京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16