---
title: "Деревья драйверов, метрик и KPI: методология и архитектура продукта"
slug: "driver-metric-kpi-trees"
participant: astra
model: "gpt-6-astra"
effort: "ultra"
date: 2026-09-19
cutoff: 2026-09-19
language: ru
sources_read: 53
status: complete
summary: "Деревья метрик объединяют разные практики: формульную декомпозицию, гипотезы влияния и связь целей с измерениями. Для методологии и продукта предложен типизированный граф с простыми древовидными представлениями; доказательств универсального экономического эффекта самого дерева нет."
---

# Деревья драйверов, метрик и KPI: методология и архитектура продукта

## 0. Вердикт {#verdict}

**Деревья драйверов, метрик и KPI полезны как представление управленческой модели, но не составляют единого формального метода.** Под одинаковой картинкой находятся алгебраические тождества, гипотезы влияния и связи целей с измерениями {факт} [S1, S2, S3]. Для бизнеса на 20–500 человек наиболее обоснован старт с одного решения, небольшого числа показателей, явных формул и ограничений {гипотеза}.

**Главное методологическое изменение — типизировать каждую связь и отделить измерение от целевого значения, инициативы и стимула.** DuPont и OEE дают проверяемые декомпозиции, но сами по себе не доказывают эффект вмешательства {факт} [S4, S5]. Исследования систем измерения дают неоднородные результаты, поэтому обещание гарантированного роста прибыли именно от дерева не обосновано {эмпирика} [S6].

**Для программного продукта предпочтителен граф определений с древовидными представлениями и отдельным вычислительным слоем.** LLM может предлагать определения и гипотезы, а детерминированный код — проверять структуру, единицы, арифметику и часть случаев двойного счёта {гипотеза}. Самая сильная простая альтернатива — плоский scorecard с паспортами метрик и журналом решений, а для оценки вмешательств нужны причинные либо динамические модели по характеру задачи {гипотеза}.

**Уверенность высокая в различении формулы, гипотезы и причинного эффекта, умеренная в рекомендуемой организации практики и низкая в универсальной экономической отдаче внедрения.** Причина — сочетание точных формальных правил, разнородной косвенной эмпирики и ограниченных данных о среднем бизнесе {гипотеза}.

## 1. Что это и как работает {#basics}

### Рабочее определение и границы

**Дерево показателей — способ представить зависимость результата от составляющих или предполагаемых факторов.** Однако названия driver tree, metric tree и KPI tree не задают единой формальной семантики: McKinsey связывает операционные драйверы со стоимостью, ROKS отбирает показатели через дерево результатов, North Star связывает продуктовую ценность с входными показателями {факт} [S1, S2, S3]. Поэтому название метода недостаточно для выбора математического движка {гипотеза}.

| Подход | Что считается узлом | Что означает связь | Основное применение и предел |
|---|---|---|---|
| DuPont analysis | Финансовый коэффициент или его компонент | Алгебраическое тождество | Объяснение рентабельности; не доказательство того, какое вмешательство её повысит {факт} [S4] |
| Value driver tree | Стоимость, финансовый либо операционный драйвер | Формула, оценочная зависимость или управленческое предположение | Экономика бизнеса и выбор рычагов; статус каждого перехода необходимо уточнять {мнение} [S1] |
| KPI tree, Bernie Smith / ROKS | Желаемый результат, уточняющий результат, кандидат в KPI | «Что означает успех?» и «как измерить?» | Выбор показателей; не обязательно вычислимое дерево {факт} [S2] |
| North Star Framework | Метрика получаемой пользователем ценности и input metrics | Предположение о факторах устойчивого результата | Продуктовая стратегия и командный фокус; не обязательный денежный корень {факт} [S3] |
| Metric trees / декомпозиция inputs, в том числе Reforge | Business metric, составные и управляющие метрики | Декомпозиция бизнес-результата до рычагов | Поиск возможностей роста; это семейство приёмов, а не подтверждённый единый стандарт Reforge {мнение} [S7] |
| Amazon input/output metrics | Управляемые входы процесса и наблюдаемые выходы | Ожидаемое влияние, проверяемое в работе | Управление операциями через входы; не обещание полностью контролировать выход {факт} [S8] |
| Balanced Scorecard / strategy map | Стратегическая цель, показатель, перспектива | Стратегическое обоснование и предполагаемая причинность | Несколько измерений успеха; карта шире числового дерева {факт} [S9] |
| OKR cascade | Objective, Key Result, нижестоящая цель | Согласование вклада и обязательств | Изменение приоритетов и ответственности; арифметическое суммирование результатов не следует из каскада {факт} [S10] |
| Driver-based planning | Драйвер, допущение, прогнозный показатель | Формула по периодам, измерениям и сценариям | Планирование ресурсов и финансов; сложнее статического дерева {факт} [S11] |
| Goal-Question-Metric, GQM | Цель, вопрос, измерение | Вопрос операционализирует цель, метрика отвечает на вопрос | Проектирование осмысленных измерений; одна метрика может отвечать нескольким вопросам {факт} [S12] |
| OEE decomposition | Availability, Performance, Quality и исходные величины | Мультипликативное тождество при согласованных определениях | Разбор потерь оборудования; не универсальный показатель успеха предприятия {факт} [S5] |
| Causal loop diagram | Переменная процесса или состояния | Гипотеза влияния с полярностью, возможны контуры обратной связи | Качественное объяснение динамики; для численного прогноза нужны уравнения и параметры {факт} [S13] |
| Structural causal model, SCM | Переменная причинного механизма | Включение причины в структурное уравнение следствия | Анализ вмешательства при сформулированных предпосылках идентификации {факт} [S14] |

**Metric, KPI, goal и target — разные сущности.** Метрика задаёт способ измерения, KPI выделяет управленчески важную метрику, цель описывает желаемое изменение, а target задаёт требуемое значение и срок; статус KPI и целевые значения предлагается хранить отдельно от определения метрики {гипотеза}. Инициатива вроде «обучить операторов» тоже не метрика: число обученных может измерять выполнение действия, но само действие не является числовым слагаемым качества {гипотеза}.

### Узел, связь и направление

**Минимальная идентичность метрики шире названия.** В авторской спецификации это стабильный ID плюс определение события или величины, единица измерения, объект наблюдения, уровень агрегации, популяция, период, правило агрегирования, источник и версия {гипотеза}. «Выручка» без валюты, правил возвратов, периода признания и охвата компании допускает несколько несовместимых расчётов {гипотеза}.

| Слой | Что хранится | Как проверяется |
|---|---|---|
| Определение | «Годные изделия за закрытый месяц, прошедшие финальный контроль» | Проверка бизнес-смысла человеком и контракта данных {гипотеза} |
| Наблюдение | Значение, период, сегмент, сценарий, время загрузки, качество данных | Сверка с источником и воспроизводимый расчёт {гипотеза} |
| Цель | Базовое и целевое значение, срок, владелец | Проверка совместимости с ограничениями и полномочиями {гипотеза} |
| Связь | Тип, направление, формула либо механизм, лаг, область действия, основание | Разный валидатор для формулы и гипотезы {гипотеза} |

**Вычислительные стрелки предлагается направлять от операндов к результату.** В визуальном дереве корень может находиться сверху, но направление вычисления остаётся однозначным; причинная стрелка идёт от причины к следствию, а связь цели с измерением имеет отдельный тип {гипотеза}. Формула с несколькими аргументами задаётся целиком у результата, а не набором независимых стрелок: пара связей «цена → выручка» и «количество → выручка» ещё не определяет умножение {гипотеза}.

### Типы связей: правила и ошибки

**Следующая таблица — предлагаемая формальная дисциплина, а не общепринятый стандарт KPI trees.** Формулы являются проверяемыми алгебраическими примерами; выбор обязательных метаданных и диагностик — авторское предложение {гипотеза}.

| Тип | Допустимая математика и условие | Иллюстрация ошибки | Правило проверки |
|---|---|---|---|
| Аддитивная | `Y = Σ Xi`; одна единица, период и непересекающиеся части общего множества | Пример: 100 клиентов канала A + 80 канала B при 30 общих клиентах дают 150 уникальных, а не 180 | Проверять разделение множества либо считать объединение по ID; одного совпадения единиц недостаточно |
| Вычитание | `profit = revenue − costs`; фиксированная политика включения затрат | Вычесть закупку сырья и второй раз то же сырьё внутри себестоимости | Прослеживать статьи до первичных строк и правила включения |
| Мультипликативная | `revenue = units × realized_price`; цена определена как выручка / те же единицы | Умножить общие продажи на среднее невзвешенное прайсов нескольких товаров | Проверять размерность и веса; произведение средних обычно не равно среднему произведений |
| Отношение | `r = numerator / denominator`, знаменатель ненулевой | Пример: среднее 90% из 100 и 10% из 900 равно 18%, а не 50% | Агрегировать числители и знаменатели: `(90 + 90)/(100 + 900)` |
| Доля | `part / whole`, причём `part ⊆ whole` | В числителе клиенты текущего месяца, в знаменателе прошлогодняя база | Помимо отношения проверять вложенность множества; не любое отношение ограничено интервалом 0–1 |
| Взвешенная сумма | `Y = Σ wi Xi`, веса имеют определённый смысл | Балл «здоровья» объединяет прибыль и травматизм и позволяет компенсировать травмы выручкой | Явно хранить нормализацию и веса; запрет компенсации задавать отдельными ограничениями |
| Баланс потока и запаса | `stock[t+1] = stock[t] + inflow[t] − outflow[t]` | Складывать остатки склада за каждый день как месячный объём выпуска | Хранить `stock/flow`, временную сетку, начальное состояние; итог по времени не всегда `sum` |
| Корреляционная | `association(X,Y given context)`; без вычисления одного показателя из другого | Считать рост затрат на поддержку причиной высокого удержания на основании общей динамики | Не включать в арифметический пересчёт и не трактовать как эффект вмешательства |
| Причинная гипотеза | `Y[t+lag] = f(X[t], Z[t], U[t])`; механизм и условия пока предположены | Обещать +10% выручки от +10% звонков | Хранить план проверки, конкурирующие объяснения, возможный нелинейный эффект |
| Причинная оценка | Эффект конкретного вмешательства при явно заданной идентификации | Перенести эффект скидки в одной когорте на все товары и сезоны | Хранить дизайн исследования, популяцию, период, интервал оценки и предел переноса |
| Целевая / организационная | «поддерживает цель», «измеряет», «ответственен» | Суммировать проценты выполнения неоднородных OKR как экономический результат | Запретить автоматическую арифметику без отдельно согласованной функции |

**Тождество не создаёт причинности.** В `Revenue = Orders × AOV` изменение среднего чека может сопровождаться изменением заказов: фиксация одного множителя — допущение сценария, а не следствие формулы {гипотеза}. Структурный причинный подход отдельно задаёт предпосылки, при которых наблюдение позволяет оценить вмешательство {факт} [S14].

### Классические точные декомпозиции

**DuPont раскладывает финансовое отношение, сохраняя согласованность компонентов.** Для согласованных определений прибыли, продаж, активов и капитала трёхфакторная запись имеет вид `ROE = (Net income / Sales) × (Sales / Assets) × (Assets / Equity)` {факт} [S4]. В прикладной модели следует фиксировать средние либо конечные балансовые величины, одну и ту же прибыль и единый период; при нулевом или отрицательном собственном капитале интерпретация требует отдельного решения {гипотеза}.

**OEE даёт более строгую операционную декомпозицию:** `Availability = Run time / Planned production time`, `Performance = Ideal cycle time × Total count / Run time`, `Quality = Good count / Total count`; их произведение равно `Good count × Ideal cycle time / Planned production time` {факт} [S5]. Изменение определения планового времени, идеального цикла или годного изделия меняет показатель, поэтому сравнение требует стабильной версии определения {гипотеза}.

**Value driver tree может требовать перехода от отчётной прибыли к денежному потоку и горизонту стоимости.** Для иллюстративной модели предприятия возможна цепочка `FCF = operating_profit × (1 − tax_rate) + depreciation − capital_expenditure − change_in_working_capital`, затем `enterprise_value = Σ FCF[t]/(1+r)^t + terminal_value/(1+r)^T`; одинаковые периоды, валюты и согласованные ставки являются условиями этой заготовки {гипотеза}. Это авторская учебная запись, а не утверждение о достаточности такого расчёта для оценки конкретной компании {гипотеза}.

| Слой финансового дерева | Пример переменных | Какой статус связи нужен |
|---|---|---|
| Расчёт стоимости | Денежные потоки, горизонт, ставка дисконтирования, конечная стоимость | Формула при заданных сценарных предпосылках {гипотеза} |
| Экономика бизнеса | Объём, цена, переменные затраты, инвестиции, оборотный капитал | Учётные тождества и плановые уравнения {гипотеза} |
| Операционные рычаги | Срок поставки, качество, обучение, ассортимент | Обычно гипотезы воздействия на объём, цену или затраты {гипотеза} |

### Время, общие драйверы и неопределённость

| Проблема | Правило проектирования | Что не следует заключать |
|---|---|---|
| Лаг | Указывать диапазон задержки, частоту измерений и срок зрелости результата | Одновременное падение двух недельных рядов не определяет направление влияния {гипотеза} |
| Когорта | Фиксировать событие входа и окно наблюдения, сравнивать достигшие одинакового возраста когорты | Неполное удержание молодой когорты не сопоставимо с созревшим retention {гипотеза} |
| Сезонность | Сопоставлять одинаковые сезоны и учитывать рабочие дни, акции и состав продукции | Сравнение соседних месяцев не изолирует действие инициативы {гипотеза} |
| Агрегация | Хранить исходные числители, знаменатели и веса | Средние и перцентили нельзя автоматически суммировать по подразделениям {гипотеза} |
| Общий драйвер | Один `metric_id`, несколько использований и разные пути к корням | Повтор узла на экране не означает несколько независимых эффектов {гипотеза} |
| Цикл | В вычислительном графе запрещать цикл одного периода; динамику разворачивать по времени либо передавать специализированной модели | «Больше продаж → больше рекламы → больше продаж» не является вычислимым обычным деревом {гипотеза} |
| Неопределённость | Разделять ошибку измерения, оценку параметра и неизвестность сценария | Точный результат калькулятора не делает точным прогноз {гипотеза} |

**Локальная чувствительность — свойство принятой формулы.** Для `y=f(x)` используются частные производные, а при распространении неопределённости необходимо учитывать ковариации входов; предположение о независимости нельзя подставлять автоматически {факт} [S15]. Практическое правило для небольшого бизнеса — сначала диапазоны сценариев и явные ограничения, затем вероятностное моделирование, если есть основания для распределений {гипотеза}.

