---
title: "Деревья драйверов, метрик и KPI"
slug: "driver-metric-kpi-trees"
participant: fable
model: "claude-fable-5-1"
effort: "max"
date: 2026-09-19
cutoff: 2026-09-19
language: ru
sources_read: 95
status: complete
summary: "Деревья драйверов, метрик и KPI — семейство иерархических декомпозиций целевого показателя на драйверы, от формулы DuPont до metric trees 2023–2026 годов. Проверяемое ядро всех подходов — различение арифметических тождеств и гипотез влияния с лагом и уровнем уверенности; именно оно переносится в машиночитаемую структуру для LLM. Ключевое ограничение: контролируемых исследований эффективности деревьев нет, доказательная база состоит из кейсов, консультантских и вендорских утверждений."
---

# Деревья драйверов, метрик и KPI

## 0. Вердикт {#verdict}

Деревья драйверов, метрик и KPI — семейство иерархических декомпозиций одного целевого показателя (корня) на составляющие и влияющие факторы, объединённое идеей связать то, что важно, с тем, что можно двигать. Семейство существует с 1910–1920-х годов (формула DuPont) и в 2023–2026 годах пережило новую волну под названием metric trees в продуктовой аналитике, вплоть до встроенной функции в Mixpanel {факт} [S1, S2].

- **Главный вывод.** Устойчивое и проверяемое ядро всех подходов — не форма дерева, а различение двух типов связей: арифметических тождеств (identity), которые обязаны сходиться численно, и гипотез влияния (influence), которым нужны знак, лаг, уровень уверенности и проверка данными. Это различие независимо воспроизводится в академической классификации 161 дерева, в немецкой традиции Rechensystem и Ordnungssystem, в документации Mixpanel и в обсуждении открытого стандарта семантического слоя {факт} [S3, S4, S5, S6].
- **Для кого.** Для бизнеса 20–500 человек дерево полезно в трёх ролях: выбор показателей, объяснение движения уже измеряемого показателя и планирование; для каждой роли нужен свой тип дерева, а не одно универсальное.
- **Ключевое ограничение.** Эмпирическая база эффективности деревьев как управленческой практики практически отсутствует: есть кейсы (Amazon), консультантские и вендорские утверждения, а смежная Balanced Scorecard за тридцать лет дала противоречивые результаты {эмпирика} [S7]. В финансовом планировании полностью драйверные модели используют лишь 17 % организаций {эмпирика} [S8].
- **Сильнейшая альтернатива.** Дерево по построению ациклично и статично и не выражает петли обратной связи и лаги, поэтому для циклических механизмов уместнее causal loop diagram, а для вопроса «что именно вызвало изменение» при наличии данных — структурная причинная модель с фальсификацией связей.
- **Для LLM.** Переносится почти всё формальное: паспорт метрики, типизированные рёбра, проверки арифметики, MECE, циклов и полноты лагов; человеку остаются выбор корня, суждение о контролируемости и валидация влияний.

Уверенность высокая в таксономии и правилах связей из-за сходимости независимых источников и низкая в любых количественных оценках эффекта из-за отсутствия контролируемых исследований.

## 1. Что это и как работает {#basics}

### 1.1 Определение и семейство названий

Дерево показателей — направленный ациклический граф, чаще именно дерево, в котором корень — целевой показатель, внутренние узлы — промежуточные показатели или результаты, листья — драйверы, а рёбра — связи с явно заданным типом. В академическом обзоре value driver trees единого понимания и нотации не обнаружено: анализ 161 дерева из научных и практических источников показал разнородность семантики (что считается узлом) и синтаксиса (как обозначается связь) {эмпирика} [S3]. Практики расходятся в вопросе, одно ли это понятие:

- **«Одна концепция с разным акцентом».** Вендор платформы деревьев считает metric tree, KPI tree и value driver tree одним понятием для разных аудиторий {вендор} [S9].
- **«Разные назначения».** Автор метода KPI tree Bernie Smith разводит KPI trees, strategy maps, OKR и metrics trees по назначению {вендор} [S10].

**Обе позиции верны в разном:** графовая структура одинакова, а семантика узлов и допустимые типы связей различаются, что и разобрано в 1.6.

| Название | Происхождение | Корень | Узлы | Тип связей | Назначение | Источники |
|---|---|---|---|---|---|---|
| DuPont, Kennzahlen-Rechensystem (ZVEI, RL) | DuPont 1912–1920-е; ZVEI; Reichmann и Lachnit | ROI или ROE; у RL два корня: рентабельность и ликвидность | финансовые коэффициенты | арифметика | анализ финансового результата | [S1, S4] |
| Value driver tree | Rappaport 1986, практика оценки компаний и консалтинг | стоимость, ROIC, FCF | финансовые и операционные драйверы | арифметика плюс логические связи | оценка, программы улучшений | [S11, S3] |
| Driver tree (кейс-практика консалтинга) | консалтинг | любой числовой показатель | числа | только арифметика | диагностика причины изменения | [S12] |
| KPI tree (ROKS) | Smith, 2011 и 2013 | стратегическая цель словами | результаты словами, затем KPI-кандидаты | причинно-следственные и конфликтные линии | выбор набора KPI | [S10] |
| North Star Framework | Ellis 2017; Amplitude | North Star Metric | NSM, 3–5 inputs, work, business results | влияние | фокус продуктовых команд | [S13, S14] |
| Metric tree | Sivasailam 2023; Trace, Mixpanel 2025 | North Star или выходной показатель | метрики с бизнес- и data-определением | component (арифметика) и influence | операционная модель бизнеса | [S15, S16] |
| Input/output metrics и WBR | Amazon; Bryar и Carr | выходные метрики | контролируемые входы, затем выходы | причинный порядок в списке | еженедельное управление | [S17] |
| Strategy map, Balanced Scorecard | Kaplan и Norton 1992, 2000 | финансовая перспектива | цели по четырём перспективам | гипотезы «средство — цель» | коммуникация стратегии | [S18, S19] |
| OKR (каскад или выравнивание) | Grove; Doerr 1999, 2018 | цель компании | цели и ключевые результаты | «средство — цель» | согласование целей | [S20] |
| Driver-based planning | FP&A | P&L, прогноз | драйверы и допущения | формулы | бюджет и прогноз | [S21] |
| GQM, GQM+Strategies | Basili 1980-е, 1994, 2014 | цель измерения | цель, вопрос, метрика | информационная логика | программа измерений | [S22, S23] |
| OEE-декомпозиция | Nakajima 1982, 1988 | OEE | availability, performance, quality и шесть потерь | произведение | эффективность оборудования | [S24] |

### 1.2 Узел

Узел дерева — либо измеримая метрика, либо результат, сформулированный словами. В metric trees все узлы — метрики: каждый узел несёт бизнес-определение и определение в данных, а ребро — драйвер или влияние {мнение} [S15]. В KPI tree Smith узлы четырёх уровней различаются по природе: стратегическая цель («быть здоровым»), темы («хороший сон»), тактические драйверы («управлять калорийностью») и только на нижнем уровне KPI-кандидаты («индекс массы тела») {вендор} [S10]. В GQM узлы трёх типов: цель на концептуальном уровне, вопрос на операционном и метрика на количественном {факт} [S22]. **Для машинной проверки важно, что арифметика возможна только между узлами-метриками**, а связи с узлами-результатами могут быть лишь логическими.

Атрибуты узла-метрики, без которых арифметика дерева не проверяется:

- **Тип агрегации.** В семантическом слое dbt метрика имеет тип simple (агрегат), ratio (числитель и знаменатель), cumulative (накопление за окно), derived (выражение над другими метриками) или conversion {факт} [S25]. Тип определяет, какие операции с узлом допустимы.
- **Зерно и окно времени.** Дневная, недельная, месячная метрика; календарный период или когорта. Смешение календарных и когортных окон в одной формуле — типичный источник ошибок, разобранный в 1.3.
- **Знаменатель.** Для любой доли или средней величины знаменатель сам является узлом дерева и часто одним из драйверов другой ветви.
- **Контролируемость.** Amazon делит метрики на выходные (revenue, profit, active users), которыми нельзя управлять напрямую, и контролируемые входные, на которые команда влияет действиями {факт} [S17]. Amplitude формулирует то же для North Star: «если вы можете двигать North Star напрямую, это, вероятно, плохой North Star», метрика должна быть «на один уровень вне досягаемости» {вендор} [S26].
- **Опережение или запаздывание.** Опережающий индикатор измеряет идущую активность и предсказывает запаздывающий с предсказуемым лагом; практический тест: может ли команда ещё повлиять на значение в текущем цикле {вендор} [S27].
- **Владелец.** Узел без владельца в Amazon WBR не обсуждается: владелец либо объясняет отклонение, либо говорит «не знаем, разбираемся» {факт} [S28].

### 1.3 Связь: типы и математика

Четыре независимых источника проводят одно и то же различие между связями:

- **Немецкие Kennzahlensysteme.** Rechensystem, где показатели связаны математически, против Ordnungssystem, где между сгруппированными показателями есть лишь смысловая связь без функциональной зависимости {факт} [S4].
- **Академический обзор.** Среди 161 value driver tree преобладают математические связи над чисто логическими, но многие деревья гибридны {эмпирика} [S3].
- **Документация Mixpanel.** Component relationships (прямое количественное влияние, например revenue = users × ARPU) против influence relationships (корреляция без гарантированной формулы), которые советуют помечать уровнем уверенности high, medium, low {вендор} [S5, S29].
- **Открытый стандарт семантического слоя.** В обсуждении предложены identity edges (детерминированная арифметика) и influence edges с уровнями verified, correlated, hypothesized {факт} [S6].

**Все зрелые подходы сходятся на двух классах рёбер, и это главное формальное правило дерева.**

| Тип связи | Математика | Что обязано выполняться | Типичная ошибка |
|---|---|---|---|
| Аддитивная (identity) | родитель = Σ детей; знак у вычитаемых | сумма детей равна родителю с допуском; дети не пересекаются (MECE) | пересекающиеся категории затрат, «маркетинг, онлайн, персонал» считают одну зарплату трижды [S30] |
| Мультипликативная (identity) | родитель = Π детей (revenue = users × ARPU; OEE = A × P × Q) | произведение сходится; атрибуция изменения задана конвенцией | приписать всё изменение одному множителю, забыв взаимодействие |
| Долевая, ratio (identity) | доля = числитель ÷ знаменатель; средняя = Σ(вес × ставка) | числитель и знаменатель — узлы дерева; веса суммируются в 1 | смешение сегментов с разными знаменателями, парадокс Симпсона [S31] |
| Сегментация (identity) | метрика = Σ по сегментам; ставка = взвешенная по mix | сегменты покрывают всё и не пересекаются | сравнение ставок без учёта сдвига mix [S32] |
| Воронка, процесс (identity) | конверсия = Π ставок стадий | стадии последовательны и исключающи; окна согласованы | календарный расчёт смешивает когорты на разных стадиях [S33] |
| Мост состояний (identity) | MRR_t = MRR_t−1 + new + expansion − contraction − churn | компоненты моста сходятся к разнице остатков | пропуск категории (resurrection), двойной учёт апгрейда как new [S34] |
| Влияние (influence) | направление, сила, лаг, уверенность | у ребра указаны знак, лаг и уровень уверенности; связь проверяется данными | влияние выдано за тождество, лаг не объявлен [S27] |
| Корреляция (наблюдение) | коэффициент по временным рядам | указан период и зерно расчёта | корреляция принята за причинность [S16] |
| Конфликт, компромисс | нет формулы; отметка «улучшение A ухудшает B» | указан механизм конфликта | оптимизация одного узла без guardrail [S10, S35] |
| Организационная | узел разбит по владельцам | у каждого ребёнка один владелец | дерево копирует оргструктуру, а не причинность [S5, S36] |

#### Аддитивные связи и двойной счёт

Правило консалтинговых driver trees: ветви должны складываться или перемножаться обратно в родителя; если не сходятся, это issue tree, а не driver tree {мнение} [S12]. Уравнение по построению не пересекается, поэтому любое разбиение стоит начинать с уравнения {мнение} [S30]. Двойной счёт возникает двумя путями: пересекающиеся категории на одном уровне и общий драйвер, входящий в две ветви (цена входит и в выручку, и в конверсию). Второй случай законен, но превращает дерево в DAG: GQM изначально допускает, что одна метрика обслуживает несколько вопросов {факт} [S22]. В identity-слое общий узел допустим только как ссылка на один и тот же объект, а не как две копии с разными определениями.

#### Мультипликативные связи и атрибуция изменения

Разложение изменения произведения на вклады множителей неоднозначно. Практика мостов (value bridge) знает три конвенции: последовательная с фиксированной базой (сначала цена при базовом объёме, затем объём, остаток — mix), где порядок влияет на размер столбиков; логарифмическая; и атрибуция Шепли как усреднение по перестановкам, устраняющее произвол порядка {мнение} [S37]. Пример (иллюстрация): выручка = users × ARPU; период 1: 10 000 × 50 = 500 000; период 2: 11 000 × 48 = 528 000; Δ = +28 000.

```text
эффект users при базовом ARPU:   (+1 000) × 50   = +50 000
эффект ARPU при базовых users:   10 000 × (−2)   = −20 000
взаимодействие:                  (+1 000) × (−2) =  −2 000
итого                                             = +28 000  (сходится)
```

Взаимодействие в −2 000 нужно либо показать отдельно, либо распределить по конвенции; молчаливое отбрасывание ломает сходимость и делает проверку дерева невозможной. Умножение усиливает разброс: OEE 20 % × 80 % = 16 %, а 50 % × 50 % = 25 % при одинаковой «сумме», то есть произведение наказывает неравномерность множителей {факт} [S24].

#### Доли, знаменатели и сдвиг mix

Изменение доли или средней величины складывается из изменения ставок внутри сегментов и изменения состава (mix). Пример Sequoia: сегмент США 80 % пользователей по 10 минут в день и остальной мир 20 % по 5 минут дают 9 минут на пользователя; при обратной пропорции и неизменных ставках внутри сегментов среднее падает до 6 минут {факт} [S31]. Автоматизация этого разложения требует, чтобы дерево хранило числитель, знаменатель и иерархию сегментов явно {вендор} [S32]. Отсюда правило: у каждого ratio-узла знаменатель — отдельный узел, а сегментное разбиение объявлено как тип связи, а не спрятано в фильтрах.

#### Сегментация или компоненты

Одну и ту же метрику можно представить либо как сумму компонентных метрик, либо как одну метрику, нарезаемую по измерению; это одно из типовых решений при проектировании metric tree {мнение} [S38]. Компоненты нужны, когда у частей разные драйверы и владельцы (new и expansion MRR), нарезка — когда механизм одинаков и важен только состав (страна, канал).

#### Воронки, когорты и календарь

Мост MRR по состояниям (new, expansion, contraction, churn) — детерминированная связь; активные пользователи и подписки — корреляционная; переходы пользователей между состояниями (new, activated, active, at-risk, dormant) — третий, «state-based» тип {мнение} [S34]. Критика метрических деревьев указывает на «слепое пятно когорт»: календарный месяц смешивает пользователей на разных стадиях жизненного цикла, и мультипликативное разложение скрывает операционные напряжения и общие скрытые причины (confounders) {мнение} [S33]. Практическое следствие: для узлов воронки объявляется, календарное это окно или когортное, и смешивать их в одной формуле запрещено.

#### Лаги и временной горизонт

Дерево статично, а связи влияния действуют с задержкой: конверсия может отставать от действия на 60–90 дней, и дерево эту «безвременность» не выражает {мнение} [S34]. Практика лагов: пара «опережающий индикатор — запаздывающий показатель — ожидаемый лаг» обязательна, иначе классификация индикатора — догадка; примеры лагов: даунгрейды мест → contraction через месяц, health score → churn через 60 дней, трафик → выручка через 90 дней при длинном цикле покупки {вендор} [S27]. Критика Balanced Scorecard с 2000 года указывает тот же дефект: отсутствие измерения времени между причинами и следствиями {мнение} [S39]. Следствие для формата: лаг — обязательное поле influence-ребра, а не комментарий.

#### Циклы обратной связи

Дерево ациклично, а рост часто цикличен. Amazon описывает свою модель через flywheel по Jim Collins: выбор, низкие цены и клиентский опыт усиливают друг друга {факт} [S17]. Reforge в 2018 году противопоставил воронкам growth loops, замкнутые системы, где выход реинвестируется во вход и даёт компаундный рост {мнение} [S40]. Causal loop diagram выражает такие петли явно через знаки связей и типы контуров (усиливающий, балансирующий) {факт} [S41]. **Правило:** если ключевой механизм бизнеса — петля, дерево описывает только его арифметическую часть, а петля рисуется отдельно и ссылается на узлы дерева.

### 1.4 Корень дерева и его выбор

Выбор корня задаёт язык всего дерева. У DuPont корень — ROI как произведение оборачиваемости капитала и рентабельности продаж, и этот ROI-Baum стал прототипом остальных Kennzahlensysteme {факт} [S4, S1]. У value driver trees корень — стоимость для акционеров через семь драйверов Rappaport: темп роста продаж, операционная маржа, налоговая ставка, капитальные вложения, оборотный капитал, стоимость капитала и период прогноза {факт} [S11]. Amplitude, напротив, считает выручку плохой North Star, поскольку она запаздывает, и требует от корня выражать ценность для клиента и опережать выручку {вендор} [S26]. Brian Balfour показал, что единый выходной показатель обманывает: он запаздывает, скрывает проблемы, охватывает одно измерение и маскирует компромиссы, поэтому нужна constellation из нескольких выходов и их входов {мнение} [S35].

