fortschritt mit dem Ziel vergleichen, eine unerwartete Verschiebung aufzeigen und unterstützende Informationen darüber sammeln, was sich geändert hat. Ein Vertriebs-KR, das ins Hintertreffen gerät, könnte beispielsweise vor der nächsten geplanten Überprüfung eine Analyse nach Region, Segment oder Pipeline-Phase auslösen.

Dadurch wird ein Teil der Überwachungsarbeit aus der manuellen Statusvorbereitung ausgelagert. Anstatt darauf zu warten, dass jemand ein Problem in einer Tabellenkalkulation bemerkt, erhalten Teams frühzeitigere Signale, die eine Untersuchung rechtfertigen.

Vorbereitung auf Reviews und Retrospektiven

Zum Zeitpunkt der Überprüfung kann eine KI-gestützte Analyse dabei helfen, den Kontext hinter einer Bewertung zusammenzustellen. Ein System könnte zusammenfassen, wie sich eine Metrik im Laufe des Quartals verändert hat, Phasen der Beschleunigung oder des Rückgangs identifizieren, zugehörige KPIs aufzeigen und ein Pre-Read entwerfen, das das Team vor einem Quarterly Business Review überprüfen kann.

Natürlichsprachliche Schnittstellen bieten Führungskräften eine weitere Möglichkeit, das Ergebnis zu untersuchen. Fragen wie „Was hat in diesem Monat am meisten zum Rückgang der Aktivierung beigetragen?” oder „Welche Kundensegmente sind am weitesten vom Q4-Ziel entfernt?” können direkt in die Analyse führen, wenn dem System die relevanten Metriken und Geschäftskonzepte zur Verfügung stehen.

Über alle drei Phasen hinweg gilt die gleiche Einschränkung: KI erbt die Qualität der Messungen, die sie verwendet. Wenn ein Key Result auf inkonsistenten Definitionen, veralteten Werten oder schlecht kontrollierten Quelldaten beruht, reproduziert eine schnellere Analyse diese Schwächen einfach mit höherer Geschwindigkeit. Live-Daten, kontrollierte Daten und gemeinsame Metrikdefinitionen bieten KI-gestützten und agentenbasierten Workflows eine zuverlässigere Grundlage für die Interpretation des Fortschritts.

Unternehmen können Snowflake nutzen, um Daten aus operativen Systemen zusammenzuführen, eine konsistente Geschäftslogik anzuwenden und kontrollierte Metriken für BI-, Analytics- und KI-Workflows bereitzustellen. Für das OKR-Tracking kann ein Key Result auf dieselbe Metrikdefinition verweisen, die auch an anderer Stelle verwendet wird, anstatt sich auf eine separate Berechnung zu verlassen, die speziell für den OKR-Prozess gepflegt wird.

Snowflake Semantic Views sind Objekte auf Schemaebene zur Definition von Geschäftskonzepten, einschließlich Metriken, Dimensionen und Beziehungen, über physische Daten. Die Zentralisierung dieser Logik trägt dazu bei, doppelte Metrikdefinitionen über Abfragen und Analysetools hinweg zu reduzieren, während die resultierenden Semantic Views direkt mit SQL abgefragt und von Cortex Analyst verwendet werden können.

Für ein KR für eine qualifizierte Pipeline könnte eine Semantic View beispielsweise die Metrik und die Beziehungen definieren, die erforderlich sind, um sie gemäß den vereinbarten Geschäftsregeln des Unternehmens zu berechnen. Der Semantic View Editor in Snowsight bietet eine visuelle Schnittstelle zum Erstellen und Bearbeiten dieser Definitionen, einschließlich logischer Tabellen, Dimensionen, Fakten, Metriken und Beziehungen.

Cortex Analyst verwendet Semantic Views, um natürlichsprachliche Fragen zu interpretieren und SQL für die zugehörigen Daten zu generieren. Während eines OKR-Reviews könnte ein Team diesen semantischen Kontext nutzen, um eine Änderung in einer Key-Result-Metrik zu untersuchen – beispielsweise durch Betrachtung der Performance über Regionen, Produkte oder Kundensegmente hinweg, die in der Ansicht dargestellt sind.

Da Semantic Views Snowflake-Objekte auf Schemaebene sind, lassen sie sich auch in das Berechtigungssystem und den Metadatenkatalog von Snowflake integrieren. Dadurch bleiben Metrikdefinitionen, Zugriffskontrollen und die zugrunde liegenden Daten in derselben kontrollierten Umgebung, während dieselben Geschäftskonzepte SQL, BI und KI-gestützte Analysen unterstützen können.

Für OKR-Programme ist der Vorteil spezifisch: Teams können ein Key Result anhand derselben kontrollierten Definitionen messen, die bereits an anderer Stelle im Unternehmen verwendet werden, anstatt separate Formeln zu pflegen und deren Ergebnisse regelmäßig in einen Statusbericht zu kopieren.

OKRs bieten Teams eine disziplinierte Möglichkeit, Prioritäten zu setzen, messbare Outcomes zu definieren und diese während eines Planungszyklus zu überprüfen. Das Framework funktioniert am besten, wenn sich diese Messdisziplin auf die Daten hinter jedem Key Result erstreckt.

Für ein kleines Team kann das unterstützende System unkompliziert sein. Da OKRs Funktionen, Analysetools und KI-Schnittstellen umfassen, benötigen Teams gemeinsame Metrikdefinitionen und aktuelle Daten, die eine konsistentere Grundlage für die Bewertung des Fortschritts und die Entscheidung über den Handlungsbedarf bieten.