**Вклад в изменение и чувствительность различаются.** Для иллюстрации при `R=P×Q` точное изменение равно `Q₀ΔP + P₀ΔQ + ΔPΔQ`; порядок подстановок по-разному распределяет совместный член {гипотеза}. Симметричное распределение совместного члена пополам допустимо как договорённость об атрибуции, но не доказывает причинный вклад команды {гипотеза}.

### Корень, глубина и остановка

**Корень выбирается по решению, которое предстоит принять.** Для цены и ассортимента это может быть вклад в прибыль, для участка — годный выпуск в срок, для продукта — получаемая клиентом ценность, для сезонного хозяйства — маржа урожая при ограничениях воды, почвы и качества {гипотеза}. Принудительно делать финансовый показатель корнем каждого локального дерева не требуется; связи локального результата с экономикой можно показать в соседнем представлении {гипотеза}.

- **Декомпозиция останавливается у действия.** Нижний показатель имеет понятного владельца, доступные данные и возможное решение при отклонении {гипотеза}.
- **Декомпозиция останавливается у неопределённости.** Если дальнейшая связь непроверена, она остаётся гипотезой с планом проверки, а не маскируется новой ветвью {гипотеза}.
- **Декомпозиция останавливается у стоимости.** Новая детализация не нужна, если не меняет выбор действия или стоит дороже ожидаемой ценности решения {гипотеза}.
- **Универсальной глубины нет.** Для первого пилота предлагается одна управленческая задача и около 10–20 показателей как организационный ориентир, а не отраслевой норматив {гипотеза}.

## 2. Актуальность и доказательная база на дату среза {#evidence}

### Что можно утверждать о распространённости

**Репрезентативная доля компаний с driver/metric/KPI trees не установлена.** В рассмотренных первоисточниках нет сопоставимого обследования бизнеса на 20–500 человек по отраслям и нет общей операционализации термина «дерево»; наличие книг, кейсов и функций ПО не заменяет такой статистики {гипотеза}.

| Сегмент | Наблюдаемые основания на 2026-09-19 | Осторожный вывод о тренде |
|---|---|---|
| Финансы и оценка | DuPont входит в текущий учебник 2026, восьмое *Valuation* вышло в 2025 {факт} [S4, S16] | Устойчивая профессиональная основа, но не измеренная динамика внедрений {гипотеза} |
| Производство | OEE поддерживается практическими руководствами с явными формулами {факт} [S5] | Зрелая специализация декомпозиции; универсальная распространённость по малым предприятиям не установлена {гипотеза} |
| Продуктовая аналитика | Amplitude обновила материалы North Star в 2024, Mixpanel объявил приобретение DoubleLoop в 2025 и AI Metric Trees в 2026 {факт} [S3, S17, S18] | Растёт продуктовая поддержка; рост числа пользователей и эффект на прибыль отдельно не измерены {гипотеза} |
| FP&A | В документации Pigment и Anaplan явно представлены многомерные вычисляемые метрики и плановые версии {факт} [S19, S11] | Дерево часто оказывается видом более общей плановой модели {гипотеза} |
| Стратегия и управление | Доступны продолжаемые ROKS-руководства и публикация Working Backwards 2025 об input mapping {факт} [S20, S21] | Практика развивается, но консультационная активность не равна оценке распространённости {гипотеза} |

### Эмпирика и её переносимость

**Прямого основания обещать экономический эффект от дерева как отдельной технологии не найдено.** Лучшие доступные исследования относятся к системам измерения, поведению оценщиков и проверке продуктовых метрик; они поддерживают отдельные механизмы и ограничения, а не универсальное превосходство древовидного интерфейса {гипотеза}.

| Исследование | Дизайн и масштаб | Результат | Ограничение для данного решения |
|---|---|---|---|
| Ittner, Larcker, Randall, 2003 | Наблюдательное исследование 140 финансовых компаний США, показатели практик и экономических результатов | Использование разнообразных мер связано с доходностью акций; заявленное использование BSC, economic value и causal business models почти не связано с экономической результативностью {эмпирика} [S22] | Нет рандомизации, одна отрасль, возможен отбор сильных компаний; прочитаны аннотация и введение, не весь текст |
| Davis, Albright, 2004 | Квазиэксперимент в филиалах одного банка, до/после и контрольная группа, два года после внедрения | Авторы сообщают улучшение финансового composite у внедривших BSC относительно сравнения {эмпирика} [S23] | Комплексная программа, не изолированное дерево; численность филиалов в доступном первичном фрагменте не установлена |
| Lipe, Salterio, 2000 | Эксперимент с 58 MBA, в среднем более пяти лет опыта работы; сравнение общих и уникальных показателей двух подразделений | Оценки менеджеров определялись преимущественно общими показателями, уникальные не оказали значимого влияния {эмпирика} [S24] | Искусственная задача, участники не строили scorecards, ограниченная переносимость на опытных владельцев системы |
| Franco-Santos, Lucianetti, Bourne, 2012 | Обзор 76 эмпирических работ по contemporary performance measurement | Результаты для финансовой результативности неоднородны; контекст проектирования и использования меняет последствия {эмпирика} [S6] | Не метаанализ отдельного вида деревьев, разные дизайны и определения, ограничения отбора журналов |
| Franco-Santos, Otley, 2018 | Смешанный обзор; систематическая часть включает 42 концептуальные и эмпирические работы, поиск 1950–2017 | Выделены gaming, манипуляции информацией, избирательное внимание, иллюзия контроля и изменения отношений {эмпирика} [S25] | Выборка работ специально о нежелательных последствиях: она не даёт частоту вреда среди всех компаний |
| Deng et al., KDD 2024 | Теория, симуляции и три применения в Airbnb: 39, 116 и 133 эксперимента | В первой выборке отдельные варианты декомпозиции увеличили число значимых результатов с 6/39 до 13/39 {эмпирика} [S26] | Это усиление статистического сигнала при допущениях о компонентах, а не удвоение роста бизнеса или польза оргдерева |
| Zhang et al., Netflix, 2024 | Ретроспективная проверка 1 098 вариантов в 200 A/B; proxy за 14 дней против результата за 63 дня | Около 95% совпадения статистических решений; для решений о запуске precision 79%, recall 65% {эмпирика} [S27] | Одна область продукта; высокий общий процент не исключает пропуска полезных изменений; 63 дня не весь жизненный цикл клиента |
| Chou, Netflix, 2026 | Препринт: теория, симуляции, 15 A/B и 50 вариантов; около 1–25 млн наблюдений на вариант | Предлагается смешивать proxy и North Star с учётом мощности и истории эффектов {эмпирика} [S28] | Закрытые данные, небольшой набор экспериментов, большие выборки пользователей, непроверенный перенос в средний бизнес |

**Положительные и слабые результаты не следует усреднять в обещание.** Наблюдательная связь, банковский квазиэксперимент и лабораторная оценка измеряют разные явления; результаты совместимы с тем, что полезность зависит от способа применения, качества данных и стимулов {гипотеза}.

### Практические кейсы и позиции авторов

| Источник позиции | Что реально показано | Статус основания |
|---|---|---|
| Amazon, письмо за 2009 год | На следующий год перечислены 452 подробные цели с владельцами и сроками; описан выбор controllable inputs | Официальное свидетельство практики, не доказательство, что финансовые результаты вызваны этой системой {факт} [S8] |
| Amplitude, Burger King | Digital transactions per user и входы активации, регистрации, частоты связываются с работой команд | Именной кейс вендора, без контрольной группы и изолированного эффекта дерева {вендор} [S3] |
| Reforge | Рекомендует декомпозицию output до inputs и предупреждает о слепых зонах одной North Star | Мнение практиков; пример Spotify в статье гипотетический, его нельзя выдавать за подтверждённое внедрение Spotify {мнение} [S7] |
| Bernie Smith | Дерево создаёт longlist, после чего выполняются shortlist, определения и прототип | Авторская методология, не сравнительное исследование эффективности {мнение} [S20] |
| Критика BSC | Nørreklit разбирает причинные предпосылки; обзор 2025 в health/social care вновь различает статистические и логико-целевые связи | Концептуальная критика и аннотация обзора, не доказательство бесполезности всех карт {мнение} [S29, S30] |

### Изменения 2023–2026 и главные споры

- **Проверка proxy стала конкретнее.** Работы Netflix и Airbnb показывают, как проверять соответствие краткосрочных метрик более позднему результату и использовать декомпозицию в экспериментах; они не отменяют предпосылок и ограничений выборки {эмпирика} [S26, S27, S28].
- **Дерево входит в аналитический продукт.** Переход DoubleLoop к Mixpanel и появление генератора ИИ сокращают расстояние между схемой и сохранённой метрикой, но документация всё ещё требует считать генерируемую структуру гипотезой {факт} [S17, S31].
- **Плановые модели получают агентов.** Pigment Modeler умеет предлагать и менять модель, а dbt-mcp открывает агенту доступ к определениям и запросам метрик {факт} [S32, S33]. Это увеличивает ценность проверяемого контракта и контрольных точек принятия {гипотеза}.
- **Спор «одна главная метрика или несколько» сохраняется.** North Star упрощает фокус, но охват всех интересов и ограничений нельзя вывести из одного числа; выбор между ними определяется задачей управления {мнение} [S3, S7].
- **Спор о причинности не решён новой визуализацией.** Изменения интерфейса и LLM не предоставляют автоматически доказательство того, что вмешательство в дочерний узел изменит родительский {гипотеза}.

## 3. Где применимо и где нет, плюсы и минусы {#fit}

### Подходит, когда

- **Есть повторяющееся решение.** Планирование смен, загрузки, ассортимента или продуктового эксперимента создаёт потребность объяснять один и тот же результат, поэтому цена определения метрик окупается многократным использованием {гипотеза}.
- **Существует проверяемое разложение.** OEE и финансовые отношения позволяют сверять расчёт по исходным величинам, а не только обсуждать направление стрелок {факт} [S5, S4].
- **Несколько команд влияют на общий результат.** Представление общих драйверов и ограничений делает видимыми конфликты владельцев, если повторы узлов сохраняют один ID {гипотеза}.
- **Данных достаточно для наблюдения, но причинная модель ещё развивается.** Дерево гипотез помогает вести список проверок при условии, что неизвестное не представляется доказанным {гипотеза}.

### Не подходит, когда

- **Не определён предмет решения.** Декомпозиция абстрактного «успеха бизнеса» порождает неограниченное число показателей без критерия остановки {гипотеза}.
- **Существенны запасы, задержки и обратные связи.** Для очередей, перегрузки сервиса, запасов, обучения и деградации оборудования статическое дерево теряет часть механизма; требуется динамическая модель {факт} [S13].
- **Показатели невозможно сопоставить.** Изменяющиеся события, неполные когорты, разные знаменатели и учётная политика делают красивую арифметику недостоверной {гипотеза}.
- **Каждая ветвь сразу превращается в личную премию.** Измерение начинает менять поведение, а качество процесса подменяется достижением численного порога; такой риск подтверждён исследованиями систем управления результативностью, хотя не специфичен деревьям {эмпирика} [S25].
- **Нужна лишь регулярная проверка нескольких независимых ограничений.** Плоский набор финансовых, качественных и операционных метрик дешевле поддерживать, если нет полезной декомпозиции {гипотеза}.

### Плюсы

- **Проверяемое объяснение результата.** Формульная ветвь показывает, из каких данных получается итог; можно локализовать несовпадение {гипотеза}.
- **Общий язык решения.** Совместное описание метрик выявляет различия определений между финансами, операциями и продуктом {гипотеза}.
- **Компактный интерфейс сложности.** Один корень и раскрываемые ветви уменьшают объём одновременно видимой информации при сохранении общего графа {гипотеза}.
- **Возможность автоматической проверки.** Типизированные формулы, периоды и единицы позволяют проверять часть ошибок независимо от LLM {гипотеза}.

### Минусы

- **Цена поддержки смыслов.** Изменения учёта, сегментации и продукта требуют версий, миграции и проверки истории {гипотеза}.
- **Ложная уверенность.** Стрелка визуально похожа на причинное доказательство, даже когда основана на обсуждении менеджеров {гипотеза}.
- **Потеря зависимостей.** Строгое дерево требует одного родителя, тогда как общие драйверы, ограничения и обратные связи образуют граф {гипотеза}.
- **Риск локальной оптимизации.** Улучшение узла не гарантирует улучшение корня при ограниченном спросе, общей мощности или конфликте качества и скорости {гипотеза}.
- **Неустановленный самостоятельный эффект.** Исследования систем измерения дают неоднородные результаты и не позволяют обещать типичный процент роста прибыли именно от дерева {эмпирика} [S6].