Практические правила выбора корня:

- **Корень соответствует горизонту решений.** Финансовый корень уместен для годового и квартального цикла; для недельного управления нужен операционный корень: OEE станка, on-time delivery цеха с целью 79 % → 90 % за 18 месяцев (пример из руководства) {мнение} [S36].
- **Корней может быть больше одного.** RL-Kennzahlensystem держит на вершине два показателя — успех и ликвидность {факт} [S4]; constellation Balfour — несколько выходов с явными компромиссами [S35].
- **P&L — уже дерево.** Отчёт о прибылях и убытках — естественное аддитивное дерево, из которого операционные деревья вырастают вниз {вендор} [S42]. Это удобный якорь для финансового корня, но его тождества не являются причинами (см. раздел 8).
- **Целевые значения в корень и узлы не вносятся при построении.** Smith прямо запрещает цифры и цели в дереве на этапе конструирования, чтобы не подменить структуру торгом о планах {вендор} [S10].

### 1.5 Глубина декомпозиции и критерий остановки

Критерий остановки у всех практиков один и тот же по смыслу: декомпозиция продолжается, пока лист не станет контролируемым входом одного владельца. Amazon формулирует это как «спрашивать, что двигает этот показатель и как это измерить, пока метрику нельзя осмысленно разложить дальше» {факт} [S17]. Mixpanel рекомендует 2–4 драйвера на уровень и остановку, когда метрика напрямую контролируется одной командой {вендор} [S5]. Для заводского дерева советуют три уровня: результат, 2–4 драйвера, цеховые листья, поскольку глубже причинные связи становятся слишком слабыми и дерево начинает копировать оргструктуру {мнение} [S36]. В консалтинге строят 2–3 слоя, находят проблемную ветвь и углубляются только в неё {мнение} [S30].

Размеры на практике расходятся на порядок в зависимости от назначения:

| Контекст | Размер | Тип утверждения | Источник |
|---|---|---|---|
| KPI tree Smith как longlist | 20–100 и более KPI-кандидатов, затем shortlist | вендор | [S10] |
| Amazon WBR, компания-гигант | 400–500 метрик за 60 минут | практика | [S28] |
| Commoncog, малая компания | 47 метрик за 15 минут | практика | [S28] |
| Metric tree по опыту консультанта | «монстры» на 90 и более узлов операционно неработоспособны | мнение | [S34] |
| North Star Framework | 1 NSM и 3–5 inputs | вендор | [S14] |

### 1.6 Чем driver tree отличается от metric tree, KPI tree и дерева целей

| Признак | Driver tree, VDT | Metric tree | KPI tree (Smith) | Дерево целей, strategy map, OKR |
|---|---|---|---|---|
| Что в узлах | числа | метрики с определением в данных | результаты словами, KPI только в листьях | цели и ключевые результаты |
| Какие связи | только арифметика | component и influence, с уверенностью | причинно-следственные и конфликтные линии, без формул | «средство — цель», гипотезы |
| Обязана ли сходиться арифметика | да | в identity-части да | нет | нет |
| Главный вопрос | почему изменилось число | как устроен бизнес и что двигать | какие KPI вообще измерять | как согласовать намерения |
| Корень | финансовый показатель | North Star или выход | стратегическая цель | миссия или цель компании |
| Кто строит | финансы, консалтинг | данные и продукт | руководители в воркшопе | руководство |
| Источники | [S12, S3] | [S15, S5] | [S10] | [S19, S20] |

Три смежных объекта, с которыми деревья путают:

- **Issue tree.** Разбивает вопрос на MECE-категории для генерации гипотез; driver tree проверяет гипотезы количественно; консультанты используют их последовательно {мнение} [S12].
- **Каталог метрик и семантический слой.** Каталог — список метрик с метаданными, семантический слой — код, который единообразно вычисляет метрики; дерево добавляет к ним связи между метриками и бизнес-уравнения {вендор} [S43].
- **Causal loop diagram и структурная причинная модель.** CLD допускает циклы и знаки, но не арифметику {факт} [S41]; структурная причинная модель — DAG с функциональными механизмами, который валидируют фальсификацией и используют для атрибуции и контрфактов {эмпирика} [S44]. Дерево — частный случай DAG без циклов, с двумя типами рёбер и без функций на influence-рёбрах.

### 1.7 Формальная сторона: минимальная модель дерева

Из сходящихся источников выводится минимальная формальная модель; сама сводка — авторская {гипотеза}, опоры указаны.

- **Граф.** Дерево T = (N, E, R): узлы N, рёбра E, корни R (один или несколько). Граф ацикличен; общий узел допускается только как одна сущность, на которую ссылаются несколько родителей.
- **Узел.** Обязательные поля: идентификатор, имя, тип агрегации (по образцу simple, ratio, cumulative, derived {факт} [S25]), зерно и окно времени, единица, направление «лучше», признак контролируемости, владелец.
- **Identity-ребро.** Оператор из набора sum, product, ratio, weighted_mean, difference или expr, выражение над детьми и допуск сходимости; аналог derived metric с полями expr и input_metrics в dbt {факт} [S25].
- **Influence-ребро.** Знак, ожидаемый лаг, уровень уверенности (hypothesized, correlated, verified) и ссылка на свидетельство; аналог предложенных identity и influence edges в обсуждении открытого стандарта {факт} [S6] и уровней high, medium, low у Mixpanel {вендор} [S5].
- **Инварианты.** Дети identity-ребра MECE относительно родителя; у ratio-узла числитель и знаменатель — узлы дерева; окно времени у детей identity-ребра совпадает с родительским; у каждого influence-ребра заполнены знак, лаг и уверенность.

Развёрнутая машиночитаемая форма и список автоматических проверок даны в разделе 10.

## 2. Актуальность и доказательная база на дату среза {#evidence}

### 2.1 Распространённость по сегментам и тренд

| Сегмент | Что известно на 2026-09-19 | Тренд | Тип | Источник |
|---|---|---|---|---|
| FP&A, планирование | 17 % организаций используют полностью драйверные модели; среди них 77 % оценивают свои прогнозы как хорошие; 29 % тратят более 10 дней на прогноз | стабильно низкий уровень при высоком интересе | эмпирика (опрос практиков, выборка не раскрыта) | [S8] |
| FP&A, годом раньше | 9 % полностью автоматизировали драйверные модели; 21 % не могут запустить сценарии вообще; 52 % планируют в Excel; более 2 400 респондентов накоплено за восемь лет | медленный рост | эмпирика (опрос) | [S45] |
| Корпоративные финансы и консалтинг | value driver trees — стандартный инструмент, но с разнородной нотацией; 161 дерево в обзоре | стабилен | эмпирика (обзор литературы) | [S3] |
| Продуктовая аналитика | доклад о metric trees на Data Council весной 2023 года; встроенная функция Metric Trees в Mixpanel с августа 2025; покупка DoubleLoop в октябре 2025; специализированные платформы Trace и KPI Tree | растёт | факт и вендор | [S38, S2, S46] |
| Производство | OEE и её разложение стандартизированы (ISO 22400), иерархия «базовые элементы → поддерживающие индикаторы → KPI» описана формально | стабилен | факт | [S47, S24] |
| Стратегическое управление | в опросе 2020 года 88 % респондентов применяли Balanced Scorecard для реализации стратегии, 63 % для операционного управления | зрелая практика | эмпирика (опрос, пересказ в энциклопедии) | [S48] |

Принадлежность утверждений: цифры FP&A Trends получены от сообщества практиков FP&A и не раскрывают выборку 2025 года, поэтому пригодны как порядок величины, а не как точная доля {эмпирика} [S8]. Тренд в продуктовой аналитике подтверждён продуктовыми фактами (релизы, сделка), а не независимыми замерами {факт} [S2, S46].

### 2.2 Научная и эмпирическая база

**Прямых контролируемых исследований влияния деревьев драйверов или метрик на результаты компаний найти не удалось** {гипотеза}. Обзор литературы о value driver trees фиксирует ограниченную эмпирическую валидацию предполагаемых причинных связей и отсутствие руководств по оптимальной глубине и детализации {эмпирика} [S3]. Что есть:

- **Value driver tree в логистике.** Дерево для процесса order-to-delivery построено по систематическому обзору литературы и экспертным интервью в немецком производстве, а корреляционный анализ на данных одного кейса подтвердил монотонные связи между выбранными метриками; ограничение — одна страна и один кейс {эмпирика} [S49].
- **Ранжирование драйверов стоимости.** Анализ чувствительности по семи драйверам Rappaport показал, что влияние операционных затрат и процентных расходов на свободный денежный поток заметно выше влияния выручки, а картина драйверов схожа между отраслями; метод не улавливает взаимозависимости драйверов {эмпирика} [S11].
- **Balanced Scorecard, тридцать лет.** Обзор в Business Horizons констатирует, что эмпирические результаты об эффективности BSC непоследовательны, а сама BSC «должна быть эффективно внедрена, чтобы быть инструментом эффективной реализации стратегии» {эмпирика} [S7]. По вторичным пересказам той же статьи, число исследований с положительным эффектом примерно равно числу с нулевым или отрицательным, а метаанализ восьми исследований показал, что явная причинная связка (strategy map) усиливает связь «внедрение BSC — результат» на 0,321; полный текст статьи недоступен, цифра приведена как непроверенная {эмпирика} [S7].
- **Balanced Scorecard в здравоохранении.** Систематический обзор 20 исследований: положительный эффект на удовлетворённость пациентов и финансовые результаты, слабый — на удовлетворённость персонала; у многих исследований высокий риск смещения {эмпирика} [S50].
- **Опережающие и запаздывающие индикаторы BSC.** Метаанализ 2025 года сообщает о центральной роли обучения и роста и о вкладе внутренних процессов и клиентов в финансовый результат; доступен только фрагмент, дизайн не проверен {эмпирика} [S51].
- **Системы измерения результативности в целом.** Обзор 76 эмпирических исследований классифицирует последствия систем измерения по поведению людей, организационным способностям и результатам; сам факт наличия обзора зафиксирован по метаданным (745 цитирований), текст недоступен {эмпирика} [S52].
- **Критика причинности в BSC.** Nørreklit (2000) показала, что Kaplan и Norton смешивают причинно-следственные, логические и «средство — цель» связи, а модель не содержит измерения времени; статья собрала 1 452 цитирования по данным Semantic Scholar {факт} [S39].
- **OEE.** Обзор литературы и практики применения OEE (573 цитирования) документирует расширение OEE до семейства метрик и ограничение исходной формулы оценкой отдельной машины {факт} [S53]. Свойства формулы: произведение наказывает разброс множителей, среднее за смены скрывает разные причины, метрика непригодна для сравнения машин и оценки людей, а «85 % — мировой класс» во многих случаях неверно {мнение} [S24].
- **Системная динамика для бизнес-моделей.** Единичный кейс: диаграммы причинных петель и потоков помогли предпринимателям справиться со сложностью параметров при диверсификации бизнес-модели; дизайн — одиночный исследовательский кейс {эмпирика} [S54].

Итог по научной базе: доказательность самих деревьев низкая, доказательность смежных практик (BSC, OEE) средняя и противоречивая, а самые сильные результаты последних лет относятся к причинному моделированию и к машиночитаемым определениям метрик (раздел 2.6 и раздел 10).

### 2.3 Практическая база

- **Amazon Weekly Business Review.** Руководство еженедельно просматривает 400–500 метрик за 60 минут; колода упорядочена причинно, от контролируемых входов к выходам; обсуждаются только входы, выходы показывают статус к цели; отклонения трактуются через контроль статистической вариации по Демингу; отработка формата занимает месяцы итераций {факт} [S28]. Bryar подчёркивает, что входные метрики находят методом проб и ошибок, а не проектируют заранее {факт} [S55].
- **Эволюция входной метрики.** Метрика «выбора» в Amazon менялась: число карточек товаров → число просмотров карточек → доля просмотров карточек с товаром в наличии → доля просмотров с товаром в наличии и готовым к двухдневной доставке (Fast Track In Stock); каждый шаг отвечал на вопрос «если мы будем менять эту метрику, даст ли это желаемый выход» {факт} [S56].
- **Flexport и Levers Labs.** Руководитель данных сообщает, что процесс «командные метрики задаются до планирования инициатив, и каждая инициатива обязана отображаться в метрику» был трансформирующим, но радикальным и трудно внедряемым {мнение} [S57].
- **Диагностика падения пайплайна.** Падение на 90 % оказалось в пределах обычной вариации, а причиной были пасхальные каникулы; аналитик подчёркивает, что количественный анализ лишь сужает область поиска для качественного расследования {факт} [S58].
- **Вендорские кейсы.** Pigment: Supercell сократил обновление факта и прогноза P&L с 8 дней до 4 минут {вендор} [S21]. Mixpanel цитирует директора по данным Zola о ценности определений метрик и углубления в узлы {вендор} [S2].

### 2.4 Мнение отрасли: кто поддерживает и кто критикует

| Позиция | Кто | Аргумент | Источник |
|---|---|---|---|
| За metric trees как операционную модель | Sivasailam, Subramanian (Trace), Dechau | связь между метриками превращает абстрактные цели в исполнимую карту | [S38, S43, S34] |
| За KPI trees как способ выбрать KPI | Smith | дерево защищает от выбора метрик «самой громкой личностью в комнате» | [S10] |
| За North Star с inputs | Ellis, Cutler, Amplitude | единый показатель ценности объединяет разрозненные функции | [S13, S14] |
| Против единого North Star | Balfour | выходная метрика запаздывает, скрывает проблемы и компромиссы | [S35] |
| Против North Star как идеи | Chapman | бизнес многомерен, единая метрика порождает цинизм и gaming; лучше набор сигналов вроде HEART | [S59] |
| Против математической самоуверенности деревьев | Levchuk | мультипликативное разложение скрывает напряжения, когорты и общие причины | [S33] |
| Против каскада OKR | Wodtke (в пересказе), Bayer | каскад не масштабируется, порождает водопад и «испорченный телефон» | [S60, S61] |
| Против причинных претензий BSC | Nørreklit | причинность вставлена без эмпирики, нет времени | [S39] |
| Осторожно к вендорским плейбукам | Dechau | «когда люди с прямым денежным интересом публикуют плейбуки, будьте осторожны» | [S34] |

### 2.5 Главные споры

1. **Один корень или созвездие.** North Star Framework настаивает на одной метрике с 3–5 входами [S14]; Balfour и Chapman требуют несколько выходов и guardrails [S35, S59]. Компромисс практики: один корень для фокуса плюс явные guardrail-узлы.
2. **Только арифметика или ещё и влияние.** Консалтинг признаёт деревом только арифметику [S12]; metric trees и Mixpanel допускают influence-рёбра с уверенностью [S5]. Спор снимается типизацией рёбер.
3. **Дерево, петля или причинная модель.** Reforge и Amazon мыслят петлями [S40, S17]; Amazon Science в 2025–2026 годах строит и фальсифицирует причинные DAG вместо «водопадной логики» [S44].
4. **Каскад или выравнивание целей.** Каскад OKR критикуют за жёсткость [S60]; выравнивание оставляет дерево метрик общим контекстом, а не структурой подчинения.
5. **Обязателен ли финансовый корень.** VDT и DuPont начинают с денег [S11]; Amplitude считает выручку плохим корнем для продуктовых команд [S26].
6. **Могут ли LLM строить деревья.** Mixpanel генерирует черновики из публичной информации, не используя данные клиента [S16]; бенчмарки показывают, что LLM хорошо предлагают структуру и плохо оценивают коэффициенты [S62].

### 2.6 Что изменилось за 2023–2026 годы

- **Продуктизация metric trees.** От доклада 2023 года и шаблонов в Miro к встроенным функциям: Mixpanel Metric Trees (август 2025, платная надстройка Enterprise), покупка DoubleLoop (октябрь 2025), платформы Trace и KPI Tree с подключением к хранилищу данных {факт} [S2, S16, S46, S63, S64].
- **Стандартизация определений метрик.** Спецификация Open Semantic Interchange в YAML и JSON для переносимых определений семантических моделей, с конвертерами для dbt, GoodData и Polaris, на дату среза находится в Apache Incubator под именем Apache Ossie {факт} [S65]. В январе 2026 года открыто обсуждение добавления в спецификацию metric trees и поля depends_on с типами identity и influence; на 10 сентября 2026 года решения нет {факт} [S6].
- **LLM и семантический слой.** Бенчмарк dbt Labs (вендор) в апреле 2026 года: точность ответов через семантический слой 98–100 % против 84–90 % у text-to-SQL на 11 вопросах по 20 прогонов {вендор} [S66]. Независимый парный бенчмарк на 100 вопросах: документ семантического слоя добавляет 17–23 процентных пункта точности всем трём фронтирным моделям, но абсолютная точность остаётся около 68 % {эмпирика} [S67].
- **LLM и причинные графы.** Amazon Science в 2025–2026 годах использует LLM для предложения причинных DAG по определениям метрик и фальсифицирует их статистическими тестами {эмпирика} [S44, S68]. Бенчмарк 2026 года показал, что семь LLM нестабильно оценивают коэффициенты структурных уравнений даже при заданном DAG {эмпирика} [S62].
- **Генерация деревьев LLM в продуктах.** Mixpanel создаёт первый черновик дерева по описанию стратегии и публичной информации о компании, DoubleLoop автоматизирует «value frameworks» с помощью AI, появились открытые навыки для ассистентов с проверкой MECE на каждом уровне {вендор} [S69, S46, S70].

