
大数据时代:我们用什么来拯救管理
宗教与科学之间曾经誓不两立,但终于大道朝天,各走一边。相安无事多年后,美国商业文化的资深研究者霍博兄弟用《清教徒的礼物》这本书,再一次开始了宗教向科学的宣战只是,这一次的战场是在管理领域,霍博兄弟满满装上了清教徒精神的攻击弹药,对准科学管理猛烈开炮!
1目前商业社会的问题背离了清教徒精神
所谓清教徒,就是指美国的第一批欧洲移民。霍博兄弟在深入考察了美国管理文化的起源、发展与特性后指出,正是清教徒的宗教信仰中的精神实质,让曾经是荒蛮大陆的北美成为全世界顶礼膜拜的经济繁荣中心。而当这种精神经由美国人传到日本后,也直接成就了日本从二战废墟中快速崛起,一跃成为世界第二经济中心的绝境奇迹。
但是,在华尔街金融危机爆发之后,霍博兄弟出于对美国商业的未来的担心,提出了震耳发聩的警告:当美国日渐疏远在19世纪和20世纪支撑其商业与经济成功的核心价值观的同时,已经将自己未来的繁荣与稳定置于险境。
霍博兄弟所称的“清教徒精神”的内涵包括:人生目标不管多么模糊,归根结底都是建造人间天国的坚定信念;拥有机械天赋,喜欢亲历亲为的技师精神;把集体利益置于个人利益至上的道德观念;能够根据大大小小的目的协调各种财力、物力和人力的组织能力。
2泰勒提倡的原则造成了疯狂的后果
上述清教徒精神最早体现在马萨诸塞殖民地的成功开创。随后,这种精神被移民者用之于开创现代企业。但是,到弗雷德里克·泰勒开创了以量化数据考核的科学管理后,商业的实践者与管理者逐渐对数字迷恋不已,并最终落入了量化考核的陷阱——一切以体现在纸面上的数据为准绳,不顾实际地追求利润激增、成本削减,以求得无上荣耀与丰厚回报。
所以,我们看到了,世界上最早的,堪称现代企业典范的巨型企业通用汽车公司,大肆变更了自己的缺陷管理标准。原来,每100件产品中有0处缺陷就是100分,如果有5处缺陷就是95分。以此类推,60分是合格线。但是,通用汽车很快发现,下属的有些工厂很难达到60分,于是他们重新设定了计分系统,将0缺陷的最高分设为145分,合格线随之变成了100分。同样是仅仅合格,100分当然比60分好看,而更重要的是,原本的不合格产品现在看上去也很不错,动辄得到90以上的“高分”。
这根本就是一个荒唐的数字游戏,而不像是正儿八经的企业管理行为,但这项只是为了数字好看,却对汽车品质毫无改进作用的125计分体系竟然从1968年一直使用了20年!
这样的做法,给通用汽车带来了什么样的后果呢?在1979年到1989年,由善于“让数字看起来更好看的高手”罗杰·史密斯担任董事长的通用汽车,在美国的市场份额从47%下降到了35%!1992年,公司差一点破产;2004年,市场份额再一次下降到25%;2009年,正式进入破产保护程序……
更令人咋舌的是,对于数字与面子的偏执性偏好,并不仅仅存在于通用汽车公司。另一家巨无霸企业——可口可乐公司,通过分拆上市、关联交易等财务运作,不但轻松抹去了母公司资产负债表上几十亿美元的债务,而且一直保持了盈利额16年的急剧增长。但是,当财务工程无法继续时,可口可乐对外公布的盈利就出现了急剧下滑,股价也随之暴跌。
而像世通和安然这样的世界五百强大公司,更是因为数字造假而轰然倒塌。颇具权威的咨询公司斯特恩·斯图尔特对此评论说:“真正的会计丑闻,不是世通和安然这类少数家家公司违反会计制度虚构盈利,而是几乎每家公司都在钻会计制度的空子,粉饰盈利以迎合投资者。”
令人担忧的是,这样的“数字崇拜”现象甚至超越了企业管理领域,蔓延到管理的其他领域,NASA的航空航天管理,教育领域,医院系统,均告“沦陷”。爆发于2008年的美国金融危机则是这种“数字游戏”带来的恶果的最疯狂体现。
3对《清教徒的礼物》审视和反思
由此,霍博兄弟发出呐喊,呼吁企业管理者要回归“清教徒精神”。将霍博兄弟的观点归纳为“只有清教徒才能拯救管理”,或许有点夸大其辞。原因有两点:
其一,现代大型企业的出现和科学技术的多样化迅猛发展,使得通才式的、亲历亲为的管理者成为不可能。从这一意义上来说,以量化管理为最主要特征的科学管理还是有其自身价值的,不能绝对化地一棍子打死。而科学管理所要厘正的则是要从对数字数据的过分迷恋中摆脱出来,同时,企业的各级高管一定要放下身段,深入现场,推崇“自下而上”的管理模式,不要坐在办公室里“听”来自纸面上的炮声。
其二,所谓的“清教徒精神”其实并非只是宗教独有。诸如中国先贤所说的“先天下之忧而忧,后天下之乐而乐”、““知屋漏者在宇下,知政失者在草野”、“量入为出”等等均与“清教徒精神”存在异曲同工之妙。
但尽管如此,我们也决不要低估霍博兄弟的警世明言的价值。因为,随着大数据时代的到来,企业的组织架构、管理体系、沟通方式、营销策略等等都将发生翻天覆地的变化,而日渐明显的趋势则是,组织将日渐走向小型化,甚至是碎片化。
这样,推崇决策者执行者合一,亲历亲为的“清教徒精神”将再一次与社会同步,显然又将迎来一个新的管理黄金时代。从这个角度来说,只有清教徒才能拯救管理,也许正是一个明智的抉择!
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