## 4. Альтернативы и дерево решений {#alternatives}

**Сравнение касается способа организовать управленческую модель.** OEE, DuPont и North Star — специализации декомпозиции, уже сопоставленные в разделе 1; здесь приведены семь альтернатив тому, чтобы сделать дерево главным представлением системы {гипотеза}. Рекомендации в таблице — авторский синтез условий применения, а не результаты сравнительного испытания {гипотеза}.

| Подход | Когда выбирать | Преимущество относительно дерева | Недостаток относительно дерева | Пригодность для машинной проверки |
|---|---|---|---|---|
| Типизированное дерево метрик | Есть конкретный результат и понятные компоненты | Быстро объясняет путь от результата к диагностике | Ограничивает представление общих факторов и циклов | Высокая для формул, ограниченная для причинности |
| Плоский scorecard и временные ряды | Несколько независимых показателей, связи неизвестны | Минимум стоимости и ложных связей | Не показывает механизм результата | Высокая для определений и расчётов |
| Balanced Scorecard / strategy map | Нужно согласовать несколько перспектив долгосрочной стратегии | Сохраняет немонетарные цели и взаимосвязи | Риск большого ритуала и непроверенных причинных стрелок | Средняя для структуры, низкая для подтверждения стратегии |
| OKR и сеть вкладов | Нужно выбрать изменения на период и согласовать команды | Отделяет обязательство изменить от постоянного наблюдения | KR могут быть несопоставимы; каскад легко становится оргструктурой | Высокая для сроков и владельцев, ограниченная для вклада |
| GQM | Неясно, что измерять для конкретной инженерной или управленческой цели | Каждая метрика имеет вопрос и назначение | Сам по себе не строит финансовый прогноз | Высокая для трассировки goal–question–metric |
| Многомерная driver-based planning model | Нужны сценарии по времени, продуктам, персоналу, мощностям | Учитывает ресурсы, планы и измерения | Дороже внедрение и поддержка моделей | Высокая для формул и балансов |
| Causal loop diagram + stock-and-flow simulation | Решение зависит от накопления, задержек и обратных связей | Показывает динамические побочные эффекты | Диаграмма без уравнений не даёт численного прогноза | Средняя; высокая после формализации и калибровки |
| Structural causal model + эксперимент/квазиэксперимент | Нужно оценить эффект конкретного вмешательства | Явно отделяет наблюдение от причинного эффекта | Требует идентификации, данных и специальной компетенции | Высокая для структуры, правил идентификации и расчётов; истинность допущений не гарантируется |

**Основания различий** — оригинальные описания BSC, OKR, GQM, планирования, системной динамики и SCM; эти источники определяют механизмы, но не ранжируют варианты для компании данного пользователя {факт} [S9, S10, S12, S11, S13, S14]. Возможна композиция: дерево как интерфейс к плановой модели, OKR как ссылка на изменение конкретного драйвера, scorecard как набор обязательных ограничений {гипотеза}.

**Сначала выбирается главное решение, а не единственный метод для всей компании.** Вспомогательные подходы подключаются отдельными слоями {гипотеза}.

### Дерево решений

- Если неизвестно, какое решение должны улучшить показатели → выбрать GQM для одной цели и вопросов к ней {гипотеза}.
  - Если после уточнения получились независимые ограничения без общего вычислимого результата → выбрать плоский scorecard с паспортами метрик {гипотеза}.
  - Если найден один повторяющийся результат и его составляющие → выбрать небольшой типизированный metric tree {гипотеза}.
- Если нужно объяснить уже наблюдаемый результат арифметически → выбрать формульную декомпозицию {гипотеза}.
  - Если результат — финансовая рентабельность → выбрать DuPont с согласованными учётными определениями {гипотеза}.
  - Если результат — потери производственного оборудования → выбрать OEE и отдельные ограничения качества, спроса и безопасности {гипотеза}.
  - Если результат — выручка, маржа или выпуск услуги → выбрать собственный formula tree со сверкой по первичным данным {гипотеза}.
- Если нужно планировать деньги и ресурсы по периодам → выбрать driver-based planning {гипотеза}.
  - Если модель умещается в одной области решений и поддерживается одним аналитиком → выбрать таблицу с защищёнными формулами и версионируемой спецификацией {гипотеза}.
  - Если несколько подразделений редактируют сценарии и общий ресурс → выбрать платформу планирования после пилота на собственных данных {гипотеза}.
- Если нужно выбрать продуктовый фокус → проверить возможность измерить регулярно получаемую клиентом ценность {гипотеза}.
  - Если такая метрика есть и её связь с устойчивым результатом проверяется → выбрать North Star с входами, guardrails и реестром гипотез {гипотеза}.
  - Если бизнес многопродуктовый или ценность не сводится к одной метрике → выбрать scorecard по продуктам и несколько связанных деревьев {гипотеза}.
- Если нужно организовать изменение и обязательства команд → выбрать OKR со ссылками на метрики {гипотеза}.
  - Если нужен также долгосрочный баланс нескольких перспектив → дополнить компактной strategy map {гипотеза}.
- Если требуется только оперативный контроль процесса → выбрать input/output metrics и регулярный разбор отклонений {гипотеза}.
- Если главный вопрос — «что произойдёт после вмешательства?» → отделить причинный вопрос от формульной декомпозиции {гипотеза}.
  - Если возможен рандомизированный тест достаточного размера → выбрать эксперимент и небольшой причинный граф для определения измерений {гипотеза}.
  - Если эксперимент невозможен, но есть правдоподобный способ идентификации эффекта и специалист → выбрать SCM/квазиэксперимент с явно сформулированными предпосылками, проверкой доступных следствий и чувствительности к непроверяемым допущениям {гипотеза}.
  - Если существенны циклы, запасы и лаги → выбрать causal loop diagram, затем stock-and-flow model для условного сценарного прогноза; причинная достоверность зависит от механизмов и параметров {гипотеза}.
  - Если данных или идентификации нет → выбрать дерево гипотез с качественным сценарием и планом сбора данных, без численного обещания причинного эффекта {гипотеза}.
- Если новая ветвь не меняет решения или поддержка дороже пользы → остановить её детализацию; если это относится ко всей модели, выбрать плоский scorecard с назначенной ответственностью {гипотеза}.

## 5. Практическое применение {#practice}

### Что действительно описано в практике компаний

**Устойчивое ядро практики — определение, проверка, действие и пересмотр.** В ROKS дерево используется до отбора и определения KPI, а McKinsey связывает операционные драйверы с ответственностью и пересмотром после решения первоначальной задачи {мнение} [S20, S1]. Описания этих процессов принадлежат консультантам и не задают доказанную универсальную длительность внедрения {гипотеза}.

**Воркшоп создаёт кандидатов, а не окончательную модель.** Amplitude предлагает начальную сессию примерно на 1–2 часа с последующими обсуждениями, проверкой данных и определений; окончательная формулировка может занимать недели или месяцы {вендор} [S34].

| Практика | Подтверждённое содержание | Что переносится в средний бизнес |
|---|---|---|
| Amazon / Working Backwards | Выбор управляемых входов и проверка того, дают ли они нужные выходы, в регулярном операционном разборе {мнение} [S35] | Разбирать процесс и качество входов, а не требовать от владельца «контролировать выручку» {гипотеза} |
| GQM / software engineering | Цели, вопросы и измерения строятся с учётом контекста и интерпретируются совместно с командой {факт} [S12] | Начинать с вопроса, на который данные должны ответить {гипотеза} |
| Microsoft experimentation | Хранить гипотезы, дизайн тестов и движения метрик; разбирать изменения знаменателей и конфликт результата с guardrails {факт} [S36] | Небольшой журнал решений полезнее постоянно расширяемой панели {гипотеза} |
| Производство / OEE | Отдельно считать доступность, скорость и качество на общей базе времени и количества {факт} [S5] | Диагностировать потери; экономический эффект подтверждать с учётом ограничений спроса {гипотеза} |

### Предлагаемый порядок пилота

**Input и output определяются относительно уровня модели.** Working Backwards отдельно подчёркивает управляемость входа: показатель может быть выходом своего процесса и входом следующего, а временное опережение само по себе не делает его управляемым {мнение} [S35].

**Ниже приведён проект внедрения, не отчёт о реальной компании.** Все длительности, состав команды, суммы и пороги этого сценария — иллюстрация; результаты показывают расчёт принятой модели, а не измеренный эффект методологии {гипотеза}.

| Этап | Действия и роли | Результат | Иллюстративный срок |
|---|---|---|---|
| 1. Решение | Директор и руководитель процесса выбирают вопрос: стоит ли инвестировать в снижение простоев | Одно решение, корень, ограничения | Полдня |
| 2. Совместная сессия | Операции, финансы, качество, продажи и аналитик описывают определения и кандидатов в драйверы | Черновая схема с типами стрелок | 2 часа, затем уточнения |
| 3. Данные | Аналитик сверяет журнал смен, MES/ERP, отгрузки и цены; качество проверяет классификацию брака | Паспорта и воспроизводимая база | 3–5 рабочих дней при готовых выгрузках |
| 4. Формальная проверка | Финансист и аналитик проверяют единицы, периоды, агрегацию, нулевые знаменатели, дубли | Версия дерева `0.1`, список ошибок | 1–2 дня |
| 5. Гипотеза действия | Мастер предлагает профилактику; инженер и аналитик задают механизм, лаг и критерий проверки | Карточка инициативы и проверяемая гипотеза | 1 день |
| 6. Рабочий цикл | Еженедельный короткий разбор: изменились данные, процесс или модель; кто делает что дальше | Журнал решений и наблюдений | 30 минут в неделю |
| 7. Пересмотр | После полного окна наблюдения сверяются эффект, стоимость и ограничения | Оставить, изменить или архивировать связь | 6–8 недель для иллюстрации |

### Сквозной числовой сценарий

**Иллюстрация: предприятие из 60 человек выпускает одно изделие под заказ.** Рассматривается доступная месячная мощность участка, постоянная переменная себестоимость единицы, отсутствие складских изменений и реализация в том же периоде; модель сознательно не описывает незавершённое производство, переработку брака, налоги и оборотный капитал {гипотеза}.

| Величина | Иллюстративное значение | Определение и расчёт |
|---|---|---|
| Плановое время | 200 часов | База доступной мощности |
| Идеальная скорость | 60 изделий/час | Один вид изделия |
| Availability | 0,80 | Работа 160 часов / 200 часов |
| Performance | 0,90 | 8 640 изделий / (160 × 60) |
| Quality | 0,95 | 8 208 годных / 8 640 изготовленных |
| OEE | 0,684 = 68,4% | 0,80 × 0,90 × 0,95 |
| Доступный годный выпуск | 8 208 изделий | 200 × 60 × 0,684 |
| Спрос | 10 000 изделий | Внешнее сценарное допущение |
| Реализованный объём | 8 208 изделий | `min(доступный годный выпуск, спрос)` |
| Цена | 10 денежных единиц/изделие | Одна валюта, без налогов |
| Переменные затраты | 6 денежных единиц/реализованное изделие | Упрощённое допущение модели затрат |
| Постоянные затраты | 20 000 денежных единиц | За тот же месяц |
| Выручка | 82 080 денежных единиц | 8 208 × 10 |
| Операционный результат модели | 12 832 денежные единицы | 8 208 × (10 − 6) − 20 000 |

**Формула и вмешательство записываются отдельно.** Расчёт `good_capacity = time × speed × A × P × Q` является ветвью модели мощности; «профилактика повысит A с 0,80 до 0,85» — ещё непроверенная гипотеза инженера с иллюстративным лагом 1–4 недели {гипотеза}. Продажи отвечают за оценку спроса, качество — за правило признания годного изделия, финансист — за модель затрат, руководитель участка — за управляемые действия {гипотеза}.

| Сценарий | Иллюстративный расчёт | Управленческий вывод в пределах допущений |
|---|---|---|
| Доступность 0,85; спрос 10 000 | 8 721 годное изделие; результат 14 884; прирост 2 052 | Есть запас экономического эффекта на дополнительные затраты |
| То же, профилактика добавляет 1 000 к месячным затратам | Результат 13 884; прирост 1 052 к базе | Выгода остаётся положительной в этой модели |
| Спрос 8 000 до и после изменения | Продажи 8 000; результат 12 000 в обоих случаях без новых затрат | Рост мощности не даёт дополнительной маржи; профилактику нужно обосновать иначе |
| Цена 10,20, прежние объём и спрос | Результат 14 473,60; прирост 1 641,60 | Это условный сценарий; реакция спроса на цену не следует из дерева |
| Доступность 0,85, но Quality падает до 0,90 | Выпуск 8 262; результат до новых затрат 13 048 | Почти весь выигрыш съеден качеством; ограничение качества нарушено |

**Для иллюстрации защитное ограничение качества — не ниже 95%.** Оно не является универсальным нормативом, а безопасность проверяется собственными принятыми требованиями процесса; рост результата не разрешает игнорировать нарушение ограничения {гипотеза}. При ограниченном спросе фактический график производства пересматривается, поэтому расчёт потенциальной мощности нельзя выдавать за фактически измеренный OEE будущего месяца {гипотеза}.

**Стоимость брака в этой иллюстрации отдельно не посчитана.** Постоянные 6 денежных единиц на реализованное годное изделие при меняющемся Quality — упрощение; для реального решения нужны затраты на все запущенные изделия, утилизацию, переделку и возвраты, поэтому сценарий ухудшения качества не отражает полного ущерба {гипотеза}.