Влияние на выводы: формальная часть деревьев (определения, типы связей, проверки) стала реализуемой без собственной разработки, а слабое место переместилось из «нет инструментов» в «нет валидации influence-связей и нет доказательств эффекта».

## 3. Где применимо и где нет, плюсы и минусы {#fit}

### Подходит, когда

- **Есть один измеряемый результат и цикл решений короче горизонта его изменения.** Дерево полезно там, где недельные решения по входам двигают месячный выход; Amazon обсуждает только входы именно потому, что выходы напрямую не двигаются {факт} [S28].
- **Показателей больше десяти и они спорят между собой.** Дерево делает компромиссы видимыми: конфликтные линии у Smith [S10] и созвездие с явными trade-off у Balfour [S35].
- **Нужно объяснить движение числа по данным, которые уже есть.** Аддитивные и мультипликативные тождества, сегментация и мост mix позволяют механически атрибутировать изменение {вендор} [S32, S37].
- **Нужно связать план с операционными допущениями.** Драйверная модель делает допущения прозрачными и пересчитывает финансы при изменении входов {вендор} [S71]; среди использующих такие модели 77 % довольны прогнозом {эмпирика} [S8].
- **Команды владеют разными частями результата.** Организационное дерево с одним владельцем на лист даёт адресную ответственность {вендор} [S5].
- **Есть данные для проверки связей.** Влияния можно валидировать корреляцией, регрессией или экспериментом, а низкоуверенные связи превращать в эксперименты {вендор} [S5].

### Не подходит, когда

- **Ключевой механизм — петля обратной связи.** Дерево ациклично и не выражает компаундный рост и балансирующие контуры; нужны growth loops или CLD {мнение} [S40, S41].
- **Нужен строгий ответ «что вызвало» при общих скрытых причинах.** Дерево не изолирует confounders {мнение} [S33]; для атрибуции с ответственностью нужна валидированная структурная причинная модель {эмпирика} [S44].
- **Организация меньше двадцати человек с одним продуктом и менее десяти показателей.** Накладные расходы на паспорта, владельцев и ревизии не окупаются; плоского набора с guardrail достаточно {гипотеза}.
- **Нет данных и нет владельцев узлов.** Узел без владельца и без данных не обсуждается и не проверяется {факт} [S28]; дерево вырождается в плакат.
- **Цель — коммуникация стратегии, а не измерение.** Для этого создана strategy map, а не арифметическое дерево {факт} [S19]; Smith относит strategy maps к коммуникации, а KPI trees — к выбору KPI {вендор} [S10].
- **Показатели привязаны к бонусам на уровне листьев.** Целевая метрика перестаёт быть хорошей мерой (закон Гудхарта) {факт} [S72]; дерево усиливает давление на листья.

### Плюсы

- **Общий язык между финансами, операциями и продуктом.** Один граф связывает деньги и действия, что Anaplan называет «causal clarity» для анализа отклонений {вендор} [S71].
- **Проверяемость арифметики.** Identity-часть дерева обязана сходиться, что делает ошибки определений видимыми и автоматизируемыми {мнение} [S12].
- **Явные гипотезы вместо неявных убеждений.** Influence-рёбра с уверенностью превращают убеждения в проверяемые ставки {вендор} [S5].
- **Быстрая диагностика.** Разложение по компонентам и сегментам сводит поиск причины к нескольким ветвям, а алгоритмы иерархической суммаризации изменений работают в промышленном масштабе {эмпирика} [S73].
- **Защита от волюнтаризма в выборе KPI.** Дерево заставляет каждую метрику вести к цели, а не к «самой громкой личности» {вендор} [S10].
- **Основа для LLM-агентов.** Типизированные связи и владельцы образуют контекст, который агенты потребляют через семантический слой и протоколы контекста {вендор} [S64].

### Минусы

- **Статичность и отсутствие времени.** Лаги и сезонность не выражаются структурой, их приходится добавлять полями и дисциплиной {мнение} [S34, S39].
- **Ложная строгость.** Мультипликативная формула выглядит точной, но скрывает когорты, взаимодействия и общие причины {мнение} [S33]; корреляция в узлах принимается за причинность {вендор} [S16].
- **Стоимость поддержания.** Паспорта, владельцы, ежеквартальные ревизии и «bet ledger» требуют роли стюарда дерева {вендор} [S5]; в Amazon формат отлаживали месяцами {факт} [S28].
- **Склонность к разрастанию.** Longlist на 100 KPI и деревья на 90 узлов теряют операционную ценность {вендор} [S10, S34].
- **Слабая доказательная база.** Эффект самих деревьев не измерен; смежная BSC даёт противоречивые результаты {эмпирика} [S7].
- **Риск gaming.** Чем яснее лист связан с целью и бонусом, тем сильнее давление на него; Amazon многократно переопределяла метрику выбора именно из-за этого {факт} [S56].

## 4. Альтернативы и дерево решений {#alternatives}

Альтернативы одного класса — способы связать цели организации с показателями и действиями. Внутри семейства деревьев выбор типа дерева разобран в 1.6; здесь сравниваются деревья как класс с внешними альтернативами.

| Подход | Что связывает | Математика связей | Циклы и лаги | Требования к данным | Стоимость входа | Машинная проверка | Лучше всего для |
|---|---|---|---|---|---|---|---|
| Деревья драйверов и метрик (предмет) | показатель с его компонентами и влияниями | identity сходится; influence с уверенностью | циклов нет; лаги полями | метрики с определениями | воркшопы плюс паспорта | арифметика, MECE, циклы | объяснение и управление показателем |
| Balanced Scorecard и strategy map | цели по четырём перспективам | нет; гипотезы «средство — цель» | лагов нет по критике | минимальные | средняя, консультанты | нет | коммуникация стратегии совету и персоналу |
| OKR с выравниванием | цели компании и команд | нет; ключевые результаты измеримы | квартальный цикл | измеримые KR | низкая | частично (формат KR) | согласование намерений на квартал |
| Driver-based planning model | операционные допущения и финансовый план | формулы, сценарии | лаги моделируются явно | ряды факта и допущения | таблица или платформа | пересчёт модели | бюджет, прогноз, сценарии |
| GQM и GQM+Strategies | цель измерения, вопросы, метрики; стратегии и допущения | нет арифметики; логика | нет | любые | средняя | структура графа | проектирование программы измерений |
| Controllable input metrics и WBR | входы и выходы в причинном порядке, без графа | нет; порядок списка | вариация через SPC | еженедельные ряды | низкая, дисциплина | выявление вариации | еженедельное операционное управление |
| Causal loop diagram, системная динамика | переменные с знаками и петлями | качественно; в стоках и потоках количественно | циклы и задержки явно | для симуляции много | средняя и выше | симуляция | понимание петель и политик |
| Структурная причинная модель | переменные и механизмы в DAG | функции, эффекты интервенций | лаги через переменные | много наблюдений с вариативностью | высокая, специалисты | фальсификация, тесты | атрибуция и контрфакты с ответственностью |
| Плоский набор метрик с guardrails | целевая метрика и ограничители | нет | нет | базовые | минимальная | нет | малые команды и эксперименты |

Источники таблицы: деревья [S5, S12]; BSC [S18, S19, S39]; OKR [S20, S60]; планирование [S71, S74]; GQM [S22, S23]; WBR [S28]; CLD и системная динамика [S41, S75]; SCM [S44]; guardrails [S76].

### Когда каждая альтернатива целесообразнее

- **Balanced Scorecard и strategy map.** Целесообразнее, когда задача — рассказать стратегию и распределить внимание по перспективам, а не измерять и объяснять число. Плюс относительно деревьев: покрывает нефинансовые перспективы и учебные цели {факт} [S48]. Минусы: причинность вставлена без эмпирики и без времени {мнение} [S39]; тридцать лет исследований дали противоречивые результаты {эмпирика} [S7]; в первых статьях авторы не приводили ссылок, а выбор четырёх перспектив не обоснован {мнение} [S48].
- **OKR с выравниванием.** Целесообразнее, когда нужно согласовать намерения команд на квартал, а не построить модель бизнеса. Плюс: лёгкость и автономия команд. Минус: строгий каскад не масштабируется, превращает планирование в водопад и «игру в телефон» и требует дорогих систем согласования {мнение} [S60, S61]. Ключевые результаты естественно ложатся как цели на узлы дерева, поэтому OKR и дерево не конкуренты, а слои.
- **Driver-based planning model.** Целесообразнее, когда главный вопрос — «что будет с P&L при таких допущениях». Плюс: пересчёт финансов при изменении входов и сценарии {вендор} [S71]. Минус: чем больше шагов вычисления драйвера, тем больше шансов ошибки и ложных показаний {мнение} [S74]; полностью драйверные модели используют 17 % организаций {эмпирика} [S8]. Дерево — естественная схема такой модели.
- **GQM и GQM+Strategies.** Целесообразнее в инженерных и проектных средах, где нужно вывести метрики из вопросов, а не из тождеств. Плюс: явные допущения и контекст у каждой стратегии {факт} [S23]. Минус: нет арифметики между метриками, что делает невозможной автоматическую сходимость.
- **Controllable input metrics и WBR без графа.** Целесообразнее, когда важнее ритм и дисциплина, чем структура; Amazon держит связи в порядке колоды, а не в диаграмме {факт} [S28]. Плюс: не требует моделирования. Минус: связи входов и выходов живут в головах, поэтому их нельзя проверить автоматически.
- **Causal loop diagram.** Целесообразнее, когда движущий механизм — петля: сеть, сарафан, запасы и цены. Плюс: петли и задержки явные {факт} [S41]. Минусы: без стоков и потоков нет арифметики; доказательства пользы для малого бизнеса единичны и качественные {эмпирика} [S54].
- **Структурная причинная модель.** Целесообразнее, когда за ответом «что вызвало» стоят деньги и есть длинные ряды с вариативностью. Плюс: валидированная SCM даёт более устойчивую атрибуцию, чем правила и «водопад» {эмпирика} [S44]. Минусы: нужны специалисты и данные; LLM помогают предложить граф, но плохо оценивают коэффициенты {эмпирика} [S62].
- **Плоский набор с guardrails.** Целесообразнее для малой команды и для экспериментов: целевая метрика плюс ограничители по удержанию, надёжности и жалобам {вендор} [S76]; в литературе по экспериментам guardrail-метрики защищают от нарушенных допущений и вреда {факт} [S77]. Минус: без структуры нельзя объяснить, почему двинулась цель.

### Дерево решений

- Если в компании меньше 20 человек, один продукт и меньше 10 показателей → плоский набор из 1 целевой метрики и 3–5 guardrails, без дерева
  - Если через два квартала появились споры «какая метрика важнее» → перейти к North Star с 3–5 inputs
- Если цель — впервые выбрать, что измерять → KPI tree по методу Smith как longlist, затем shortlist по важности и доступности данных
  - Если цели компании стандартны (прибыльность, рост, соответствие требованиям, риск) → сокращённый вариант: 1 корень, 2 уровня, не более 12 KPI на выходе
  - Иначе → полный воркшоп в два захода с участниками разного уровня
- Если цель — объяснять движение уже измеряемого показателя → driver tree с identity-связями и периодическим мостом изменений
  - Если есть сегментные данные и хранилище → дерево с сегментацией и автоматической атрибуцией (mix и ставки) в инструменте с подключением к данным
  - Если данных мало → ручной мост в таблице по 2–3 слоям, углубление только в проблемную ветвь
- Если цель — бюджет, прогноз и сценарии → driver-based model
  - Если больше 200 человек и несколько подразделений с раздельными планами → платформа планирования (Anaplan, Pigment или аналог), дерево как схема модели
  - Иначе → таблица с явными драйверами и листом допущений
- Если цель — направить продуктовые команды на ценность для клиента → North Star Framework: 1 NSM, 3–5 inputs, обязательные guardrails по выручке и удержанию
  - Если команд больше трёх и нужна атрибуция экспериментов → metric tree с component и influence-связями в продуктовой аналитике
- Если цель — еженедельно управлять операциями → controllable input metrics с WBR-порядком «входы, затем выходы»
  - Если это производство с оборудованием → корень OEE по машинам или линиям с шестью потерями, дерево на 3 уровня
  - Если это услуги → корень «маржинальный час» или аналог, входы: загрузка, ставка, доля переделок
- Если цель — согласовать цели подразделений → OKR с выравниванием на цели компании, без каскада; общее дерево метрик как контекст, ключевые результаты как цели на узлах
- Если цель — представить стратегию совету или инвесторам → strategy map как сопровождение, измерение через дерево
- Если ключевой механизм бизнеса — петля (сеть, маркетплейс, сарафан, запасы) → causal loop diagram для петли, дерево только для арифметической части
- Если нужен ответ «что вызвало» с деньгами на кону и есть не менее 1–2 лет данных с вариативностью → структурная причинная модель с фальсификацией связей; дерево как априорный DAG
- Если ни у одного узла нет владельца или данные не собираются → отказаться от дерева до появления данных и владельцев; начать с паспортов 5–7 метрик

## 5. Практическое применение {#practice}

### 5.1 Порядок внедрения

1. **Выбор назначения и корня.** Одна из трёх ролей: выбрать KPI, объяснить показатель, планировать. Для стартового набора целей Smith предлагает «большую шестёрку»: прибыльность и платёжеспособность, рост, ESG, соответствие требованиям, инновации, риск {вендор} [S78].
2. **Воркшоп.** Формат Smith: минимум две сессии по 2 часа с интервалом 1–5 рабочих дней, 3–9 участников разного уровня; цикл «разбить, обсудить, проверить, связать» на каждом уровне; без цифр и целей в дереве {вендор} [S10]. Формат North Star: 60–120 минут с руководителем продукта, продакт-менеджерами, продажами, маркетингом и поддержкой {мнение} [S79]. Amazon добавляет четыре метода поиска входов: рекурсивный вопрос «что двигает это», flywheel, карта клиентского пути по шагам и разбор дефектов «что мы должны были измерять» {факт} [S17].
3. **Слой тождеств первым.** Каждое разбиение начинается с уравнения, ветви складываются или перемножаются в родителя {мнение} [S30]. Данные для этого слоя обычно уже есть в учёте.
4. **Слой влияний с полями.** Для каждой гипотезы: знак, ожидаемый лаг, уверенность, чем проверять. Низкоуверенные связи — кандидаты в эксперименты {вендор} [S5].
5. **Владельцы.** У каждого листа один ответственный; для верхних узлов — «отвечает за отчётность», а не «за результат» [S5, S28].
6. **Паспорта метрик и подключение данных.** Событийная модель для продукта: сессия event storming по клиентскому пути, определение «heartbeat»-события ценности и 15–20 значимых событий {мнение} [S34]. Проверка арифметики снизу вверх и проверка причинных связей на исторических данных до запуска {мнение} [S36].
7. **Ритм.** Еженедельный разбор входов, ежемесячный мост по корню, ежеквартальная ревизия дерева и ежегодный пересмотр корня [S14, S5]. Отклонения читаются через обычную и особую вариацию, объяснения без оснований запрещены {факт} [S28].
8. **Пересмотр.** Подтверждённые влияния усиливаются до высокой уверенности или превращаются в тождества, провалившиеся ветви обрезаются, найденные драйверы добавляются {вендор} [S5].

### 5.2 Сквозной сценарий: контрактное производство на 120 человек

Все числа ниже — иллюстрация, подобранная для арифметической согласованности, а не данные реальной компании.

**Компания и корень.** Металлообработка на заказ, 120 человек, две линии: серийная и заказная. Корень — операционная прибыль за месяц (EBIT). Guardrails: своевременность поставок не ниже 90 %, ноль травм, денежный запас не менее 45 дней. Спонсор — генеральный директор, стюард дерева — контролёр, владельцы — директор по производству, начальник ОТК, главный механик, руководитель продаж.

