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
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01