作者：倪云华
可预测性是相当具有吸引力的。一些通过调度“增长引擎”的初创公司可以准确预测其增长趋势，假定他们所提供的增长率是足够吸引人的情况下，仅仅是因为其风险更小，这些初创公司就能够在市场上获得更高的估值，投资者也因此会给这些公司的不成比例高的奖励。
随可预测性而来的挑战在于：可预测性本身并不是一个最终状态。一个企业并不会在未来的某一天会突然变成预测的，更不可能长期处于这种可预测的状态。相反，可预测性是一门必须由初创企业的管理者和管理团队实践的规程。
使形势更复杂的是，可预测性其实是众多不同团队努力的产物。技术和产品团队需要设定好目标并按时交付产品;营销团队需要寻求创造足够的值得定向营销的客户线索(MQLs)，使销售团队能够实现他们的销售配额;而人力资源则需要建立一个规程以便在企业需要的时候雇佣合适的人。
正如彼得·德鲁克(Peter Drucker)所说，“你无法管理你所无法衡量的东西。” 同样的道理也适用于可预测性。
安迪·格鲁夫，英特尔的前总裁， 一个我最喜欢的管理类书籍的作者，在他的《高产出管理》书中编写了一个测量可预测性的技术方法，称为重复印证表(Stagger Chart)。
我们为一个虚构的SaaS公司的收入提供了一个假想的重复印证表。横轴是每个月的预测。沿着纵轴是预测的月份。
说的更具体一些， 第二行， 2月的数字是36 *， 而41， 47， 60和75则是在2月份所做的后四个月的预测数。即在2月，该公司的收入为36,000美元，管理团队预计3月收入为41,000美元，4月收入为4700万美元，以此类推。
这个图表告诉读者三件事:
1. 业务的实际收入增长——红色带星号的数字即为真实值。
2. 向右看去的每一列，告诉读者特定月份的预测数是如何随着时间变化的。例如，随着时间的推移，3月份的预测数上升(变得更加强劲);另一方面，6月随着时间的推移而下降。
3. 当预测值下降很多了，如上述6月的预测， 那么一定是出现了一些问题，又或者有些关键期望值并没有实现。此时团队应该着手调查发生偏差的原因。
这些类型的图表可以应用于大多数创业活动包括销售额(美元)， 新客户， 营销客户关系，员工雇佣，客户流失…等等，其例子不胜枚举。
通过前瞻性预测然后加以回顾性评估预测，并且分析它们随着时间的推移的变化情况，管理者可将可预测性更深地融入到业务中去， 甚至开发相关工具用来分析出那些能够反映业务的变化主要指标。