**Слой тождеств (иллюстрация, месяц):**

```text
Выручка            = 45,0 (серийная: 180 заказов × 250 тыс.) + 30,0 (заказная: 20 × 1,5 млн) = 75,0 млн ₽
Переменные затраты = материалы 33,0 + прямой труд 9,0 + энергия 3,0                          = 45,0 млн ₽
Маржинальный доход = 75,0 − 45,0                                                             = 30,0 млн ₽ (40 %)
EBIT               = 30,0 − постоянные 24,0                                                  =  6,0 млн ₽ (8 %)

Узкое место: 2 станка × 2 смены × 8 ч × 22 дня = 704 ч планового времени
OEE = A × P × Q = 0,75 × 0,85 × 0,91 = 0,58   →   704 × 0,58 = 408 эффективных часов
Availability = 1 − (поломки 106 ч + переналадки 70 ч) / 704 = 0,75
```

**Слой влияний (иллюстрация):**

| Ребро | Знак | Лаг | Уверенность | Чем проверять |
|---|---|---|---|---|
| время переналадки → availability | входит в тождество через часы переналадки | 0 | тождество | сходимость часов |
| availability → своевременность поставок | + | 1–2 недели | correlated | корреляция по неделям за квартал |
| своевременность → доля повторных заказов | + | 1–3 месяца | hypothesized | когорты клиентов по кварталам |
| соблюдение графика ППР → часы поломок | − | 4–8 недель | correlated | ряды по станкам |
| срок расчёта коммерческого предложения → win rate | + | 2–4 недели | hypothesized | сравнение партий заявок |

**Расчёт ставки (иллюстрация).** Сокращение переналадки с 47 до 25 минут при 90 переналадках в месяц высвобождает 33 часа, availability растёт до 0,80, OEE — до 0,62, эффективные часы — до 436 (+7 %). При наличии спроса серийная выручка растёт на 7 % до 48,2 млн ₽, переменные затраты на 1,9 млн ₽, маржинальный доход — на 1,3 млн ₽, EBIT — с 6,0 до 7,3 млн ₽ (+22 %) при неизменных постоянных затратах. Именно эта ветвь получает владельца и еженедельный контроль.

**Ловушка mix (иллюстрация).** Маржа по серийной линии 42 %, по заказной 36 %. При структуре выручки 60/40 общая маржа 39,6 %, при 45/55 — 38,7 %, хотя ни одна линия не ухудшилась. Без сегментного разложения дерево «обвинит» производство; с ним причина — сдвиг состава продаж, владелец которой в отделе продаж. Метод разложения на эффект состава и эффект ставок описан в 1.3 {факт} [S31].

**Календарь внедрения (иллюстрация):**

- Недели 1–2: два воркшопа и правки.
- Недели 3–5: паспорта 18 метрик, подключение к учёту и MES в таблице или BI.
- Месяц 2: первый еженедельный разбор 12 входов за 30 минут.
- Месяц 4: первый месячный мост EBIT.
- Месяц 6: связь «availability → своевременность» подтверждена корреляцией по 20 неделям и переведена в correlated с лагом одна неделя; гипотеза о win rate отброшена из-за отсутствия эффекта.

### 5.3 Переносы в другие типы бизнеса

- **Услуги (агентство, сервис).** Корень — маржинальный доход на оплачиваемый час; тождество: часы × загрузка × ставка − переделки; влияния: скорость ответа → удержание клиента, доля переделок → загрузка. Guardrail — переработки сотрудников.
- **Продуктовая компания.** Корень North Star вида «еженедельно активные аккаунты, совершившие ценностное действие», входы 3–5, финансовый выход — MRR-мост по состояниям new, expansion, contraction, churn {мнение} [S34]; связь NSM с выручкой проверяется направлением трендов, расхождение — сигнал пересмотреть метрику {вендор} [S26].
- **Сельское хозяйство.** Корень — маржа с гектара; тождество: урожайность × цена − затраты на гектар; влияния — сроки операций и качество семян с сезонными лагами в месяцы; календарные и когортные окна здесь совпадают с сезоном, что упрощает лаги {гипотеза}.

### 5.4 Типичные ошибки первого применения

- **Дерево-оргструктура.** Ветви повторяют отделы, а не причинность; признак — узлы с названиями подразделений, что Smith прямо запрещает {вендор} [S10]; глубже трёх уровней это почти неизбежно {мнение} [S36].
- **Цифры и цели в дереве на этапе построения.** Обсуждение планов подменяет обсуждение структуры {вендор} [S10].
- **Листья, которыми нельзя управлять.** Нарушен критерий остановки; входные метрики подбираются итерациями, как в истории Amazon с метрикой выбора {факт} [S56].
- **Влияние без лага.** Классификация «опережающий» без указанного лага — догадка {вендор} [S27].
- **Ratio без знаменателя в дереве.** Средние и доли меняются от состава; без узла-знаменателя сдвиг mix невидим {факт} [S31].
- **Смешение календарных и когортных окон.** Конверсии за месяц смешивают когорты на разных стадиях {мнение} [S33].
- **Игнорирование сезонности и обычной вариации.** Падение на 90 % оказалось каникулами и лежало в обычной вариации {факт} [S58].
- **Переусложнение и «вечность» дерева.** Излишняя инженерия закрепляет структуру, хотя метрики меняются {мнение} [S15]; деревья на 90 узлов не работают операционно {мнение} [S34].

### 5.5 Что происходит через месяцы

Источники показывают три траектории. Первая — созревание: в Amazon формат WBR отлаживали месяцами, а входные метрики переопределяли до тех пор, пока улучшение входа не стало давать выход {факт} [S28, S56]. Вторая — уточнение уверенности: в цикле «модель, исполнение, обучение» подтверждённые гипотезы переводятся в детерминированные связи, провалившиеся ветви обрезаются {вендор} [S5]. Третья — деградация: дерево разрастается, теряет владельцев и становится плакатом; противоядие — поддеревья под текущие инициативы и принцип «не кипятить океан» {мнение} [S34].

### 5.6 Стоимость входа

| Статья | Оценка | Тип | Источник |
|---|---|---|---|
| Воркшопы | 2 сессии по 2 часа на 3–9 человек для базового дерева; несколько воркшопов для сложной организации | вендор | [S10] |
| Проектирование и подключение данных в специализированной платформе | около недели на дизайн и подключение, запуск в течение двух недель | вендор | [S63] |
| Программное обеспечение: таблица и доска | бесплатно или в составе офисных лицензий | факт | [S10] |
| DoubleLoop (до покупки Mixpanel) | средний годовой контракт около 5 064 долларов по двум сделкам одного покупателя | эмпирика (данные транзакций посредника) | [S80] |
| Mixpanel Metric Trees | платная надстройка только для плана Enterprise, цена не раскрыта | факт | [S16] |
| KPI Tree (kpitree.co) | цена по запросу, 14-дневная проба без карты | вендор | [S81] |
| Платформы планирования | цены не публикуются | факт | [S21, S71] |
| Компетенции | фасилитатор воркшопа; аналитик, пишущий определения метрик и SQL; владельцы узлов; стюард дерева | вендор | [S5] |

## 6. Артефакты {#artifacts}

Практика деревьев порождает шесть артефактов. Поля собраны из сходящихся источников: типов метрик семантического слоя [S25], трёхуровневой иерархии «базовые элементы, поддерживающие индикаторы, KPI» в производственных стандартах [S47], шага «определить» в методе ROKS с публикацией определений и известных проблем [S82], RACI-владения в платформах деревьев [S64] и дисциплины владельцев в Amazon WBR [S28].

### 6.1 Паспорт метрики

**Назначение.** Единственное определение узла, по которому его можно вычислить, проверить и обсудить.

| Поле | Содержание | Зачем нужно машинной проверке |
|---|---|---|
| id, name | стабильный идентификатор и человеческое имя | ссылки из рёбер |
| definition | смысл словами, что считается событием или объектом | сравнение с соседями на пересечение |
| type | simple, ratio, cumulative, derived, conversion по образцу dbt [S25] | допустимые операторы |
| formula, source | агрегат или выражение, источник данных и запрос | вычислимость |
| grain, window | зерно времени и окно: календарное или когортное | запрет смешения окон |
| unit, direction | единица и направление «лучше» | проверка знаков влияний |
| numerator, denominator | ссылки на узлы для ratio | разложение mix |
| controllability | input, output или guardrail | критерий остановки |
| owner (R, A) | ответственный и утверждающий | реестр владельцев |
| cadence | как часто обновляется и обсуждается | согласование с ритмом |
| target, thresholds | цель и пороги, вне дерева структуры | оповещения |
| known_issues, version | известные дефекты данных, версия и дата | честность отчёта |

**Жизненный цикл.** Создаёт аналитик после воркшопа, утверждает владелец; живёт в репозитории вместе с определениями семантического слоя (платформы деревьев хранят спецификации в git {вендор} [S63]); устаревает при смене определения события, источника или бизнес-модели; история переопределений сохраняется, как в эволюции метрики выбора Amazon [S56].

**Пример заполнения (иллюстрация):**

```yaml
id: availability_bottleneck
name: Availability узкого места
definition: доля планового времени, когда станки узкого места работали
type: ratio
numerator: operating_hours_bottleneck
denominator: planned_hours_bottleneck
grain: week
window: calendar
unit: share
direction: higher_is_better
controllability: input
owner:
  responsible: production_director
  accountable: coo
cadence: weekly
known_issues: простои короче 5 минут не регистрируются в MES
version: 2026-09-19
```

### 6.2 Спецификация дерева

**Назначение.** Описание графа: корень, назначение, горизонт, узлы и типизированные рёбра. Мета-поля: purpose (выбор KPI, объяснение, планирование), horizon, roots, guardrails, steward, review_cadence. Для North Star уместно включить формулировку «мы позволяем [сегменту] [получить ценность], что измеряется [NSM]» {вендор} [S14].

**Жизненный цикл.** Создаётся в воркшопе, версионируется; ревизия ежеквартально, корень — ежегодно [S14]; устаревает при смене стратегии или бизнес-модели. Пример машиночитаемой формы приведён в разделе 10.

### 6.3 Формулы и правила связей

**Назначение.** Единый список допустимых типов рёбер и инвариантов, по которому проверяется дерево.

- **Identity.** Оператор, выражение, допуск сходимости (например 0,5 %), требование MECE детей и совпадения окон.
- **Influence.** Знак, лаг с единицей, уверенность hypothesized, correlated, verified, ссылка на свидетельство и дата последней проверки; шкала совпадает с предложенной для открытого стандарта [S6] и с уровнями уверенности Mixpanel [S5].
- **Conflict.** Пара узлов и механизм компромисса, по образцу красных линий Smith [S10].
- **Атрибуция.** Выбранная конвенция моста для мультипликативных узлов: фиксированная база, логарифмическая или Шепли [S37].

**Жизненный цикл.** Утверждается стюардом один раз, меняется редко; правила — вход для линтера (раздел 10).

### 6.4 Реестр владельцев

**Назначение.** Кто отвечает за значение, определение и объяснение каждого узла. Поля: node, responsible, accountable, consulted, informed, escalation, review_slot. Платформы синхронизируют RACI с оргструктурой {вендор} [S64]. Правило Amazon: владелец либо объясняет отклонение, либо говорит «не знаем, разбираемся» {факт} [S28].

**Жизненный цикл.** Обновляется при кадровых изменениях и при каждом добавлении узла; узел без владельца блокирует включение в еженедельный разбор.

### 6.5 Журнал гипотез и ставок

**Назначение.** Учёт ставок вида «мы верим, что действие X изменит метрику Y на Z», их приоритета и результата; Mixpanel называет это bet ledger и советует приоритизировать по формуле «влияние × уверенность ÷ усилие» {вендор} [S5]. Журнал узла (logbook) хранит находки и результаты анализов {вендор} [S16].

**Жизненный цикл.** Запись создаётся при планировании квартала, закрывается сравнением прогноза и факта; итог меняет уверенность ребра или обрезает ветвь.

### 6.6 Мост изменений и колода еженедельного разбора

**Мост изменений.** Водопад от базового значения к фактическому по драйверам: цена, объём, mix, затраты; сумма эффектов обязана точно сходиться к разнице {мнение} [S37]. Создаётся ежемесячно по корню и по проблемным ветвям.

**Колода еженедельного разбора.** Стандартный формат графиков: шесть недель и двенадцать месяцев рядом, прошлый год бледной линией, цель отметкой, числа на графике, короткая сводка под ним; порядок карточек — от входов к выходам {факт} [S28]. Создаётся автоматически из паспортов; устаревает вместе с деревом.

## 7. С чем используется в связке {#combo}

### Что обычно предшествует

- **Стратегия и приоритеты на 6–12 месяцев.** Без них нет корня; консультанты начинают с согласования приоритетов руководства {мнение} [S34].
- **Событийная модель и семантический слой.** Определения событий и метрик должны существовать до связей: каталог организует определения, слой единообразно их вычисляет, дерево связывает {вендор} [S43]. Определения в формате семантического слоя одновременно повышают точность ответов LLM {вендор} [S66].
- **Учёт и P&L.** Финансовое дерево уже есть в отчётности и служит якорем {вендор} [S42].

### Типичные комбинации

| Практика | Как сочетается с деревом | Источник |
|---|---|---|
| OKR | ключевые результаты — целевые значения на узлах; выравнивание, а не каскад | [S60, S64] |
| Driver-based planning | дерево как схема модели; допущения — на influence-рёбрах и листьях | [S71, S74] |
| Weekly Business Review | еженедельный разбор входов в порядке дерева, выходы только статусом | [S28] |
| Эксперименты и guardrails | эксперимент проверяет influence-ребро; guardrails защищают соседние узлы | [S5, S76] |
| Статистический контроль процессов | отделяет обычную вариацию узла от особой до поиска причин | [S28, S58] |
| Причинный вывод | дерево как априорный DAG для алгоритмов и фальсификации | [S44, S83] |
| Strategy map | нарративный слой над деревом для коммуникации | [S19] |
| GQM | вывод метрик из вопросов там, где тождеств нет | [S22] |
| Growth loops и CLD | петли рисуются отдельно и ссылаются на узлы дерева | [S40, S41] |

### Что обычно следует

- **Мосты и атрибуция изменений** по корню и ветвям [S37].
- **Прогноз** от листьев к корню через тождества и подтверждённые влияния [S5].
- **Автоматические разборы** отклонений по сегментам и компонентам, вплоть до алгоритмов иерархической суммаризации изменений {эмпирика} [S73].

### Известные конфликты и несовместимости

- **Бонусы на листьях.** Метрика, ставшая целью вознаграждения, перестаёт быть хорошей мерой {факт} [S72]; сочетание дерева с индивидуальными премиями по листьям усиливает gaming.
- **Строгий каскад OKR поверх дерева.** Получаются две иерархии одной сути с двойной стоимостью согласования {мнение} [S60].
- **Каталог без дерева.** Растёт число дашбордов и определений без связей; дерево здесь не конкурент, а недостающий слой {вендор} [S43].
- **Петли против ацикличности.** Механизм с обратной связью нельзя втиснуть в дерево без потери смысла {факт} [S41].
- **Учётные тождества как причины.** P&L складывается по определению, но это не означает, что снижение затрат в узле «вызывает» прибыль без побочных эффектов на другие узлы {мнение} [S33, S39].

## 8. Метрики здоровья и антипаттерны {#health}

| Признак | Здоровая норма | Симптом деградации | Источник |
|---|---|---|---|
| Число драйверов на уровень | 2–4 (вендорская рекомендация) | 6 и больше, дерево превращается в список | [S5] |
| Глубина | 3 уровня для цехового дерева; 2–3 слоя с углублением в проблемную ветвь (мнение практиков) | 5 и больше уровней, копирование оргструктуры | [S36, S30] |
| Сходимость identity-рёбер | 100 % рёбер сходятся в пределах допуска; мост суммируется точно | остатки «прочее» больше нескольких процентов, невязки | [S37] |
| Полнота influence-рёбер | у 100 % указаны знак, лаг и уверенность (ориентир) | опережающие индикаторы без лага, «догадки» | [S27] |
| Доля листьев-входов | все листья — контролируемые входы одного владельца | листья-выходы, которыми нельзя управлять | [S17, S5] |
| Покрытие владельцами | 100 % узлов с ответственным | узлы без владельца в еженедельном разборе | [S28] |
| Ритм ревизии | еженедельно входы, ежеквартально дерево, ежегодно корень | дерево не менялось больше года при смене стратегии | [S14, S5] |
| Размер еженедельного разбора | десятки метрик для малой компании (47 в одном примере), сотни только в масштабе Amazon | «монстр» на 90 и больше узлов без ритма | [S28, S34] |
| Согласованность корня с выручкой | тренды North Star и выручки совпадают по направлению | расхождение направлений дольше квартала | [S26] |
| Оборот гипотез | за квартал часть influence-рёбер подтверждена или обрезана (ориентир) | уверенность рёбер не менялась несколько кварталов | [S5] |
| Признаки gaming | улучшение входа сопровождается улучшением выхода | вход растёт, выход стоит: метрика выбора Amazon до переопределения | [S56, S72] |

### Антипаттерны

#### Дерево ради дерева

**Как выглядит.** На стене или в Miro висит дерево на 90 узлов с названиями отделов; его показывают новым сотрудникам, но на еженедельных встречах открывают дашборд, а не дерево. Консультант описывает такие «монстры» как операционно неработоспособные {мнение} [S34].

**Почему возникает.** Longlist принимают за конечный продукт, хотя у Smith дерево — лишь первый шаг перед shortlist по важности и доступности данных {вендор} [S82]. Глубже трёх уровней связи слабеют, и дерево начинает воспроизводить оргструктуру {мнение} [S36].

**Как чинить.** Вернуться к назначению: оставить один корень и поддеревья под 1–3 текущие инициативы {мнение} [S34]; удалить узлы без владельца и без данных; ввести ритм разбора входов.

**Когда менять практику.** Если после двух кварталов дерево не влияет на повестку встреч, заменить его плоским списком контролируемых входов в WBR-порядке [S28].

#### Тождество как причина

**Как выглядит.** «Выручка = пользователи × ARPU, значит поднимем ARPU» — команда повышает цены, пользователи уходят, выручка падает; или P&L-узел «затраты» урезают, а качество и повторные заказы проседают через квартал.

