आउटपुट-बेस्ड से आउटकम-बेस्ड OKRs में बदलाव, सिर्फ़ कामों को पूरा करने से लेकर असल बिज़नेस वैल्यू देने तक का बदलाव दिखाता है। जहाँ आउटपुट OKRs एक्टिविटीज़ के पूरा होने को ट्रैक करते हैं, वहीं आउटकम OKRs उन एक्टिविटीज़ का कस्टमर्स और कंपनी के मुनाफ़े पर असल असर पर फ़ोकस करते हैं।
ऐसे लक्ष्य जो बिज़नेस या उसके कस्टमर्स के लिए किए जा सकने वाले बदलाव या वैल्यू पर फोकस करते हैं।
लक्ष्य जो खास कामों, डिलीवरेबल्स या प्रोजेक्ट माइलस्टोन्स के पूरा होने को ट्रैक करते हैं।
| विशेषता | परिणाम-आधारित OKRs | आउटपुट-आधारित OKRs |
|---|---|---|
| मुख्य प्रश्न | क्या हमने वैल्यू बनाई? | क्या हमने काम पूरा कर लिया? |
| टीम स्वायत्तता | हाई (लक्ष्य तक कैसे पहुँचना है, यह तय करें) | कम (रोडमैप का पालन करें) |
| विफलता का जोखिम | प्रभाव की कमी से मापा गया | छूटी हुई डेडलाइन से मापा गया |
| FLEXIBILITY | पिवट को प्रोत्साहित किया जाता है | योजना पर कायम रहें |
| सेट करने में कठिनाई | कठिन (गहन विश्लेषण की आवश्यकता है) | आसान (कामों की सूची) |
| व्यावसायिक प्रभाव | उच्च और प्रत्यक्ष | अप्रत्यक्ष या अज्ञात |
आउटपुट-बेस्ड OKRs अक्सर प्रोग्रेस का झूठा एहसास कराते हैं। एक टीम शायद पाँच नए फ़ीचर (आउटपुट) सक्सेसफुली लॉन्च कर सकती है, लेकिन अगर उनमें से कोई भी फ़ीचर कस्टमर की प्रॉब्लम सॉल्व नहीं करता या रेवेन्यू नहीं बढ़ाता, तो मेहनत असल में बेकार हो जाती है। आउटकम-बेस्ड OKRs सक्सेस मेट्रिक को असली रिज़ल्ट बनाकर इससे बचाते हैं, न कि काम को।
जब कोई लीडर आउटकम-बेस्ड OKR सेट करता है, तो वे टीम से कह रहे होते हैं 'मुझे आप पर भरोसा है कि आप सॉल्यूशन ढूंढ लेंगे।' यह ऑटोनॉमी इनोवेशन को बढ़ावा देती है क्योंकि टीम किसी खास काम की लिस्ट में बंधी नहीं होती है। इसके उलट, आउटपुट-बेस्ड OKRs डिमोटिवेटिंग हो सकते हैं, क्योंकि वे बहुत स्किल्ड प्रोफेशनल्स को ऑर्डर लेने वाले बना देते हैं जो सिर्फ एक चेकलिस्ट को फॉलो कर रहे होते हैं।
एक अच्छे आउटकम-बेस्ड OKR की पहचान व्यवहार में बदलाव है। ट्रेनिंग प्रोग्राम के 'आउटपुट' को ट्रैक करने के बजाय, आप 'आउटकम' को ट्रैक करते हैं—शायद सपोर्ट टिकट में 20% की कमी या सेल्स एफिशिएंसी में 15% की बढ़ोतरी। इससे यह पक्का होता है कि ट्रेनिंग बस यूं ही नहीं हुई, बल्कि यह सच में काम भी आई।
हालांकि आउटकम-बेस्ड गोल्ड स्टैंडर्ड है, लेकिन आउटपुट-बेस्ड OKRs हमेशा बुरे नहीं होते। अगर कोई टीम कोई बिल्कुल नई पहल शुरू कर रही है, जिसके पास आउटकम का अनुमान लगाने के लिए कोई पुराना डेटा नहीं है, तो 'लॉन्च MVP' जैसा आउटपुट-बेस्ड लक्ष्य सेट करने से ज़रूरी स्ट्रक्चर मिल सकता है। MVP आने के बाद, उन्हें तुरंत आउटकम-बेस्ड मेट्रिक्स पर स्विच कर लेना चाहिए।
सभी OKRs पहले दिन से ही आउटकम-बेस्ड होने चाहिए।
अगर आपके पास अभी तक कोई बेसलाइन मेट्रिक नहीं है, तो रियलिस्टिक आउटकम सेट करना नामुमकिन है। ऐसे बहुत कम मामलों में, एक आउटपुट गोल आपको बाद में आउटकम को मापने के लिए ज़रूरी बेस बनाने में मदद करता है।
आउटपुट, Key Results जैसे ही हैं।
यह एक आम गलती है। Key Result, आउटपुट का *नतीजा* होना चाहिए। एक वेबसाइट लॉन्च करना एक आउटपुट है; उस वेबसाइट पर 10,000 विज़िटर लाना Key Result (आउटकम) है।
