关键结果的原始评分计算很简单：实际值 / 目标值，上限封顶为1.0。真正的复杂性在于：大多数 OKR 追踪表与财务模型分属不同标签页，需要管理跨标签页引用以及多个目标之间的加权平均计算。
以下公式计算单个关键结果评分，从 Actuals（实绩）标签页读取实际值，从 Assumptions（假设）标签页读取目标值：
=MIN(1, Actuals!C14 / Assumptions!$C$14)
针对包含3个关键结果的单个目标，计算加权目标评分（此处采用等权重，可按需调整）：
=SUMPRODUCT(OKR_Tracker!E4:E6, OKR_Tracker!D4:D6) / SUM(OKR_Tracker!E4:E6)
在季度董事会材料视图中，计算全公司所有目标的综合均值：
=AVERAGEIF('OKR_Tracker'!B:B, Assumptions!$B$3, 'OKR_Tracker'!F:F)
其中 B 列为季度标签，F 列为加权目标评分，Assumptions!$B$3 是季度选择器的锚定单元格，所有下游计算均由此驱动，确保口径统一。
关于封顶处理的说明：MIN(1, ...) 在技术层面符合 re:Work 模型的规范，但在实际操作中，建议在单独的列中保留超过1.0的原始分值。营收类关键结果出现1.23这样的评分，是一个重要的规划信号--它说明当初的目标线定低了，下个季度应当上调假设基线。而 MIN 函数会将其悄无声声地丢弃，如果你的财务假设仍沿用原目标线，等于主动屏蔽了来自实绩的修正信号。这一点在做季度复盘时尤为关键。
将 OKR 评分模型接入三张报表
将 OKR 评分接入 Google Sheets 而非独立工具的核心理由在于：评分是输入值，而非输出值。一个0.68分的营业成本（COGS）效率 OKR--假设预算为5,400万元，实际发生5,808万元--将直接改变下一规划周期的毛利率假设。
以下公式将 OKR 评分转换为损益表（P&L）标签页中的预算调整系数，数据来源于追踪表：
=IF(
VLOOKUP("COGS Efficiency", OKR_Tracker!$A:$F, 6, FALSE) >= 0.7,
1,
1 + (0.7 - VLOOKUP("COGS Efficiency", OKR_Tracker!$A:$F, 6, FALSE)) * Assumptions!$D$5
)
Assumptions!$D$5 是敏感性系数，含义是：该 OKR 每偏差0.1分，对应多少比例的预算压力。这个数字不应该凭感觉填写，而是需要用历史实绩来标定。 具体做法：取过去四个季度的 COGS OKR 评分与实际毛利率偏差，做一次简单线性回归。例如，若回归结果显示 COGS OKR 每偏差0.1分，毛利率平均承压约80个基点（bp），则 $D$5 填入 0.008（即0.8%）。这样，当 OKR 评分从0.7下滑至0.6，公式会将预算基数上调0.8%；下滑至0.5，则上调1.6%。有了这个依据，你在向业务部门或管理层解释这一系数时，答案是"基于过去四个季度的实绩回归"，而不是"我估的"。如果历史数据不足四个季度，可从行业基准出发，并在假设表中注明该系数尚待校验。
回到上文的例子：EBITDA 目标为14.2%，实际只有12.1%，根因是营业成本超支约400万元。OKR 评分（COGS 效率评分为0.63）是将这一叙事压缩为董事会材料中单一数字的关键，无需读者自行推算差异表。
三张报表的联动在现金流量表层面最具实用价值。自由现金流（FCFF）预测依赖 EBITDA 假设，EBITDA 假设依赖利润率假设，而利润率假设又取决于运营类 OKR 是否朝着0.7分以上趋势演进。以各 OKR 对应的损益敞口进行加权，将运营类 OKR 评分汇总为 SUMPRODUCT，可得到一个用于现金流模型的单一领先指标：
=SUMPRODUCT(
'OKR_Tracker'!F2:F10,
'OKR_Tracker'!G2:G10
) / SUMIF('OKR_Tracker'!B2:B10, "<>", 'OKR_Tracker'!G2:G10)