### Проверка гипотез и сопровождение

- **Проверка исходных данных.** До сравнения эффекта сверяются закрытые периоды, состав изделий, фактическое время и причины остановок; изменение классификации не должно имитировать улучшение {гипотеза}.
- **Проверка механизма.** По возможности сравниваются сопоставимые линии или вводится поэтапное изменение, учитываются загрузка, сезон, смены и ремонты; сравнение «до/после» без контроля остаётся слабым основанием {гипотеза}.
- **Проверка зрелости результата.** Наблюдение продолжается до оговорённого лага и окна качества; отсутствие статистической значимости при малой выборке не считается доказательством отсутствия эффекта {гипотеза}.
- **Пересмотр через месяцы.** При смене ассортимента, узкого места или метода учёта создаётся версия определения, пересчитывается сопоставимая история либо отмечается разрыв; потерявшие управленческую роль узлы архивируются {гипотеза}.
- **Связь с OKR.** Формулировка изменения может ссылаться на availability и сроки, но улучшение операционного результата принимается только вместе с качеством и затратами; прохождение инициативы не заменяет проверку результата {гипотеза}.

**Цена входа определяется преимущественно данными и согласованием определений.** Иллюстративный пилот при готовых выгрузках может потребовать 30–60 человеко-часов суммарно за 2–3 календарные недели; это авторская оценка, не рыночная статистика {гипотеза}. Если учёта простоев и брака нет, сначала необходима регистрация событий, и такой срок неприменим {гипотеза}.

### Перенос в другие типы бизнеса

| Тип | Полезный корень и ветвь | Особая проверка | Когда расширять модель |
|---|---|---|---|
| Сельское хозяйство | Товарный урожай = площадь × урожайность × товарная доля | Урожайность должна быть валовой, если товарная доля умножается отдельно; один урожайный сезон и влажность | Для воды, почвы, погоды и последействия удобрений нужны внешние факторы и лаги {гипотеза} |
| Услуги | Оплаченная работа = доступные часы × загрузка × доля оплачиваемых часов | Различать загрузку, выполнение, приёмку и оплату; не считать один час дважды | Для очереди и перегрузки добавить динамику, качество и сроки {гипотеза} |
| Продуктовая разработка | Клиенты, регулярно получившие ключевую ценность, с входами активации и повторного использования | Когорты, уникальные пользователи, зрелость удержания, исключение автособытий | Для оценки новой функции — эксперимент, а не корреляция узлов {гипотеза} |

## 6. Артефакты {#artifacts}

**Артефакты нужны для воспроизводимости решения, а не для отчётного ритуала.** У Smith определение KPI выделено в отдельный этап и шаблон, а не считается побочным результатом рисования дерева {факт} [S37]. Ниже предлагается компактный комплект: в небольшом пилоте это могут быть вкладки одного файла плюс машиночитаемая спецификация {гипотеза}.

| Артефакт | Назначение и обязательные поля | Жизненный цикл | Пример заполнения, иллюстрация |
|---|---|---|---|
| Паспорт метрики | ID, название, назначение, тип величины, единица, объект/зерно, популяция, фильтр, период, агрегирование, формула/источник, качество данных, версия | Создаёт аналитик с владельцем смысла; принимают владелец и data steward; новая версия при смене смысла; архив при потере назначения | `quality_first_pass@1`; годные с первого раза / все произведённые; одна линия и месяц; rework исключён из good |
| Спецификация представления | ID модели, управленческий вопрос, корни, включённые metric IDs, виды связей, версия, период действия, ограничения | Создаёт владелец решения; аналитик поддерживает ссылки; новая версия при смене вопроса или структуры | `line_capacity@1`; решение о профилактике; корни good_capacity и model_profit |
| Реестр формул | Output ID, AST/выражение, входы, единицы, диапазоны, правила округления, null/zero policy, сверка | Создаёт аналитик; проверяет финансист/инженер; публикуется только после проверок | `profit = shipped * (price-variable_cost) - fixed_cost`; денежная единица/месяц |
| Карточка связи | ID, from/to, kind, механизм либо формула, знак, лаг, область, статус основания, источник, срок пересмотра | Предлагает эксперт; рецензирует специалист по данным; гипотеза становится supported только в пределах проверенного контекста | `maintenance → availability`; hypothesis; положительное влияние; 1–4 недели; проверка на сопоставимой линии |
| Реестр ответственности | Metric ID, владелец решения, хранитель определения, поставщик данных, исполнитель действия, заместитель, правило эскалации | Руководитель назначает полномочия, а не только имя; пересмотр при смене процесса/людей | Availability: начальник участка; данные: инженер MES; Quality: руководитель качества |
| Карточка цели/ограничения | Metric ID+version, baseline, target/range, deadline, scope, приоритет, допустимые компромиссы | Владелец решения принимает отдельно от паспорта; цель истекает, метрика продолжает жить | Availability ≥0,85 к сроку; Quality ≥0,95 на том же продуктовом составе |
| Журнал проверки и решения | Гипотеза, действие, дизайн проверки, baseline, наблюдения, смешивающие факторы, результат, стоимость, принятое действие | Запись до вмешательства; добавление результатов без переписывания исходного ожидания; хранение неудачных проверок | «Эффект профилактики ещё не установлен: изменился продуктовый состав» |
| Протокол валидации | Model version, data snapshot, checks, outcome, severity, residual, reviewer | Генерируется при изменении и обновлении данных; старые результаты сохраняются с версиями | Ratio aggregation: pass; population disjointness: unknown; публикация ограничена |

**Один владелец определения не равен единственному виновнику результата.** Совместные драйверы допустимы, но ответственность за изменение справочника, качество данных и действие должна быть названа отдельно; конфликт приоритетов решает владелец общего результата {гипотеза}.

### Полный пример паспорта

| Поле | Пример значения |
|---|---|
| `id`, `version`, `status` | `quality_first_pass`, `1`, `active` |
| `question` | «Какую часть выпуска не приходится переделывать?» |
| `unit`, `semantic_type` | `1`, `ratio` |
| `grain`, `scope` | линия × изделие × закрытый месяц; участок L1, изделие A |
| `numerator` | количество единиц, годных при первом прохождении финального контроля |
| `denominator` | все единицы, впервые прошедшие этот контроль в том же месяце |
| `formula`, `zero_policy` | `good_first_pass / total_first_pass`; при нуле `null` с причиной `no_production` |
| `aggregation` | отношение сумм исходных счётчиков, без среднего процентов |
| `event_time`, `timezone` | время первого контроля; `Europe/Kyiv` |
| `source` | утверждённая модель `quality_inspection_v1`, бизнес-ключ `item_id` |
| `refresh`, `maturity` | ежедневно предварительно; закрытие месяца после сверки поздних записей |
| `owner`, `data_steward` | руководитель качества; аналитик производства |
| `known_limits` | не отражает дефекты, обнаруженные клиентом позднее |
| `guardrail_target` | отдельная карточка цели: не ниже 0,95 в иллюстративном пилоте |

**Жизненный цикл имеет два независимых измерения.** Метрика проходит `draft → reviewed → active → deprecated`, а связь влияния проходит `hypothesis → tested → supported/refuted/inconclusive`; технически опубликованная гипотеза не превращается в причинный факт {гипотеза}. При смене определения старое наблюдение сохраняет прежнюю версию, иначе история незаметно меняет смысл {гипотеза}.

## 7. С чем используется в связке {#combo}

| Связка | Что предшествует и что следует | Конфликт и его разрешение |
|---|---|---|
| Strategy / GQM → дерево → операционный разбор | Сначала вопрос и критерий успеха, затем измерение и решение {гипотеза}; GQM явно связывает измерение с целью [S12] | Если стратегия не определена, дерево размножает взаимно противоречивые ветви {гипотеза} |
| Semantic layer → формулы → BI | Централизованные определения используются в нескольких интерфейсах; MetricFlow компилирует метрики в запросы {факт} [S38] | Формулы в canvas и warehouse расходятся; выбирать один источник вычислительной истины {гипотеза} |
| Дерево → driver-based planning | Операционные драйверы становятся сценарными допущениями по времени и сегментам {гипотеза} | Причинная гипотеза не получает коэффициент автоматически из формулы {гипотеза} |
| Дерево + OKR | OKR ссылается на выбранную метрику и изменение к сроку; Google требует измеримого результата и доказательства завершения {факт} [S10] | Выполнение инициативы и достижение бизнес-эффекта принимаются раздельно {гипотеза} |
| Дерево гипотез + experimentation | Ветки задают измерения и guardrails, эксперимент проверяет конкретное вмешательство {гипотеза} | Множественный поиск «зелёной» ветки увеличивает риск ложного вывода; критерии задаются заранее {факт} [S39] |
| OEE + ограничения потока | Потери участка соотносятся со спросом, узким местом и качеством отгрузки {гипотеза} | Максимизация загрузки каждой машины может не улучшать общий выпуск {гипотеза} |
| Дерево + система вознаграждения | Сначала проверяется смысл и устойчивость измерения, затем обсуждаются стимулы {гипотеза} | Жёсткие стимулы меняют поведение и могут вызвать манипуляции; сам факт наблюдаемости метрики не делает её пригодной для премии {эмпирика} [S25] |
| Дерево + causal loop / SCM | Локальное представление объясняет расчёт, причинная/динамическая модель анализирует вмешательство {гипотеза} | Направление линии вычисления, причинности и организационного подчинения хранится раздельно {гипотеза} |

## 8. Метрики здоровья и антипаттерны {#health}

**Нормы ниже — предлагаемые критерии приёмки модели.** Кроме свойств определений и формул, их пороги не подтверждены отраслевыми исследованиями; исходные значения пилота следует измерить до установления цели {гипотеза}.

| Признак | Здоровая норма | Симптом деградации | Источник |
|---|---|---|---|
| Семантическая полнота | Для опубликованных узлов заполнены единица, область, период, источник и владелец определения; авторский ориентир 100% | «Выручка» и «клиент» имеют разные смыслы в соседних ветвях | {гипотеза}; шаблон определения [S37] |
| Типизация связей | Все связи имеют kind; неизвестное основание явно обозначено | Все стрелки считаются causal, хотя часть просто группирует цели | {гипотеза} |
| Арифметическая сверка | `abs(calculated-observed) ≤ abs_tol + rel_tol*abs(observed)`; допуск определён точностью источника | Остаток стабильно растёт либо прячется в «прочее» | {гипотеза} |
| Знаменатели и популяции | Числитель и знаменатель прослеживаются, ноль отличим от пропуска | Рост процента объясняется исчезновением трудных клиентов из знаменателя | {гипотеза}; механизм [S36] |
| Двойной счёт | Разбиения имеют проверку непересечения и полноты либо статус unknown | Сумма каналов или команд превышает общий итог | {гипотеза} |
| Качество гипотез | Есть механизм, лаг, область и критерий опровержения | «Обучение улучшает всё» без доступной проверки | {гипотеза} |
| Управленческая полезность | В журнале видно, какое решение изменилось благодаря модели | За несколько циклов добавляются только новые узлы | {гипотеза} |
| Актуальность | Пересмотр при смене процесса, продукта или определения | Старые target и owner пережили реорганизацию | {гипотеза} |
| Ограничения | Guardrails видны одновременно с целевым показателем | Успех объявляется при ухудшении качества или безопасности | {гипотеза}; практика guardrails [S36] |
| Неопределённость | Диапазоны и допущения отделены от измеренных значений | Сценарный расчёт показывается как точный прогноз | {гипотеза}; распространение ошибок [S15] |

### Антипаттерны

#### Красивое дерево вместо решения

**Как выглядит:** десятки цветных KPI, но неизвестно, кто и что меняет при отклонении; часть узлов — vanity metrics вроде всех регистраций за всё время {гипотеза}.

**Почему возникает:** полнота рисунка становится критерием качества, а стоимость сопровождения и полезность вопроса не учитываются {гипотеза}.

**Как чинить:** для каждой рабочей ветви записать вопрос, возможное действие и владельца; остальные кандидаты вынести из оперативного представления {гипотеза}.

**Когда менять практику:** если полезных зависимостей мало, заменить дерево плоским scorecard и журналом решений {гипотеза}.

#### Причинность по стрелке

**Как выглядит:** руководитель требует конкретный рост прибыли за улучшение удовлетворённости, потому что между узлами нарисована стрелка {гипотеза}.

**Почему возникает:** графическое объяснение, корреляция и эффект вмешательства воспринимаются как одно и то же; SCM различает их формально {факт} [S14].

**Как чинить:** отделить формулы от гипотез, указать лаг и смешивающие факторы, выбрать проверку конкретного вмешательства {гипотеза}.

**Когда менять практику:** при дорогом причинном решении перейти к эксперименту/SCM, при динамических петлях — к модели запасов и потоков {гипотеза}.

#### Премия за улучшение знаменателя

**Как выглядит:** доля успешных заявок растёт после отказа принимать сложные обращения, а доступность сервиса ухудшается {гипотеза}.

**Почему возникает:** стимул награждает измеримый proxy, оставляя часть задачи без вознаграждения; обзор последствий PMS документирует gaming и избирательное внимание {эмпирика} [S25].

**Как чинить:** показывать числитель, знаменатель, охват и качество вместе; проверять исключённые случаи и стимулы, сохранять независимый контроль данных {гипотеза}.

**Когда менять практику:** если измерение устойчиво подменяет цель, пересмотреть систему стимулирования, а не добавлять очередной компенсирующий KPI {гипотеза}.

#### Двойной счёт и премия нескольким ветвям

**Как выглядит:** маркетинг и продажи полностью приписывают себе одних клиентов, а одно повышение цены несколько раз считается источником прибыли {гипотеза}.

**Почему возникает:** визуальные копии принимаются за независимые объекты, совместные эффекты формулы распределяются без правила, каналы пересекаются {гипотеза}.

**Как чинить:** один ID на определение, явные множества и веса, сверка с общим итогом, отдельная договорённость об атрибуции совместного эффекта {гипотеза}.