**Почему возникает.** Арифметическая связь выглядит строгой, но не говорит о механизме и скрывает общие причины и когорты {мнение} [S33]. Тот же дефект Nørreklit отмечала у BSC: смешение логических связей с причинными {мнение} [S39].

**Как чинить.** Разделить рёбра на identity и influence; у каждого рычага требовать influence-ребро с знаком и лагом на соседние узлы (цена → отток) и guardrail на компромисс [S5, S35].

**Когда менять практику.** Если решения о вмешательствах принимаются на деньги, переходить к причинной модели с фальсификацией связей [S44].

#### Двойной счёт и дырявая MECE

**Как выглядит.** Затраты разбиты на «маркетинг, онлайн, персонал», и зарплата SMM-менеджера сидит во всех трёх; выручка разбита на «клиенты, цена, удержание», и ветви клиентов и удержания пересекаются; сумма детей отличается от родителя на «прочее» в 12 %.

**Почему возникает.** Разбиение делают по категориям, а не по уравнению; уравнение не пересекается по построению {мнение} [S30]. Общий драйвер копируется в две ветви с разными определениями вместо одной ссылки.

**Как чинить.** Начинать каждое разбиение с формулы; общий узел хранить один раз и ссылаться на него; проверять сходимость автоматически (раздел 10); при мосте следить, чтобы определения исключали двойной счёт {мнение} [S37].

**Когда менять практику.** Если ветви принципиально не складываются (качественные категории), это issue tree, и его следует оформить как список вопросов, а не как дерево метрик [S12].

#### Vanity-корень и gaming

**Как выглядит.** Корень — зарегистрированные пользователи или просмотры страниц; графики растут, выручка стоит. Или цель на листе привязана к премии, и лист растёт за счёт соседей: советская фабрика гвоздей выполняла план по количеству мелкими гвоздями, а по весу — гигантскими.

**Почему возникает.** Метрика, ставшая целью, перестаёт быть хорошей мерой {факт} [S72]. Vanity-метрики удобны, потому что растут сами {вендор} [S26]. Единая метрика без компромиссов порождает цинизм у сотрудников {мнение} [S59].

**Как чинить.** Поменять корень на метрику ценности, опережающую выручку {вендор} [S26]; добавить guardrails и созвездие выходов {мнение} [S35]; переопределять входы, пока их рост не даёт выход, как Amazon с долей просмотров товаров в наличии {факт} [S56]; отвязать листья от индивидуальных премий.

**Когда менять практику.** Если после переопределения входов выход всё равно не двигается два квартала, гипотеза о механизме неверна и ветвь обрезается [S5].

#### Обязательный финансовый корень там, где он неуместен

**Как выглядит.** Продуктовой команде ставят корнем MRR и требуют каскадом свести к нему каждую фичу; НКО или сервисному подразделению — «прибыль центра затрат». Команды перестают понимать связь своей работы с корнем, каскад целей рассыпается при первом изменении стратегии.

**Почему возникает.** Финансовые деревья DuPont и VDT — исторический образец [S1, S11], а инструменты планирования подталкивают к P&L как к единственному корню. Строгий каскад целей требует перестройки всего дерева при каждом изменении {мнение} [S61].

**Как чинить.** Для продукта корень — метрика ценности с явной проверкой совпадения трендов с выручкой {вендор} [S26]; для операций — операционный корень уровня цеха {мнение} [S36]; финансовый корень остаётся на уровне компании и соединяется с остальными через мост, а не через каскад.

**Когда менять практику.** Если у организации несколько несводимых целей (BSC критикуют за перекос к финансовым стейкхолдерам {мнение} [S48]), держать два корня, как в RL-системе с результатом и ликвидностью {факт} [S4].

## 9. Инструменты и софт {#tools}

### 9.1 Категории

| Категория | Что делает для дерева | Примеры | Источник |
|---|---|---|---|
| Доска и таблица | рисунок дерева, ручной мост, паспорта в таблице | Miro, Excel, Google Sheets | [S10, S45] |
| Продуктовая аналитика со встроенными деревьями | узлы на сохранённых метриках, корреляции, владельцы, генерация черновика | Mixpanel Metric Trees | [S16] |
| Продуктовая аналитика без встроенных деревьев | шаблоны дашбордов «под дерево» | Amplitude (шаблон e-commerce metric tree) | [S84] |
| Специализированные платформы деревьев | дерево поверх хранилища данных, атрибуция, оповещения, контекст для агентов | Trace, KPI Tree (kpitree.co), kpitree.io, Levers, DoubleLoop (в составе Mixpanel) | [S63, S64, S27, S46] |
| Семантический слой и каталог метрик | определения и вычисление метрик, derived-метрики как identity-рёбра | dbt Semantic Layer, Snowflake Semantic Views, спецификация Apache Ossie | [S25, S65] |
| Платформы планирования | драйверные модели, сценарии, пересчёт финансов | Anaplan, Pigment, Planful, Workday Adaptive | [S71, S21, S74] |
| Причинное моделирование | построение и фальсификация DAG, атрибуция | DoWhy (модуль GCM), PyMC | [S44, S83] |

### 9.2 Функциональный разбор ведущих продуктов

#### Mixpanel Metric Trees

- **Сущности.** Карточки метрик на холсте, связи между ними, сохранённые метрики с владельцами, журнал (logbook) находок, до трёх сравнений периодов на карточку {факт} [S16, S85].
- **Типы связей.** В руководстве различаются component (математическое разложение, например MAU = new + retained + resurrected) и influence (причинная связь без точной формулы, с уверенностью high, medium, low); три архитектуры дерева: детерминированное, гипотезное, организационное {вендор} [S5]. В самой документации функции количественная оценка связи — коэффициент корреляции Пирсона по дневным рядам с совпадающими датами, без лагов {факт} [S16].
- **Генерация.** Дерево можно сгенерировать по двум стартовым шаблонам, указав название компании, сайт и инструкции; используются публичные сведения и «лучшие практики», данные клиента в генерации не участвуют {факт} [S16].
- **Интеграции и ограничения.** Узлы связываются только с метриками Mixpanel; связи не проверяются на арифметическую сходимость в документации; функция — платная надстройка для плана Enterprise, цена не раскрыта (проверено 2026-09-19) {факт} [S16].
- **Контекст.** Функция выпущена 20 августа 2025 года {факт} [S2]; 7 октября 2025 года куплен DoubleLoop с AI-автоматизацией «value frameworks» {факт} [S46]; средний годовой контракт DoubleLoop до сделки — около 5 064 долларов по данным посредника {эмпирика} [S80].

#### Trace (hellotrace.io)

- **Сущности.** Метрические деревья как модели бизнес-логики, SQL-спецификации метрик, уравнения, конфигурации анализов; всё хранится в git {вендор} [S63].
- **Операции.** Обнаружение аномалий, сканирование сегментов, атрибуция драйверов, отклонение от плана, автоматические сводки в Slack; более 25 редактируемых шаблонов деревьев по отраслям {вендор} [S63]. Автор продукта различает математические связи, сегментные срезы, процессные корреляционные метрики и альтернативные разложения одной метрики {вендор} [S86].
- **Интеграции.** Чтение из Snowflake, BigQuery, Databricks, Redshift, Postgres; совместимость с dbt и слоями метрик {вендор} [S63].
- **Ограничения и цена.** Требует хранилища данных; работает как слой анализа, а не как источник истины по метрикам; LLM пишут SQL-спецификации, но «AI никогда не вычисляет ваши KPI»; цена не раскрыта, запуск заявлен в течение двух недель (проверено 2026-09-19) {вендор} [S63].

#### KPI Tree (kpitree.co)

- **Сущности.** Причинные деревья метрик с дочерними поддеревьями, RACI на каждом узле, задачи, привязанные к метрикам, «verified impact» (сравнение результата действий с контрфактическим прогнозом), OKR, подключённые к дереву, слой контекста Canopy для AI-агентов {вендор} [S64, S81].
- **Операции.** Разложение изменений по дереву с ранжированием вкладов, статистическая проверка корреляций, мониторинг качества данных, оповещения по порогам {вендор} [S64].
- **Интеграции.** Хранилища (Snowflake, BigQuery, Databricks, Redshift, PostgreSQL, MySQL, Azure SQL, Google Sheets), dbt, Salesforce, HubSpot, Stripe, Shopify, Jira, Linear, семантические слои dbt, Looker, Snowflake и спецификация OSI; агенты через MCP: Claude, ChatGPT, Gemini, Copilot {вендор} [S64].
- **Ограничения и цена.** Данные не хранятся, вычисления в собственном движке; три тарифа (Starter до 10 пользователей, Growth, Enterprise) без публичных цен, 14-дневная проба без карты (проверено 2026-09-19) {вендор} [S81].

#### Pigment и Anaplan (платформы планирования)

- **Сущности.** Драйверы как измеримые переменные, допущения, формулы, измерения (регионы, SKU, персонал), сценарии {вендор} [S71, S21].
- **Операции.** Ввод допущений владельцами бюджета с мгновенным пересчётом финансов, «что если»-сценарии, анализ отклонений {вендор} [S71]. Кейс Pigment: обновление факта и прогноза P&L у Supercell с 8 дней до 4 минут {вендор} [S21].
- **Ограничения.** Дерево здесь — не отдельная сущность, а структура формул модели; influence-связи с уверенностью не моделируются; цены не публикуются (проверено 2026-09-19) {факт} [S21, S71]. Отраслевой фон: 52 % компаний планируют в Excel, полностью драйверные модели у 17 % {эмпирика} [S45, S8].

### 9.3 Что выбрать

- **Соло и команда до 10 человек.** Доска для рисунка, таблица для паспортов и моста, YAML-файл дерева в репозитории для проверки (раздел 10); специализированные платформы окупаются позже {гипотеза}.
- **Команда 10–50 человек с хранилищем данных.** Продуктовая аналитика со встроенными деревьями, если стек уже на ней, либо специализированная платформа поверх хранилища; обязательное условие — определения метрик в семантическом слое [S43].
- **Организация 50–500 человек.** Семантический слой как источник определений, платформа деревьев для операций, платформа планирования для бюджета; связь между ними через общий каталог метрик и, по мере готовности, спецификацию Ossie [S65].

## 10. Адаптация под LLM и агентов {#llm}

### 10.1 Существующие практики

- **Генерация черновика дерева.** Mixpanel собирает первый вариант дерева по описанию стратегии, названию и сайту компании, опираясь на публичные сведения и не используя данные клиента {факт} [S16, S69]. DoubleLoop автоматизирует «value frameworks» с помощью AI {вендор} [S46]. Открытый навык для ассистента разлагает North Star в KPI-дерево с проверкой MECE на каждом уровне; репозиторий без звёзд, дата доступа 2026-09-19 {факт} [S70].
- **LLM как доменный эксперт для причинного графа.** По именам и описаниям переменных LLM предлагает DAG в структурированном формате (схема с узлами, рёбрами и объяснениями), который затем валидируется статистически и параметризуется вероятностной моделью {мнение} [S83]. Amazon Science строит базовый DAG по определениям метрик с помощью LLM и сравнивает его с открытым из данных, валидируя оба фальсификацией {эмпирика} [S44].
- **Гибриды LLM и алгоритмов открытия.** В CausalFusion LLM играет роль «доменного дата-сайентиста», а тесты фальсификации отсекают неправдоподобные рёбра; метод превзошёл алгоритмы PC и LiNGAM и чистые LLM-варианты на синтетических и реальных данных цепи поставок {эмпирика} [S68]. Гибрид «алгоритм открытия плюс LLM-уточнение» на семи наборах данных также опережает оба класса методов по отдельности {эмпирика} [S87]. Обзор IJCAI 2025 характеризует LLM как «несовершенные экспертные системы» и указывает на нехватку бенчмарков {эмпирика} [S88].
- **LLM и формулы.** Ещё в 2023 году предложено парсить формулы KPI из SQL и Python в граф зависимостей с помощью GPT-4 и Neo4j при обязательной ручной проверке {мнение} [S89].
- **LLM как потребитель дерева.** Платформа KPI Tree отдаёт агентам причинную модель, RACI и подтверждённые результаты через MCP {вендор} [S64]; Trace даёт агенту готовые аналитические «навыки» и запрещает ему вычислять KPI: расчёт идёт по управляемому SQL {вендор} [S63].
- **LLM и определения метрик.** Вендорский бенчмарк dbt Labs: через семантический слой 98–100 % точности против 84–90 % у text-to-SQL, при этом ошибки слоя явные, а ошибки text-to-SQL «тихие» {вендор} [S66]. Независимый парный бенчмарк на 100 вопросах: документ семантики добавляет 17–23 п. п., абсолютная точность 68–69 %, различия между моделями внутри уровня незначимы {эмпирика} [S67].

### 10.2 Что автоматизируется

| Задача | Степень автоматизации | Основание |
|---|---|---|
| Проверка сходимости identity-рёбер | полная, детерминированный код | арифметика по определению [S12] |
| Проверка типов: ratio имеет числитель и знаменатель, окна детей совпадают с родителем, единицы согласованы | полная | поля паспорта [S25] |
| Поиск циклов и висячих узлов | полная | инвариант графа |
| Полнота influence-рёбер: знак, лаг, уверенность | полная как линтер, содержание — человек | [S27, S6] |
| Поиск двойного счёта | частичная: точные дубли и пересечения по определениям находит LLM, подтверждает человек | [S30] |
| Черновик паспорта метрики и кандидатов в драйверы | черновик LLM, утверждение человеком | [S16, S83] |
| Объяснение изменения по дереву и сегментам | полная для identity и сегментов, алгоритмы промышленного масштаба | [S73, S32] |
| Проверка influence-связи данными | частичная: корреляции и фальсификация автоматизируются, суждение о причине — человек | [S68, S16] |
| Оценка силы связи (коэффициентов) | не доверять LLM: нестабильные оценки даже при заданном DAG | [S62] |

### 10.3 Что остаётся человеку

- **Выбор корня и назначения дерева.** Вопрос ценности, а не структуры [S26].
- **Суждение о контролируемости листа.** Только команда знает, что она реально двигает; Amazon нашла свои входы методом проб {факт} [S55].
- **Валидация влияний экспериментом или интервенцией.** LLM предлагает, данные проверяют, человек решает [S44].
- **Владение и стимулы.** Назначение владельцев и решение о связи с премиями лежит вне модели [S72].

### 10.4 Риски

- **Правдоподобные, но чужие деревья.** Генерация по публичным сведениям и «лучшим практикам» даёт типовое дерево отрасли, а не модель конкретной компании [S16].
- **Галлюцинированные рёбра и чувствительность к именам переменных.** LLM — несовершенные эксперты без гарантий {эмпирика} [S88]; коэффициенты нестабильны {эмпирика} [S62].
- **Ложная строгость.** Формулы, сгенерированные машиной, выглядят точнее, чем есть, и скрывают когорты и общие причины {мнение} [S33].
- **Тихие ошибки вычислений.** Если агент вычисляет метрики сам, ошибки не заметны; расчёт должен идти через семантический слой с явными отказами {вендор} [S66, S63].

### 10.5 Направление минимальной машиночитаемой структуры

Ниже — авторское предложение формата, согласованное с полями dbt для derived-метрик [S25], с предложением identity и influence edges для открытого стандарта [S6] и с уровнями уверенности Mixpanel [S5] {гипотеза}. Все значения — иллюстрация.

```yaml
tree:
  id: ebit_plant_2026
  purpose: explain            # select_kpis | explain | plan
  horizon: monthly
  roots: [ebit]
  guardrails: [on_time_delivery, injuries, cash_days]
  steward: controller
  review_cadence: quarterly

nodes:
  - id: ebit
    type: derived
    unit: RUB
    grain: month
    window: calendar
    controllability: output
    owner: cfo
  - id: revenue_serial
    type: derived
    unit: RUB
    grain: month
    window: calendar
    controllability: output
    owner: sales_head
  - id: availability_bottleneck
    type: ratio
    numerator: operating_hours_bottleneck
    denominator: planned_hours_bottleneck
    grain: week
    window: calendar
    controllability: input
    owner: production_director
  - id: on_time_delivery
    type: ratio
    numerator: orders_shipped_on_time
    denominator: orders_shipped
    grain: week
    window: calendar
    controllability: guardrail
    owner: coo

edges:
  - kind: identity
    parent: ebit
    operator: expr
    expr: revenue_serial + revenue_custom - variable_costs - fixed_costs
    children: [revenue_serial, revenue_custom, variable_costs, fixed_costs]
    tolerance: 0.005
  - kind: identity
    parent: revenue_serial
    operator: product
    children: [orders_serial, avg_order_value_serial]
    tolerance: 0.005
  - kind: influence
    from: availability_bottleneck
    to: on_time_delivery
    sign: +
    lag:
      value: 1
      unit: week
    confidence: correlated        # hypothesized | correlated | verified
    evidence: "корреляция 0,6 по 20 неделям, 2026-Q2"
    last_checked: 2026-09-01
  - kind: conflict
    between: [avg_order_value_serial, orders_serial]
    mechanism: "рост цены снижает число заказов с лагом 1–2 месяца"
```

Правила линтера, проверяемые без LLM:

1. Граф ацикличен; у каждого узла, кроме корней, есть хотя бы один родитель; у каждого ребра оба конца существуют.
2. Для identity-ребра: вычисленное значение родителя из детей совпадает с фактом в пределах tolerance за каждый период; дети попарно не пересекаются по определению (проверяется по ссылкам на одни и те же источники и фильтры).
3. Для ratio-узла: numerator и denominator — узлы дерева; знаменатель либо лист, либо узел с собственным identity-ребром.
4. Окно (calendar или cohort) и зерно у детей identity-ребра совпадают с родительским или объявлено преобразование.
5. Для influence-ребра заполнены sign, lag, confidence, last_checked; уровень verified требует ссылки на evidence; ребро с confidence hypothesized старше четырёх кварталов помечается как «застоявшееся».
6. У каждого узла есть owner; узлы с controllability input являются листьями или объясняют, почему нет.
7. Guardrail-узлы не входят в identity-рёбра корня, иначе они не ограничители, а компоненты.