其中 G 列为每个目标对应的损益金额敞口。关于 G 列的数据来源： 这一列应在季度初规划时由 FP&A 手动填入，代表"若该目标完全未达成，对本期损益的最大敞口"--例如，营收增长 OKR 的敞口填4,200万元（即年化目标营收），研发效率 OKR 的敞口填280万元（对应预算中可节省的研发费用上限）。这些数字在季度内保持锁定，季末复盘后可视情况更新。建议在 G 列旁边增加一列"敞口说明"，记录每个数字的口径来源，避免下个季度接手的同事无法理解。
最终得到一个以金额加权的 OKR 健康度评分--当一个目标涉及4,200万元营收、另一个目标仅涉及280万元研发投入时，这一指标远比简单均值更有参考价值。
Google re:Work OKR 评分模型的局限性
以下几种失效模式对财务模型而言尤为值得关注。
二元型关键结果的评分问题。 诸如"在第三季度前完成新定价层级上线"这类关键结果，只能得0.0分或1.0分。对目标跟踪软件而言这没有问题，但在模型中其他所有输入均为连续值的情况下，这会破坏加权平均的计算逻辑。解决方案是将二元型关键结果拆解为若干里程碑节点（如：方案设计完成、用户验收测试完成、正式上线、30天留存达标），并为每个子里程碑赋予0.25的分值。
评分时点与权责发生制期间不匹配。 OKR 评分通常在季末完成，但权责发生制的财务结账日期往往不同。某关键结果基于预估营收在12月31日被评为0.7分，待最终月度结账入账后可能下修至0.65。如果将 OKR 评分作为下一周期假设的输入，建议引入一个周期的滞后：使用上一季度的最终确定分值，而非当季的初步评分。
层层汇总会掩盖真正的信号。 全公司0.65的均值，可能掩盖了某个次要目标拿到0.9、而驱动明年60%营收规划的核心关键结果却只有0.4的事实。均值是董事会汇报的展示性数字。用于实际规划时，应使用以营收敞口加权的评分，而非未加权的算术均值。
常见问题
Google re:Work OKR 评分0.7意味着什么？
在 Google re:Work 框架中，0.7分是目标分值，代表关键结果已实现70%的完成度。这一阈值被设计为"雄心与现实的平衡点"：一个设定合理的 OKR，在执行之初就预期有约30%的概率无法完全达成。评分达到0.7即视为成功，并非失败。若团队在所有 OKR 上均轻松超过0.7，通常说明目标本身设定过于保守，应在下一周期调高关键结果的基准线。
OKR 评分1.0是否代表目标完全完成？
技术层面是，但 re:Work 框架对此持审慎态度。持续拿到1.0分更多是一个预警信号，而非成就--它意味着当初设定的关键结果缺乏足够的挑战性。对财务建模而言，当原始完成率超过1.0时（例如1.18或1.23），建议在追踪表中保留该超额数据，不要直接用 MIN(1, ...) 截断。超额完成的幅度是下一规划周期上调目标假设的客观依据，一旦被截断就永久丢失了这一信号。
如何在 Google Sheets 中计算 OKR 加权平均分？
将各目标的权重与得分放在相邻两列（例如 D 列为权重，E 列为得分），使用 SUMPRODUCT 函数计算：=SUMPRODUCT(D4:D6, E4:E6) / SUM(D4:D6)。若要按季度筛选后再计算加权均值，可结合 AVERAGEIF 使用季度标签作为筛选条件。权重的设置建议与各 OKR 对应的损益敞口金额挂钩，而非使用等权重--这样在一个目标涉及4,200万元营收、另一个仅涉及280万元费用时，加权结果才具有实际的财务决策意义。
如需了解如何在每个季度自动刷新 OKR 关联单元格，请参阅 如何在 Google Sheets 中自动刷新 OKR 数据（2026年版），其中介绍了基于触发器的实现方案。
ModelMonkey 可从 HubSpot 或 Notion 中提取 OKR 实绩数据，按预设计划直接写入你的追踪表标签页，确保每次打开模型时数据已更新完毕，而不是打开后才手动刷新。查看 ModelMonkey 方案 -- 同时支持 Google Sheets 和 Excel。