**Когда менять практику:** если общих факторов много, оставить дерево как вид, а базовую модель хранить графом; совместные сценарии рассчитывать один раз {гипотеза}.

#### Финансовая вершина и локальный рекорд

**Как выглядит:** любая цель насильно переводится в месячную прибыль, оборудование загружается ради OEE, качество и будущие потери остаются вне картинки {гипотеза}.

**Почему возникает:** один горизонт и один показатель заменяют несколько критериев, а ограничения ошибочно считаются второстепенными {гипотеза}.

**Как чинить:** выбирать корень под решение, отделять клиентскую ценность и операционные потери от финансовой проверки, задавать недопустимые компромиссы как guardrails {гипотеза}.

**Когда менять практику:** при нескольких несводимых целях выбрать scorecard/strategy map, при межпериодных последствиях — сценарную или динамическую модель {гипотеза}.

## 9. Инструменты и софт {#tools}

**Выбор ПО начинается с требуемой операции.** Рисовать карту, единообразно считать метрики, планировать сценарии и оценивать причинный эффект — разные задачи; один продукт может покрывать несколько, но доказательства их взаимозаменяемости нет {гипотеза}.

| Категория | Что хранится | Полезная функция | Чего самой категории недостаточно |
|---|---|---|---|
| Таблица и canvas | Паспорта, числа, связи | Дешёвый совместный пилот | Контроль версий смысла и расчётов требует дисциплины {гипотеза} |
| BI | Отчёты и разрезы данных | Наблюдение и drill-down | Разрез по измерению не является причинным деревом {гипотеза} |
| Metric store / semantic layer | Централизованные определения и запросы | Повторное использование метрик | Не выбирает стратегическую цель {гипотеза} |
| FP&A / planning | Многомерные формулы, версии, допущения | Сценарии, ввод и согласование планов | Качество причинных предпосылок остаётся отдельной задачей {гипотеза} |
| Специализированные metric trees | Карточки, связи, владельцы, значения | Представление логики результата | Значение стрелки и доказательство влияния не гарантируются {гипотеза} |
| Causal / simulation software | Графы, уравнения, механизмы, данные | Анализ вмешательства и динамики | Нужна предметная и статистическая компетенция {гипотеза} |

### Четыре функциональных ориентира

**Ниже сравниваются публично документированные возможности.** Коммерческие продукты в аккаунтах не запускались, скорость, удобство и фактические затраты внедрения не измерялись; цены проверены 2026-09-19 {гипотеза}.

| Продукт | Сущности и ключевые операции | Интеграции | Ограничения | Цена входа на дату проверки |
|---|---|---|---|---|
| dbt Semantic Layer / MetricFlow | Semantic models, entities, dimensions, типы метрик; YAML → SQL, вычисления и повторное использование определений {факт} [S38] | Данные warehouse и BI/агентские интерфейсы; dbt-mcp запрашивает существующие метрики {факт} [S33] | Требует проекта и модели данных; не управляет стратегической причинностью {гипотеза} | Код MetricFlow — Apache 2.0 с 0.209.0; managed Semantic Layer basic указан в Starter: $100 за пользователя/месяц и 5 000 queried metrics/месяц. Бесплатный Developer не означает бесплатный managed Semantic Layer; warehouse и интеграция отдельно {факт} [S40, S41] |
| Pigment | Applications, Lists, Metrics, Views; формулы по измерениям, ввод предположений; dependency diagram раскрывает upstream/downstream {факт} [S19, S42] | Modeler поддерживает CSV/XLSX и imports между Metrics {факт} [S32] | Размерности формулы должны совпадать с моделью; диаграмма зависимостей отражает вычисления, не причинное доказательство {факт} [S19, S42] | Плата за платформу, лицензии и функции; публичной численной стоимости нет. Modeler после пробного периода расходует AI credits {факт} [S43, S44] |
| Anaplan | Modules и line items с formula, summary, dimensions, time и versions; временное планирование и пересчёт модели {факт} [S11] | CloudWorks: AWS S3, Google BigQuery, Azure Blob; роли и права интеграции {факт} [S45] | Нужен model builder; CloudWorks не поддерживает Dynamic Cell Access {факт} [S45] | Публичная численная цена не подтверждена; тарифная страница недоступна. Полная стоимость не оценивалась |
| Mixpanel Metric Trees | Canvas, metric/strategy cards, saved metrics, отчёты, владельцы saved metrics и Logbook заметок; корреляция на связях {факт} [S31] | Метрики проекта Mixpanel и saved queries; MCP работает с метриками и отчётами {факт} [S46] | Pearson не устанавливает причинность; AI-генерация — стартовая гипотеза без внутренних данных проекта {факт} [S31] | Платное дополнение к Enterprise; открытой суммы нет. Бесплатный Mixpanel не означает бесплатный доступ к Metric Trees {факт} [S31] |

**DoubleLoop следует учитывать через изменение продукта.** Приобретение Mixpanel объявлено 7 октября 2025 года; сравнивать его старую независимую дорожную карту с текущими продуктами как неизменную некорректно {факт} [S17]. Список функций в таблице относится к проверенной документации Mixpanel, а не автоматически ко всем прежним аккаунтам DoubleLoop {гипотеза}.

### Что выбирать по масштабу задачи

- **Соло или первый пилот.** Таблица паспортов, JSON/YAML и простой canvas; покупка платформы оправдана только после обнаружения стоимости ручной синхронизации {гипотеза}.
- **Команда с warehouse/dbt.** MetricFlow как источник определений и вычислений, отдельный небольшой граф управленческих связей; не дублировать SQL в каждом дереве {гипотеза}.
- **Команда продукта на Mixpanel Enterprise.** Проверить Metric Trees на собственных метриках и правах доступа; платить за сокращение ручной работы, не за обещание автоматической причинности {гипотеза}.
- **Организация с совместным планированием.** Pigment или Anaplan оценивать на конкретном сценарии общего ресурса, календаря, версий и согласований; численность сотрудников сама по себе не является достаточным критерием {гипотеза}.
- **Причинный аналитический проект.** DoWhy предоставляет моделирование, идентификацию, оценивание, проверку устойчивости оценок и отдельных проверяемых следствий модели; это библиотека, а не готовая замена управленческому процессу {факт} [S47].

## 10. Адаптация под LLM и агентов {#llm}

### Существующая практика и границы доказательств

**Автоматическое построение уже существует как функция, но его управленческая надёжность не установлена.** Mixpanel представил AI Metric Trees 9 июня 2026 года; генерация использует публичную информацию и пользовательский контекст, а не события и метрики проекта, поэтому выдаёт отправную гипотезу {факт} [S18, S31]. Независимого открытого benchmark, показывающего точность причинных связей и долю предотвращённого двойного счёта для таких деревьев, в выполненном поиске не найдено {гипотеза}.

| Реальная практика / репозиторий | Что подтверждено | Чего это не подтверждает |
|---|---|---|
| Mixpanel AI Metric Trees | Создание иерархии и предлагаемых метрик из описания бизнеса {факт} [S18] | Обоснование причинных коэффициентов и корректность данных пользователя {гипотеза} |
| Pigment Modeler Agent | Режимы Ask, Build, Plan & Build; создание и изменение Blocks и формул, сохранение изменений в History {факт} [S32] | Независимую оценку правильности финансовой модели; обещание качества остаётся вендорским {гипотеза} |
| `dbt-labs/dbt-mcp` | Открытый сервер с `list_metrics`, `query_metrics`, `get_metrics_compiled_sql`, измерениями и другими инструментами {факт} [S33] | Автоматическое определение правильной бизнес-цели и причинных связей {гипотеза} |
| `dbt-labs/metricflow` | Открытый код семантического вычисления метрик, генерации SQL и проверок конфигурации {факт} [S40, S48] | Полную проверку предметной семантики исходных таблиц {гипотеза} |
| Incedo Lighthouse | Whitepaper описывает LLM/RASA wizard: задача → KPI → области анализа → сегменты → проверка и сохранение {вендор} [S49] | Контролируемое сравнение качества деревьев: в документе его нет {гипотеза} |
| `py-why/dowhy` | Открытые причинные модели и процедуры refutation/falsification {факт} [S47] | Универсальное доказательство всех причинных предпосылок; это не специальный генератор KPI trees {гипотеза} |

**Репозитории проверены по публичным README и документации 2026-09-19.** Их установка и испытание на закрытых данных компаний не выполнялись, число звёзд и сравнительная производительность не используются как доказательство пригодности {гипотеза}.

### Предлагаемое разделение работы

| Работа | Детерминированная программа | LLM | Человек |
|---|---|---|---|
| Сбор определений | Поиск существующих ID и версий | Извлечение кандидатов из документов с указанием происхождения | Разрешение неоднозначного смысла |
| Построение | Проверка схемы, разрешённых операций, ссылок | Черновое разложение и вопросы о пропусках | Выбор цели и полноты модели |
| Формулы | Размерности, пересчёт, циклы, агрегирование | Объяснение ошибки, предложение исправления | Принятие учётной политики |
| Двойной счёт | Дубликаты ссылок, cardinality join, пересечения при наличии ключей | Поиск вероятных синонимов и подозрительных ветвей | Подтверждение границ популяций и правил атрибуции |
| Причинность | Проверка формальной структуры и вычислений при заданной модели | Генерация конкурирующих гипотез и дизайна проверки | Предметные предпосылки, дизайн, оценка переноса |
| Сопровождение | Версии, аудит, stale-data alerts | Сводка изменений и предложений | Решение о публикации, целях и вмешательствах |

**Все роли и границы в этой таблице — архитектурное предложение** для рассматриваемого продукта {гипотеза}. Практический конвейер: получить утверждённые определения → предложить изменения → выполнить строгие проверки → проверить на данных → принять человеком смысл и статус связей → опубликовать новую версию {гипотеза}.

### Минимальная машиночитаемая структура

**Предлагается хранить граф, а дерево получать как представление от выбранного корня.** Для небольшого продукта достаточно JSON/YAML с обычным хранилищем записей; графовая СУБД не обязательна {гипотеза}. Узлы метрик, цели и инициативы имеют разные типы, формула хранится у выходного показателя как AST, а вычислительные рёбра выводятся из ссылок в формуле {гипотеза}.

| Обязательное ядро | Зачем нужно |
|---|---|
| `schema_version`, `model_id`, `revision` | Проверить совместимость и воспроизвести принятую модель |
| `context`: период, популяция, grain, сценарий | Не соединить несовместимые выборки и временные базы |
| `metrics`: стабильные ID, definition, unit, aggregation, source либо formula, owner | Однозначно прочитать смысл и посчитать значение |
| `influences`: from/to, kind, mechanism, evidence_status, lag, scope | Не выдать предположение за формулу или доказанное воздействие |
| `constraints`: metric, operator, threshold, scope | Сохранить ограничения, которые нельзя компенсировать ростом корня |
| `views`: roots и отображаемые связи | Отделить визуальные копии от объектов модели |
| `observations`: metric_id, version, period, value, quality, as_of | Не смешивать определения с изменяющимися значениями |

**Следующий JSON — иллюстрация минимального фрагмента, а не отраслевой стандарт.** Он показывает выручку, число проданных единиц и реализованную среднюю цену в одной популяции; причинное влияние цены на объём хранится отдельно и остаётся неизвестным {гипотеза}.

```json
{
  "schema_version": "0.1",
  "model_id": "sales_example",
  "revision": 1,
  "context": {
    "grain": ["product", "closed_month"],
    "population": "recognized_sales_lines_without_returns",
    "currency": "CU",
    "scenario": "illustration",
    "record_contract": "complete_population; quantity > 0; net_amount >= 0"
  },
  "metrics": [
    {
      "id": "units", "version": 1,
      "definition": "Количество реализованных изделий в общей популяции",
      "unit": "item", "aggregation": "sum",
      "source": "sales_lines.quantity",
      "owner": "sales_ops"
    },
    {
      "id": "price", "version": 1,
      "definition": "Реализованная средняя цена по тем же строкам продаж",
      "unit": "CU/item", "aggregation": "ratio_of_sums",
      "source": {
        "numerator": "sales_lines.net_amount",
        "denominator": "sales_lines.quantity"
      },
      "zero_policy": "null",
      "owner": "finance"
    },
    {
      "id": "revenue", "version": 1,
      "definition": "Выручка за ту же популяцию и закрытый месяц",
      "unit": "CU", "aggregation": "recompute",
      "formula": {
        "op": "multiply",
        "args": [{"ref": "units"}, {"ref": "price"}],
        "missing_policy": "propagate_null"
      },
      "reconcile_to": {"op": "sum", "field": "sales_lines.net_amount"},
      "owner": "finance"
    }
  ],
  "influences": [
    {
      "id": "price_demand",
      "from": "price", "to": "units",
      "kind": "causal_hypothesis",
      "mechanism": "Цена может изменить спрос и состав покупателей",
      "sign": "unknown",
      "lag": {"min": 0, "max": 1, "unit": "month"},
      "evidence_status": "untested",
      "usable_for_forecast": false,
      "scope": "one_product; future pricing intervention",
      "evidence_refs": [],
      "review_owner": "commercial_director"
    }
  ],
  "constraints": [],
  "views": [{"id": "sales_tree", "roots": ["revenue"]}]
}
```

**В примере все контексты наследуются от модели, а source описывает поля утверждённого источника.** Пустые `constraints` допустимы для учебного фрагмента и не являются рекомендацией выпускать коммерческую модель без ограничений {гипотеза}. При нулевом объёме цена и производная выручка возвращают `null`; первичный денежный итог проверяется отдельно, и его ноль допустим только при подтверждённой полноте данных и указанном контракте строк {гипотеза}.