Правила, требующие LLM с последующим подтверждением человеком: семантическое пересечение определений соседних узлов, пропущенный очевидный множитель (выручка без средней цены), несоответствие знака влияния направлению «лучше» у узлов, предложение недостающих guardrails к каждому рычагу.

### 10.6 Открытые репозитории и инструменты (дата доступа 2026-09-19)

| Ресурс | Что даёт | Статус на дату доступа | Источник |
|---|---|---|---|
| apache/ossie (бывш. OSI) | YAML и JSON спецификация семантических моделей: наборы данных, метрики, измерения, связи; конвертеры для dbt и других | Apache Incubator, лицензия Apache-2.0, около 2,2 тыс. звёзд по данным страницы | [S65] |
| Обсуждение OSI № 40 | предложение metric trees и поля depends_on с identity и influence рёбрами | открыто с 2026-01-20, без решения на 2026-09-10 | [S6] |
| dbt-labs/dbt-llm-sl-bench | открытый бенчмарк «семантический слой против text-to-SQL» | упомянут в статье dbt Labs, репозиторий не открывался | [S66] |
| EstherSalinas/pm-skills | навыки для ассистента: North Star и KPI tree с проверкой MECE | 0 звёзд, лицензия не указана | [S70] |
| DoWhy, модуль GCM | построение и валидация структурных причинных моделей | используется в работах Amazon Science, репозиторий не открывался | [S44] |

## 11. Происхождение, ключевые фигуры, что читать {#origins}

### 11.1 Какую боль решали тогда и что актуально сейчас

Каждая волна семейства отвечала на свою боль:

- **1910–1950-е, DuPont.** Оценивать подразделения диверсифицированной корпорации единым мерилом: Donaldson Brown разложил рентабельность инвестиций в произведение оборачиваемости и маржи, DuPont применяла схему с 1920-х годов, а к 1950-м подход стал доминирующим в финансовом управлении промышленных корпораций {факт} [S90, S1].
- **1992, Balanced Scorecard.** Финансовые меры «дают ошибочные сигналы для непрерывных улучшений и инноваций», нужны операционные измерения {мнение} [S18].
- **2017, North Star.** В растущих стартапах рост считался задачей маркетинга; единая метрика ценности объединяла продукт, продажи и поддержку {мнение} [S13].
- **2023, metric trees.** Метрики стандартизированы в семантических слоях, но между ними нет связей, и дашборды не объясняют, что двигать {мнение} [S38].

**Актуальны все четыре боли одновременно**, поэтому современное дерево совмещает финансовый корень, операционные входы, метрику ценности и машиночитаемые определения.

### 11.2 Хронология

| Год | Событие | Источник |
|---|---|---|
| 1912–1914 | Brown формулирует расширенную формулу ROI в DuPont; схема применяется с 1920-х | [S90, S1] |
| 1950-е | ROI-подход доминирует в финансовом управлении корпораций США | [S90] |
| 1950-е | Forrester создаёт системную динамику в MIT | [S75] |
| 1975, 1997 | Goodhart формулирует закон о коллапсе статистических регулярностей под давлением контроля; Strathern даёт популярную формулировку | [S72] |
| 1982, 1988 | Nakajima вводит OEE в рамках TPM | [S24] |
| 1980-е, 1994 | Basili и коллеги развивают GQM в Мэриленде и NASA | [S22] |
| 1986 | Rappaport формализует семь драйверов акционерной стоимости | [S11] |
| 1987, 1992 | Schneiderman в Analog Devices; Kaplan и Norton публикуют Balanced Scorecard в HBR | [S48, S18] |
| 1996, 2000 | причинные связки BSC; статья о strategy maps в HBR | [S19, S91] |
| 1999 | Doerr приносит OKR в Google | [S20] |
| 2000 | Nørreklit публикует критику причинных допущений BSC | [S39] |
| 2008 | Muchiri и Pintelon обобщают литературу об OEE | [S53] |
| 2011, 2013 | Smith разрабатывает KPI tree и публикует KPI Checklists | [S10] |
| 2014 | GQM+Strategies связывает цели бизнеса и измерения | [S23] |
| 2016 | иерархия KPI по ISO 22400 формализована в IJPR | [S47] |
| 2017 | Ellis публикует North Star Metric | [S13] |
| 2018 | Balfour критикует единый North Star и вводит growth loops | [S35, S40] |
| 2020 | книга Kohavi, Tang и Xu о доверительных экспериментах и guardrails | [S77] |
| 2021 | Bryar и Carr описывают controllable input metrics и WBR | [S17, S56] |
| 2023 | Sivasailam представляет metric trees на Data Council; Tawse и Tabesh подводят итог 30 лет BSC | [S38, S7] |
| 2024 | Matthies публикует классификацию нотации VDT; Amplitude выпускает редакцию North Star Playbook с указанием 2024 года | [S3, S14] |
| 2025 | Mixpanel выпускает Metric Trees (август) и покупает DoubleLoop (октябрь) | [S92, S46] |
| 2026 | Open Semantic Interchange находится в Apache Incubator как Ossie; обсуждение metric trees в стандарте; бенчмарки семантического слоя и LLM-причинности | [S65, S6, S66, S62] |

### 11.3 Ключевые фигуры

- **Donaldson Brown** — формула ROI и система отчётности DuPont и GM [S90].
- **Alfred Rappaport** — семь драйверов стоимости; **Copeland и Koller** — методология оценки, на которую опираются VDT [S11, S3].
- **Seiichi Nakajima** — OEE и шесть больших потерь [S24].
- **Victor Basili** — GQM и GQM+Strategies [S22, S23].
- **Robert Kaplan и David Norton** — Balanced Scorecard и strategy maps [S18, S91]; **Hanne Nørreklit** — их главный критик [S39].
- **Bernie Smith** — KPI tree и метод ROKS [S10, S82].
- **Sean Ellis** — North Star Metric; **John Cutler** и соавторы — North Star Playbook [S13, S14].
- **Brian Balfour** — критика единого North Star, growth loops [S35, S40].
- **Colin Bryar и Bill Carr** — controllable input metrics и WBR; **Cedric Chin** — разбор WBR для малых компаний [S17, S28].
- **Abhi Sivasailam** — metric trees в data-сообществе; **Vijay Subramanian** (Trace) и **Timo Dechau** — практика и осторожная критика [S38, S86, S34].
- **Benjamin Matthies** — академическая систематизация VDT [S3].

### 11.4 Канонические первоисточники и критические разборы

Первоисточники, доступные онлайн полностью или частично: статьи Kaplan и Norton 1992 и 2000 годов (фрагменты) [S18, S91], North Star Playbook [S14], руководства Smith [S10], сайт авторов Working Backwards [S17], обзор Matthies [S3]. Книги Smith, Bryar и Carr, Kaplan и Norton, Basili и соавторов, Kohavi и соавторов, Rappaport не читались: их содержание восстановлено по официальным страницам и вторичным разборам (см. раздел 12). Лучшие критические разборы: Nørreklit о причинности BSC [S39], Balfour о единой метрике [S35], Chapman о North Star [S59], Levchuk о ложной строгости деревьев [S33], Bayer о каскаде OKR [S60].

### 11.5 Что читать

- **Matthies 2024** — единственная систематизация семантики и синтаксиса 161 дерева драйверов [S3].
- **Morgret, Feldmann, Matthies 2024** — как дерево валидируют корреляциями на кейсе производства [S49].
- **Akalu 2002** — какие драйверы стоимости чувствительнее и почему [S11].
- **Flesher и Previts 2013** — история формулы DuPont и её роли в управлении [S90].
- **Controllingportal о Kennzahlensysteme** — различие Rechensystem и Ordnungssystem в одной странице [S4].
- **Руководство Smith по KPI tree** — воркшоп, уровни, конфликтные линии, размеры групп [S10].
- **Обзор ROKS** — семь шагов от стратегии до внедрения, место дерева как longlist [S82].
- **North Star Playbook** — структура NSM, inputs, work, results и чек-лист метрики [S14].
- **Balfour 2018** — четыре причины, почему один North Star обманывает [S35].
- **Commoncog о WBR** — как устроена колода, порядок «входы, затем выходы», вариация по Демингу [S28].
- **Holistics о входных метриках Amazon** — эволюция одной метрики за четыре шага [S56].
- **Руководство Mixpanel «стратегия — исполнение»** — три типа деревьев, уверенность рёбер, цикл «модель, исполнение, обучение» [S5].
- **Обсуждение OSI № 40** — как сообщество стандартов формулирует identity и influence edges [S6].
- **Amazon Science, KDD 2025 и AAAI 2026** — валидированные причинные модели вместо водопадной логики; LLM плюс фальсификация [S44, S68].
- **Linear-LLM-SCM 2026** — почему нельзя доверять LLM числовые коэффициенты связей [S62].
- **Бенчмарки семантического слоя** — вендорский и независимый взгляд на точность LLM с определениями метрик [S66, S67].
- **Tawse и Tabesh 2023** — итог тридцати лет BSC: инструмент реализации стратегии сам требует реализации [S7].
- **Nørreklit 2000** — классическая критика причинных допущений в системах показателей [S39].
- **Sequoia о mix shift** — как состав сегментов двигает среднее при неизменных ставках [S31].
- **Xheblati 2024** — пять линз разбора изменения метрики и роль сезонности [S58].
- **Подкаст с Dechau 2025** — типы связей, лаги и «монстры» на 90 узлов [S34].
- **Trace о каталогах, слоях и деревьях** — где кончается семантический слой и начинается дерево [S43].
- **DoubleLoop и Mixpanel** — как выглядит продуктизация деревьев и связь инициатив с метриками [S93, S46].

## 12. Открытые вопросы и границы уверенности {#open-questions}

### Что не удалось проверить

- **Эффект деревьев на результаты.** Ни одного контролируемого или квазиэкспериментального исследования влияния деревьев драйверов или метрик на показатели компаний не найдено; все утверждения о пользе — практика, консультанты и вендоры. Единственные количественные свидетельства относятся к смежным практикам: BSC и драйверное планирование [S7, S8].
- **Цифры метаанализа BSC.** Прирост эффекта на 0,321 при явной причинной связке и «восемь исследований» взяты из вторичных пересказов статьи Tawse и Tabesh; полный текст недоступен (издательские сайты возвращали отказ доступа), проверена только аннотация [S7]. Метаанализ Liao и соавторов 2025 года доступен лишь фрагментом [S51].
- **Год North Star Playbook.** В доступном PDF указан 2024 год и четыре автора; дата первой публикации по первоисточнику не установлена [S14].
- **Приоритет Smith.** Утверждение «KPI trees изобретены в 2011 году и опубликованы в 2013» исходит от самого автора и не подтверждено независимо [S10].
- **Год ZVEI-системы.** Страница Controllingportal называет 1989 год, тогда как в других источниках встречаются более ранние даты; в отчёте год не используется [S4].

### Где источники противоречат друг другу

- **Одна метрика или созвездие.** Amplitude и Ellis за один North Star с входами [S14, S13]; Balfour и Chapman против [S35, S59]. Отчёт принимает компромисс: один корень плюс guardrails.
- **Одинаковы ли metric tree, KPI tree и VDT.** Вендор говорит «одна концепция» [S9], Smith — «разные назначения» [S10]. Отчёт различает по семантике узлов и типам связей.
- **Глубина.** Три уровня для цеха [S36] против четырёх уровней и 20–100 кандидатов у Smith [S10]; расхождение объясняется назначением: выбор KPI против управления.
- **Размер разбора.** 400–500 метрик в Amazon [S28] против призыва «держать просто» [S34]; масштаб компании снимает противоречие.
- **Корреляция в дереве.** Mixpanel показывает коэффициент Пирсона на связях [S16], критики предупреждают о ложной причинности [S33]; отчёт трактует корреляцию как уровень уверенности correlated, а не как доказательство.

### Какие данные изменили бы выводы

- Квазиэксперимент или панельное исследование компаний до и после внедрения деревьев с контрольной группой.
- Бенчмарк деревьев, сгенерированных LLM, против деревьев экспертов на реальных данных компаний, с проверкой сходимости и предсказательной силы influence-рёбер.
- Данные о практике объявления лагов: доля деревьев в организациях, где лаги указаны и проверены.
- Полные тексты Tawse и Tabesh, Franco-Santos и соавторов, Nørreklit для уточнения количественных выводов.

### Ограничения доступа

- **Недоступны на дату среза:** сайт Levers Labs с руководством по metric trees (ошибки DNS при нескольких попытках) [S94]; модуль Reforge о входных метриках (платный контент, видна только шапка) [S95]; статья Levchuk на Medium (отказ доступа, использован только фрагмент из поисковой выдачи) [S33].
- **Отказ доступа издательств:** Wiley, ScienceDirect, Taylor and Francis, SAGE, Springer, Cranfield, ResearchGate, PMC (капча); использованы открытые копии (репозиторий FH Münster для Matthies), API Semantic Scholar, EconPapers, Europe PMC.
- **Книги не читались:** KPI Checklists (Smith), Working Backwards (Bryar и Carr), Creating Shareholder Value (Rappaport), The Balanced Scorecard (Kaplan и Norton), Aligning Organizations Through Measurement (Basili и соавторы), Trustworthy Online Controlled Experiments (Kohavi и соавторы), Business Dynamics (Sterman). Их содержание передано по официальным сайтам авторов и вторичным разборам.
- **Слайды Sivasailam 2023** недоступны (страница перенесена и возвращает 404); доклад восстановлен по конспектам участников [S38].

Статус отчёта — complete: все разделы заполнены по доступным источникам, ограничения перечислены выше.