आउटकम OKRs सिर्फ़ सेल्स और मार्केटिंग के लिए हैं।
इंजीनियरिंग, HR और लीगल टीमें सभी आउटकम-बेस्ड गोल इस्तेमाल कर सकती हैं। उदाहरण के लिए, HR 'सोशल इवेंट्स की संख्या' (आउटपुट) के बजाय 'एम्प्लॉई रिटेंशन' (आउटकम) पर फोकस कर सकता है।
नतीजों को ट्रैक करने में बहुत ज़्यादा समय लगता है।
हालांकि इन्हें सेट अप करने में ज़्यादा सोचना पड़ता है, लेकिन लंबे समय में आप ऐसे फ़ीचर्स नहीं बनाकर या ऐसे प्रोजेक्ट्स नहीं चलाकर समय बचाते हैं जिन्हें असल में कोई नहीं चाहता या जिनकी ज़रूरत नहीं है।
जब भी आप असली बिज़नेस ग्रोथ चाहते हैं और अपनी टीम को क्रिएटिव प्रॉब्लम सॉल्वर बनाना चाहते हैं, तो आउटकम-बेस्ड OKRs चुनें। आउटपुट-बेस्ड OKRs का इस्तेमाल कम करें, खासकर शुरुआती स्टेज के प्रोजेक्ट्स या ऐसे कामों के लिए जो बहुत ज़रूरी हों, जहाँ काम और वैल्यू के बीच का लिंक पहले से ही 100% साबित हो चुका हो।
यह तुलना सिर्फ़ आर्टिफिशियल इंटेलिजेंस का इस्तेमाल करने से लेकर असल में उससे चलने तक के बदलाव को दिखाती है। जहाँ AI अपनाने में मौजूदा बिज़नेस वर्कफ़्लो में स्मार्ट टूल्स जोड़ना शामिल है, वहीं AI-नेटिव बदलाव एक ग्राउंड-अप रीडिज़ाइन दिखाता है जहाँ हर प्रोसेस और फ़ैसले लेने का लूप मशीन लर्निंग क्षमताओं के आस-पास बना होता है।
यह तुलना लैब में AI को टेस्ट करने से लेकर उसे कॉर्पोरेशन के नर्वस सिस्टम में शामिल करने तक के ज़रूरी बदलाव की जांच करती है। जहां एक्सपेरिमेंट छोटी टीमों के अंदर किसी कॉन्सेप्ट की टेक्निकल संभावना को साबित करने पर फोकस करता है, वहीं एंटरप्राइज़ इंटीग्रेशन में AI के लिए ज़रूरी मज़बूत इंफ्रास्ट्रक्चर, गवर्नेंस और कल्चरल बदलाव बनाना शामिल है, ताकि कंपनी-वाइड ROI को मापा जा सके।
मॉडर्न ऑर्गनाइज़ेशन तेज़ी से पहले से बने हायरार्किकल स्ट्रक्चर और एजाइल, डेटा-सेंट्रिक मॉडल के बीच चुन रहे हैं। जहाँ पारंपरिक कल्चर स्टेबिलिटी और इंसानों के इंट्यूशन को प्रायोरिटी देते हैं, वहीं AI-ड्रिवन एनवायरनमेंट तेज़ी से एक्सपेरिमेंट और ऑटोमेटेड इनसाइट्स पर ज़्यादा ध्यान देते हैं। यह तुलना यह पता लगाती है कि ये दो अलग-अलग फिलॉसफी रोज़ाना के एम्प्लॉई एक्सपीरियंस, डिसीजन-मेकिंग प्रोसेस और बदलती डिजिटल इकॉनमी में लंबे समय तक चलने वाले बिज़नेस वायबिलिटी को कैसे आकार देती हैं।
यह तुलना की परफ़ॉर्मेंस इंडिकेटर्स (KPIs) और ऑब्जेक्टिव्स एंड की रिज़ल्ट्स (OKRs) के बीच ज़रूरी अंतर को साफ़ करती है। जहाँ KPIs किसी बिज़नेस की चल रही हेल्थ और स्टेबिलिटी को मॉनिटर करने के लिए एक डैशबोर्ड की तरह काम करते हैं, वहीं OKRs तय समय में तेज़ी से ग्रोथ, इनोवेशन और ऑर्गेनाइज़ेशनल बदलाव लाने के लिए एक स्ट्रेटेजिक फ्रेमवर्क देते हैं।
हालांकि दोनों फ्रेमवर्क सफलता को मापते हैं, OKRs बड़ी ग्रोथ और दिशा बदलने के लिए एक कंपास की तरह काम करते हैं, जबकि KPIs स्थिर परफॉर्मेंस के लिए एक हाई-प्रिसिजन डैशबोर्ड की तरह काम करते हैं। इनमें से किसी एक को चुनना इस बात पर निर्भर करता है कि आप कुछ नया करने की कोशिश कर रहे हैं या बस यह पक्का करना चाहते हैं कि आपका मौजूदा इंजन बिना ज़्यादा गरम हुए आसानी से चल रहा है।