**Реализованная средняя цена не равна назначенной цене вмешательства.** Перед оценкой изменения прайса нужно добавить отдельный узел назначенной цены, скидки и состав покупателей; текущая causal_hypothesis лишь фиксирует пробел в знаниях, поэтому причинный прогноз по ней запрещён {гипотеза}.

**Сверка по одному источнику проверяет расчёт, но не независимую истинность данных.** Общий дубль строк сохранится и в цене, и в контрольной сумме; проверка такого двойного счёта требует ключей строк, контроля полноты и происхождения данных, которые следует добавить при подключении реального источника {гипотеза}.

### Что именно может проверять линтер

| Проверка | Возможная автоматизация | Граница |
|---|---|---|
| Schema и ссылки | Обязательные поля, уникальность ID, ссылки, версии, разрешённые operations | Корректный JSON может описывать неверную модель |
| Размерности | `item × CU/item → CU`; сложение одинаковых единиц; денежная валюта как тип | `customer` и `order` нельзя считать одинаковыми только потому, что оба счётчики |
| Время и популяции | Совпадение контекстов либо явно заданное преобразование; cohort maturity | Не все фильтры и бизнес-правила разрешимы статически |
| Формулы | Топологический порядок, циклы одного периода, ноль, пропуски, переполнение, диапазоны | Некоторые динамические модели имеют циклы по смыслу, но требуют иного исполнителя |
| Двойной счёт | Повтор аргумента, дубли источника, пересечение по entity ID, cardinality join | Отсутствие найденного дубля не доказывает полноту и непересечение |
| Отношения | Хранение числителя/знаменателя; пересчёт вместо среднего процентов | Для отношений не всегда допустима граница 0–1 |
| Сверка | Итог против первичного источника и на нескольких периодах/сегментах | Компенсирующие ошибки могут дать совпадающий итог |
| Причинные связи | Наличие механизма, лага, доказательств и срока пересмотра | Статическая проверка не подтверждает истинность механизма |
| Неопределённость | Наличие допущений, диапазонов, источника параметра | Распределения нельзя изобретать ради Monte Carlo |

**Результат проверки имеет состояния `pass`, `fail`, `unknown`, а важность задаётся отдельно как `error`, `warning`, `info`.** Например, отсутствие ключей для анализа пересечения каналов возвращает `unknown`, а не «двойного счёта нет»; такая логика уменьшает ложное доверие к автоматизации {гипотеза}. Проверки MetricFlow показывают практическую осуществимость нескольких уровней валидации — синтаксиса, семантики и исполнения на платформе данных, но не заменяют предложенные предметные проверки {факт} [S48].

### Минимальный продукт и проверка его полезности

- **Первый выпуск.** Реестр метрик, формулы `sum/subtract/multiply/divide/min`, контекст, один ID при нескольких отображениях, гипотезы влияния, guardrails, журнал изменений и экспорт JSON {гипотеза}.
- **Следующий слой.** Интеграция с утверждёнными источниками и semantic layer, числовая сверка, сценарии, предложения LLM в виде проверяемого патча {гипотеза}.
- **После подтверждения спроса.** Специализированная оценка причинных эффектов и динамическая симуляция; их сложность не должна становиться обязательной для простого formula tree {гипотеза}.
- **Оценка LLM.** Набор размеченных задач с намеренными ошибками единиц, знаменателей, пересечений и причинности; измерять полноту обнаружения, ложные срабатывания, долю корректных отказов и время экспертного исправления {гипотеза}.
- **Режим агента.** Сначала чтение утверждённых метрик и предложение изменений; публикация определений, целевых значений и правил премирования требует отдельного принятия ответственным лицом {гипотеза}.

**Самостоятельная HTML-демонстрация находится в [demo.html](demo.html).** В ней реализован учебный пересчёт сценария и показаны типы ошибок; хранение производственных данных, интеграции, промышленный линтер и агент в этом исследовании не реализованы {гипотеза}.

## 11. Происхождение, ключевые фигуры, что читать {#origins}

### Историческая линия

| Этап | Исходная задача | Что сохраняет значение |
|---|---|---|
| DuPont / Donaldson Brown | Архив Hagley относит формирование ROI к 1914, переход Brown в General Motors — к 1921 {факт} [S50] | Связать прибыль с использованием капитала; 1920-е — распространение практики, а не обязательно момент рождения |
| Rappaport, 1986; McKinsey, 1994 | Соединить управленческие решения со стоимостью для акционеров и операционными драйверами {факт} [S51, S1] | Декомпозиция должна доходить до решения и учитывать горизонт, а не только текущую прибыль |
| Kaplan и Norton, BSC 1992 | Расширить оценку за пределы финансового результата; последующее развитие strategy maps связывает перспективы стратегии {факт} [S9] | Несколько измерений успеха, различие измерения и стратегического объяснения |
| Basili, Caldiera, Rombach, GQM 1994 | Организовать измерения программной инженерии от цели и вопроса {факт} [S12] | Назначение каждой метрики предшествует сбору данных |
| Amazon, письмо за 2009 год | Сосредоточить управление на controllable inputs, владельцах и сроках {факт} [S8] | Управляемость входа важнее самого факта временного опережения |
| Bernie Smith, *KPI Checklists*, 2013 | Получить и отобрать осмысленные KPI через структурированный процесс {факт} [S52] | Не всё найденное в дереве должно стать действующим KPI |
| Product growth, 2018–2023 | Описать связь продуктовой ценности, роста, входов и выходов; Reforge в 2018 обсуждает декомпозицию и loops {мнение} [S7, S53] | Пользовательская ценность, когортность и повторяющиеся циклы не сводятся к финансовому тождеству |
| 2024–2026 | Проверка surrogate metrics, актуальные North Star материалы, деревья в product analytics и агенты моделирования {факт} [S3, S18, S32]; экспериментальные результаты [S26, S27, S28] | Машиночитаемая семантика становится практически полезнее, но требования к основаниям причинных связей остаются {гипотеза} |

**История не образует единую линию изобретения.** Финансовые разложения, GQM, KPI selection, North Star и причинные модели решали разные задачи; признание одной современной рамки источником всех metric trees не подтверждается рассмотренными документами {гипотеза}.

### Актуальные редакции и доступ

- **Valuation.** Официально подтверждено восьмое издание Koller, Goedhart, Wessels с датой выхода 20 мая 2025; прочитано объявление, не полная книга {факт} [S16].
- **North Star.** Использованы открытые Playbook и workshop guide с датировкой 2024; это проверенные редакции материалов, не утверждение об отсутствии иных версий {факт} [S3, S34].
- **KPI Checklists.** Проверен авторский Sample Edition с выходными данными 2013 и современные ROKS-страницы; основания объявлять новое третье издание 2022 не установлены {факт} [S52, S20].
- **Creating Shareholder Value.** Издательская страница редакции 1997 подтверждает исходную публикацию 1986; доступен фрагмент, полная книга не читалась {факт} [S51].

### Кураторский список чтения

- **McKinsey, *What is value-based management?*.** Короткий исходный текст о переходе от стоимости к управляемым драйверам; читать как позицию консультанта [S1].
- **Smith, *Ultimate KPI Tree Guide* и ROKS overview.** Понять различие дерева кандидатов, отбора KPI и последующего определения [S2, S20].
- **Amplitude, *The North Star Playbook*.** Изучить связь клиентской ценности с inputs и ограничения продуктового фокуса [S3].
- **Reforge, *Don't Let Your North Star Metric Deceive You*.** Критика единственного output и переход к более конкретным inputs [S7].
- **Working Backwards, *Input Metrics & Weekly Business Review*.** Практический формат работы с управляемыми входами и временными рядами [S35].
- **Basili et al., *The Goal Question Metric Approach*.** Самый прямой путь от вопроса к осмысленному измерению [S12].
- **OEE.com, *Calculating OEE*.** Компактная проверяемая декомпозиция с явными определениями компонентов [S5].
- **Franco-Santos et al., 2012; Franco-Santos и Otley, 2018.** Читать вместе: возможная польза систем измерения и механизмы нежелательных последствий [S6, S25].
- **Lipe и Salterio, 2000.** Эксперимент о том, как форма набора показателей меняет оценку менеджеров [S24].
- **Pearl, *Causal inference in statistics: An overview*.** Различить наблюдение, вмешательство и предпосылки идентификации [S14].
- **Deng et al., *Metric Decomposition in A/B Tests*.** Современный пример строгой работы с компонентами метрики, не методика организационного дерева [S26].
- **Документация Mixpanel Metric Tree и MetricFlow Validations.** Сопоставить границы автоматической генерации и строгой проверки вычислимой семантики [S31, S48].

## 12. Открытые вопросы и границы уверенности {#open-questions}

**Исследование завершено в пределах открытых источников и заданного среза 2026-09-19.** Оно не является сравнительным испытанием методологий на данных пользователя: собственная методология и реальные деревья пользователя намеренно не предоставлялись.

| Неопределённость | Что установлено | Что могло бы изменить вывод |
|---|---|---|
| Распространённость в бизнесе 20–500 | Репрезентативной оценки не найдено | Отраслевое обследование с определением вида дерева и процесса использования |
| Самостоятельный эффект дерева | Есть косвенная эмпирика систем измерения и отдельных аналитических механизмов | Сравнение сопоставимых команд: дерево против scorecard при одинаковых данных и ритме управления |
| Качество LLM-generated trees | Функции существуют, независимый benchmark не найден | Открытый набор моделей с эталонами, ошибками, оценкой экспертов и проверкой действий |
| Универсальность предложенной схемы | Показаны типы сущностей и вычислительный пример | Пилоты на производстве, в сезонном хозяйстве, услугах и продукте с измеренной стоимостью сопровождения |
| Истинность причинных стрелок | Формальные проверки не устанавливают все предпосылки | Эксперименты, правдоподобная идентификация, анализ чувствительности и повторение в новом контексте |
| Свежие научные результаты 2026 | Проверен конкретный Netflix preprint | Рецензирование, открытые данные и независимое воспроизведение |
| Стоимость инструментов | Публичные условия и ограничения, не полная стоимость владения | Пилот и коммерческие условия под конкретные объёмы, роли, интеграции |

**Различие положительной и отрицательной эмпирики остаётся открытым вопросом механизма.** Однобанковский положительный квазиэксперимент BSC, слабая связь заявленного использования методов с результатами в 140 компаниях и обзор разнородных работ нельзя считать ни взаимным опровержением, ни общей гарантией пользы {гипотеза} [S23, S22, S6].

### Ограничения доступа

- **Закрытые книги и курсы.** Полностью не читались *Valuation*, *Creating Shareholder Value*, *KPI Checklists*, *Working Backwards*, книга Sterman и платные курсы Reforge; использованы открытые главы, образцы, авторские публикации, учебная лекция и издательские карточки.
- **ScienceDirect и университетские зеркала.** Полный доступ к Ittner–Larcker–Randall, Davis–Albright и Nørreklit не получен; в реестр внесены только доступные первичные фрагменты. Их статистические детали сверх прочитанного не используются.
- **Обзор BSC 2025.** Доступна аннотация, поэтому размер выборки и процедура отбора не представлены как проверенные.
- **Старые адреса.** Неоткрывшийся Google re:Work заменён разрешённой перепечаткой Google playbook; обзор Pearl прочитан через UCLA eScholarship. Ошибка адреса не трактуется как отсутствие самого материала.
- **Коммерческие функции.** Проверена документация, не проведены тесты в аккаунтах Pigment, Anaplan и Mixpanel. Для Anaplan численная публичная цена не подтверждена, для Pigment и Mixpanel Enterprise публичная сумма не опубликована в использованных материалах.
- **Источники как спецификации.** OEE.com — руководство поставщика, не текст ISO; формулы использованы как явно определённый вариант расчёта, без приписывания ему нормативного статуса.

### Проверки, способные улучшить методологию и продукт

- **Проверить управленческую пользу.** В пилоте сравнить время ответа на одинаковые вопросы, число изменённых решений, долю неверных интерпретаций и стоимость сопровождения; одна удовлетворённость интерфейсом недостаточна {гипотеза}.
- **Проверить автоматизацию.** Раздельно измерить ошибки схемы, вычислений, популяций и причинных утверждений; общий балл скрывает опасную ложную уверенность {гипотеза}.
- **Проверить стимулы.** Наблюдать, меняются ли правила регистрации событий и исключения случаев после привязки целей к вознаграждению {гипотеза}.
- **Проверить переносимость.** Одинаковый каркас должен выдержать немонетарный корень, сезонный лаг, общие драйверы и несколько ограничений без насильственной переделки смысла {гипотеза}.

**Метод поиска — целевой поиск первоисточников с переходом по ссылкам и отдельной проверкой противоречащих результатов.** Это не систематический обзор всей литературы: протокол исчерпывающего отбора всех публикаций не задавался. В реестре «полный текст» означает, что документ доступен и прочитаны релевантные разделы; это не заявление о чтении каждой страницы большой книги.