## 13. Реестр источников {#sources}

| ID | Название | Автор или издатель | URL | Дата публикации | Дата доступа | Доступ | Что подтверждает |
|---|---|---|---|---|---|---|---|
| S1 | DuPont analysis | Wikipedia | https://en.wikipedia.org/wiki/DuPont_analysis | без даты | 2026-09-19 | полный текст | разделы 0, 1, 8, 11: формула ROE, применение с 1920-х |
| S2 | Mixpanel Launches Metric Trees, a Dynamic In-Platform Capability That Connects Every KPI to Business Impact | Mixpanel, Business Wire (Yahoo Finance) | https://finance.yahoo.com/news/mixpanel-launches-metric-trees-dynamic-130000261.html | 2025-08-20 | 2026-09-19 | полный текст | разделы 0, 2, 9: релиз функции, цитата клиента (вендор) |
| S3 | Toward a notation for modeling value driver trees: Classification development and research agenda | Benjamin Matthies, Journal of Corporate Accounting & Finance (открытая копия FH Münster) | https://www.hb.fh-muenster.de/opus4/files/17886/J+Corp+Accounting+Finance+-+2024+-+Matthies+-+Toward+a+notation+for+modeling+value+driver+trees+Classification+development.pdf | 2024 | 2026-09-19 | полный текст | разделы 0, 1, 2, 11: 161 дерево, семантика и синтаксис, пробелы |
| S4 | Kennzahlensystem: DuPont-Schema, ROI, ZVEI, RL | Controllingportal.de | https://www.controllingportal.de/Fachinfo/Kennzahlen/Kennzahlen-Systeme.html | без даты | 2026-09-19 | полный текст | разделы 0, 1, 8, 11, 12: Rechensystem и Ordnungssystem, два корня RL, ZVEI |
| S5 | Operationalizing Metric Trees to Close the Strategy-Execution Gap | Mixpanel Docs | https://docs.mixpanel.com/guides/guides-by-use-case/empower-your-team/close-strategy-execution-gap | без даты | 2026-09-19 | полный текст | разделы 0–8, 10, 11: component и influence, уверенность, 2–4 драйвера, цикл модель-исполнение-обучение (вендор) |
| S6 | BIG IDEA: add metrics trees / input-output relations between metrics, Discussion #40 | open-semantic-interchange/OSI, GitHub | https://github.com/open-semantic-interchange/OSI/discussions/40 | 2026-01-20 | 2026-09-19 | полный текст | разделы 0, 1, 2, 6, 10, 11: identity и influence edges, depends_on, статус обсуждения |
| S7 | Thirty years with the balanced scorecard: What we have learned | Alex Tawse, Pooya Tabesh; Business Horizons 66(1) (EconPapers) | https://econpapers.repec.org/RePEc:eee:bushor:v:66:y:2023:i:1:p:123-132 | 2023 | 2026-09-19 | аннотация | разделы 0, 2, 3, 4, 11, 12: противоречивость данных о BSC |
| S8 | 2025 FP&A Benchmarks: Where We Are, Where Leaders Are Going | FP&A Trends | https://fpa-trends.com/article/2025-fpa-benchmarks-and-trends | 2025 | 2026-09-19 | полный текст | разделы 0, 2, 3, 4, 9, 12: 17 % полностью драйверных моделей, 77 % довольных |
| S9 | Metric Tree vs KPI Tree vs Value Driver Tree | KPI Tree (kpitree.co) | https://kpitree.co/guides/getting-started/metric-tree-vs-kpi-tree | без даты | 2026-09-19 | полный текст | разделы 1, 12: позиция «одна концепция» (вендор) |
| S10 | 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/ | 2026 | 2026-09-19 | полный текст | разделы 1, 3, 5, 8, 11, 12: уровни, воркшоп, конфликтные линии, 2011 и 2013 (вендор) |
| S11 | Measuring and Ranking Value Drivers | Mehari Mekonnen Akalu, ERIM Report Series, Erasmus University (RePub) | https://repub.eur.nl/pub/6815/2002-0432.pdf | 2002 | 2026-09-19 | полный текст | разделы 1, 2, 8, 11: семь драйверов Rappaport, анализ чувствительности |
| S12 | Issue Tree vs Driver Tree: Key Differences Explained | CaseBasix | https://www.casebasix.com/pages/issue-tree-vs-driver-tree | 2026-08-20 | 2026-09-19 | полный текст | разделы 1, 3, 4, 8, 10: driver tree только арифметика, issue tree — категории |
| S13 | Growth Needs a North Star Metric | Sean Ellis, LinkedIn | https://www.linkedin.com/pulse/growth-needs-north-star-metric-sean-ellis | 2017-06-21 | 2026-09-19 | полный текст | разделы 1, 2, 11, 12: определение и примеры North Star Metric |
| S14 | The North Star Playbook | Amplitude; Kouzmanoff, Bashir, Clark, Cutler | https://info.amplitude.com/rs/138-CDN-550/images/Amplitude-The-North-Star-Playbook.pdf | 2024 | 2026-09-19 | полный текст | разделы 1, 2, 5, 6, 8, 11, 12: NSM, 3–5 inputs, формулировка, ритм ревизии (вендор) |
| S15 | An Introduction to Metric Trees | Oliver Hughes, Count | https://count.co/blog/intro-to-metric-trees | 2024-05-07 | 2026-09-19 | полный текст | разделы 1, 5: определение Sivasailam, шаги, ловушки |
| S16 | Metric Tree | Mixpanel Docs | https://docs.mixpanel.com/docs/metric_tree | без даты | 2026-09-19 | полный текст | разделы 1, 2, 5, 6, 9, 10, 12: корреляция Пирсона, генерация по публичным данным, надстройка Enterprise |
| S17 | Input metrics & weekly business review | Colin Bryar, Bill Carr; Working Backwards (сайт авторов) | https://workingbackwards.com/concepts/input-metrics/ | без даты | 2026-09-19 | полный текст | разделы 1, 2, 4, 5, 8, 11: контролируемые входы, четыре метода поиска, flywheel |
| S18 | The Balanced Scorecard—Measures That Drive Performance | Robert S. Kaplan, David P. Norton; Harvard Business Review | https://hbr.org/1992/01/the-balanced-scorecard-measures-that-drive-performance-2 | 1992-01 | 2026-09-19 | фрагмент | разделы 1, 4, 11: боль финансовых мер, дата публикации |
| S19 | Strategy map | Wikipedia | https://en.wikipedia.org/wiki/Strategy_map | без даты | 2026-09-19 | полный текст | разделы 1, 3, 4, 7, 11: определение, цепь перспектив, гипотезы стратегии |
| S20 | Objectives and key results | Wikipedia | https://en.wikipedia.org/wiki/Objectives_and_key_results | без даты | 2026-09-19 | полный текст | разделы 1, 4, 11: происхождение OKR, критика каскада |
| S21 | What is Driver-Based Planning? | Pigment Glossary | https://www.pigment.com/glossary/driver-based-planning | 2026-04-22 | 2026-09-19 | полный текст | разделы 1, 2, 5, 9: определение, кейс Supercell (вендор) |
| S22 | GQM | Wikipedia | https://en.wikipedia.org/wiki/GQM | без даты | 2026-09-19 | полный текст | разделы 1, 4, 7, 11: три уровня, происхождение, GQM+Strategies |
| S23 | Aligning Organizations through Measurement: The GQM+Strategies Approach | Basili, Trendowicz, Kowalczyk, Heidrich, Seaman, Münch, Rombach; University of Helsinki research portal | https://researchportal.helsinki.fi/en/publications/aligning-organizations-through-measurement-the-gqmstrategies-appr | 2014 | 2026-09-19 | аннотация | разделы 1, 4, 11: элементы модели, цель подхода |
| S24 | Overall equipment effectiveness | Wikipedia | https://en.wikipedia.org/wiki/Overall_equipment_effectiveness | без даты | 2026-09-19 | полный текст | разделы 1, 2, 11: формула, шесть потерь, миф 85 %, свойства произведения |
| S25 | Creating metrics (metrics overview) | dbt Labs Docs | https://docs.getdbt.com/docs/build/metrics-overview | 2026-07-20 | 2026-09-19 | полный текст | разделы 1, 6, 9, 10: типы метрик, derived с expr и input_metrics |
| S26 | What Makes a Good vs Bad North Star Metric | Julia Sholtz, Amplitude | https://amplitude.com/blog/good-bad-north-star-metric | 2024-08-15 | 2026-09-19 | полный текст | разделы 1, 2, 5, 8, 10: критерии, vanity-метрики, «один уровень вне досягаемости» (вендор) |
| S27 | Leading vs Lagging Indicators in a KPI Tree | kpitree.io blog | https://kpitree.io/blog/leading-vs-lagging-indicators-in-a-kpi-tree | 2026-06-28 | 2026-09-19 | полный текст | разделы 1, 5, 8, 9, 10: обязательный лаг, примеры лагов (вендор) |
| S28 | The Amazon Weekly Business Review (via Bezos's Shadow) | Cedric Chin, Commoncog | https://commoncog.com/the-amazon-weekly-business-review/ | 2024-07-02 | 2026-09-19 | полный текст | разделы 1–8, 11, 12: 400–500 метрик, порядок входы-выходы, владельцы, 47 метрик у Commoncog |
| S29 | What is a metric tree? The complete guide with examples | Dillon Baker, Mixpanel | https://mixpanel.com/blog/metric-tree/ | 2025-09-04 | 2026-09-19 | полный текст | раздел 1: component и influence relationships (вендор) |
| S30 | Driver Trees: Examples, Templates, and the Pitfalls to Avoid | MBB Prep | https://mbbprep.com/blog/driver-tree-case-interview | 2026-06 | 2026-09-19 | полный текст | разделы 1, 5, 8, 10: правило уравнения, пересекающиеся ветви, глубина |
| S31 | Analyzing Metric Changes Part V: Mix Shift | Sequoia Capital Data Science | https://articles.sequoiacap.com/metrics-mix-shift | 2018-08-14 | 2026-09-19 | полный текст | разделы 1, 5, 11: пример 9 → 6 минут при неизменных ставках |
| S32 | Automating a Common Pattern: Mix-Shift Analysis | Vijay Subramanian, Trace | https://www.hellotrace.io/blog/automating-mix-shift-analysis | без даты | 2026-09-19 | полный текст | разделы 1, 3, 10: разложение на состав и ставки (вендор) |
| S33 | The Metric Tree Trap. How math obscures more than it reveals | Paul Levchuk, Medium | https://medium.com/@paul.levchuk/the-metric-tree-trap-4280405fd35e | без даты | 2026-09-19 | фрагмент | разделы 1, 2, 3, 5, 7, 8, 10, 11, 12: критика мультипликативной строгости, когорты, confounders |
| S34 | The pattern of Metric Trees with Timo Dechau (эпизод 77) | Shane Gibson, AgileData | https://agiledata.info/p/the-pattern-of-metric-trees-with | 2025-11-21 | 2026-09-19 | полный текст | разделы 1, 2, 3, 5, 7, 8, 11, 12: типы связей, лаги 60–90 дней, «монстры» на 90 узлов |
| S35 | Don't Let Your North Star Metric Deceive You | Brian Balfour, Reforge | https://www.reforge.com/blog/north-star-metric-growth | 2018-01-12 | 2026-09-19 | полный текст | разделы 1, 2, 3, 8, 11, 12: четыре дефекта единой метрики, созвездие |
| S36 | KPI Trees: Linking Shop-Floor Numbers to Business Results | Pavel Humlicek, TeamGuru | https://www.teamguru.com/guides/kpi-tree | без даты | 2026-09-19 | полный текст | разделы 1, 5, 8, 12: три уровня, пример 79 % → 90 % |
| S37 | Value Bridge Explained | Umbrex | https://umbrex.com/resources/frameworks/strategy-frameworks/value-bridge/ | без даты | 2026-09-19 | полный текст | разделы 1, 3, 6, 7, 8: конвенции атрибуции, PVM, двойной счёт |
| S38 | What Happened at Data Council 2023? | Data Engineering Weekly | https://www.dataengineeringweekly.com/p/what-happened-at-data-council-2023 | 2023-04-06 | 2026-09-19 | полный текст | разделы 1, 2, 11, 12: доклад Sivasailam о metric trees |
| S39 | The Balance on the Balanced Scorecard: A Critical Analysis of Some of Its Assumptions | Hanne Nørreklit, Management Accounting Research 11(1) (метаданные Semantic Scholar) | https://api.semanticscholar.org/graph/v1/paper/search?query=The+balance+on+the+balanced+scorecard+a+critical+analysis+of+some+of+its+assumptions&fields=title,abstract,year,authors,venue,externalIds,citationCount&limit=1 | 2000 | 2026-09-19 | фрагмент | разделы 1, 2, 3, 4, 7, 8, 11: критика причинности и времени, 1 452 цитирования |
| S40 | Growth Loops are the New Funnels | Balfour, Winters, Kwok, Chen; Reforge | https://www.reforge.com/blog/growth-loops | 2018-07-31 | 2026-09-19 | полный текст | разделы 1, 2, 3, 7, 11: петли против воронок |
| S41 | Causal loop diagram | Wikipedia | https://en.wikipedia.org/wiki/Causal_loop_diagram | без даты | 2026-09-19 | полный текст | разделы 1, 3, 4, 7: элементы CLD, петли |
| S42 | A Financial P&L Is The First Metric Tree! | Vijay Subramanian, Trace | https://www.hellotrace.io/post/a-financial-p-l-is-the-first-metric-tree | без даты | 2026-09-19 | полный текст | разделы 1, 7: P&L как аддитивное дерево (вендор) |
| S43 | Metrics Catalog vs Metric Layers vs Metric Trees | Vijay Subramanian, Trace | https://www.hellotrace.io/blog/metrics-catalog-vs-metric-layers-vs-metric-trees | без даты | 2026-09-19 | полный текст | разделы 1, 2, 7, 9, 11: различие каталога, слоя и дерева (вендор) |
| S44 | An end-to-end causal modeling framework for advanced attribution in supply chain operations | Mullapudi и соавторы; Amazon Science, KDD 2025 Workshop on AI for Supply Chain | https://www.amazon.science/publications/an-end-to-end-causal-modeling-framework-for-advanced-attribution-in-supply-chain-operations | 2025 | 2026-09-19 | аннотация | разделы 1, 2, 3, 4, 7, 8, 9, 10, 11: SCM с фальсификацией, LLM для базового DAG |
| S45 | The 2024 FP&A Trends Survey Results: Key Insights and Findings Unveiled | FP&A Trends | https://fpa-trends.com/article/2024-fpa-trends-survey-results-unveiled | 2024 | 2026-09-19 | полный текст | разделы 2, 9: 9 % автоматизации, 52 % Excel, 2 400 респондентов |
| S46 | Mixpanel acquires DoubleLoop to accelerate digital continuous innovation | Mixpanel | https://mixpanel.com/blog/mixpanel-acquires-doubleloop/ | 2025-10-07 | 2026-09-19 | полный текст | разделы 2, 9, 10, 11: сделка, AI value frameworks (вендор) |
| S47 | A Hierarchical structure of key performance indicators for operation management and continuous improvement in production systems | Kang, Zhao, Li, Horst; International Journal of Production Research (копия NIST) | https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=919754 | 2016 | 2026-09-19 | полный текст | разделы 2, 6, 11: иерархия элементов, индикаторов и KPI по ISO 22400 |
| S48 | Balanced scorecard | Wikipedia | https://en.wikipedia.org/wiki/Balanced_scorecard | без даты | 2026-09-19 | полный текст | разделы 2, 4, 8, 11: происхождение, поколения, критика, опрос 2020 года |
| S49 | Value Driver Trees for KPI-Based Decision Analytics: Process Performance in the Order-to-Delivery Process | Morgret, Feldmann, Matthies; HICSS-57 (AISeL) | https://aisel.aisnet.org/hicss-57/da/decision_support_for_scm/2/ | 2024 | 2026-09-19 | аннотация | разделы 2, 11: VDT с корреляционной валидацией на кейсе |
| S50 | The deployment of balanced scorecard in health care organizations: is it beneficial? A systematic review | Amer, Hammoud, Khatatbeh, Lohner, Boncz, Endrei; BMC Health Services Research (Europe PMC REST) | https://www.ebi.ac.uk/europepmc/webservices/rest/search?query=PMCID:PMC8758212&format=json&resultType=core | 2022 | 2026-09-19 | аннотация | раздел 2: 20 исследований, эффекты и риск смещения |
| S51 | An Investigation of Leading and Lagging Indicators for Balanced Scorecard: A Meta-Analytic Approach | Liao, Wang, Thinh, Wu; SAGE Open | https://journals.sagepub.com/doi/10.1177/21582440251359833 | 2025 | 2026-09-19 | фрагмент | разделы 2, 12: метаанализ связей перспектив (только фрагмент выдачи) |
| S52 | Contemporary Performance Measurement Systems: A Review of Their Consequences and a Framework for Research | Franco-Santos, Lucianetti, Bourne; Management Accounting Research (метаданные Semantic Scholar) | https://api.semanticscholar.org/graph/v1/paper/DOI:10.1016/j.mar.2012.04.001?fields=title,abstract,year,authors,venue,citationCount | 2012 | 2026-09-19 | фрагмент | раздел 2: обзор 76 исследований, 745 цитирований |
| S53 | Performance measurement using overall equipment effectiveness (OEE): literature review and practical application discussion | Muchiri, Pintelon; International Journal of Production Research (метаданные Semantic Scholar) | https://api.semanticscholar.org/graph/v1/paper/DOI:10.1080/00207540601142645?fields=title,abstract,year,authors,venue,citationCount | 2008 | 2026-09-19 | фрагмент | разделы 2, 11: обзор OEE, 573 цитирования |
| S54 | The value of system dynamics' diagrams for business model innovation | Ammirato, Linzalone, Felicetti; Management Decision 60(4) | https://www.emerald.com/md/article-split/60/4/1056/282573/The-value-of-system-dynamics-diagrams-for-business | 2022 | 2026-09-19 | аннотация | разделы 2, 4: единичный кейс пользы CLD для предпринимателей |
| S55 | Colin Bryar on the practice of Amazon's Weekly Business Review | Cedric Chin, Commoncog | https://commoncog.com/colin-bryar-amazon-weekly-business-review/ | 2023-11-16 | 2026-09-19 | полный текст | разделы 2, 10: входы находят пробами и ошибками |
| S56 | How Amazon Uses Input Metrics | Huy Nguyen, Holistics | https://www.holistics.io/blog/how-amazon-uses-input-metrics/ | 2021-02-24 | 2026-09-19 | полный текст | разделы 2, 3, 5, 6, 8, 11: эволюция метрики выбора в четыре шага |
| S57 | The Human Interfaces of Data — Abhi | David Jayatillake, Substack | https://davidsj.substack.com/p/the-human-interfaces-of-data-abhi | 2023-09-13 | 2026-09-19 | полный текст | раздел 2: опыт Flexport, «радикальное предложение» |
| S58 | Debugging Your Business with Data | Ergest Xheblati, SQL Patterns | https://sqlpatterns.com/p/debugging-your-business-with-data | 2024-04-21 | 2026-09-19 | полный текст | разделы 2, 5, 7, 11: пять линз, сезонность, вариация |
| S59 | North Star ... a path to being lost | Chris Chapman, Quant UX Blog | https://quantuxblog.com/north-star-a-path-to-being-lost | 2024-01 | 2026-09-19 | полный текст | разделы 2, 4, 8, 11, 12: критика единой метрики, HEART |
| S60 | Cascading OKRs – more trouble than it's worth | Greg Bayer, Mind the Product | https://www.mindtheproduct.com/cascading-okrs-more-trouble-than-its-worth/ | 2023-08-04 | 2026-09-19 | полный текст | разделы 2, 4, 7, 11: водопад, согласования, «телефон» |
| S61 | Cascading OKRs vs. aligning OKRs | Tability | https://www.tability.io/okrs/cascading-vs-aligning-okrs | без даты | 2026-09-19 | полный текст | разделы 2, 4, 8: каскад против выравнивания, перестройка дерева |
| S62 | Linear-LLM-SCM: Benchmarking LLMs for Coefficient Elicitation in Linear-Gaussian Causal Models | Yamaoka и соавторы; arXiv | https://arxiv.org/abs/2602.10282 | 2026-02-10 | 2026-09-19 | аннотация | разделы 2, 4, 10, 11: нестабильность коэффициентов у семи LLM |
| S63 | How It Works: Metric Trees Live in 2 Weeks | Trace (hellotrace.io) | https://www.hellotrace.io/how-it-works | без даты | 2026-09-19 | полный текст | разделы 2, 5, 6, 9, 10: git-спецификации, хранилища, «AI не вычисляет KPI» (вендор) |
| S64 | The AI Analytics platform for your action loop | KPI Tree (kpitree.co) | https://kpitree.co/platform | без даты | 2026-09-19 | полный текст | разделы 2, 3, 6, 7, 9, 10: RACI, verified impact, Canopy, MCP (вендор) |
| S65 | apache/ossie (Apache Ossie, ранее Open Semantic Interchange) | Apache Software Foundation, GitHub | https://github.com/apache/ossie | без даты | 2026-09-19 | полный текст | разделы 2, 9, 10, 11: спецификация YAML и JSON, инкубатор, звёзды |
| S66 | Semantic Layer vs. Text-to-SQL: 2026 Benchmark Update | Jason Ganz, Benoit Perigaud; dbt Labs | https://docs.getdbt.com/blog/semantic-layer-vs-text-to-sql-2026 | 2026-04-07 | 2026-09-19 | полный текст | разделы 2, 7, 10, 11: 98–100 % против 84–90 %, явные и тихие ошибки (вендор) |
| S67 | Semantic Layers for Reliable LLM-Powered Data Analytics: A Paired Benchmark of Accuracy and Hallucination Across Three Frontier Models | Rumiantsau, Fokeev; arXiv | https://arxiv.org/abs/2604.25149 | 2026-04-28 | 2026-09-19 | аннотация | разделы 2, 10, 11: +17–23 п. п., абсолютная точность 68–69 % |
| S68 | CausalFusion: Integrating LLMs and graph falsification for causal discovery | Casadei и соавторы; Amazon Science, AAAI 2026 | https://www.amazon.science/publications/causalfusion-integrating-LLMs-and-graph-falsification-for-causal-discovery | 2026 | 2026-09-19 | аннотация | разделы 2, 10, 11: LLM плюс фальсификация превосходит PC и LiNGAM |
| S69 | Metric Trees for Product Analytics | Mixpanel | https://mixpanel.com/platform/metric-trees/ | 2026-09-17 | 2026-09-19 | полный текст | разделы 2, 10: AI-генерация черновика дерева (вендор) |
| S70 | EstherSalinas/pm-skills | GitHub | https://github.com/EstherSalinas/pm-skills | без даты | 2026-09-19 | полный текст | разделы 2, 10: навыки north-star и kpi-tree с проверкой MECE |
| S71 | Driver-Based Planning: Put Drivers in Front and Steer Planning with Confidence | Anaplan Blog | https://www.anaplan.com/blog/put-drivers-in-front-steer-planning-with-confidence/ | без даты | 2026-09-19 | полный текст | разделы 3, 4, 5, 7, 9: допущения, сценарии, «causal clarity» (вендор) |
| S72 | Goodhart's law | Wikipedia | https://en.wikipedia.org/wiki/Goodhart%27s_law | без даты | 2026-09-19 | полный текст | разделы 3, 7, 8, 10, 11: формулировки 1975 и 1997, примеры gaming |
| S73 | Hierarchical Summarization of Metric Changes | Ruhl, Sundararajan, Yan; arXiv | https://arxiv.org/abs/1703.07795 | 2017-03-22 | 2026-09-19 | аннотация | разделы 3, 7, 10: алгоритм объяснения изменений по иерархиям, внедрение в AdWords |
| S74 | AFP FP&A Guide to Driver-based Models and Plans | Association for Financial Professionals | https://www.financialprofessionals.org/training-resources/resources/guides/fp-a-guides/detail/driver-based-modelling | 2024-03-05 | 2026-09-19 | полный текст | разделы 4, 7, 9: определение, риск ошибок при многошаговых драйверах |
| S75 | System dynamics | Wikipedia | https://en.wikipedia.org/wiki/System_dynamics | без даты | 2026-09-19 | полный текст | разделы 4, 11: Forrester, стоки, потоки, петли |
| S76 | What are guardrail metrics and why are they important? | Kameleoon | https://www.kameleoon.com/blog/guardrail-metrics | 2025-12-23 | 2026-09-19 | полный текст | разделы 4, 7: определение и примеры guardrail-метрик (вендор) |
| S77 | Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing (сайт книги) | Kohavi, Tang, Xu; Cambridge University Press | https://experimentguide.com/ | 2020 | 2026-09-19 | аннотация | разделы 4, 11: книга, OEC |
| S78 | KPIs and the Power of Measurement: Bernie Smith | Andy Burt, CFO.com | https://www.cfo.com/news/kpis-and-the-power-of-measurement-bernie-smith/654668/ | 2023-02-21 | 2026-09-19 | полный текст | раздел 5: «большая шестёрка» целей |
| S79 | North Star Framework | Tim Beattie, Val Yonchev; Open Practice Library | https://openpracticelibrary.com/practice/north-star-framework/ | 2022-12-31 | 2026-09-19 | полный текст | раздел 5: формат воркшопа 60–120 минут, участники |
| S80 | DoubleLoop Software Pricing 2025 | Vendr | https://www.vendr.com/buyer-guides/doubleloop | 2025 | 2026-09-19 | полный текст | разделы 5, 9: средний контракт около 5 064 долларов по двум сделкам |
| S81 | Pricing | KPI Tree (kpitree.co) | https://kpitree.co/pricing | без даты | 2026-09-19 | полный текст | разделы 5, 9: тарифы без цен, проба 14 дней (вендор) |
| S82 | Result Orientated KPI-System (ROKS) for Enterprise KPI Design | Bernie Smith, Made to Measure KPIs | https://madetomeasurekpis.com/roks-kpi-method-overview/ | без даты | 2026-09-19 | полный текст | разделы 6, 8, 11: семь шагов, дерево как longlist (вендор) |
| S83 | AI-Powered Causal Discovery for Better Business Decisions | Maxim Laletin, PyMC Labs | https://www.pymc-labs.com/blog-posts/ai-for-causal-discovery | 2025-12-17 | 2026-09-19 | полный текст | разделы 7, 9, 10: LLM предлагает DAG по метаданным, структурированный вывод |
| S84 | E-commerce Core Metric Tree Dashboard by Timo Dechau | Amplitude Templates | https://amplitude.com/templates/ecommerce-core-metric-tree | без даты | 2026-09-19 | полный текст | раздел 9: у Amplitude шаблон, а не функция (вендор) |
| S85 | How we designed Metric Trees for Mixpanel | Mike Murray, Mixpanel | https://mixpanel.com/blog/designing-metric-trees/ | 2026-06-09 | 2026-09-19 | полный текст | раздел 9: холст, сравнения периодов, совместное редактирование (вендор) |
| S86 | Introduction to Metric Trees | Vijay Subramanian, Trace | https://www.hellotrace.io/blog/introduction-to-metric-trees | без даты | 2026-09-19 | полный текст | разделы 9, 11: типы связей в понимании Trace (вендор) |
| S87 | ALCM: Autonomous LLM-Augmented Causal Discovery Framework | Khatibi, Abbasian, Yang, Azimi, Rahmani; arXiv | https://arxiv.org/abs/2405.01744 | 2024-05-02 | 2026-09-19 | аннотация | раздел 10: гибрид алгоритма и LLM на семи наборах данных |
| S88 | Large Language Models for Causal Discovery: Current Landscape and Future Directions | Wan, Lu, Wu, Hu, Li; IJCAI 2025 | https://www.ijcai.org/proceedings/2025/1186 | 2025 | 2026-09-19 | аннотация | раздел 10: таксономия, «несовершенные экспертные системы» |
| S89 | KPI Status Relationship Graph Revisited with LLMs | Eugene Asahara | https://eugeneasahara.com/2023/06/18/kpi-status-relationship-graph-revisited-with-llms/ | 2023-06-18 | 2026-09-19 | полный текст | раздел 10: парсинг формул KPI в граф с ручной проверкой |
| S90 | Donaldson Brown (1885-1965): The power of an individual and his ideas over time | Dale L. Flesher, Gary John Previts; Accounting Historians Journal 40(1) (eGrove) | https://egrove.olemiss.edu/aah_journal/vol40/iss1/5/ | 2013 | 2026-09-19 | аннотация | раздел 11: формула ROI 1914, доминирование к 1950-м |
| S91 | Having Trouble with Your Strategy? Then Map It | Kaplan, Norton; Harvard Business Review | https://hbr.org/2000/09/having-trouble-with-your-strategy-then-map-it | 2000-09 | 2026-09-19 | фрагмент | раздел 11: дата статьи о strategy maps |
| S92 | Introducing Metric Trees: Enabling strategic clarity for the digital era | Neha Nathan, Mixpanel | https://mixpanel.com/blog/mixpanel-metric-trees/ | 2025-08-26 | 2026-09-19 | полный текст | раздел 11: анонс функции (вендор) |
| S93 | Metric Trees for Data Teams — Connect Work to Business Outcomes | DoubleLoop | https://doubleloop.app/solutions/kpi_trees | без даты | 2026-09-19 | полный текст | раздел 11: связь инициатив и метрик, корреляции, источники данных (вендор) |
| S94 | Introducing Metric Trees, Metric Tree Guide | Levers Labs | https://www.leverslabs.com/article/introducing-metric-trees | без даты | 2026-09-19 | недоступен | раздел 12: сайт не отвечал (ошибки DNS) |
| S95 | Metrics & Measurement — Define Input Metrics | Reforge | https://www.reforge.com/c/growth-marketing-eg/gm-metrics-and-measurement/constellation-of-metrics/define-input-metrics | без даты | 2026-09-19 | недоступен | раздел 12: платный модуль, видна только шапка |

