
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01