## 13. Реестр источников {#sources}

| ID | Название | Автор или издатель | URL | Дата публикации | Дата доступа | Доступ | Что подтверждает |
|---|---|---|---|---|---|---|---|
| S1 | What is value-based management? | McKinsey | https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/what-is-value-based-management | 1994-08-01 | 2026-09-19 | полный текст | Разделы 1, 5, 11: уровни value drivers, связь деревьев с ROIC и оценкой стоимости, операционные владельцы, пересмотр; полный текст статьи-отрывка, не книги. |
| S2 | Ultimate KPI Tree Guide: What Is a KPI Tree & How to Build KPI Trees That Work | Bernie Smith / Made to Measure KPIs | https://madetomeasurekpis.com/building-kpi-tree/ | без даты | 2026-09-19 | полный текст | Разделы 1, 5, 8: ROKS KPI Tree, декомпозиция результатов, связи влияния и конфликта, семь шагов; редакция страницы с маркировкой 2026, дата публикации не установлена. |
| S3 | The North Star Playbook | Amplitude; John Cutler и contributors | https://info.amplitude.com/rs/138-CDN-550/images/Amplitude-The-North-Star-Playbook.pdf | 2024 | 2026-09-19 | полный текст | Разделы 1, 4, 5: North Star, customer value, input metrics, гипотезы связей и кейс Burger King; прочитаны релевантные разделы PDF. |
| S4 | Profitability Ratios and the DuPont Method — Principles of Finance 2e, §6.6 | Julie Dahlquist, Rainford Knight / OpenStax, Rice University | https://openstax.org/books/principles-finance-2e/pages/6-6-profitability-ratios-and-the-dupont-method | 2026-06-24 | 2026-09-19 | полный текст | Разделы 1, 11: трёхфакторное ROE; числовой пример страницы содержит несогласованности и не используется как эталон расчёта. |
| S5 | OEE Calculation: Definitions, Formulas, and Examples | Vorne Industries / OEE.com | https://www.oee.com/calculating-oee/ | без даты | 2026-09-19 | полный текст | Разделы 1, 4, 5, 8: формулы Availability × Performance × Quality, planned production time, ideal cycle time, good count и границы агрегированного OEE. |
| S6 | Contemporary performance measurement systems: A review of their consequences and a framework for research | Monica Franco-Santos, Lorenzo Lucianetti, Mike Bourne | https://www.researchgate.net/profile/Monica-Franco-Santos/publication/239973641_Contemporary_performance_measurement_systems_A_review_of_their_consequences_and_a_framework_for_research/links/5eeb35e9299bf1faac5ebb07/Contemporary-performance-measurement-systems-A-review-of-their-consequences-and-a-framework-for-research.pdf | 2012 | 2026-09-19 | полный текст | Разделы 0, 2, 3, 11, 12: обзор 76 эмпирических работ, неоднородность результатов и ограничения обобщения. |
| S7 | Don't Let Your North Star Metric Deceive You | Reforge | https://www.reforge.com/blog/north-star-metric-growth | 2018-01-12 | 2026-09-19 | полный текст | Разделы 1, 4, 8: различие input/output metrics, ограничения единственной метрики, иллюстративный Spotify. |
| S8 | 2009 Letter to Shareholders | Jeffrey P. Bezos / Amazon; SEC | https://www.sec.gov/Archives/edgar/data/1018724/000119312510082914/dex991.htm | 2010 | 2026-09-19 | полный текст | Разделы 1, 2, 5, 11: первичное заявление Amazon о controllable inputs, владельцах и сроках целей; письмо за 2009 опубликовано в 2010. |
| S9 | Partnering and the Balanced Scorecard | Robert S. Kaplan / Harvard Business School Working Knowledge | https://www.library.hbs.edu/working-knowledge/partnering-and-the-balanced-scorecard | 2002-12-23 | 2026-09-19 | полный текст | Разделы 1, 4, 7, 11: четыре перспективы BSC, strategic objectives/measures/targets/initiatives, карта как визуализация гипотез и взаимосвязей. |
| S10 | Google's OKR Playbook | Google; разрешённая перепечатка What Matters | https://www.whatmatters.com/resources/google-okr-playbook | без даты | 2026-09-19 | полный текст | Разделы 1, 4, 7: Objective и Key Results, свидетельства достижения, межкомандные обязательства, committed и aspirational OKR. |
| S11 | Configure line items | Anaplan | https://help.anaplan.com/configure-line-items-e7de33be-6345-4ecc-a517-c3265ff6d04a | 2025-03-04 | 2026-09-19 | полный текст | Разделы 1, 9: line items, formula, summary, dimensions, time и versions; дата — последнее обновление документации. |
| S12 | The Goal Question Metric Approach | Victor R. Basili, Gianluigi Caldiera, H. Dieter Rombach / University of Maryland | https://www.cs.umd.edu/~mvz/handouts/gqm.pdf | 1994 | 2026-09-19 | полный текст | Разделы 1, 4, 6, 11: Goal–Question–Metric, объект и viewpoint, общие метрики для разных вопросов, сбор и интерпретация данных. |
| S13 | Introduction to Engineering Systems, Lecture 2 | MIT OpenCourseWare | https://ocw.mit.edu/courses/esd-00-introduction-to-engineering-systems-spring-2011/816df198baedb3b544ab4148ce86927d_MITESD_00S11_lec02.pdf | 2011 | 2026-09-19 | полный текст | Разделы 1, 4, 7: causal loop diagrams, полярность связей, reinforcing/balancing loops, причинность и корреляция. |
| S14 | Causal inference in statistics: An overview | Judea Pearl / Statistics Surveys; UCLA eScholarship | https://escholarship.org/content/qt36w8n7pg/qt36w8n7pg.pdf | 2009-09-01 | 2026-09-19 | полный текст | Разделы 1, 4, 10: структурные причинные модели, вмешательства, допущения и идентификация. |
| S15 | Formulas for functions of two variables | NIST/SEMATECH e-Handbook of Statistical Methods | https://www.itl.nist.gov/div898/handbook/mpc/section5/mpc552.htm | без даты | 2026-09-19 | полный текст | Разделы 1, 8: частные производные и ковариация при переносе неопределённости. |
| S16 | The No. 1 best-selling guide to business valuation—updated for 2025 | McKinsey | https://www.mckinsey.com/featured-insights/themes/the-no-1-best-selling-guide-to-business-valuation-updated-for-2025 | 2025-05-10 | 2026-09-19 | полный текст | Разделы 2, 11: официальное объявление восьмого Valuation, выход 2025-05-20; полный текст объявления, книга не прочитана. |
| S17 | Mixpanel acquires DoubleLoop to accelerate digital continuous innovation | Jen Taylor / Mixpanel | https://mixpanel.com/blog/mixpanel-acquires-doubleloop/ | 2025-10-07 | 2026-09-19 | полный текст | Разделы 2, 9: приобретение DoubleLoop, запуск Metric Trees в августе 2025. |
| S18 | Meet AI Metric Trees: Instant, structured growth frameworks | Dan Schmidt / Mixpanel | https://mixpanel.com/blog/ai-metric-trees/ | 2026-06-09 | 2026-09-19 | полный текст | Разделы 2, 9, 10: запуск AI Metric Trees, генерация первоначальной структуры, доступность Enterprise. |
| S19 | Model with Metrics | Pigment | https://kb.pigment.com/docs/model-metrics | 2026-07-15 | 2026-09-19 | полный текст | Разделы 9, 10: Metrics, Dimensions, ввод и расчёт, агрегаторы; опубликовано 2026-02-25, обновлено 2026-07-15. |
| S20 | Structured Approach to Enterprise KPIs: ROKS Enterprise Overview | Bernie Smith / Made to Measure KPIs | https://madetomeasurekpis.com/roks-kpi-method-overview/ | без даты | 2026-09-19 | полный текст | Разделы 1, 4, 5: семь этапов ROKS, дерево как longlisting, отдельные shortlist/define/prototype/go-live, Enterprise и Express. |
| S21 | A structured approach to identifying key input metrics | Bill Carr / Working Backwards | https://workingbackwards.com/blog/a-structured-approach-to-identifying-key-input-metrics/ | 2025-10-01 | 2026-09-19 | полный текст | Разделы 2, 5: иерархическое metrics mapping и уточнение входных метрик за месяцы и годы. |
| S22 | Performance implications of strategic performance measurement in financial services firms | Christopher D. Ittner, David F. Larcker, Taylor Randall | https://www.sciencedirect.com/science/article/abs/pii/S0361368203000333 | 2003 | 2026-09-19 | фрагмент | Разделы 2, 12: 140 финансовых компаний, результаты и границы интерпретации; аннотация и введение в поиске, прямое открытие 403. |
| S23 | An investigation of the effect of Balanced Scorecard implementation on financial performance | Stan Davis, Tom Albright / Management Accounting Research | https://www.sciencedirect.com/science/article/pii/S1044500503000878 | 2004-06 | 2026-09-19 | фрагмент | Разделы 2, 12: положительный квазиэксперимент в одном банке, двухлетнее сравнение; аннотация и введение через поиск, полный текст недоступен. |
| S24 | The Balanced Scorecard: Judgmental Effects of Common and Unique Performance Measures | Marlys Gascho Lipe, Steven E. Salterio / The Accounting Review | https://www.researchgate.net/profile/Steven-Salterio/publication/247789569_The_Balanced_Scorecard_Judgmental_Effects_of_Common_and_Unique_Performance_Measures/links/0046353cdb6068f38b000000/The-Balanced-Scorecard-Judgmental-Effects-of-Common-and-Unique-Performance-Measures.pdf | 2000-07 | 2026-09-19 | полный текст | Разделы 2, 8: эксперимент с 58 MBA, common measures bias; авторская PDF-копия, проверены дизайн и ограничения. |
| S25 | Reviewing and theorizing the unintended consequences of performance management systems | Monica Franco-Santos, David Otley | https://eprints.lancs.ac.uk/125634/2/Franco_Santos_Otley_2018_Reviewing_and_theorizing_the_unintended_consequences_of_performance_management_system_as_submitted.pdf | 2018 | 2026-09-19 | полный текст | Разделы 2, 3, 7, 8, 11: смешанный обзор, 42 отобранные работы, механизмы нежелательных последствий; авторская рукопись. |
| S26 | Metric Decomposition in A/B Tests | Alex Deng, Luke Hagar, Nathaniel T. Stevens, Tatiana Xifara, Amit Gandhi / ACM KDD | https://alexdeng.github.io/public/files/kdd2024-decomp.pdf | 2024-08-24 | 2026-09-19 | полный текст | Разделы 1, 2, 10: формальные декомпозиции метрик, 39/116/133 эксперимента Airbnb, ограничения proxy. |
| S27 | Evaluating the Surrogate Index as a Decision-Making Tool Using 200 A/B Tests at Netflix | Vickie Zhang, Michael Zhao, Anh Le, Maria Dimakopoulou, Nathan Kallus | https://arxiv.org/html/2311.11922v2 | 2024-01-30 | 2026-09-19 | полный текст | Разделы 2, 10: 200 A/B tests, 1098 arms, горизонты 14/63 дня, precision/recall surrogate index; дата версии v2. |
| S28 | Blending Proxy Metrics with a North Star | Winston Chou / Netflix | https://arxiv.org/html/2606.21745v1 | 2026-06-19 | 2026-09-19 | полный текст | Разделы 2, 10: теория смешивания proxy, 15 A/B tests и 50 arms, границы применимости; дата версии v1. |
| S29 | The balance on the balanced scorecard — a critical analysis of some of its assumptions | Hanne Nørreklit / Management Accounting Research | https://www.sciencedirect.com/science/article/pii/S104450059990121X | 2000-03 | 2026-09-19 | фрагмент | Разделы 2, 4, 12: критика причинных предпосылок BSC; первичный фрагмент получен поиском, прямое открытие ScienceDirect вернуло 403. |
| S30 | At the core of the balanced scorecard: Understanding cause-and-effect relationships in health and social care | Gaia Bassani, Luca Piubello Orsini, Chiara Leardini / Health Services Management Research | https://journals.sagepub.com/doi/10.1177/09514848251374955 | 2025-08-28 | 2026-09-19 | аннотация | Разделы 2, 12: актуальный systematic review причинных отношений BSC в здравоохранении; число включённых работ и полный метод отбора недоступны. |
| S31 | Metric Tree | Mixpanel | https://docs.mixpanel.com/docs/metric_tree | без даты | 2026-09-19 | полный текст | Разделы 9, 10: Enterprise paid add-on, карточки и owners, время/фильтры, Pearson; AI-генерация без внутренних данных аналитики. |
| S32 | Run the Modeler Agent | Pigment | https://kb.pigment.com/docs/configure-and-run-the-modeler-agent | 2026-09-17 | 2026-09-19 | полный текст | Разделы 9, 10: Ask/Build/Plan & Build, CRUD, imports, history, постоянные изменения; опубликовано 2026-03-04, обновлено 2026-09-17. |
| S33 | dbt MCP Server README | dbt Labs | https://github.com/dbt-labs/dbt-mcp | без даты | 2026-09-19 | полный текст | Разделы 9, 10: открытый репозиторий, list_metrics/query_metrics, dimensions, compiled SQL, доступы и изменяющие команды. |
| S34 | How-to Guide: Running Your North Star Workshop | Amplitude | https://info.amplitude.com/rs/138-CDN-550/images/North-Star_how-to-Guide_2024.pdf | 2024 | 2026-09-19 | полный текст | Разделы 5, 6: состав и ход North Star workshop, follow-up и обновление модели. |
| S35 | Input Metrics & Weekly Business Review | Colin Bryar, Bill Carr / Working Backwards | https://workingbackwards.com/concepts/input-metrics/ | без даты | 2026-09-19 | полный текст | Разделы 1, 5, 7: customer journey, дефекты, WBR, относительность input/output и практический процесс разбора. |
| S36 | Patterns of Trustworthy Experimentation: Post-Experiment Stage | Widad Machmouchi, Somit Gupta / Microsoft Research | https://www.microsoft.com/en-us/research/articles/patterns-of-trustworthy-experimentation-post-experiment-stage/ | без даты | 2026-09-19 | полный текст | Разделы 5, 8: знаменатели, guardrails, история гипотез и экспериментальных решений. |
| S37 | How to Define KPIs in 10 Simple Steps | Bernie Smith / Made to Measure KPIs | https://madetomeasurekpis.com/free-kpi-definition-template/ | без даты | 2026-09-19 | полный текст | Разделы 5, 6, 8: поля ROKS KPI Canvas, точные источники и формулы, назначение, ресурсы, targets, затраты и известные ошибки. |
| S38 | About MetricFlow | dbt Labs | https://docs.getdbt.com/docs/build/about-metricflow | 2026-09-10 | 2026-09-19 | полный текст | Разделы 9, 10: YAML, semantic models, типы метрик, joins, supported platforms; дата — обновление документации. |
| S39 | A Dirty Dozen: Twelve Common Metric Interpretation Pitfalls in Online Controlled Experiments | Pavel Dmitriev, Somit Gupta, Dong Woo Kim, Garnet Vaz / Microsoft Research, ACM KDD | https://www.microsoft.com/en-us/research/wp-content/uploads/2020/08/2017-08-KDDMetricInterpretationPitfalls.pdf | 2017-08 | 2026-09-19 | полный текст | Раздел 7: ошибки интерпретации метрик, множественные проверки, неоднородность эффектов; примеры реальных экспериментов. |
| S40 | MetricFlow README | dbt Labs | https://github.com/dbt-labs/metricflow | без даты | 2026-09-19 | полный текст | Разделы 9, 10: открытая библиотека, Apache 2.0 с 0.209.0, история BSL для 0.150.0–0.208.2. |
| S41 | dbt pricing | dbt Labs | https://www.getdbt.com/pricing | без даты | 2026-09-19 | полный текст | Раздел 9: Developer free, Starter $100/user/month и лимиты queried metrics; цена проверена 2026-09-19. |
| S42 | Explore Your model with the dependency diagram | Pigment | https://kb.pigment.com/docs/explore-your-model-dependency-diagram | 2025-09-05 | 2026-09-19 | полный текст | Разделы 9, 10: зависимости Blocks из формул, upstream/downstream lineage; дата — обновление документации. |
| S43 | Pigment License Types | Pigment | https://kb.pigment.com/docs/pigment-license-types | 2026-05-12 | 2026-09-19 | полный текст | Раздел 9: platform fee, licenses, features, Explorer/Contributor/Editor; опубликовано 2026-02-20, обновлено 2026-05-12. |
| S44 | AI credit questions and answers | Pigment | https://kb.pigment.com/docs/ai-credit-questions-and-answers | 2026-09-17 | 2026-09-19 | полный текст | Разделы 9, 10: период Modeler trial 2026-03-09–2026-06-09 и последующий расход AI credits. |
| S45 | Create a CloudWorks connection | Anaplan | https://help.anaplan.com/create-a-cloudworks-connection--321a1107-f790-415b-bd33-0d933dc6e82d | 2026-03-19 | 2026-09-19 | полный текст | Раздел 9: AWS S3, Google BigQuery, Azure Blob, роли интеграций, отсутствие Dynamic Cell Access; дата — обновление документации. |
| S46 | Mixpanel MCP Server | Mixpanel | https://docs.mixpanel.com/docs/mcp | без даты | 2026-09-19 | полный текст | Разделы 9, 10: query, saved metric CRUD, OAuth/permissions; отдельные Metric Tree tools в открытом списке не перечислены. |
| S47 | DoWhy README | PyWhy contributors | https://github.com/py-why/dowhy | без даты | 2026-09-19 | полный текст | Разделы 9, 10: открытая библиотека причинного анализа, идентификация, оценка и проверки модели; код не запускался. |
| S48 | Validations | dbt Labs | https://docs.getdbt.com/docs/build/validation | 2026-09-10 | 2026-09-19 | полный текст | Разделы 9, 10: parsing, semantic и data-platform validation; дата — обновление документации. |
| S49 | KPI Trees Redefined with the AI Advantage | Vaibhav Gulati, ManMohan Singh / Incedo | https://www.incedoinc.com/assets/pdf/kpi-trees-redefined-whitepaper.pdf | без даты | 2026-09-19 | полный текст | Раздел 10: LLM+RASA wizard и демонстрационные банковские сценарии без контролируемой оценки эффекта; дата неоднозначна: ©2025 и R/24/09/2024. |
| S50 | The Father of ROI: Donaldson Brown | Gene Castellano / Hagley Museum and Library | https://www.hagley.org/librarynews/father-roi-donaldson-brown | 2015-11-20 | 2026-09-19 | полный текст | Раздел 11: истоки ROI в DuPont в 1914, переход Brown в GM в 1921, управленческое применение; архивная историческая заметка. |
| S51 | Creating Shareholder Value: A Guide for Managers and Investors | Alfred Rappaport / Free Press, Simon & Schuster | https://www.simonandschuster.com/books/Creating-Shareholder-Value/Alfred-Rappaport/9780684844107 | 1997-12-01 | 2026-09-19 | фрагмент | Раздел 11: книга, исходная публикация 1986 и обновлённая редакция; прочитаны аннотация и excerpt. Дата 1997-12-01 подтверждена Product Details, copyright excerpt — 1986/1998. |
| S52 | KPI Checklists — Sample Edition | Bernie Smith / Metric Press | https://madetomeasurekpis.com/wp-content/uploads/2014/11/KPI-Checklists-Sample-Edition-1B.pdf | 2013 | 2026-09-19 | фрагмент | Разделы 5, 8, 11: исходное издание 2013, longlist/shortlist, глава KPI Trees, авторский ориентир workshops и иллюстрация AHT; образец книги, не полная книга. |
| S53 | Growth Loops are the New Funnels | Reforge | https://www.reforge.com/blog/growth-loops | 2018-07-31 | 2026-09-19 | полный текст | Разделы 1, 4, 7: реинвестирование результата, loops и межфункциональные конфликты. |

