京公网安备 11010802034615号
经营许可证编号:京B2-20210330
过度忠于数据和分析,影响员工流失率
让我们回到1911年去探究原因。那是进步主义(Progressivism)时代。那一年泰勒在《科学管理原则》(The Principles of Scientific Management)一书的引言中写道:“在过去人是最重要的;在未来系统必定是最重要的。”泰勒的想法与伍德罗·威尔逊(Woodrow Wilson)不谋而合——后一年威尔逊当选为美国总统。威尔逊认为社会工程(socialengineering)优先于个人权利。
泰勒提出了一个简单的想法:如果你能找出并消除所有浪费时间的不合理动作,你就能提高劳动生产率。要做到这一点,管理者得观察、记录、衡量和分析工人的动作。在工厂车间里员工不再随心所欲地行动;不再采用“随机应变”的做法。泰勒希望将复杂的制造工艺简化为最细微、最具重复性的步骤,使任何工人都能上手。
可以预见,泰勒主义(Taylorism)需要对工人及其工作实践进行近乎专制的控制。泰勒将其发起的运动视为工人的救星,原因是生产率提高的工人能赚到更多的钱。工人们确实赚到了更多的钱。泰勒的理论在亨利·福特(Henry Ford)的汽车制造厂的流水线上得到了完美实现。而 且正如泰勒曾预测的,福特向生产率最高的工人支付的工资,是当时工厂作业一般工资水平的2倍。
但福特对泰勒式严密分析的应用无法适应二战后的市场变化。然而通用汽车公司的阿尔弗雷德·斯隆(Alfred Sloan)有更深入的见解。他明白单靠分析无法打造一家强健的企业。斯隆明白,人类所追求的不只是功利;他们也渴望生活的意义。在斯隆的管理下,通用汽车根据人们愿望层次的不同对汽车市场进行细分,从经济实惠的雪佛兰到豪华型的凯迪拉克。该公司得以蓬勃发展。
科学管理——及其对数据和趋势分析的过度依赖倾向——是诱人的,因为它可衡量,能提供快速投资回报,因此很容易被证明是合理的。这一点在当今时代尤其适用,因为收集、分析数据的成本下降速度甚至快于摩尔定律。数据和分析似乎是医治企业病痛的速效药。
危险并不在于使用数据和分析——不这样做的管理人员是傻瓜——而在于对其过度依赖。它们的优势很快会被竞争冲垮。更糟的是,拘泥于数据和分析总是会导致强烈的对抗:员工会反抗;客户会流失;股东想知道是什么让自己遭受打击的。
泰勒的缺陷是致命的。他认为员工懒惰、无知、缺乏好奇心,敦促管理者将其视为可替换的零件。他提倡实行极端的可预测性和管理控制,这使得员工的工作内容变得沉闷乏味,尽管这种做法提高了他们的工资。泰勒认为这种折衷是值得的。一开始员工们也这么想——直到他们改变了看法。
泰勒的错误会重演吗?已经开始了。亚马逊像杂草一样疯狂成长,但它不能或不会出现盈利,投资者正在失去耐心。亚马逊效忠于数据和分析的做法,但其员工流失率无论在高科技还是零售行业都是最高的。这意味着亚马逊由数据驱动的非凡效率被招聘、再培训及挽留的较高成本所伤害。
相比之下,苹果公司(Apple)是全球最有价值的企业,其业务和财务是由数据驱动的。但创建该公司并领导其复兴的史蒂夫·乔布斯(Steve Jobs)从未将人类的非理性视为应该被消灭的弱点。乔布斯接受并激励人性混乱的一面。他怀疑市场数据——他很少出错。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13