## 14. Словарь терминов {#glossary}

- **Driver tree** (дерево драйверов): арифметическое разложение числового показателя на составляющие, ветви которого складываются или перемножаются обратно в родителя.
- **Value driver tree, VDT** (дерево драйверов стоимости): дерево с корнем в стоимости компании или её финансовом прокси (ROIC, FCF), связывающее финансовые и операционные драйверы; практика оценки и консалтинга.
- **KPI tree** (дерево KPI): по методу Smith — иерархия от стратегической цели через результаты словами к KPI-кандидатам, служащая для отбора показателей.
- **Metric tree** (дерево метрик): модель бизнеса, где все узлы — метрики с определением в данных, а рёбра — арифметические компоненты или влияния.
- **North Star Metric, NSM** (метрика-ориентир): единственная метрика, лучше всего выражающая ценность продукта для клиентов и опережающая выручку; в North Star Framework дополняется 3–5 inputs.
- **Input metric, output metric** (входная и выходная метрика): вход — контролируемое действием командой; выход — результат (выручка, активные пользователи), которым напрямую управлять нельзя.
- **Controllable input metric** (контролируемая входная метрика): термин Amazon для входа, который команда двигает своими действиями и который проверен на связь с выходом.
- **Identity edge, component relationship** (тождественная связь): арифметическая связь родителя и детей, обязанная сходиться численно.
- **Influence edge, influence relationship** (связь влияния): гипотеза о причинном воздействии одной метрики на другую с знаком, лагом и уровнем уверенности, без точной формулы.
- **Confidence level** (уровень уверенности связи): градация hypothesized, correlated, verified или high, medium, low для influence-рёбер.
- **Lag** (лаг): задержка между изменением входа и откликом выхода; обязательное поле связи влияния.
- **Leading indicator, lagging indicator** (опережающий и запаздывающий индикатор): метрика текущей активности, предсказывающая результат, и метрика уже свершившегося результата.
- **MECE** (взаимно исключающие и совместно исчерпывающие): требование к детям одного родителя не пересекаться и покрывать его целиком.
- **Double counting** (двойной счёт): включение одной величины в несколько ветвей разбиения, нарушающее сходимость.
- **Mix shift** (сдвиг состава): изменение долей сегментов, двигающее среднее или долю при неизменных ставках внутри сегментов.
- **Simpson's paradox** (парадокс Симпсона): обращение направления агрегированной тенденции относительно тенденций в сегментах из-за состава.
- **Ratio metric** (долевая метрика): метрика вида числитель ÷ знаменатель; знаменатель должен быть узлом дерева.
- **Cohort window, calendar window** (когортное и календарное окно): расчёт по группе, вошедшей в один период, против расчёта по календарному периоду; смешение недопустимо в одной формуле.
- **Guardrail metric** (метрика-ограничитель): показатель, который нельзя ухудшать при оптимизации целевого: удержание, надёжность, жалобы.
- **Vanity metric** (метрика тщеславия): растущий показатель без связи с решениями и ценностью: регистрации, просмотры.
- **Goodhart's law** (закон Гудхарта): когда мера становится целью, она перестаёт быть хорошей мерой.
- **Gaming** (манипуляция метрикой): улучшение показателя действиями, не улучшающими результат.
- **Rechensystem, Ordnungssystem** (расчётная и порядковая система показателей): немецкие термины для систем с математическими связями и с лишь смысловыми связями.
- **Kennzahlensystem** (система показателей): упорядоченная совокупность взаимосвязанных показателей: DuPont, ZVEI, RL.
- **DuPont analysis** (анализ DuPont): разложение ROE на рентабельность продаж, оборачиваемость активов и финансовый рычаг.
- **OEE** (общая эффективность оборудования): произведение availability, performance и quality; учитывает шесть больших потерь.
- **Balanced Scorecard, BSC** (сбалансированная система показателей): набор целей и мер по четырём перспективам с гипотезами причинных связей между ними.
- **Strategy map** (стратегическая карта): диаграмма причинных гипотез между целями четырёх перспектив BSC.
- **OKR** (цели и ключевые результаты): рамка постановки целей с 3–5 измеримыми ключевыми результатами; каскад против выравнивания — способы связи уровней.
- **Driver-based planning** (драйверное планирование): построение финансового плана от операционных драйверов и допущений через формулы.
- **GQM, GQM+Strategies** (цель — вопрос — метрика): метод вывода метрик из целей через вопросы; расширение связывает цели бизнеса, стратегии и допущения.
- **Weekly Business Review, WBR** (еженедельный бизнес-обзор): практика Amazon по разбору входных и выходных метрик в фиксированном формате.
- **Statistical process control, SPC** (статистический контроль процессов): различение обычной и особой вариации до поиска причин.
- **Causal loop diagram, CLD** (диаграмма причинных петель): диаграмма переменных и связей с знаками, выявляющая усиливающие и балансирующие петли.
- **System dynamics** (системная динамика): моделирование поведения систем через стоки, потоки, петли и задержки.
- **Structural causal model, SCM** (структурная причинная модель): DAG с функциональными механизмами, допускающий атрибуцию, интервенции и контрфакты.
- **DAG** (направленный ациклический граф): граф без циклов; дерево — его частный случай.
- **Falsification test** (тест фальсификации): статистическая проверка, отвергающая рёбра или структуру графа, несовместимые с данными.
- **Value bridge, PVM** (мост стоимости, анализ цена-объём-состав): водопад изменения показателя по драйверам с точной сходимостью к разнице.
- **Shapley attribution** (атрибуция Шепли): распределение вклада драйверов усреднением по всем порядкам их учёта.
- **Semantic layer, metric store** (семантический слой, хранилище метрик): код с единообразными определениями метрик, вычисляемых для инструментов и агентов.
- **Metric catalog** (каталог метрик): реестр метрик и их метаданных без связей между ними.
- **Open Semantic Interchange, Apache Ossie** (открытый обмен семантикой): спецификация в YAML и JSON для переносимых определений семантических моделей.
- **Text-to-SQL** (генерация SQL из текста): ответ LLM на вопрос прямым написанием запроса без семантического слоя.
- **MCP** (протокол контекста модели): протокол передачи контекста и инструментов LLM-агентам, через который платформы деревьев отдают модель метрик.
- **RACI** (ответственный, утверждающий, консультируемый, информируемый): матрица ролей по каждому узлу дерева.
- **Bet ledger** (журнал ставок): учёт гипотез вида «действие X изменит метрику Y на Z» с результатом.
- **Steward** (стюард дерева): роль, отвечающая за целостность дерева, ритм ревизии и журнал ставок.
- **Longlist, shortlist** (длинный и короткий список): в ROKS — все KPI-кандидаты из дерева и отобранные по важности и доступности данных.
- **Growth loop, flywheel** (петля роста, маховик): замкнутый цикл, в котором выход реинвестируется во вход и даёт компаундный рост.
- **Confounder** (общая скрытая причина): фактор, влияющий одновременно на несколько узлов и создающий ложную связь между ними.
- **Tolerance** (допуск сходимости): допустимое расхождение между родителем и вычислением из детей для identity-ребра.
- **HEART** (счастье, вовлечённость, принятие, удержание, успех задач): набор UX-метрик, предлагаемый как альтернатива единой North Star.