## 14. Словарь терминов {#glossary}

- **Driver tree / value driver tree** (дерево драйверов / факторов стоимости): представление факторов результата или стоимости; может смешивать точные формулы и гипотезы влияния.
- **Metric tree** (дерево метрик): иерархическое представление связей показателей; название само по себе не задаёт тип связи.
- **KPI — Key Performance Indicator** (ключевой показатель результативности): метрика, выбранная для конкретного управленческого решения и регулярного внимания.
- **Goal / Objective** (цель): желаемый результат или направление изменения, которое ещё требуется операционализировать.
- **Target** (целевое значение): требуемый уровень метрики в заданной области и к заданному сроку.
- **ROKS — Results-Oriented KPI System** (система KPI, ориентированная на результаты): авторский процесс Bernie Smith от стратегии и кандидатов к определениям, прототипу и рабочему использованию.
- **Longlist / shortlist** (полный список кандидатов / отобранный список): последовательные стадии выбора того, что действительно будет измеряться и использоваться.
- **DuPont analysis** (анализ Дюпона): алгебраическое разложение финансовой рентабельности на компоненты.
- **ROI / ROE** (рентабельность инвестиций / собственного капитала): отношения финансового результата к соответствующей базе капитала; определения базы должны быть согласованы.
- **FCF — Free Cash Flow** (свободный денежный поток): денежный результат после операционных расходов, налогов и необходимых инвестиций в принятой модели.
- **Enterprise value / terminal value** (стоимость предприятия / конечная стоимость): текущая оценка операционного бизнеса / оценка потоков за пределами явного прогнозного горизонта.
- **North Star Metric** (метрика «полярной звезды»): общий продуктовый ориентир, отражающий получаемую клиентом ценность.
- **Input / output metric** (входная / выходная метрика): показатель фактора процесса / его результата относительно выбранного уровня модели.
- **Controllable input** (управляемый вход): фактор, на который команда способна воздействовать конкретным действием.
- **Leading / lagging indicator** (опережающий / запаздывающий индикатор): показатель, наблюдаемый раньше / позже интересующего результата; временной порядок не доказывает управляемость или причинность.
- **Balanced Scorecard, BSC** (сбалансированная система показателей): организация стратегических целей и измерений через несколько перспектив.
- **Strategy map** (стратегическая карта): представление предполагаемых связей между целями и перспективами стратегии.
- **Scorecard** (карта показателей): набор показателей, целей и наблюдений; может обходиться без иерархии.
- **OKR — Objectives and Key Results** (цели и ключевые результаты): способ фиксировать желаемые изменения и проверяемые результаты их достижения.
- **Cascade** (каскадирование): согласование целей и вкладов по уровням или командам; не обязательно арифметическое разложение.
- **Driver-based planning** (планирование на основе драйверов): расчёт сценарных результатов через операционные допущения и формулы.
- **FP&A — Financial Planning and Analysis** (финансовое планирование и анализ): работа с бюджетом, прогнозом, сценариями и объяснением результатов.
- **Goal-Question-Metric, GQM** (цель — вопрос — метрика): проектирование измерений через вопросы, необходимые для оценки цели.
- **OEE — Overall Equipment Effectiveness** (общая эффективность оборудования): произведение доступности, производительности и качества при согласованной базе расчёта.
- **Availability / Performance / Quality** (доступность / производительность / качество): компоненты OEE, характеризующие потери времени, скорости и годного выпуска.
- **Rework** (переделка): дополнительная обработка дефектного изделия; не равнозначна годности с первого прохождения.
- **Guardrail metric** (защитная метрика): ограничение, ухудшение которого может запрещать решение даже при улучшении основного результата.
- **Vanity metric** (метрика видимости успеха): привлекательное число, не меняющее решения или скрывающее значимую часть результата.
- **Gaming** (подстройка под показатель): изменение поведения или учёта ради измеряемого результата в ущерб исходной цели.
- **AOV — Average Order Value** (средний чек): выручка на заказ в строго заданной популяции и периоде.
- **Cohort / retention** (когорта / удержание): группа с общим событием входа / её повторное использование продукта или сохранение отношений через заданный срок.
- **Grain / population / scope** (зерно данных / популяция / область действия): уровень одной записи или агрегата / множество учитываемых объектов / границы применимости определения.
- **Stock / flow** (запас / поток): состояние на момент времени / изменение состояния за интервал.
- **Causal loop diagram, CLD** (диаграмма причинных контуров): качественная карта предполагаемого влияния с полярностью и обратными связями.
- **Stock-and-flow model** (модель запасов и потоков): динамическая модель накоплений, скоростей их изменения и задержек.
- **Structural causal model, SCM** (структурная причинная модель): уравнения механизмов, внешние переменные и допущения, позволяющие формулировать эффекты вмешательства.
- **Identification** (идентификация): установление того, можно ли выразить искомый причинный эффект через доступные данные при заданных предпосылках.
- **Confounding** (смешение влияний): общие причины или отбор, мешающие интерпретировать наблюдаемую связь как эффект вмешательства.
- **Proxy / surrogate metric** (замещающая метрика): более доступный или ранний показатель, используемый вместо целевого результата с требующей проверки точностью.
- **A/B test / A/A test** (контролируемый эксперимент / проверка одинаковых вариантов): рандомизированное сравнение вмешательства с контролем / проверка поведения измерительной процедуры без различий вариантов.
- **Precision / recall** (точность / полнота положительных решений): доля правильных положительных решений среди выданных / доля найденных положительных исходов среди всех положительных эталонных исходов.
- **Sensitivity analysis** (анализ чувствительности): оценка изменения результата при изменении входов или допущений модели.
- **Covariance** (ковариация): мера совместной изменчивости входов, необходимая для корректного переноса неопределённости.
- **Monte Carlo** (метод Монте-Карло): расчёт распределения результата через повторное случайное моделирование входов с заданными распределениями и зависимостями.
- **Attribution** (распределение вклада): правило приписывания изменения компонентам или действиям; не обязательно причинная оценка.
- **PMS — Performance Management System** (система управления результативностью): сочетание планирования, измерений, оценки, обратной связи и стимулов.
- **WBR — Weekly Business Review** (еженедельный операционный разбор): регулярная работа с рядами показателей, отклонениями и решениями.
- **BI / drill-down** (бизнес-аналитика / детализация): средства отчётности и перехода к разрезам данных; детализация не доказывает причины.
- **Metric store / semantic layer** (хранилище определений метрик / семантический слой): единые определения, связи и интерфейсы вычисления показателей.
- **Warehouse / ERP / MES** (аналитическое хранилище / система учёта ресурсов / система управления производственными операциями): возможные источники и контуры обработки исходных данных.
- **Dimension / entity** (измерение / сущность): признак разреза данных / идентифицируемый объект и его ключ.
- **Lineage / upstream / downstream** (происхождение / вышестоящие / нижестоящие зависимости): прослеживание источников и потребителей вычисляемого показателя.
- **Cardinality / fan-out join** (кратность связи / размножающее соединение): число соответствий между ключами / соединение, способное дублировать вклад строки.
- **AST — Abstract Syntax Tree** (абстрактное синтаксическое дерево): структурированная запись операции и аргументов формулы для безопасного разбора и проверки.
- **JSON / YAML** (форматы структурированных данных): текстовые способы сериализации модели, пригодные для программ и LLM.
- **SQL** (язык запросов): язык получения и агрегирования данных из структурированного хранилища.
- **LLM / agent** (большая языковая модель / агент): генератор текстовых и структурированных предложений / система, выполняющая последовательность действий через инструменты.
- **MCP — Model Context Protocol** (протокол подключения инструментов и контекста): интерфейс доступа агента к системам, метрикам и операциям.
- **Lint / validation** (статическая проверка / валидация): обнаружение нарушений структуры, правил вычисления и контрактов; не доказательство истинности всех бизнес-предпосылок.
- **Data steward** (хранитель определения и качества данных): роль, отвечающая за согласованность данных и правил их использования.
- **Null / unknown** (отсутствующее значение / неизвестный результат): отсутствие доступного значения / невозможность вынести заключение по проверке; оба отличаются от нуля и успешной проверки.
